Angebotskalkulation für Druckaufträge per KI

Das echte Ausmaß des Problems

Eine mittelständische Druckerei mit 20–50 Mitarbeitenden erhält typisch 20–50 Angebotsanfragen pro Werktag. Bei einem durchschnittlichen manuellen Aufwand von 30–60 Minuten je Anfrage bindet die Angebotskalkulation eine Person im Wesentlichen vollständig — jeden Tag, ohne Ergebnis zu produzieren, sofern der Auftrag nicht gewonnen wird.

Das strukturelle Problem dahinter ist tiefer als es aussieht: Laut einer Studie von Apenberg & Partner aus dem Jahr 2022 bestätigten nur 18 Prozent der befragten deutschen Druckunternehmen, dass ihre kalkulierten Stundensätze die tatsächliche Kostenstruktur korrekt widerspiegeln. Das heißt: Vier von fünf Druckereien kalkulieren mit Werten, die von der Realität abweichen — oft über Jahre unaktualisiert, weil die manuelle Pflege zu aufwendig ist.

Die Folge ist paradox: Je schneller eine Druckerei Angebote erstellt, desto mehr verliert sie — wenn die Grundlage der Kalkulation falsch ist. Speed ohne Genauigkeit ist das gefährlichste Szenario für Margen in einer ohnehin preissensiblen Branche.

Gleichzeitig ist der Marktdruck unerbittlich: Der Bundesverband Druck und Medien (BVDM) dokumentiert in seinem Konjunkturbarometer September 2024, dass der Wettbewerbsdruck in der deutschen Druckindustrie auf einem Mehrjahreshoch liegt — Online-Druckereien mit automatisierter Preisfindung setzen den Maßstab für Antwortgeschwindigkeit. Eine Druckerei, die auf eine Anfrage erst nach zwei Tagen antwortet, hat in vielen Kundensegmenten bereits verloren.

Die Kombination aus hohem Kalkulationsaufwand, unzuverlässigen Kostenbasis-Daten und zunehmendem Geschwindigkeitsdruck macht die Angebotskalkulation zu einem der drängendsten Effizienzprobleme im deutschen Druckmittelstand.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Zeitersparnis ist der wichtigste Hebel — nicht weil Angebotserstellung teuer ist, sondern weil die dadurch freigewordene Zeit besser verwendet werden kann: Beratungsgespräche führen, komplexe Sonderjobs qualifizieren, Bestandskunden aktiv betreuen.

Die Fehlerquote bei manuellen Kalkulationen entsteht nicht durch Unachtsamkeit. Sie entsteht, weil Papierpreise schwanken, Energiekosten sich ändern und Maschinenstundensätze selten aktualisiert werden. Ein System, das diese Daten automatisch abruft, kalkuliert nicht unbedingt exakter — aber konsequenter.

Einschätzung auf einen Blick

Zeitersparnis — sehr hoch (5/5) Von 45 Minuten auf 5–8 Minuten je Standardangebot ist der konkreteste Hebel in dieser Kategorie — und der stärkste in der gesamten Druckbranche unter den verglichenen Anwendungsfällen. Dieser Effekt tritt nicht abstrakt ein, sondern ist sofort messbar: Anzahl der bearbeiteten Anfragen pro Tag vor und nach der Einführung. Kein anderer Einsatzbereich im Druckumfeld entlastet eine einzelne Person so direkt und so messbar wie die Automatisierung der Angebotskalkulation.

Kosteneinsparung — niedrig (2/5) Die Einführung einer KI-gestützten Kalkulationslösung erzeugt zunächst Kosten: MIS-Integration, Datenpflege, Schulung. Der Return entsteht indirekt — durch höhere Angebotsquote, durch eingesparte Personalzeit und durch weniger verlorene Anfragen. Diese Effekte sind real, aber nicht sofort in einer Buchhaltungszeile sichtbar. Wer sich von der KI-Kalkulation direkte Kosteneinsparungen auf dem Konto erwartet, rechnet die falsche Gleichung. Der Wert liegt in Umsatz, den du sonst nicht gemacht hättest — und der ist schwerer zu buchen.

