Wartungsvertrags-Profitabilitäts-Drift

Das echte Ausmaß des Problems

Wer einen Aufzugwartungsvertrag als Pauschalvertrag anbietet, setzt auf eine einfache Kalkulation: geplante Einsätze pro Jahr, multipliziert mit Technikerzeit plus Fahrt plus Material, ergibt die Mindestmarge. Das funktioniert — solange die Annahmen stabil bleiben.

Seit 2020 sind sie das nicht mehr. Laut einer Sonderbefragung der DZ BANK aus dem Jahr 2023 erwarteten vier von fünf Mittelständlern steigende Lohnkosten durch anhaltende Inflation. Im Aufzugservicemarkt schlägt das direkt durch: Techniker-Tarifabschlüsse 2022 und 2023 lagen zwischen 5 und 9 Prozent, Fahrzeugkosten stiegen durch Treibstoff- und Fahrzeugpreisentwicklung, und Materialpositionen — Verschleißteile, Schmierstoffe, Sicherheitsbauteile — haben sich je nach Position um 20 bis 40 Prozent verteuert.

Für einen Vertrag, der 2019 mit einem Technikerkosten-Ansatz von 55 Euro je Stunde kalkuliert wurde und heute mit 68 Euro tatsächlich besetzt wird, ergibt sich eine strukturelle Marge von minus 24 Prozent allein aus dem Lohnkosteneffekt. Hinzu kommen Anlagen, die altern: Laut dem Elevator Maintenance Market Report (Fortune Business Insights, 2024) sind die Wartungskosten für ältere Anlagen zwei- bis dreimal so hoch wie für neuere Modelle. Ein Vertrag, der 2019 für eine Anlage mit drei Jahren Betriebszeit abgeschlossen wurde, läuft heute mit einer Anlage, die acht Jahre alt ist — und entsprechend mehr Aufwand verursacht.

Das Unsichtbarkeitsproblem: Die meisten Servicebetriebe erfassen Kosten techniker- oder auftragsweise, nicht vertragsweise. Das ERP kennt Rechnungen. Die Werkstattsoftware kennt gebuchte Stunden. Das CRM kennt Vertragspauschalen. Aber welcher Vertrag heute tatsächlich wie viel kostet — das sieht niemand, weil diese drei Systeme nie zusammengeführt werden.

Branchenspezifisch verschärft sich das Problem durch eine Besonderheit des Aufzugmarkts: Verträge laufen lang. Fünfjährige Bindungsfristen mit Kündigungs- und Verlängerungsklauseln sind Standard. Ein Vertrag, der im Jahr drei oder vier unter die Kostengrenze gerutscht ist, läuft noch zwei weitere Jahre mit garantiertem Minus weiter — es sei denn, jemand erkennt es früh genug für eine Vertragsanpassung.

Silver Softworks beschrieb 2024 (Autor: Steve Jones) das strukturelle Problem präzise: Betriebe erneuern regelmäßig niedrigmargige oder verlustbringende Verträge, weil niemand die Profitabilität je Einzelvertrag im Blick hat — die Auswertung läuft auf aggregierter P&L-Ebene, und das Minus einzelner Verträge wird durch Gewinner überlagert.

Mit vs. ohne KI — ein ehrlicher Vergleich

Vergleichswerte beruhen auf Erfahrungswerten aus Betrieben mit 150–500 aktiven Wartungsverträgen — keine repräsentative Studie.

Die eigentliche Verschiebung ist nicht Geschwindigkeit, sondern Sichtbarkeit: Wer nicht sieht, dass Vertrag 183 seit acht Monaten Verluste macht, kann nichts tun. Wer es sieht, kann zum richtigen Zeitpunkt ein Nachkalkulationsgespräch führen — und dabei Zahlen auf dem Tisch haben statt Schätzungen.

Einschätzung auf einen Blick

Zeitersparnis — niedrig (2/5)
Dieser Use Case ersetzt primär einen manuellen Controlling-Report — nicht eine tägliche Aufgabe, sondern eine quartalsweise Analyse, die oft ohnehin nicht stattfindet. Die eingesparte Zeit ist real (4–8 Stunden Datenarbeit je Quartal), aber verglichen mit der Mikro-Ausfallmuster-Erkennung, die täglich Disponiertaufwand einspart, ist der Zeiteffekt deutlich geringer. Den Score von 2 rechtfertigt auch die Einmaligkeit: Das System läuft monatlich, der Mensch prüft die Ampelausgabe in 30 Minuten — danach ist er fertig.

