Gebührenkalkulation Gewerbekunden automatisieren

Das echte Ausmaß des Problems

Wer in einem mittelständischen Entsorgungsunternehmen für die Gewerbekundenbetreuung zuständig ist, kennt die Gleichung: Je individueller das Angebot, desto länger dauert die Kalkulation. Und im Gewerbekundengeschäft ist fast alles individuell.

Behältergröße, Leerungsfrequenz, Abfallfraktion, Vertragsvolumen, regionale Deponiekosten, saisonale Kraftstoffzuschläge, Rabattstaffelungen für Großkunden — all diese Variablen müssen bei jedem Angebot neu zusammengesetzt werden. In der Praxis heißt das: 30 bis 60 Minuten Kalkulationszeit pro Angebot, durchgeführt von einer qualifizierten Vertriebsmitarbeiterin oder einem Kaufmännischen Leiter, dessen Zeit deutlich wertvoller wäre, wenn sie in Kundenbeziehungen oder Akquise fließen würde.

Dabei ist die Kalkulation an sich keine hochkomplexe Aufgabe. Sie ist regelbasiert, strukturiert und wiederholt sich täglich. Genau das ist das Problem: Eine Tätigkeit mit klarem Schema wird manuell ausgeführt, weil niemand die Regeln jemals sauber dokumentiert hat.

Die Folgen:

• Angebote kommen zu spät. Gewerbekunden, die schnell entscheiden, unterschreiben beim Anbieter, der zuerst antwortet — nicht beim mit dem besten Preis
• Fehler schleichen sich ein. Wer dreimal täglich dieselbe Excel-Tabelle befüllt, macht irgendwann einen Übertragungsfehler. Bei einem Großkundenvertrag über 36 Monate kann das teuer werden
• Der Außendienst kann nicht vor Ort abschließen. Ohne Kalkulations-Tool hängen Außendienstmitarbeitende beim Kundengespräch in der Luft — Abschlüsse werden auf “wir schicken das Angebot nach” vertagt und gehen verloren
• Skalierung ist kaum möglich. Mehr Anfragen bedeuten mehr Manualaufwand und mehr Fehlerrisiko, nicht mehr Effizienz

Laut einer Analyse des Beratungsunternehmens Skill-Sprinters liegt die Angebotserstellungszeit in Dienstleistungsunternehmen mit komplexen Preisstrukturen bei durchschnittlich 45 Minuten pro Angebot — und die Abschlussrate steigt messbar, wenn Antwortzeiten unter zwei Stunden fallen. Im Entsorgungsmarkt, wo Preise und Wettbewerb regional stark variieren, ist Reaktionsgeschwindigkeit ein konkreter Wettbewerbsvorteil.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Erfahrungswerte aus automatisierten Angebotsprozessen bei Dienstleistungsunternehmen mit vergleichbarer Preisstrukturkomplexität. Eigene Erhebung; keine repräsentative Studie.

Das Mineral Waste Manager-Unternehmen (Dr. Sebastian Busse, Umweltwirtschaft.com, 2024) berichtet für die Entsorgung mineralischer Abfälle, dass automatisierte Angebotserstellung die Kalkulationszeit um den Faktor 5 reduziert und die Vertriebskosten halbiert hat. Dieser Effekt ist übertragbar: Wo Preisregeln klar formuliert sind, ergibt die Automatisierung dieselbe Hebelwirkung.

Einschätzung auf einen Blick

Zeitersparnis — sehr hoch (5/5)
Kein anderer Anwendungsfall in dieser Kategorie spart so viel messbare Mitarbeiterzeit pro Vorgang. 40 Minuten weniger pro Angebot klingt nach wenig — bei 30 Anfragen im Monat sind das 20 Stunden, die ein Mitarbeitender für echte Kundenarbeit nutzen kann. Die Zeitersparnis tritt sofort ein, am ersten Tag des Produktivbetriebs, ohne Eingewöhnungsphase.

Kosteneinsparung — niedrig (2/5)
Die Einrichtungskosten liegen bei 4.000–18.000 Euro, je nach gewähltem Ansatz. Der laufende Nutzen ist real, entsteht aber indirekt: eingesparte Arbeitszeit, vermiedene Fehler, mehr Kapazität für Akquise. Harte Kostensenkungen wie bei der Tourenoptimierung (Kraftstoffeinsparung) oder der Sortierfehler-Erkennung (weniger Nachsortierdurchgänge) entstehen hier nicht — der Hebel liegt im Vertriebseffekt, nicht in direkten Einsparungen.