Schnelle Umsetzung — mittel (3/5) Einen Prompt in ChatGPT zu bauen, der ein Angebot kalkuliert, dauert einen Nachmittag. Eine saubere Integration in ein bestehendes Print-MIS dauert 10–12 Wochen — weil Stammdaten (Maschinenpark, Stundensätze, Materialpreise) vorher in eine verlässliche Form gebracht werden müssen. Der Pilot funktioniert schnell; die produktive Integration dauert. Mittelfeldposition in der Branche: nicht so langsam wie Farbrezeptierung oder Fehleranalyse-Systeme, nicht so schnell wie reine Textautomatisierung.

ROI-Sicherheit — mittel (3/5) Der ROI ist prinzipiell messbar — Angebotsquote, Auftragsvolumen, Zeit pro Angebot. Das macht ihn messbarer als viele andere KI-Projekte. Aber er tritt nur ein, wenn die Kostenbasis stimmt. Kalkulierst du auf Basis veralteter Stundensätze oder falsch hinterlegter Materialpreise, beschleunigst du mit der KI-Kalkulation nicht deinen Erfolg, sondern deine Verluste. Die Messbarkeit des ROI ist also hochgradig abhängig von der Qualität der Eingangsdaten — was ihn unsicherer macht als Anwendungen, bei denen Ausgangsdaten einfacher zu verifizieren sind.

Skalierbarkeit — sehr hoch (5/5) Das ist der zweite Fünfer neben der Zeitersparnis — und er ist verdient: Dasselbe System bearbeitet 10 Anfragen täglich oder 200. Die einmaligen Einrichtungskosten (Maschinenpark-Stammdaten, Kalkulationsregeln, Margenlogik) skalieren proportional zu null. Jede zusätzliche Anfrage kostet nur Rechenzeit — keine Personalstunden. In einem Markt, in dem Anfragevolumina saisonal stark schwanken, ist das ein erheblicher strategischer Vorteil.

Richtwerte — stark abhängig von Druckereigröße, Auftragsstruktur und vorhandener MIS-Infrastruktur.

Was die KI-Kalkulation konkret macht

Die Kerntätigkeit der Angebotskalkulation in einer Druckerei folgt einem immer gleichen Muster. Für jeden Auftrag werden dieselben Faktoren berechnet:

Substratkalkulation: Welches Papier, in welchem Format, in welcher Grammatur — wie viel Bogen werden benötigt, welcher Verschnitt entsteht, was kostet das Material je Bogen aktuell?

Maschinenkalkulation: Welche Maschine (Offset, Digitaldruckmaschine, Großformatdrucker) ist geeignet? Welche Rüstzeit fällt an? Wie viele Druckstunden werden gebraucht? Was kostet die Maschinenstunde?

Weiterverarbeitungskosten: Falzen, Schneiden, Binden, Laminieren, Stanzen — je Prozessschritt separat berechnet mit Rüst- und Durchlaufzeiten.

Logistik und Lieferung: Versand, Verpackung, Express-Zuschlag falls relevant.

Margenkalkulation: Deckungsbeitrag auf Basis der Gesamtkosten, angepasst an Kundenstatus, Wettbewerbslage und Auftragsvolumen.

Ein LLM-basiertes Kalkulationssystem übernimmt diesen Prozess schrittweise: Es liest die Auftragsspezifikation ein (manuell eingegeben oder automatisch aus einer E-Mail extrahiert), fragt fehlende Parameter nach, zieht aktuell hinterlegte Stammdaten für Materialpreise und Maschinenstundensätze heran, berechnet die Komponenten und gibt eine vollständige Kalkulation aus — mit nachvollziehbarem Rechenweg, damit die Kalkulatorin das Ergebnis prüfen und anpassen kann.