Kosteneinsparung — sehr hoch (5/5)
Das ist der stärkste Hebel dieser Kategorie. Wer bei einem Betrieb mit 340 Verträgen zehn Prozent identifiziert, die heute Verluste generieren (realistische Annahme), und diese im Schnitt um 80 Euro je Monat unterhalb der Kostengrenze liegen, hat rein rechnerisch 34 Verträge × 80 Euro × 12 Monate = 32.640 Euro jährliches Minus — ohne es zu wissen. Die Kosteneinsparung ist direkt und in Euro ausdrückbar. Höchste Bewertung in dieser Kategorie.

Schnelle Umsetzung — sehr hoch (5/5)
Das ist der entscheidende Unterschied zur Mikro-Ausfallmuster-Erkennung: Keine Sensorinstallation, keine IoT-Infrastruktur, kein maschinelles Lernen auf Zeitreihensignalen. Die Daten sind bereits vorhanden — in ERP, Werkstattsoftware und CRM. Die Hauptarbeit ist die einmalige Zusammenführung dieser Systeme. Mit einem BI-Tool wie Power BI und einem sauberen Datenmodell ist ein erster arbeitsfähiger Report in vier bis sechs Wochen möglich. Der Einstieg ist in dieser Kategorie der niedrigschwelligste.

ROI-Sicherheit — sehr hoch (5/5)
Kontraktmarge ist ein harter Zahlenwert. Wenn Vertrag 183 in einem Jahr 840 Euro Pauschale einbringt und laut Zeitaufschrieb 1.140 Euro Technikerzeit plus Material gekostet hat, ist der Verlust genau 300 Euro. Das ist kein Wahrscheinlichkeitswert, kein Modell-Output, kein statistischer Schätzwert — es ist ein Ergebnis aus tatsächlichen Buchungen. Die ROI-Sicherheit ist damit die klarste aller verglichenen Anwendungsfälle in dieser Kategorie.

Skalierbarkeit — mittel (3/5)
Der Use Case skaliert linear mit der Vertragsanzahl. Ein Betrieb, der von 340 auf 600 Verträge wächst, kann mit demselben Dashboard weiterarbeiten — technisch kein Problem. Aber: Das Wachstumspotenzial ist endlich. Wartungsverträge sind keine digitalen Güter, die exponentiell skalieren. Jeder zusätzliche Vertrag braucht weiter einen Techniker. Deshalb mittlere Bewertung, klar hinter der Mikro-Ausfallmuster-Erkennung, die mit mehr Anlagen das Modell verbessert und echte Netzwerkeffekte hat.

Richtwerte — stark abhängig von Vertragsmix, Anlagenalter und vorhandener Systemlandschaft.

Was das System konkret macht

Der technische Ansatz ist gezielt einfach gehalten — das ist Absicht, keine Vereinfachung.

Predictive Analytics meint hier keine Blackbox, die Prognosen auswirft. Das System verbindet drei Datenquellen und berechnet für jeden Vertrag ein monatlich aktualisiertes Kostenblatt:

Eingabe 1 — Vertragskonditionen aus dem CRM:
Pauschalbetrag, Vertragslaufzeit, enthaltene Leistungen (Inspektion, Entstörung, Materialverbrauch).

Eingabe 2 — Zeitaufschriebe aus dem Felddienst-Tool:
Gebuchte Stunden je Auftrag, Techniker-ID, Datum, Anlage, Auftragstyp (reguläre Wartung / Entstörung / Sonderauftrag). Kosten werden über den Stundensatz berechnet.

Eingabe 3 — Materialkosten aus dem ERP:
Verbrauchte Teile je Auftrag, verknüpft mit der Anlage und dem übergeordneten Vertrag.

Das System summiert alle drei Kostenarten je Vertragsnummer über rollende zwölf Monate und stellt das Ergebnis der vertraglich vereinbarten Pauschale gegenüber. Das Ergebnis: eine Marge je Vertrag. Wer unter einer definierten Schwelle liegt — zum Beispiel unter 15 Prozent Bruttomarge — wird rot markiert.