Schnelle Umsetzung — gut (4/5)
Im Vergleich zu anderen Anwendungsfällen dieser Kategorie braucht die Kalkulations-Automatisierung weder Sensorik, noch Kamerainfrastruktur, noch Modelltraining. Wer eine saubere Preisstruktur mitbringt, ist in vier Wochen produktiv. Das ist der beste Einstiegswert unter den hier verglichenen Anwendungsfällen — aber nur, wenn die Voraussetzung erfüllt ist: formalisierte Preisregeln.

ROI-Sicherheit — sehr hoch (5/5)
Der Nutzen ist direkt zählbar: Angebote pro Monat, Minuten pro Angebot, Fehler pro Monat. Kein indirekter Effekt, keine Hochrechnung, kein Warten auf aggregierte Auswertungen. Wenn das System läuft, siehst du sofort, ob es schneller ist. Das macht diesen Anwendungsfall zum verlässlichsten in der Kategorie, wenn es darum geht, den ROI intern zu begründen.

Skalierbarkeit — hoch (4/5)
Mehr Anfragen bedeuten keinen proportional steigenden Aufwand mehr. Drei neue Vertriebsmitarbeitende, die alle denselben Kalkulator nutzen, brauchen keine dreifache Einarbeitungszeit. Die Preisregeln gelten für alle. Eine Einschränkung: Wenn sich Preise ändern (Deponiegebühren, Kraftstoffzuschläge, neue Abfallfraktionen), müssen die Regeln aktuell gehalten werden. Das kostet keine Entwicklerstunden, aber es kostet organisatorische Disziplin.

Richtwerte — stark abhängig von Angebotsmenge, Preisstrukturkomplexität und vorhandener Systemlandschaft.

Was der Kalkulator konkret macht

Das technische Herzstück ist keine KI im engeren Sinne — es ist ein regelbasiertes Berechnungssystem mit KI-gestützten Ein- und Ausgabeschnittstellen. Das ist auch gut so, denn bei der Kalkulation willst du keine Kreativität: Du willst, dass 3 Kubikmeter Restmüll, zweimal wöchentlich geleert, in Hannover immer denselben Preis ergeben.

Der Prozess sieht so aus:

Eingang: Eine Kundenanfrage kommt rein — per E-Mail, Webformular oder im persönlichen Gespräch. Der Vertriebsmitarbeitende trägt Eckdaten ein (oder ein LLM extrahiert sie automatisch aus der E-Mail): Kundentyp, Standort, benötigte Behältergröße, Abfallfraktion, gewünschte Leerungsfrequenz, Sonderwünsche.

Berechnung: Das System greift auf die zentral hinterlegten Preisregeln zurück — Grundgebühren, Leerungskosten, Deponiegebühren für die jeweilige Region, aktuelle Kraftstoffzuschläge, Rabattstaffeln. Alle Felder werden nach Formel befüllt. Kein manuelles Nachschlagen, kein Addieren auf dem Taschenrechner.

Ausgabe: Ein professionell formatiertes Angebots-PDF wird automatisch erstellt — mit Kundenlogo-Platzhalter, tabellarischer Auflistung der Leistungen, Preisstaffelung, Vertragslaufzeiten und der Möglichkeit zur digitalen Unterschrift. Das Dokument ist in drei Minuten versandbereit.

Optional: Ein Generative KI-Modul formuliert einen individuellen Anschreibentext, der auf die spezifische Branche des Kunden eingeht (“Als Brauerei mit hohem Glasanteil empfehlen wir…”). Das ist das einzige Element, bei dem ein LLM echte Aufgaben übernimmt — und selbst das ist optional.

Der Außendienst kann denselben Kalkulator auf dem Tablet nutzen: Eckdaten beim Kundengespräch eintragen, PDF sofort versenden, Abschlussquote steigt.

Preisstrukturen formalisieren — die eigentliche Vorarbeit

Das ist der Schritt, den die meisten unterschätzen — und wo die meisten Projekte scheitern.