Der wichtigste Unterschied zu einer Kalkulations-Tabelle in Excel: Das System kann Freitext-Spezifikationen interpretieren. “Wir brauchen 3.000 Stück, A4, 4/0-farbig, 135g gestrichenes Papier, bitte mit Cellophanierung” ist für eine KI ein strukturierter Input, nicht ein Satz, den erst jemand in eine Maske tippen muss.

Preisdaten als Grundvoraussetzung

Das ist die kritische Weiche, die den Unterschied macht zwischen einem System, das hilft, und einem System, das schneller falsch rechnet.

Eine KI-Kalkulation ist nur so gut wie die Stammdaten, mit denen sie rechnet. In der Praxis bedeutet das: Bevor du anfängst, irgendein KI-System aufzusetzen, musst du drei Datenbereiche bereinigen und aktuell halten.

Maschinenstundensätze: Was kostet eine Stunde auf deiner Offset-Maschine wirklich? Inklusive Abschreibung, Energie, Wartungsrücklage, anteiligen Overheadkosten? Die Apenberg & Partner-Studie zeigt, dass 82 Prozent der deutschen Druckunternehmen hier mit Werten arbeiten, die mindestens teilweise von der Realität abweichen. Das ist kein Vorwurf an die Geschäftsführung — es ist das Ergebnis eines aufwendigen manuellen Prozesses, der im Tagesgeschäft regelmäßig hintenansteht. KI-Kalkulation macht dieses Problem nicht besser. Sie beschleunigt es.

Materialpreise: Papier-, Folien- und Farbpreise schwanken mit Rohstoffpreisen und Lieferkettensituation. Was vor sechs Monaten im System hinterlegt wurde, kann heute um 10–20 Prozent von der Realität abweichen. Wenn du 50 Angebote täglich auf dieser Basis berechnest und alle leicht zu günstig ansetzt, ist das eine systematische Verlustmaschinerie.

Produktionsparameter: Rüstzeiten variieren nach Maschinenalter, Mitarbeitendenerfahrung und Auftragsart. Ein generischer Richtwert aus dem MIS-Template stimmt oft nicht mit der Realität der eigenen Maschinen überein.

Die technische Lösung für dieses Problem ist nicht eine bessere KI — es ist ein regelmäßiger Prozess zur Überprüfung und Aktualisierung dieser Stammdaten. Quartalsweise ist ein sinnvoller Rhythmus. Wer das nicht organisiert bekommt, bevor er eine KI-Kalkulation einführt, sollte das Projekt vertagen.

Konkrete Werkzeuge — was wann passt

Für die Angebotskalkulation gibt es zwei grundlegend verschiedene Wege — je nach vorhandener Infrastruktur und Anforderungsniveau.

Weg 1: Prompt-basiert für kleine Druckereien (Soforteinstieg)

ChatGPT oder Claude mit einem gut strukturierten Prompt-Template lassen sich in einem Nachmittag aufsetzen und produzieren sofort verwertbare Kalkulationsentwürfe. Du gibst die Auftragsspezifikation im Klartext ein, der Prompt enthält die aktuellen Materialpreise und Stundensätze deiner Maschinen als Kontext, und die KI rechnet durch. Das Ergebnis ist kein fertiges Angebot — aber eine solide Grundlage, die du in 5–10 Minuten prüfst und finalisierst statt in 45 Minuten von null zu kalkulieren.

Grenzen: Materialpreise und Stundensätze müssen manuell im Prompt aktualisiert werden. Der Rechenweg ist nicht automatisch auditierbar. Für mehr als 15–20 Anfragen täglich wird das System umständlich.

Weg 2: MIS-integriert für mittlere und größere Druckereien

PrintVis und EFI Pace sind spezialisierte Print-MIS-Systeme mit eingebetteter Kalkulationsengine. Du gibst die Auftragsspezifikation ein — oder das System liest sie aus einem Web-to-Print-Formular ein — und die Engine rechnet auf Basis des hinterlegten Maschinenparks, der aktuellen Materialpreise und der konfigurierten Rüstzeiten ein vollständiges Angebot. EFI Pace schafft Standardangebote in unter 60 Sekunden, sobald das System eingerichtet ist. PrintVis baut auf Microsoft Dynamics 365 auf und bietet volle ERP-Integration — Angebot, Auftrag, Nachkalkulation und Faktura in einem System.