Die KI-Komponente ist optional und modular: Machine Learning kann genutzt werden, um Verträge zu identifizieren, die auf Basis der Kostentrendkurve in den nächsten sechs Monaten unter die Schwelle rutschen werden — auch wenn sie heute noch profitabel sind. Das ist die eigentliche Stärke gegenüber einem rein rückblickenden Report: Frühwarnung, nicht Schadensaufnahme.

Ein konkretes Rechenbeispiel

Vertrag 183: Pauschal 420 Euro jährlich.

Zeitaufschriebe letzte zwölf Monate: vier reguläre Wartungseinsätze à 1,5 Stunden + zwei Entstörungseinsätze à 2,5 Stunden. Summe: 11 Stunden. Stundensatz vollkosten: 68 Euro. Ergibt 748 Euro.

Materialverbrauch laut ERP: Schmierstoffe 18 Euro, Türpuffer-Ersatzteil 54 Euro. Ergibt 72 Euro.

Gesamtkosten: 820 Euro. Pauschale: 420 Euro. Verlust: 400 Euro. Das System flaggt diesen Vertrag mit rotem Status und zeigt die Kostentrendkurve der letzten vier Quartale — die Lücke hat sich seit Quartal 2 des Vorjahres geöffnet.

Welche drei Datensysteme du zusammenführen musst — und warum das das eigentliche Projekt ist

Das ist der Abschnitt, den andere Anbieter in ihren Beschreibungen überspringen. Der Use Case klingt nach einem Analytics-Projekt. In der Praxis ist er zu 70 Prozent ein Datenintegrationsvorhaben.

System 1 — CRM oder Vertragsablage:
Hier liegen die Vertragspauschalen, Laufzeiten und enthaltene Leistungen. In vielen Betrieben ist das kein professionelles CRM, sondern eine Excel-Tabelle oder ein digitales Ordnersystem. Häufiges Problem: Verträge werden nicht mit einer eindeutigen Nummer geführt, die quer durch alle anderen Systeme verwendet wird. Wenn das CRM “Kunde Müller, Anlage Hauptstraße 14” kennt, die Werkstattsoftware aber “Auftrag 2023-0418” und das ERP “Kostenstelle 4711” — dann gibt es keine automatische Verbindung. Diese Verbindung herzustellen ist Schritt eins, und sie braucht einen Menschen, der Datenpflege-Regeln festlegt.

System 2 — Felddienst-Tool oder Werkstattsoftware:
Hier buchen Techniker ihre Stunden. Das ist der einzige Ort, wo tatsächliche Aufwände erfasst werden. Problem: Techniker buchen oft auf Kundenebene, nicht auf Vertragsebene — oder auf Auftragsebene, wobei ein Auftrag über mehrere Anlagen eines Kunden gehen kann. Außerdem: Fahrtzeiten werden nicht immer separat ausgewiesen, obwohl sie relevante Kosten sind. Eine klare Buchungsanleitung für Techniker ist Voraussetzung — ohne sie kann das System keinen verlässlichen Kostenansatz berechnen.

System 3 — ERP oder Finanzbuchhaltung:
Hier liegen Materialpositionen und Einkaufspreise. Problem: Lagerbuchungen laufen oft auf allgemeinen Kostenstellen, nicht auf Einzelanlagen. Ein Wartungsbetrieb, der drei Pakete Schmierstoff kauft und sie intern verteilt, erfasst das ERP typischerweise als eine Einbuchung ohne Anlage-Zuordnung. Lagerausgaben müssen auf Auftragsebene gebucht werden, damit die Materialkostenermittlung funktioniert.

Die Konsequenz: Das eigentliche Projekt beginnt nicht mit dem Aufsetzen eines BI-Dashboards, sondern mit drei bis vier Wochen Datenstrukturanalyse. Wer sind die Systeme? Wo gibt es bereits gemeinsame Schlüssel (Kundennummer, Anlagennummer)? Wo müssen Prozesse angepasst werden, damit Daten zukünftig vertragstreu gebucht werden? Wer verantwortet die Datenpflege?

Diese Arbeit ist unspektakulär und entscheidet über Erfolg oder Misserfolg des gesamten Vorhabens.

Konkrete Werkzeuge — was wann passt

Das System lässt sich mit Tools aufbauen, die viele Betriebe bereits haben oder zu geringen Mehrkosten einführen können.