Bevor du irgendetwas automatisieren kannst, muss deine Preisstruktur vollständig und widerspruchsfrei dokumentiert sein. Das klingt selbstverständlich. In der Praxis ist es das nicht. In vielen Entsorgungsunternehmen liegt das Kalkulationswissen in den Köpfen von zwei, drei erfahrenen Personen und einer Excel-Tabelle, die über die Jahre organisch gewachsen ist — mit Sonderregeln, Ausnahmefällen und Kommentaren wie “ACHTUNG Kunde XY hat Sonderpreis”.

Was du brauchst, bevor du startest:

• Vollständige Gebührenmatrix: Für jede Behältergröße (0,24 m³ bis Container 36 m³), jede Abfallfraktion (Restmüll, Papier, Bio, Glas, Sperrmüll, Sonderabfall), jedes Leerungsintervall — exakte Grundpreise und Berechnungsformeln
• Regionale Deponiegebühren: Wo deponierst du welche Fraktion? Was kostet das derzeit? Wie aktualisierst du diese Werte, wenn sich die Deponiepreise ändern?
• Zuschlagsstrukturen: Kraftstoffzuschlag, Fernfahrtzuschlag, Zuschlag für schwer zugängliche Standorte — als Formel oder fester Betrag, nicht als Ermessensspielraum
• Rabattstaffeln: Ab welchem Volumen gibt es welchen Nachlass? Sind das feste Prozentsätze oder verhandelbar?
• Ausnahmen und Grenzen: Welche Anfragen kannst du nicht automatisch berechnen — weil sie Einzelfallverhandlungen erfordern oder Sondergenehmigungen voraussetzen?

Dieser Schritt dauert realistisch 5–10 Tage, wenn erfahrene Mitarbeitende aktiv mitwirken. Er ist anstrengend, weil er viel implizites Wissen explizit macht. Er ist aber auch die wertvollste Einzelinvestition des gesamten Projekts — weil du danach ein System hast, das du schulen, prüfen und übergeben kannst. Auch wenn die Automatisierung nie käme.

Was danach einfacher wird: Einarbeitung neuer Vertriebsmitarbeitender (statt jahrelangem Lernen vom Kollegen), Audits der eigenen Preisstruktur, Reaktion auf Wettbewerbsdruck, und die Einführung eines Kundenportals, über das Gewerbekunden künftig Angebote selbst anfordern können.

Konkrete Werkzeuge — was wann passt

Es gibt keinen einzigen richtigen Weg, einen Kalkulator zu bauen. Die Wahl hängt davon ab, welche Systeme du bereits nutzt und wie technisch dein Team aufgestellt ist.

Make.com + PandaDoc — der pragmatische Einstieg
Make.com verbindet die Datenquellen (Formular, CRM, Preistabelle) mit PandaDoc, das das fertige Angebots-PDF erstellt. Keine Programmierkenntnisse nötig, EU-Rechenzentrum verfügbar, Einrichtung in zwei bis drei Wochen möglich. PandaDoc kostet ab 19 USD/Nutzer/Monat; Make.com ab 9 USD/Monat für bis zu 10.000 Operationen. Für 20–50 Angebote pro Monat ist das der günstigste saubere Ansatz.

n8n (self-hosted) — DSGVO-first
n8n ist quelloffen und lässt sich auf eigener Infrastruktur betreiben. Das bedeutet: Kundendaten verlassen das eigene System nie, kein US-Transfer, vollständige Datenkontrolle. Für Unternehmen mit sensiblen Gewerbekundendaten oder Anforderungen aus dem Bereich öffentlicher Auftraggeber die richtige Wahl. Erfordert einen Entwickler oder einen IT-affinen Mitarbeitenden für Einrichtung und Wartung. Cloud-Version ab 20 EUR/Monat, Self-Hosting kostenlos (Open Source).

ChatGPT oder Claude — für den Anschreibentext
Der Berechnungsteil ist regelbasiert und braucht kein LLM. Wohl aber der Anschreibentext: Welche Formulierung passt zur Branche des Kunden? Gibt es eine sinnvolle Empfehlung für ein alternatives Behältervolumen? Hier hilft ein LLM, ohne die Kalkulation selbst zu berühren. Über die API lassen sich beide Tools direkt in den Workflow integrieren — Claude hat den Vorteil, über AWS Bedrock in Deutschland betrieben werden zu können.