Der Unterschied zwischen den beiden: PrintVis ist tiefer in das Microsoft-Ökosystem integriert und damit für Betriebe interessant, die ohnehin Microsoft 365 nutzen. EFI Pace kommt aus der amerikanischen Druckindustrie und hat eine breitere internationale Referenzbasis; das EasyQuote-Modul für Standardjobs ist ein praktischer Einstieg.

Kosten: Beide Systeme liegen typisch bei 150–500 Euro pro Nutzer und Monat — mit erheblichen Einrichtungskosten (20.000–80.000 Euro) für Implementierung und Datenmigration. Für Druckereien unter 10 Personen rechnet sich das selten.

Zusammenfassung: Wann welcher Ansatz

• Unter 10 Personen, 5–15 Anfragen täglich → ChatGPT / Claude mit Prompt-Template
• 10–50 Personen, 15–50 Anfragen täglich → EFI Pace (SaaS-Einstieg, MIS mit KI-Estimation)
• 15–200 Personen, Microsoft-Ökosystem vorhanden → PrintVis (vollständige MIS/ERP-Integration)

Integration in die MIS-Realität

Das ist der Abschnitt, den Verkäufer von Druckereibesoftware gerne überspringen.

Jede Druckerei in Deutschland, die länger als fünf Jahre existiert, hat ein bestehendes System: meistens ein älteres MIS (Auftragserfassung, Kalkulation, Faktura), oft kombiniert mit einer Tabellenkalkulation und einem individuell gewachsenen Prozess. In diese Realität kommt eine neue KI-Lösung nicht als leeres Blatt, sondern als Zusatz zu einem bestehenden Flickenteppich.

Die Integrationsfrage lautet konkret: Wo kommen die Auftragsdaten rein, wo geht das Angebot raus?

Szenario 1 — Kein MIS vorhanden: Guter Ausgangspunkt für einen Neustart mit einem modernen System. Einrichtungsaufwand hoch, aber kein Migrationsproblem. PrintVis oder EFI Pace werden von Grund auf konfiguriert — Maschinenpark eingeben, Stundensätze hinterlegen, Materialpreislisten einpflegen.

Szenario 2 — Altes MIS, das nicht abgelöst werden soll: Dann bleibt nur der Prompt-Ansatz oder eine externe Kalkulationshilfe, die parallel zum bestehenden System läuft. Das funktioniert für die Kalkulationsphase — aber Angebot und Auftrag müssen anschließend manuell ins MIS übertragen werden, was den Zeitgewinn teilweise wieder auffrisst.

Szenario 3 — Web-to-Print-Shop vorhanden: Das ist die günstigste Ausgangslage für KI-Kalkulation. Auftragsparameter kommen strukturiert aus dem Online-Shop-Formular, die Kalkulations-API des MIS rechnet im Hintergrund, der Preis wird sofort angezeigt. In diesem Modell gibt es keine manuelle Kalkulationsarbeit mehr für Standardprodukte. Dieser Weg erfordert API-Integration und setzt voraus, dass das MIS eine REST-Schnittstelle anbietet — PrintVis und EFI Pace bieten das.

Die ehrliche Einschätzung: Die meisten Druckereien befinden sich in Szenario 2. Der Wechsel zu Szenario 3 ist ein 6–12-Monats-Projekt. Wer diesen Unterschied nicht einplant, ist nach der Demo enttäuscht.

Datenschutz und Datenhaltung

Die Datenschutzfrage für die KI-gestützte Angebotskalkulation ist weniger brisant als in anderen Bereichen — aber nicht trivial.