Power BI (Microsoft, ab 0 Euro/Monat lokal, 12,10 Euro/Nutzer/Monat für Sharing) — Die erste Wahl für Betriebe in der Microsoft-Welt. Power BI verbindet sich direkt mit Excel-Exporten, SQL-Datenbanken und SAP, baut das Vertragskostenmodell als Datenmodell auf und stellt das Ergebnis als interaktives Dashboard zur Verfügung. Die KI-Funktionen von Power BI (Anomalieerkennung, automatische Insights) erkennen Verträge, deren Kostenkurve sich von der Vergangenheit abhebt — ohne dass du das Modell selbst programmieren musst. Für Controlling-Verantwortliche mit Windows-Rechner die beste Einstiegsoption.

Julius AI (ab 0 Euro, plus 20 USD/Monat) — Wenn die Daten als CSV- oder Excel-Exporte aus den drei Systemen vorliegen und du keine Programmierkenntnisse hast, kannst du mit Julius AI in natürlicher Sprache Ad-hoc-Analysen durchführen: “Zeig mir alle Verträge, bei denen die Kosten in den letzten zwölf Monaten die Pauschale überschritten haben.” Das ersetzt kein dauerhaftes Dashboard, ist aber ein hervorragender Einstieg für einen ersten Plausibilitätscheck — in einer Stunde statt in vier Tagen. Wichtig: Julius hostet Daten in den USA. Vor dem Einsatz mit Kundennamen oder personenbezogenen Daten Datenschutzbeauftragten einbeziehen oder Daten anonymisieren.

Microsoft Dynamics 365 (Field Service, ab ca. 65 Euro/Nutzer/Monat) — Wer noch kein Felddienst-Tool hat und eines einführen möchte, das nativ mit Power BI spricht und Vertrags-, Einsatz- und Materialdaten in einem System verwaltet, bekommt mit Dynamics 365 Field Service die integrierte Lösung. Vorteil: Die drei Datenquellen, die sonst zusammengeführt werden müssen, liegen bereits in einem System. Nachteil: Der Einführungsaufwand ist erheblich — 3 bis 6 Monate Implementierung, typische Projektkosten von 30.000 bis 80.000 Euro für einen mittelständischen Betrieb. Sinnvoll, wenn sowieso ein Systemwechsel geplant ist.

SAP S/4HANA mit SAP PM (Plant Maintenance) — Für Betriebe, die bereits SAP S/4HANA nutzen, bietet das integrierte PM-Modul die Grundlage für vertragsbezogene Kostenerfassung. Voraussetzung: Die Buchungslogik muss auf Vertragsebene eingerichtet sein — das ist kein Standard, sondern eine Konfigurationsentscheidung.

Einstieg ohne großes System — Excel als Brücke:
Der pragmatische Soforteinstieg: Monatliche Exporte aus allen drei Systemen werden in eine gemeinsame Excel-Tabelle zusammengeführt — manuell oder mit einem einfachen Makro. Julius AI oder Power BI Desktop werten die Tabelle aus. Das ist keine skalierbare Dauerlösung, aber ein valider erster Beweis, dass die Methode bei euch funktioniert — bevor in Systemintegration investiert wird.

Wann welcher Ansatz:

• M365-Umgebung vorhanden → Power BI als Dashboard
• Ad-hoc-Analyse ohne Dashboard-Aufwand → Julius AI
• Felddienst-Tool-Einführung geplant → Dynamics 365 Field Service
• SAP bereits im Einsatz → SAP PM + native Berichte
• Schneller erster Beweis → Excel-Export + Julius AI

Datenschutz und Datenhaltung

Die Daten in diesem Use Case sind überwiegend betriebswirtschaftlicher Natur: Vertragspauschalen, Stundenbuchungen, Materialpositionen. Personenbezogene Daten tauchen in zwei Bereichen auf: Technikerzeiten (Arbeitnehmerdaten) und Kundendaten (Vor- und Nachname, Adresse bei Einzelpersonen als Wohnungseigentümer).

Für die DSGVO-Einschätzung gilt:

Technikerzeiten: Stundenbuchungen je Mitarbeitendem sind Arbeitnehmerdaten. Eine Analyse, die zeigt, welcher Techniker in welchem Vertrag wie viele Stunden gebucht hat, berührt das Mitbestimmungsrecht des Betriebsrats. Empfehlung: Das Dashboard aggregiert auf Vertragsebene, nicht auf Technikerebene — dann entfällt die personenbezogene Dimension. Wer doch nach Techniker-Effizienz auswerten möchte, braucht eine Betriebsvereinbarung.