HubSpot als Eingangspunkt
Wer sein CRM bereits in HubSpot hat, kann Anfragen direkt dort aufnehmen und den Kalkulationsworkflow aus HubSpot heraus auslösen. Vorteil: Alle Angebote landen automatisch beim richtigen Kontakt in der Kontakthistorie, Nachverfolgung ist eingebaut. Nachteil: HubSpot ist US-gehostet, AVV nötig.

Zusammenfassung: Wann welcher Ansatz

• Schnell starten, wenig IT → Make.com + PandaDoc
• DSGVO-first, eigene Infrastruktur → n8n self-hosted
• CRM-Integration wichtig → HubSpot + Make.com
• Anschreibentext individualisieren → ChatGPT oder Claude per API
• Maximale Kontrolle + Individualisierung → Maßentwicklung (ab 15.000 EUR, externe Agentur)

Datenschutz und Datenhaltung

Gewerbekundenangebote enthalten personenbezogene Daten: Name des Ansprechpartners, Firmenadresse, ggf. Umsatzinformationen und Konditionen. Sobald diese Daten über einen Cloud-Dienst laufen, greift die DSGVO — konkret: Du brauchst einen Auftragsverarbeitungsvertrag (AVV) mit jedem Dienstleister, der Zugriff auf die Daten hat.

Die wichtigsten Punkte im Überblick:

• Make.com: EU-Rechenzentrum verfügbar (AWS Frankfurt), AVV erhältlich. Die Oberfläche ist englischsprachig, aber die Datenverarbeitung kann EU-seitig erfolgen.
• PandaDoc: US-gehostet, kein EU-Hosting verfügbar. AVV vorhanden, aber Drittlandtransfer bleibt. Für Angebote ohne besonders sensible Inhalte in der Praxis akzeptabel — aber schriftlich mit dem Datenschutzbeauftragten abstimmen.
• n8n (self-hosted): Vollständig EU-seitig, wenn auf eigenem Server oder deutschen Cloud-Anbieter (z.B. Hetzner, IONOS) betrieben. Empfehlung für sensible Kundensegmente.
• ChatGPT / Claude: Über die API und entsprechende Enterprise-Konfiguration DSGVO-konformer Betrieb möglich. Claude ist über AWS Bedrock in Frankfurt (eu-central-1) verfügbar. Für die meisten Gewerbekundendaten reicht das — für besonders sensible Branchen (öffentliche Auftraggeber, Gesundheitswesen als Gewerbekunde) lieber auf EU-Modelle ausweichen.
• HubSpot: US-gehostet, AVV verfügbar, Standard Contractual Clauses (SCCs) vorhanden. Viele deutsche KMU setzen es ein — aber transparent kommunizieren und den AVV unterzeichnen.

Faustregel: Je mehr personenbezogene Daten im Angebot stehen und je sensibler die Branche des Kunden, desto stärker sollte der Fokus auf EU-seitiger Verarbeitung liegen. Ein reines Preisangebot ohne Kontaktdaten ist unkritisch; ein Angebot mit Ansprechpartner, Vertragskonditionen und historischen Auftragsdaten ist schutzbedürftiger.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

• Preisstruktur dokumentieren (interne Ressourcen): 5–10 Arbeitstage, typischerweise mit einer erfahrenen Vertriebsmitarbeiterin und einer IT-affinen Person
• Workflow-Einrichtung (Make.com-Ansatz): 2.000–6.000 EUR, wenn extern begleitet; günstiger mit internen IT-Kenntnissen
• Workflow-Einrichtung (n8n self-hosted, individuell): 5.000–15.000 EUR, Entwickleraufwand inklusive
• Angebots-Template-Design in PandaDoc: 500–1.500 EUR (einmalig, wenn extern)
• Maßentwicklung (maximal individuell): ab 15.000–30.000 EUR (AKARA Solutions, 2024, berichtete von 30.000 EUR Budget für einen ähnlichen Angebotsgenerator mit 5-köpfigem Team)

Laufende Kosten (monatlich)

• Make.com Core: ab 9 USD (~8 EUR)/Monat für bis zu 10.000 Operationen
• PandaDoc Essentials: 19 USD/Nutzer/Monat
• n8n Cloud: ab 20 EUR/Monat; Self-Hosting: Serverkosten (ca. 15–40 EUR/Monat bei Hetzner)
• ChatGPT/Claude API für Anschreibentexte: 5–20 EUR/Monat bei 100–200 Angeboten

Wie du den Nutzen tatsächlich misst
Zähl konsequent: Angebote pro Monat vorher vs. nachher. Minuten pro Angebot vorher vs. nachher. Fehler pro Monat (falsche Preisangaben, die Korrekturen erforderten). Und — wenn du es einrichten kannst — Abschlussquote bei Anfragen, die innerhalb von zwei Stunden beantwortet wurden vs. später.