Was in einer Angebotsanfrage steckt: Kundennamen, Kontaktdaten, Auftragsvolumina und Preiskonditionen. Das sind personenbezogene Daten im Sinne der DSGVO. Wer diese Daten in ein externes KI-System eingibt — auch nur als Prompt-Text in ChatGPT —, übergibt sie an einen Dritten. Das erfordert mindestens einen geprüften Auftragsverarbeitungsvertrag (AVV).

Für den Prompt-Ansatz (ChatGPT, Claude):

• ChatGPT-Teamplan oder Business-Account: AVV ist verfügbar, Daten werden nicht für Training verwendet
• Standardmäßig läuft ChatGPT auf US-Servern; für EU-Hosting ist kein öffentliches Angebot verfügbar
• Empfehlung: Kundennamen und Kontaktdaten im Prompt anonymisieren — “Kunde A” statt echtem Namen reicht für die Kalkulation

Für PrintVis (Microsoft Dynamics 365-Basis):

• Hosting in der EU-Region wählbar (Microsoft Azure, Frankfurt)
• Microsoft EU Data Boundary verfügbar
• AVV mit Microsoft abschließbar

Für EFI Pace:

• Cloud-Deployment; EU-Region-Verfügbarkeit auf Anfrage bestätigen
• AVV für DSGVO-Compliance anforderbar

Praktische Empfehlung: Wer KI-Kalkulation mit einem vollständigen MIS-System einführt, hat das Datenschutzproblem als Teil der Implementierung gelöst — weil die Daten im MIS verbleiben. Wer mit einem Prompt-Ansatz startet, sollte von Anfang an eine Regel einführen: keine personenbezogenen Kundendaten in externe KI-Systeme eingeben; Kalkulationsparameter sind ausreichend.

Was es kostet — realistisch gerechnet

Einstieg: Prompt-Ansatz (kleine Druckerei)

• ChatGPT Team: ca. 25–30 USD/Nutzer/Monat (ca. 23–28 Euro)
• Claude Pro: ca. 20 USD/Monat (ca. 18 Euro)
• Einrichtungsaufwand für Prompt-Template: 1–2 Tage intern
• Gesamtkosten im ersten Jahr: unter 1.000 Euro

Mittelstufe: MIS mit KI-Kalkulation

• EFI Pace: 200–500 Euro/Nutzer/Monat (auf Anfrage)
• Implementierungskosten: typisch 15.000–40.000 Euro je nach Komplexität
• PrintVis: 150–300 Euro/Nutzer/Monat + ähnliche Implementierungskosten

Was du dagegen rechnen kannst Eine Kalkulations-Kraft bindet pro Tag 4–6 Stunden für Angebotserstellung — bei 220 Arbeitstagen im Jahr sind das rund 900–1.300 Stunden reine Kalkulationszeit jährlich. Bei einem Bruttostundensatz von 25–35 Euro entspricht das 22.500–45.500 Euro Personalkosten pro Jahr allein für die Angebotserstellung.

Hinzu kommt der Umsatzeffekt: Wenn eine Druckerei wegen Kapazitätsengpässen in der Kalkulation 5–10 Anfragen täglich nicht oder zu spät bearbeitet und dabei auch nur 20 Prozent dieser Anfragen verliert, summieren sich die verlorenen Aufträge schnell auf signifikante Umsatzbeträge.

Konservatives Szenario (Prompt-Ansatz):

• Zeitersparnis: 30 Minuten je Angebot, 15 Angebote täglich → 7,5 Stunden täglich
• Kosten: ca. 25 Euro/Monat
• Break-even: in der ersten Woche

Konservatives Szenario (MIS-Integration):

• Einmalige Investition: 25.000 Euro Implementierung + 3.000 Euro/Jahr laufend (3 Nutzer)
• Zeitersparnis: entspricht ca. 0,5 FTE Personalaufwand → ca. 25.000–35.000 Euro/Jahr
• Break-even: 9–15 Monate

Beide Szenarien setzen voraus, dass die Kostenbasis der Kalkulation aktuell ist. Ohne gepflegte Stammdaten ist der Return null — oder negativ.

