Warum KI-gestützte Angebotserstellung?
Im B2B-Großhandel und in vielen Engineering-Mittelständlern ist die Angebotserstellung der größte operative Kostenfaktor im Vertriebsinnendienst — und gleichzeitig ein Wettbewerbs-entscheidender Faktor. Wer langsamer ist als der Wettbewerb, verliert Aufträge. Wer fehlerhafte Konditionen verschickt, verliert Marge oder Glaubwürdigkeit. Wer Anfragen vor-filtert und nur die „lohnenden“ beantwortet, lässt Geschäft liegen.
KI-gestützte Angebotserstellung adressiert alle drei Dimensionen: Geschwindigkeit (Minuten statt Tage), Konsistenz (Konditionen werden nicht mehr „vergessen“), Bearbeitungsquote (alle Anfragen werden bearbeitet, auch die kleinen). In unserem detaillierten Großhandels-Case haben diese drei Effekte zusammen 4,8 M € zusätzlichen Deckungsbeitrag im ersten Jahr ergeben.
Voraussetzungen
- API-fähiges ERP oder zumindest DB-Reader-Zugriff — für Verfügbarkeit, Stammpreise, Bestellhistorie.
- Digitale Vertragsdaten — Rahmenverträge, kundenspezifische Konditionen, Mengenstaffeln. Wenn diese in Excel oder Word liegen, ist das ein Migrations-Vorprojekt.
- PIM oder vergleichbares Produktdaten-System — für Datenblätter, technische Spezifikationen.
- CRM mit Kunden-Stammdaten — für Kunden-Match, Vertriebs-Owner, Historie.
- E-Mail/RFQ-Portal-Zugang — Microsoft Graph, IMAP, oder dediziertes Portal-API.
- Klar dokumentierte Margenregeln — wenn diese „im Kopf“ einzelner Mitarbeiter leben, ist Aufräumen Pflichtaufgabe.
- Vertriebsinnendienst als Sparring-Partner — für Pilot-Phase mind. 3 erfahrene Mitarbeiter mit je 15 % Zeitanteil.
Standard-Architektur
Vom Anfrage-Eingang zum freigegebenen Angebot
- 1Sek. 0–15
Anfrage-Erfassung
E-Mail/PDF/RFQ wird gelesen, Anhänge geöffnet, OCR bei gescannten PDFs.
- →Roh-Text
- →Erkannte Positionen
- 2Sek. 15–60
Strukturierung (LLM)
Positionsliste extrahiert, Mengen, Sondergrößen, Lieferadresse identifiziert. Strukturierte JSON-Ausgabe.
- →Strukturierte Anfrage
- →Vollständigkeits-Score
- 3Sek. 60–150
Verfügbarkeit & PIM
ERP-Lookup pro Position, PIM-Datenblätter, Cross-Sell-Vorschläge.
- →Verfügbarkeit
- →Lieferzeit
- 4Sek. 150–230
Kondition (deterministisch)
Vertragsdaten, Staffeln, Margen — pure Python/SQL-Logik. Kein LLM.
- →Position-Preise
- →Gesamt
- 5Sek. 230–280
Anschreiben (LLM)
LLM formuliert Anschreiben gemäß Tonalitäts-Leitfaden, Template-Engine baut PDF.
- →Angebots-PDF
- 6+ Mensch
Freigabe-Workflow
Vertriebler reviewt im Vertriebs-UI, gibt frei, System versendet PDF an Kunden.
- →Versand-Bestätigung
- →Audit-Log
Datenquellen — was muss angebunden werden?
Konditions-Logik — der heikle Teil
Konditions-Logik ist der Bereich, in dem die meisten Mittelständler historisch Komplexität aufgebaut haben — Rahmenverträge mit Sonderkonditionen, Mengenstaffeln, Margen-Untergrenzen, Strafzöllen, Anbruchsmengen, Frachtkonditionen, Zahlungsziel-Aufschläge. Diese Komplexität muss vor dem KI-Projekt aufgeräumt und dokumentiert werden, sonst transportiert man Altlasten in das automatisierte System.
Wir empfehlen drei Vorarbeiten: (1) Margenregel-Inventur (welche Regeln gibt es, welche werden noch genutzt, welche sind obsolet?), (2) Konditions-Datenmodell festlegen (Stammpreise + Rabatte + Staffeln + Margen-Bands), (3) Sonderfälle dokumentieren (welche Fälle bekommen Sonderbehandlung?). Diese Vorarbeit ist häufig ein 2–4-wöchiges Vorprojekt vor dem KI-Pilot.
Anschreiben & Tonalität
Das Anschreiben ist der LLM-getriebene Teil. Wir konfigurieren typisch einen Tonalitäts-Leitfaden mit folgenden Parametern: Formalität (Sie/Du, Anrede), Tonalität (sachlich, kundennah, fachlich), Sprache (DE/EN/FR), Länge (kurz prägnant vs. ausführlich), Kunden-spezifische Konventionen, Pflicht-Hinweise (Lieferzeit, Geltungsdauer, AGB-Verweis).
Bei A-Kunden mit langer Beziehung oft individualisiert: „Für Kunde X immer mit Bezug auf den Rahmenvertrag XY/2024 starten.“ Diese Konfiguration lebt in einem leicht änderbaren Backend, nicht im Code.
Approval-Workflow
Der Vertriebler bekommt das Angebot in einem Inbox-artigen UI mit folgenden Aktionen: Freigeben (PDF wird versendet), Bearbeiten (Positionen oder Anschreiben anpassen, dann freigeben), Eskalieren (an Vertriebsleiter / Key-Account), Ablehnen (mit Begründung — diese Begründung fließt in die nachgelagerte Eval ein). Bei Standardanfragen erfolgt die Freigabe meist innerhalb von Minuten.
ROI-Indikation
ROI-Komponenten in produktiven Angebots-Agent-Mandaten 2025–2026
Diese Werte sind aus drei produktiven Mandanten gemittelt. ROI-Detail in unserer Case Study und in unserem ROI-Leitfaden.
Häufige Fehler
- LLM darf Preise generieren. Halluzinations-Katastrophe wartet darauf zu passieren. Konsequent deterministische Preislogik.
- Kein Approval-Workflow. Auto-Versand verärgert Vertrieb und schafft Haftungs-Risiken.
- Margenregel-Altlasten 1:1 übernommen. Aufräum-Vorprojekt überspringen. Wir empfehlen 2–4 Wochen Aufräumen vor dem KI-Pilot.
- Eval-Set fehlt. Ohne 100+ Test-Anfragen mit erwarteten Ergebnissen lässt sich keine Qualitäts-Garantie geben.
- Schulung der Vertriebler vergessen. Akzeptanz braucht aktive Kommunikation — was ändert sich, was bleibt gleich, was sind die Vorteile.
- Cross-Sell-Vorschläge ohne Margen-Logik. Wer Cross-Sell aktiviert, sollte sicherstellen, dass die Vorschläge marge- oder verfügbarkeits-orientiert sind, nicht zufällig.
- Sonderfälle nicht behandelt. 5–15 % der Anfragen werden immer Sonderfälle bleiben. Klares Eskalations-Pattern für diese.
Wenn Sie einen Angebots-Agent erwägen, ist der einfachste nächste Schritt ein kostenfreies Erstgespräch. Wir prüfen Ihre Datenlage und liefern eine ehrliche Aufwand-/Nutzen-Indikation. Vertieftes Material in unserer Case Study und im Leitfaden zu KI-Agenten allgemein.