Konservatives ROI-Szenario
30 Angebote/Monat × 40 Minuten Einsparung = 20 Stunden/Monat. Bei einem Bruttostundensatz von 30–45 EUR (angelehnt an Destatis-Verdienstdaten 2024 für kaufmännische Berufe): 600–900 EUR Einsparung pro Monat. Dazu: Außendienstabschlüsse, die vorher nicht möglich waren — schwer zu quantifizieren, aber real. Im konservativen Szenario amortisiert sich eine 8.000-EUR-Einrichtung in 10–14 Monaten. Bei 50 Angeboten/Monat deutlich schneller.

Drei typische Einstiegsfehler

1. Mit der Automatisierung starten, ohne die Preisstruktur aufzuräumen.
Das häufigste und teuerste Missverständnis: Man erwartet, das System konfiguriere sich irgendwie selbst — und baut eine Automatisierung auf einer lückenhaften Excel-Tabelle. Das Ergebnis ist ein System, das schnell falsche Angebote erstellt. Falsche Angebote sind schlimmer als langsame. Lösung: Erst die Preisstruktur vollständig dokumentieren und intern prüfen lassen, dann erst automatisieren. Die Sequenz entscheidet.

2. Preisregeln einrichten und dann nie wieder anfassen.
Das ist der am häufigsten übersehene Fehler — weil er still passiert. Ein Industriedistributor in einem dokumentierten Fall (Intuilize, 2024) glaubte, seine Kostenaktualisierungen im Griff zu haben, bis eine wichtige Mitarbeiterin das Unternehmen verließ. Danach blieben Preise monatelang unkorrigiert. Im Entsorgungsbereich ändern sich Deponiegebühren, Kraftstoffzuschläge und regionale Sonderkonditionen mehrfach im Jahr. Wer die Preisregeln nicht als lebendiges Dokument behandelt, hat nach 12 Monaten ein System, das selbstbewusst veraltete Angebote verschickt — mit dem Firmenlogo. Lösung: Eine namentliche Zuständigkeit (“Wer aktualisiert was bis wann?”) und einen Auslöser für Reviews festlegen — z.B. bei jeder Änderung der Deponiegebühren automatisch ein Task im System erstellen.

3. Ausnahmen im System abbilden wollen, die nicht abbildbar sind.
Jedes Entsorgungsunternehmen hat Großkunden mit Sonderkonditionen, die individuell verhandelt wurden. Der Reflex: Diese Sonderregeln auch in das System aufnehmen. Das erzeugt eine nie endende Sonderfall-Logik, die das System wartungsintensiver macht als die Excel-Tabelle, die es ersetzen sollte. Lösung: Das System bildet Standardfälle ab. Sonderkonditionen bleiben manuell und werden als solche markiert. Die Grenze klar ziehen: Was ist Standard, was ist Ausnahme — und die Ausnahme behandeln wir wie bisher.

Was mit der Einführung wirklich passiert — und was nicht

Was passiert: Das System ist nach vier bis sechs Wochen produktiv. Die erste Woche, in der alle Angebote darüber laufen, fühlt sich seltsam an — weil es so viel schneller geht und die Mitarbeitenden nicht ganz sicher sind, ob das System auch wirklich stimmt. Das ist eine normale Reaktion und vergeht, sobald die ersten 20–30 Angebote fehlerfrei rausgegangen sind.

Was nicht passiert: Das System ersetzt nicht das Kundenbeziehungsmanagement. Es ersetzt nicht das Gespräch, in dem eine erfahrene Vertriebsmitarbeiterin spürt, dass der Kunde eigentlich Beratung braucht, nicht nur ein Angebot. Es übernimmt keine Verhandlungen. Und es erkennt nicht automatisch, wenn ein Standardangebot für einen Kunden gerade eine schlechte Idee ist — weil gerade eine Klage gegen ihn läuft oder weil er kurz davor steht, insolvent zu werden.