Kundendaten: Wenn Kunden natürliche Personen sind (Wohnungseigentümer, private Auftraggeber), gelten ihre Adress- und Kontaktdaten als personenbezogen. Für die Vertragskosten-Analyse ist die Person aber irrelevant — analysiert wird die Anlage und die zugehörige Vertragsnummer. Empfehlung: Vertragsanalysen ohne Kundennamen durchführen; Anlagenadresse und Kundennamen nur dann in der Auswertung zeigen, wenn der Zugriff auf einen definierten Personenkreis (Controlling, Geschäftsführung) beschränkt ist.

Cloud vs. On-Premise: Power BI in der EU-Region (M365 EU Data Boundary) ist eine sichere Wahl für diese Daten. Julius AI hostet in den USA und ist für Betriebe mit strikter Datenhaltungsanforderung nur für anonymisierte Exports geeignet.

Auftragsverarbeitungsverträge (AVV nach Art. 28 DSGVO) sind bei Nutzung externer Cloud-Tools zwingend erforderlich. Microsoft, SAP und Google stellen AVV-Vorlagen bereit — aktiv anfordern und vor Produktivbetrieb unterzeichnen.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten
Der größte Kostenblock ist nicht die Software, sondern die Datenintegrationsarbeit:

• Datenstrukturanalyse und Mapping der drei Quellsysteme: intern 2–4 Wochen Aufwand einer datenkompetenten Person, alternativ externer Berater 3.000–8.000 Euro
• Dashboard-Aufbau in Power BI: 1–2 Wochen intern oder 1.500–4.000 Euro extern
• Testphase mit Vergleich manueller und automatischer Kalkulation: 1–2 Wochen intern

Gesamteinrichtung: 5.000–15.000 Euro für einen Betrieb mit 150–400 Verträgen, wenn externe Unterstützung genutzt wird. Mit stark internem Aufwand auch deutlich günstiger möglich.

Laufende Kosten (monatlich)

• Power BI Pro für 2–3 Controlling-Nutzer: 25–37 Euro/Monat
• Julius AI Plus (wenn für Ad-hoc-Analysen genutzt): 20 USD/Monat
• Interner Pflegeaufwand Dashboard: circa 2 Stunden/Monat

Wie du den ROI tatsächlich misst
Vor dem Launch: Manuelle Stichprobe bei 20 Verträgen. Zeitaufschriebe und Materialkosten der letzten zwölf Monate zusammenrechnen und der Pauschale gegenüberstellen. Wie viele dieser 20 Verträge sind im Minus? Das ist deine Baseline.

Nach drei Monaten mit dem System: Wie viele der bisher als profitabel eingestuften Verträge haben sich als verlustbringend herausgestellt? Wie viele Vertragsanpassungsgespräche wurden geführt? Welche Mehrumsätze durch Vertragserhöhungen wurden realisiert?

Konservatives Rechenbeispiel:
340 Verträge, 10 Prozent identifiziert als verlustbringend (34 Verträge), durchschnittliches Minus je Vertrag 600 Euro pro Jahr. Gesamtverlust ohne System: 20.400 Euro/Jahr. Mit System frühzeitig erkannt und 60 Prozent durch Vertragsanpassung behoben: 12.240 Euro wiederhergestellte Marge im ersten Jahr. Einrichtungskosten amortisiert nach 5–15 Monaten. (Orientierungswerte — stark abhängig von Vertragsalter, Kostensteigerungshistorie und Verhandlungserfolg.)

Drei typische Einstiegsfehler

1. Mit dem Dashboard starten, bevor die Datenqualität geprüft ist.
Der häufigste Fehler: Man baut ein schönes Power-BI-Dashboard und füllt es mit Daten aus drei Systemen — ohne zu prüfen, ob die gemeinsamen Schlüssel (Anlagennummer, Vertragsnummer) tatsächlich konsistent genutzt werden. Das Ergebnis: Das Dashboard zeigt 340 Verträge, kann aber nur für 180 davon Kosten berechnen, weil in der Werkstattsoftware 160 Aufträge auf alte Kundennummern gebucht sind, die nicht mehr mit der aktuellen Vertragsstruktur übereinstimmen. Lösung: Zuerst eine Datenqualitätsprüfung bei 30 Stichprobenverträgen — stimmen die Datensätze aus allen drei Systemen überein? Was fehlt? Diese Frage vor dem Dashboard-Bau stellen.

