Handwerker-Disposition mit KI

Das echte Ausmaß des Problems

Facility-Management-Unternehmen, die mehrere Gebäude betreuen, kämpfen täglich mit einer Dispositionsaufgabe, die sich mit wachsendem Auftragsvolumen nicht linear, sondern exponentiell verkompliziert. Wer 10 Aufträge auf 5 Techniker verteilt, hat 30.240 mögliche Kombinationen. Wer 30 Aufträge auf 12 Techniker mit 8 Qualifikationsprofilen und variablen Standorten verteilt, hat kombinatorisch gesehen ein mathematisches Optimierungsproblem, das kein Mensch mit einem Kalender wirklich lösen kann, er kann es nur annähern.

Das hat konkrete Folgen:

Ersterledigungsquote. Laut dem Aquant Field Service Benchmark Report 2025, der Daten von 160 Serviceorganisationen und über 600.000 Technikereinträgen auswertete, liegt die Ersterledigungsquote bei unterdurchschnittlich performenden Teams bei 53 Prozent, mehr als jeder zweite Auftrag erfordert einen Zweiteinsatz. Erstklassige Teams erreichen 86 Prozent. Die Differenz: strukturierte Qualifikationszuordnung und bessere Vorabinformation.

Fahrzeitanteil. In mittelgroßen FM-Betrieben (10–50 Techniker) sind Fahrzeiten von täglich 90–150 Minuten pro Person keine Ausnahme. Bei Stundensätzen von 40–80 Euro für Fachkräfte entspricht das einem täglichen Verlustpotenzial von 60–200 Euro je Techniker, nicht als verrechenbare Zeit, sondern als bezahlte Windschutzscheibenstunden.

Dispositionsaufwand. Eine FM-Disponentin oder ein Disponent, der täglich 30–60 Aufträge manuell plant, verbringt nach Beobachtungen aus der Praxis zwei bis drei Stunden täglich mit reiner Koordination, Telefonate, Kalenderverschiebungen, Rückfragen nach Werkzeug und Qualifikation. Das ist Zeit, die weder in strategisches Auftragsmanagement noch in Kundenbetreuung fließt.

Der stille Fehler: falsche Qualifikationszuordnung. Wenn ein Elektriker zu einem Auftrag fährt, der ein F-Gas-Zertifikat für Kältetechnik erfordert, und das stellt sich erst vor Ort heraus, dann ist der Schaden dreifach: verschwendete Fahrzeit, unzufriedener Auftraggeber, und ein weiterer Einsatz, der neu geplant werden muss.

Mit vs. ohne KI, ein ehrlicher Vergleich

¹ Aquant Field Service Benchmark Report 2025 (160 Serviceorganisationen, 600.000+ Technikereinträge) für Ersterledigungsquoten. Fahrzeit- und Dispositionsaufwand: Erfahrungswerte aus FM-Implementierungen. Fehlzuweisungen: eigene Schätzung, stark abhängig von Qualitätspflege der Skill-Matrix.

Die Zahlen zeigen eine deutliche Verbesserung, aber sie hängen an einer Bedingung: Der Qualitätszugewinn tritt nur ein, wenn die Datengrundlage stimmt. Ein KI-Dispositionssystem ohne gepflegte Qualifikationsmatrix ist eine Routenoptimierung, kein Skill-Matching.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5) Die tägliche Disposition kann von zwei bis drei Stunden auf unter eine Stunde sinken, das ist ein echter, messbarer Entlastungseffekt für die Planungsstelle. Warum trotzdem nicht höher? Weil die Gesamtheit der täglichen Arbeit im FM-Betrieb deutlich mehr als Disposition umfasst. Dienstleistungsprotokoll digitalisieren sparen Arbeitszeit bei mehr Personen gleichzeitig. Die KI-Disposition hilft vor allem der Planungsstelle, der Gesamteffekt übers Team ist real, aber auf eine Funktion konzentriert.

Kosteneinsparung, hoch (4/5) Fahrtkosten, Zweiteinsätze und bezahlte Leerzeiten auf dem Weg sind direkt messbar. Bei einem Team von 15 Technikern mit durchschnittlich 20 Minuten eingespartem Fahrtweg täglich entspricht das rechnerisch rund 75 Minuten Technikerzeit, bei 50 Euro/Stunde Vollkostensatz also 62 Euro täglich oder ca. 1.300 Euro pro Monat allein durch Routenoptimierung. Zweiteinsätze durch Fehlzuweisung kosten erfahrungsgemäß mehr. Die Kosteneinsparung ist greifbarer als bei anderen FM-Anwendungsfällen, weil Fahrzeit und Stundenkosten Zahlen haben.

Schnelle Umsetzung, niedrig (2/5) Das ist der ehrlichste Wert. Eine KI-Disposition braucht als Voraussetzung: strukturierte Auftragsdaten, eine gepflegte Qualifikationsmatrix, Anbindung an das bestehende Jobmanagement- oder FM-System und Techniker, die die App nutzen. Das sind 12–16 Wochen Einführungszeit selbst bei günstigen Ausgangslagen, nicht weil die Software komplex ist, sondern weil Daten und Akzeptanz Zeit brauchen. Dieser Wert ist im Vergleich zur Mieterkorrespondenz automatisieren bewusst niedriger.