Drei typische Einstiegsfehler

1. Das System einführen, bevor die Stammdaten stimmen. Das ist der häufigste Fehler und er ist konsequenziell. Eine KI-Kalkulation rechnet mit dem, was du ihr gibst. Wenn Maschinenstundensätze aus dem Jahr 2021 stammen und seitdem Energiekosten, Reparaturaufwände und Lohnkosten gestiegen sind, produziert die KI Angebote, die systematisch zu günstig sind — und jeder gewonnene Auftrag auf dieser Basis ist ein Schritt in Richtung Verlust. Lösung: Vor dem Systemstart mindestens drei Wochen für eine Stammdaten-Inventur einplanen. Aktuelle Maschinenkosten berechnen, aktuelle Materialpreise einholen, Stundensätze prüfen.

2. Alle Auftragstypen sofort automatisieren wollen. Standard-Drucksachen (Flyer, Visitenkarten, Broschüren) in Standardformaten und Standardpapieren lassen sich hervorragend automatisieren. Sonderjobs mit individuellen Substraten, ungewöhnlichen Formaten oder komplexer Weiterverarbeitung brauchen weiterhin menschliche Expertise — die KI kommt dort an ihre Grenzen, weil die Ausnahmen die Regel werden. Wer von Anfang an versucht, alles abzudecken, baut ein System, das auf 60 Prozent der Anfragen halbwegs passt und auf 40 Prozent der Anfragen unsichere Ergebnisse liefert. Besser: Das System für die 70–80 Prozent der Standardjobs optimieren, Sonderjobs weiterhin manuell kalkulieren.

3. Das System ohne Review-Prozess laufen lassen. Der gefährlichste Fehler — weil er still passiert.

Eine KI-Kalkulation gibt immer eine Zahl aus. Sie signalisiert nicht, wenn die Eingangsdaten veraltet sind oder wenn ein Auftragstyp nicht ins Muster passt. Wenn Papierpreise im Herbst um 15 Prozent steigen und die Stammdaten nicht aktualisiert werden, produziert das System weiter Angebote — nur jetzt systematisch zu günstig.

Die Lösung ist organisatorisch, nicht technisch: Wer ist verantwortlich dafür, dass Materialpreise mindestens vierteljährlich aktualisiert werden? Wer prüft stichprobenartig, ob KI-kalkulierte Angebote mit nachträglich bekannten tatsächlichen Produktionskosten übereinstimmen (Nachkalkulation)? Ohne diese Antworten ist das System nach 12 Monaten eine Verlustquelle, die wie eine Effizienzlösung aussieht.

Was mit der Einführung wirklich passiert — und was nicht

Die Technik ist handhabbar. Der Mensch ist die eigentliche Variable.

Was passiert: Die Person, die bisher die meiste Zeit mit Angebotskalkulation verbringt, gewinnt plötzlich Kapazität. Das klingt gut — und ist es auch, wenn die gewonnene Zeit aktiv in sinnvolle Tätigkeiten fließt: Kundenberatung, Qualitätskontrolle, komplexere Sonderanfragen. Wenn die Zeit stattdessen in Leerlauf übergeht, ist der ROI nicht sichtbar.

Was nicht passiert: Die KI übernimmt nicht die Verantwortung für die Kalkulation. Jede Kalkulation braucht weiterhin eine Person, die das Ergebnis versteht, plausibilisiert und verantwortet. Betriebe, die KI-Kalkulation als Ersatz für Kalkulierungskompetenz verstehen, werden das merken — sobald ein Sonderjob schief geht oder ein Kunde eine Kalkulation hinterfragt.