2. Technikerzeit auf Kundenebene statt auf Vertragsebene buchen.
In vielen Betrieben buchen Techniker ihre Stunden auf “Kunde Müller” — nicht auf den Vertrag, der die Leistung abdeckt. Hat Kunde Müller zwei Anlagen unter verschiedenen Verträgen, gehen alle Stunden undifferenziert auf einen Haufen. Eine Umbuchung im Nachhinein ist mühsam und fehleranfällig. Lösung: Buchungsanleitung ändern, bevor das System läuft. Techniker brauchen klare Prozessanweisung: Auftrag = Vertragsnummer eintragen. Das dauert beim Buchen fünf Sekunden und macht den Unterschied.

3. Das System als Anlass nehmen, pauschal alle Verträge zu erhöhen.
Das System zeigt, dass 15 Prozent der Verträge verlustbringend sind. Die verführerische Reaktion: Brief an alle 340 Kunden mit 12 Prozent Preiserhöhung. Das ist strategisch falsch — und schadet Kundenbeziehungen ohne Not. Die profitablen 85 Prozent fühlen sich zu Unrecht belastet, die verlustbringenden 15 Prozent sind oft die mit dem höchsten Eskalationspotenzial (alte Anlagen, häufige Entstörungen). Richtige Reaktion: Differenzierte Gespräche mit den identifizierten Verlustverträgen — mit konkreten Kostendaten als Gesprächsgrundlage. Kein Pauschalinstrument, sondern Einzelfallanalyse.

4. Das System pflegt sich selbst — falsch.
Dieser Fehler ist der stillste und gefährlichste. Das Dashboard läuft seit sechs Monaten, zeigt Ampelfarben, alle sind zufrieden. Niemand prüft, ob die Kostensätze (Stundensatz, Fahrtpauschale, Materialpreise) noch aktuell sind. Der Stundensatz im Modell: 68 Euro. Tatsächlicher Stundensatz nach dem letzten Tarifabschluss: 74 Euro. Das Modell unterschätzt alle Verträge systematisch um 8 Prozent — und keiner bemerkt es, weil niemand die Modellannahmen in den Kalender geschrieben hat. Lösung: Halbjährliche Revision der Kostensätze als fester Termin — Kalendereinladung, verantwortliche Person, dokumentiert.

Was mit der Einführung wirklich passiert — und was nicht

Die Technik ist überraschend schnell implementiert. Die Hürden liegen woanders.

Widerstand aus dem Felddienst:
Techniker, die jahrelang “auf Kunde” gebucht haben, müssen plötzlich eine Vertragsnummer eintragen. Das klingt trivial. In der Praxis bedeutet es: Widerstand, Vergessen, Verweigerung — besonders wenn die Führungskräfte nicht selbst dahinter stehen. Was hilft: kurze Erklärung, was mit den Daten passiert und warum das für die Betriebsergebnisse wichtig ist. Techniker verstehen Argumente dann, wenn sie nicht wie Überwachung klingen, sondern wie Geschäftsstrategie.

Der Controller, der das Dashboard nicht liest:
Passiert öfter als gedacht. Das Dashboard wird gebaut, initial bewundert und dann nicht mehr geöffnet. Ursache: Es fehlt ein Anlass — ein fester Termin im Kalender, an dem das Dashboard als Gesprächsgrundlage dient. Empfehlung: Das Quartalsgespräch Servicemarge läuft ab sofort mit Dashboard-Ausdruck. Punkt auf der Agenda, Verantwortliche benannt.

Vertragsanpassungsgespräche, die niemand führen will:
Das System zeigt die verlustbringenden Verträge. Dann passiert nichts — weil niemand den Anruf machen will. Das ist ein klassisches Vertriebsproblem, kein technisches. Was hilft: Gesprächsleitfaden mit Kostendaten als Einstieg. “Unsere Auswertung zeigt, dass die Anlage in den letzten zwölf Monaten deutlich mehr Einsätze erfordert hat als bei Vertragsabschluss erwartet. Ich würde gerne mit Ihnen sprechen, wie wir das langfristig faire lösen können.” Wer mit konkreten Zahlen kommt statt mit allgemeiner Inflation-Argumentation, hat eine deutlich bessere Verhandlungsposition.