Typische Widerstands-Muster:

Die Kalkulations-Expertin. Die Person, die seit Jahren die Angebote macht, hat dabei implizites Wissen aufgebaut: Sie weiß, wann man dem Kunden einen extra Rabatt anbieten sollte und wann nicht, welche Adressen im Stadtgebiet schwer anzufahren sind und deshalb teurer sein sollten. Dieses Wissen steckt nicht in der Excel-Tabelle. Wenn das System dieses Wissen ignoriert, werden die Ergebnisse schlechter — nicht besser. Lösung: Diese Person in die Dokumentation der Ausnahmen einbinden, nicht übergehen.

Die Qualitätszweifler. “Wie soll das System wissen, was ein Angebot wert ist?” — Diese Frage kommt von Mitarbeitenden, die vollkommen Recht haben, wenn das System schlecht konfiguriert ist. Sie haben Unrecht, wenn die Preisstruktur sauber dokumentiert ist. Den Unterschied macht keine Überzeugungsrede, sondern eine öffentliche Testphase: Parallel-Angebote erstellen — einmal manuell, einmal mit dem System — und vergleichen. Wenn die Zahlen übereinstimmen, löst sich der Widerstand von selbst.

Die Außendienst-Skepsis. “Ich kann das auf dem Tablet nicht bedienen.” Das ist ein ernst zu nehmendes Signal: Wenn das Interface für den Außendienst nicht intuitiv genug ist, wird es nicht genutzt. Hier lohnt ein echtes Pilotgespräch auf einem echten Kundentermin, noch bevor das System scharf gestellt wird.

Realistischer Zeitplan mit Risikohinweisen

Wichtig: In der Pilotphase wirst du Preisregeln finden, die nicht stimmen oder die du noch nicht dokumentiert hast. Das ist nicht ein Scheitern — das ist der Sinn der Pilotphase. Plane dafür Zeit ein.

Häufige Einwände — und was dahintersteckt

„Unsere Preisstruktur ist zu komplex für eine Automatisierung.”
Das ist manchmal wahr — aber seltener als gedacht. Was als Komplexität erscheint, ist oft undokumentierte Einfachheit: Wenn die gleiche Formel in fünf verschiedenen Excel-Dateien leicht unterschiedlich aussieht, dann nicht, weil die Formel komplex ist, sondern weil sie nie konsequent aufgeschrieben wurde. Das System zwingt zur Vereinheitlichung — und das ist schmerzhaft, aber heilsam. Wenn es Bereiche gibt, die wirklich nicht automatisierbar sind (z.B. vollständig verhandelte Einzelkonditionen), werden diese bewusst aus dem System herausgehalten. Das ist kein Versagen, sondern gutes Systemdesign.

„Wir haben das bisher immer so gemacht.”
Das ist kein Argument gegen Automatisierung, sondern das Argument für die Ausgangssituation. Das System ändert nicht, wie ihr kalkuliert — es beschleunigt es. Dieselben Regeln, dieselben Preise, nur schneller und mit weniger Fehlerrisiko. Was sich ändert: Wer die Zeit, die bisher für Routinerechnung geflossen ist, jetzt für echte Vertriebsarbeit nutzen kann.

„Was, wenn das System einen Fehler macht und wir ein falsches Angebot rausschicken?”
Das ist ein berechtigter Einwand. Die Antwort ist nicht: “Das System macht keine Fehler.” Die Antwort ist: Jedes Angebot, das das System erstellt, geht vor dem Versand durch einen menschlichen Blick. Das dauert 30 Sekunden, nicht 45 Minuten. Das Vier-Augen-Prinzip bleibt — was wegfällt, ist die Berechnung selbst, nicht die Kontrolle. Und: Im Gegensatz zur manuellen Excel-Arbeit lässt sich bei einem Systemfehler exakt nachvollziehen, welche Regel falsch war und wie viele Angebote davon betroffen sind.