Widerstand, den du erwarten solltest: Erfahrene Kalkulations-Mitarbeitende haben oft Jahrzehnte damit verbracht, ein Gespür für Auftragspreise zu entwickeln. Ein System, das in Sekunden dieselbe Zahl auswirft, kann sich bedrohlich anfühlen — auch wenn niemand das so formuliert. Wichtig: Das System macht nicht Schluss mit Kalkulations-Expertise, es verlagert sie. Wer gut kalkulieren kann, erkennt sofort, wenn eine KI-Kalkulation daneben liegt. Wer nur Copy-Paste aus einer Excel-Tabelle gemacht hat, wird das nicht merken. Das ist ein qualitativer Unterschied, der in der Einführungsphase explizit angesprochen werden muss.

Was konkret hilft:

• Die Person mit dem meisten Kalkulierungs-Know-how in den Aufbau des Systems einbinden — sie definiert die Kalkulationsregeln, prüft die Stammdaten, validiert erste Ergebnisse
• Die ersten 4 Wochen parallel arbeiten: KI-Kalkulation erstellen, manuell gegenchecken, Abweichungen analysieren
• Fehler des Systems nicht verstecken, sondern als Feedback-Loop nutzen: Warum lag die KI hier daneben? Was fehlt im Modell?

Realistischer Zeitplan mit Risikohinweisen

MIS-Implementierung: Wer PrintVis oder EFI Pace neu einführt, rechne mit 3–6 Monaten bis zum produktiven Betrieb — nicht wegen der KI, sondern wegen der Datenmigration, Mitarbeitendenschulung und Prozessanpassung.

Häufige Einwände — und was dahintersteckt

„Unsere Jobs sind zu individuell für Automatisierung.” Das ist oft richtig — für Teile des Portfolios. Kaum eine Druckerei hat ausschließlich Sonderjobs. Wenn du an einem normalen Werktag schaust, wie viele Anfragen für Standardprodukte reinkommen (A4-Flyer, Visitenkarten, Broschüren, Briefpapier), wirst du wahrscheinlich feststellen, dass 60–75 Prozent der Anfragen einem wiederholbaren Muster folgen. Diese 60–75 Prozent lassen sich automatisieren. Die verbleibenden 25–40 Prozent mit echter Individualität bleiben manuell — aber jetzt hast du dafür Zeit.

„Wir haben kein MIS, das das kann.” Für den Prompt-Ansatz brauchst du kein MIS. Ein gut strukturierter ChatGPT- oder Claude-Prompt mit deinen Stammdaten als Kontext ist in einem Nachmittag aufgebaut und liefert innerhalb einer Woche erste Ergebnisse. Das ist kein Ersatz für ein vollständiges MIS — aber ein Einstieg, der heute möglich ist, ohne irgendeine Software zu kaufen.

„Was, wenn das System falsch kalkuliert?” Das wird es — zumindest gelegentlich, besonders bei Sonderjobs. Der entscheidende Punkt: Eine falsch kalkulierte KI-Kalkulation ist erkennbar, wenn du dein Handwerk kennst. Eine manuell falsch berechnete Kalkulation in einer Excel-Tabelle ist das auch. Der Unterschied ist die Systematik: Eine KI-Kalkulation macht denselben Fehler immer auf dieselbe Weise — was ihn auffindbar und korrigierbar macht. Eine manuelle Kalkulation macht variable Fehler, die schwerer als Muster erkennbar sind. Wenn dein Team gelernt hat, KI-Ergebnisse zu plausibilisieren, ist das System zuverlässiger als der manuelle Prozess.

Woran du merkst, dass das zu dir passt

• Du bearbeitest täglich 10 oder mehr Angebotsanfragen und die Kalkulation bindet eine Person oder mehrere Personen für mehrere Stunden täglich
• Du verlierst regelmäßig Anfragen, weil du nicht schnell genug antwortest — Kunden haben sich schon woanders entschieden, bevor dein Angebot ankam
• 60–70 Prozent deiner Anfragen folgen einem Muster — ähnliche Formate, ähnliche Papiere, ähnliche Stückzahlen; Sonderjobs sind die Ausnahme, nicht die Regel
• Du hast oder kannst kurzfristig aktuelle Stammdaten aufbauen — Maschinenstundensätze, Materialpreislisten, typische Rüstzeiten
• Deine Druckerei verwaltet ein einigermaßen strukturiertes Auftragsaufkommen — du weißt, welche Jobs reinkommen, und kannst sie nach Auftragstyp unterscheiden