Was konkret hilft:

• Buchungsanleitung für Techniker vor dem Launch verabschieden — nicht während
• Festen Monatsreview-Termin im Kalender: “Rote Verträge besprechen” — 30 Minuten
• Verantwortlichkeit klären: Wer führt die Vertragsanpassungsgespräche?
• 90-Tage-Bewertungszeitraum kommunizieren, bevor Entscheidungen fallen

Realistischer Zeitplan mit Risikohinweisen

Gesamtdauer bis zum ersten produktiven Einsatz: 6–8 Wochen bei guter Datenbasis, 10–14 Wochen wenn Buchungslogik zuerst angepasst werden muss.

Häufige Einwände — und was dahintersteckt

„Das macht unser Controlling schon.”
Vielleicht — aber auf welcher Granularität? In den meisten Betrieben läuft Controlling auf Kundenebene oder auf Abteilungsebene, nicht auf Vertragsnummernebene. Der Unterschied ist entscheidend: Ein Kunde mit zwei Anlagen kann insgesamt profitabel sein, obwohl eine Anlage konstant Verlust macht. Das Controlling sieht die Summe, nicht die Einzelposition. Konkrete Gegenfrage: Kannst du mir heute sagen, wie viel Vertrag 183 — nicht Kunde Müller, Vertrag 183 — im letzten Jahr gekostet hat? Wer diese Frage in unter zehn Minuten beantwortet bekommt, braucht das System möglicherweise wirklich nicht. Wer dafür einen halben Tag braucht, hat die Antwort.

„Wir kalkulieren bei Vertragsverlängerung neu.”
Das ist gut — aber wann findet die Verlängerung statt? Bei fünfjährigen Laufzeiten mit automatischer Verlängerungsklausel kann ein Vertrag zwei bis drei Jahre lang unter Wasser laufen, bevor der erste Verlängerungstermin kommt. Die Erkenntnis in Jahr vier nutzt wenig, wenn Jahr drei und vier bereits verloren sind. Das System ersetzt nicht die Verlängerungskalkulation — es sorgt dafür, dass du auch zwischen den Verlängerungsterminen siehst, was passiert.

„Unsere Techniker buchen nicht so detailliert.”
Das ist ehrlich und wichtig. Wenn Stundenbuchungen heute auf Kundennummer laufen, nicht auf Vertragsnummer, dann ist das das eigentliche Projekt. Die Techniker müssen die Buchungslogik ändern — bevor das Dashboard sinnvoll ist. Das braucht Zeit und Führungsentscheidung. Aber: Selbst mit einem vereinfachten Modell (alle Stunden eines Kunden, geteilt durch Anzahl seiner Anlagen, als Näherungswert je Anlage) lässt sich ein erster Indikator aufbauen. Nicht perfekt, aber besser als gar nicht.

Woran du merkst, dass das zu dir passt

Du erkennst die Situation, wenn du Ja zu mindestens drei dieser Fragen sagst:

• Du hast mehr als 50 aktive Pauschalwartungsverträge, die seit mehr als zwei Jahren nicht einzeln nachkalkuliert wurden
• Dein ältester Vertragsbestand stammt aus dem Zeitraum 2015–2019 — also vor den großen Lohnrunden 2021 bis 2023
• Du weißt, dass einzelne Anlagen überproportional viele Einsätze haben, aber kannst nicht sagen, ob die zugehörigen Verträge das abdecken
• Dein Controlling läuft auf Kundenebene oder Gesamtmarge, nicht auf Vertragsnummernebene
• Du hast in den letzten 18 Monaten mindestens einen Vertrag verloren, nachdem du die Preise erhöhen wolltest, und bist nicht sicher, ob der Vertrag vorher profitabel war

Drei harte Ausschlusskriterien — wann dieser Ansatz (noch) nicht passt:

1. Weniger als 50 aktive Pauschalwartungsverträge. Unter dieser Grenze lässt sich die Nachkalkulation sinnvoll manuell oder in einer einzigen Excel-Tabelle pro Quartal durchführen. Der Einrichtungsaufwand für ein integriertes Dashboard übersteigt den Nutzen klar. Erst die Kombination aus Vertragsvolumen und mangelnder manueller Kapazität macht das System sinnvoll.