Woran du merkst, dass das zu dir passt

Du profitierst von einem automatisierten Gebührenkalkulator, wenn folgende Punkte auf dein Unternehmen zutreffen:

• Du erstellst regelmäßig mehr als 20–30 Gewerbekundenangebote pro Monat — darunter lohnt der Aufwand rechnerisch nur in Ausnahmefällen
• Deine Preisstruktur folgt Regeln, auch wenn diese noch nicht vollständig dokumentiert sind — es gibt Formeln, auch wenn sie gerade noch in Köpfen stecken
• Deine Reaktionszeit auf Anfragen ist ein bekanntes Problem — du weißt, dass du Anfragen verlierst, weil die Antwort zu spät kommt
• Dein Außendienst kann heute keine Angebote vor Ort machen und müsste das eigentlich können, um Abschlüsse zu verbessern
• Du hast eine Person, die Kalkulationen kann und deren Zeit anderswo wertvoller wäre — als Vertriebsgespräche, Kundenbeziehung oder Akquise

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Unter ca. 20 Gewerbekundenangeboten pro Monat. Unter diesem Volumen ist der Einrichtungsaufwand nicht gerechtfertigt. Eine gut strukturierte Excel-Vorlage mit Auswahlfeldern ist die bessere Investition der nächsten drei Monate.

2. Wenn eure Preise hauptsächlich durch individuelle Verhandlung entstehen und es keine stabilen Grundpreise gibt, die sich über Monate halten. Preisregeln-Automatisierung funktioniert nur, wenn es Preisregeln gibt. Wer bei jeder Anfrage “mal sehen” als Antwort auf “Was kostet das?” gibt, hat keine automatisierbare Grundlage.

3. Wenn ihr noch keine saubere Dokumentation eurer Preisstruktur habt und nicht bereit seid, zwei Wochen in deren Erstellung zu investieren. Das System kann nicht ersetzen, was nie aufgeschrieben wurde. Wer die Vorarbeit nicht machen will, bekommt eine Automatisierung, die schnell falsche Angebote erstellt — das ist schlechter als gar keine Automatisierung.

Das kannst du heute noch tun

Öffne ChatGPT oder Claude und stelle eine einfache Frage an dein eigenes Kalkulationswissen: Beschreibe drei unterschiedliche Anfragen aus den letzten Wochen — welche Parameter haben die Gebühr beeinflusst? Was war Standard, was war Ausnahme?

Das ist der erste Schritt zur Formalisierung deiner Preisstruktur — und er kostet 30 Minuten, kein Budget.

Wenn du danach ein Bild davon hast, wie komplex deine Preisstruktur wirklich ist (vs. wie komplex sie sich gefühlt hat), weißt du, ob der nächste Schritt “Kalkulator bauen” oder “Preisstruktur aufräumen” heißt.

Hier ist ein Prompt für den ersten Diagnose-Schritt:

Quellen & Methodik

• Mineral Waste Manager GmbH (Dr. Sebastian Busse): „Künstliche Intelligenz für die Entsorgungsbranche: Automatisierte Auftragsabwicklung”, Umweltwirtschaft.com, 2024. Bericht über automatisierte Angebotserstellung bei mineralischen Abfällen mit Faktor-5-Zeitersparnis und halbierten Vertriebskosten.
• Skill-Sprinters: „KI Angebotserstellung automatisieren: Von 45 Minuten auf 5 Minuten”, skill-sprinters.de, 2025. Praxisbericht eines SHK-Betriebs: 60 Angebote/Monat, 37 Stunden Einsparung, n8n + Claude als Basis-Infrastruktur (20–50 EUR/Monat).
• AKARA Solutions GmbH: Fallstudie „KI-gestützter Angebotsgenerator”, akara-solutions.de, 2024. Budget: 30.000 EUR, Team: 5 Personen; System extrahiert Anfragen per E-Mail/PDF, gleicht Produktkatalog ab, erstellt Angebote mit Confidence-Score-Filterung und menschlicher Freigabe.
• Intuilize: „Stop the Silent Profit Drain: How One Distributor Fixed Costly Pricing Errors with Automation”, blog.intuilize.com, 2024. Dokumentiertes Failure-Mode: Preisregeln-Pflege scheiterte nach Personalwechsel, Kosten blieben monatelang unkorrektiert.
• Preisangaben Make.com, PandaDoc, n8n: Veröffentlichte Tarife der jeweiligen Anbieter (Stand Mai 2026).
• Destatis Verdienstdaten 2024: Grundlage für Stundensatz-Schätzung kaufmännische Berufe (30–45 EUR brutto). Statistisches Bundesamt, genesis.destatis.de.

Du willst wissen, ob sich eine Automatisierung für euer konkretes Angebotvolumen und eure Preisstruktur rechnet? Meld dich — das klären wir gemeinsam in einem kurzen Gespräch.