Wann es sich noch nicht lohnt — drei harte Ausschlusskriterien:

1. Unter 8–10 Angeboten täglich. Der Aufwand für Systemaufbau und Stammdatenpflege rechtfertigt sich nicht. Eine gut strukturierte Angebotsvorlage in Word oder Excel plus eine Stundensatztabelle reichen bei diesem Volumen völlig aus.

2. Mehr als 50 Prozent echte Sonderjobs ohne standardisierbare Spezifikationen. Wenn jeder zweite Job individuelle Substrate, Sonderformate oder komplexe Weiterverarbeitung hat, die nicht in einem Template abbildbar sind, verpufft der Automatisierungseffekt. Das System verbringt mehr Zeit mit Ausnahme-Handling als mit tatsächlicher Automatisierung.

3. Keine Zeit oder keine Person, die Stammdaten regelmäßig pflegt. Ohne quartalsweise Überprüfung von Maschinenstundensätzen und Materialpreisen wird KI-Kalkulation zur Verlustquelle. Wenn klar ist, dass diese Pflege im Tagesgeschäft untergeht, ist der Zeitpunkt für die Einführung noch nicht gekommen.

Das kannst du heute noch tun

Starte mit einem Nachmittag Aufwand: Öffne ChatGPT oder Claude und kopiere den folgenden Prompt. Trage deine aktuellen Maschinenstundensätze und Materialpreise ein. Kalkuliere damit eine aktuelle Anfrage — und vergleiche das Ergebnis mit deiner bisherigen manuellen Kalkulation.

Dieser Test kostet nichts. Er zeigt dir in 30 Minuten, ob der Ansatz für deine Auftragsstruktur funktioniert — bevor du irgendeine Software kaufst oder eine Implementierung beauftragst.

Quellen & Methodik

• Apenberg & Partner, “Prognose Druckindustrie” (2022): Nur 18 Prozent der deutschen Druckunternehmen bestätigten, dass ihre kalkulierten Stundensätze die tatsächliche Kostenstruktur widerspiegeln. Quelle: druckmedien.at/prognose-druckindustrie-2025
• Bundesverband Druck und Medien (BVDM), Konjunkturtelegramm September 2024: Wettbewerbsdruck in der deutschen Druckindustrie auf Mehrjahreshoch; 49 Prozent der Unternehmen erwarten moderate bis deutliche Automatisierungsgewinne durch KI. Quelle: bvdm-online.de
• Profectus Cost Rates Advisor: Analyse zur systematischen Kalkulation von Budgeted Hourly Rates in Druckereien; Kernthese: Falsche oder veraltete Stundensätze führen zu Margenverfall auch bei vermeintlich profitablen Jobs. Quelle: profectus.com/costratesadvisor
• PrintVis (verifiziertes Tool-Profil, Stand April 2026): Implementierungskosten, Laufzeitpreise und Funktionsumfang basierend auf öffentlichen Angaben des Anbieters.
• EFI Pace (ePS): EasyQuote-Modul für templatebasierte Angebote in unter 60 Sekunden; Produktbeschreibung auf printepssw.com (Stand April 2026).
• Zeitaufwand für manuelle Angebotskalkulation (30–60 Min. je Angebot): Erfahrungswerte aus Betreiber-Berichten auf Capterra DE und offsetdrucker.net; keine repräsentative Studie, aber konsistente Größenordnung über mehrere Quellen.

Willst du wissen, ob dein aktueller Kalkulationsprozess ein guter Kandidat für KI-Unterstützung ist — und wo die größten Hebel bei deiner Auftragsstruktur liegen? Meld dich für ein kurzes Gespräch.