2. Alle Verträge sind Zeit- und Materialverträge (keine Pauschalen). Wenn der Kunde jeden Einsatz einzeln bezahlt — Stunden nach Aufwand, Material zum Listenpreis — gibt es kein Profitabilitäts-Drift-Problem. Der Kunde trägt das Kostenrisiko. Pauschalen sind die Voraussetzung dafür, dass Kostensteigerungen beim Anbieter hängen bleiben.

3. Zeiterfassung läuft noch auf Papier oder nicht nach Auftrag/Anlage gegliedert. Wenn Techniker keine digitale Zeiterfassung mit Auftragszuordnung nutzen, fehlt die wichtigste Dateneingabe. Zuerst die digitale Zeiterfassung einführen — danach kommt das Kostenmodell.

Das kannst du heute noch tun

Der einfachste Einstieg braucht nur zwei Exporte und 30 Minuten.

Schritt 1: Exportiere aus deiner Werkstattsoftware alle Stundenbuchungen der letzten zwölf Monate je Anlage. Schritt 2: Exportiere aus deiner Vertragsablage oder dem ERP die Pauschalen je Vertrag für denselben Zeitraum. Schritt 3: Füge beide Exporte in eine Excel-Tabelle zusammen und lade sie in Julius AI hoch.

Dann stelle diese Frage:

Was du nach dieser Analyse weißt: ob das Problem bei euch existiert und wie groß es ist — in einer Stunde, ohne externe Beratung, ohne Systemeinführung. Das ist die Entscheidungsgrundlage für jeden weiteren Schritt.

Quellen & Methodik

• TK Elevator Jahresabschlussbericht 2024/2025: Service- und Modernisierungsgeschäft mit 65 Prozent Umsatzanteil, bereinigtes EBITDA 1,6 Milliarden Euro (+12 %), Marge 17,5 % — als Referenz für Margenstruktur im Aufzugservicemarkt bei Großunternehmen. Quelle: TK Elevator Pressemitteilung, April 2025.
• GüDe Aufzugtechnik, “Aufzugswartung: Kosten pro Jahr” (Dezember 2024): Konkrete Wartungskostenbeispiele — 115 Euro netto je Wartungsbesuch, 460 Euro netto jährlich bei vier Besuchen für eine Hydraulikanlage. Quelle: guede-aufzugtechnik.com/blog/aufzugswartung-kosten/.
• lift-journal.de, März 2023: Analyse von Wartungsvertragsstrukturen im deutschen Aufzugmarkt — 7-Haltestellen-Anlage bei dreimonatigen Intervallen ca. 700 Euro jährlich; Warnung vor unklaren Vertragsformulierungen ohne definierte Intervalle. Quelle: lift-journal.de (Rubrik Betreiber).
• Silver Softworks, Steve Jones, Oktober 2024: Strukturanalyse des Contract-Profitability-Blind-Spots in Fieldservice-Organisationen — P&L-Aggregation verhindert Sichtbarkeit auf Einzelvertragsebene, Verträge werden ohne Profitabilitätsprüfung verlängert.
• Fortune Business Insights, “Elevator Maintenance Market”, 2024: Globaler Markt 33,45 Milliarden USD (2024); Wartungskosten älterer Anlagen zwei- bis dreimal höher als bei neuen — direkte Relevanz für Vertragskalkulationen mit Anlagen über zehn Jahre Betriebsalter.
• DZ BANK Sonderbefragung, Februar/März 2023: Vier von fünf Mittelständlern erwarteten steigende Lohnkosten durch anhaltende Inflation — Kontext für die Tariflohnentwicklung 2022–2023 im Servicehandwerk.
• Kostenrichtwerte und Zeitangaben: Erfahrungswerte aus Beratungsprojekten bei Betrieben mit 100–500 aktiven Wartungsverträgen (Stand April 2026) — keine repräsentative Studie, sondern konsistente Beobachtungen aus mehreren vergleichbaren Fällen.

Du willst wissen, ob sich der Aufwand für euren konkreten Vertragsbestand lohnt — und wie ihr die Datenintegration am schnellsten hinbekommt? Meld dich — das klären wir gemeinsam in einem kurzen Gespräch.