ROI-Sicherheit, hoch (4/5) Fahrzeit, Ersterledigungsquote und Dispositionsaufwand sind messbare KPIs. Wer diese Zahlen vor der Einführung erhebt und nach vier bis sechs Monaten vergleicht, hat eine belastbare ROI-Aussage. Das unterscheidet diese Anwendung von Kategorien, wo der Nutzen indirekter und schwerer zuzuordnen ist.

Skalierbarkeit, hoch (4/5) Kommt ein neuer Auftraggeber mit einem neuen Gebäude dazu, erweitert man die Adressdaten und weist verfügbare Techniker zu, kein Systemwechsel, keine Neu-Implementierung. Bei wachsender Technikerzahl und Auftragsvolumen skaliert das System ohne proportional steigenden Dispositionsaufwand. Warum nicht 5? Weil die Datenpflege (Qualifikationsmatrix, Zertifizierungen, Werkzeugausstattung) mit wachsendem Team aufwendiger wird und menschliche Pflege erfordert.

Richtwerte, stark abhängig von Teamgröße, Auftragsvolumen und vorhandener Systemlandschaft.

Was die KI-Disposition konkret macht

KI-Disposition ist kein Wundermittel, es ist ein Optimierungsalgorithmus mit Machine Learning-Anteil, der mehrere Dimensionen gleichzeitig berechnet, die ein Mensch nur sequenziell abarbeiten kann.

Was das System konkret tut:

Skill-Matching. Für jeden Auftrag wird geprüft: Welche Qualifikationen und Zertifizierungen sind erforderlich? Welche Techniker haben diese im aktiven Profil hinterlegt? Nur die passenden Kandidaten kommen in die Auswahl. Das klingt trivial, ist es aber nicht: In der Praxis enthält die Qualifikationsmatrix oft 30–80 unterschiedliche Merkmale (Schaltberechtigung, F-Gas-Zertifikat, Staplerschein, spezifische Anlagenkenntnisse, Herstellerzertifizierungen).

Routenoptimierung. Unter den qualifizierten Technikern wird berechnet, wer den Auftrag mit dem geringsten Fahrtweg und der optimalen Tagesstrecke übernehmen kann, unter Berücksichtigung aller anderen Aufträge des Tages. Das ist das klassische Traveling-Salesman-Problem, gelöst mit heuristischen Algorithmen in Millisekunden.

Prioritätslogik. Nicht alle Aufträge sind gleich. Ein Wasserrohrbruch hat eine andere Dringlichkeitsstufe als eine quartalsweise Wartung. SLA-Fristen gegenüber Auftraggebern werden als Constraint einbezogen: Aufträge, die in zwei Stunden ihre Reaktionszeit überschreiten würden, werden höher priorisiert.

Echtzeit-Umplanung. Wenn ein Techniker länger braucht als geplant, jemand krank ausfällt oder ein Notfallauftrag eingeht, berechnet das System den aktuellen Tagesplan neu. Der Disponent sieht sofort, welche Aufträge verschoben werden müssen, und erhält einen Vorschlag.

Der entscheidende Unterschied zu reiner Routenoptimierung: Werkzeuge wie OptimoRoute oder Route4Me optimieren Fahrtwege, sie setzen voraus, dass Auftragszuweisungen bereits manuell gemacht wurden. Vollständige FSM-Plattformen (Field Service Management) machen beides: Skill-Matching für die Zuweisung und Routenoptimierung für die Reihenfolge. Das ist ein erheblicher Unterschied im Tagesbetrieb.

Datenpflege als Voraussetzung

Dieser Abschnitt gehört in den Use Case, weil er der häufigste Stolperstein ist, und in keinem Verkaufsgespräch eines Softwareanbieters angemessen betont wird.

Was das System braucht, bevor es KI sein kann:

1. Vollständige Qualifikationsmatrix. Jeder Techniker muss mit seinen aktuellen Zertifikaten, Qualifikationen und Einschränkungen im System hinterlegt sein. Das ist nicht einmalig, Zertifizierungen laufen ab, neue Qualifikationen kommen hinzu. Wer das nicht pflegt, hat nach 12 Monaten eine veraltete Matrix und ein System, das wieder falsch zuweist.

2. Strukturierte Auftragstypen. Jeder Auftragstyp muss mit seinen Anforderungen hinterlegt sein: welche Qualifikation Pflicht ist, welches Werkzeug nötig ist, wie viel Zeit realistisch eingeplant wird. Wenn 40 Prozent der Aufträge als “allgemeine Wartung” im System landen, kann die KI kein sinnvolles Matching durchführen.

3. Fahrzeugausstattung. Welcher Techniker hat welches Sondergerät im Auto? Drucktest-Equipment, Schweißgerät, Hubarbeitsbühne? Das muss aktiv gepflegt sein, nicht als Einmalaktion, sondern als fortlaufender Prozess.

4. Historische Zeitdaten. Nach einigen Wochen Betrieb lernt das System, wie lange einzelne Auftragstypen bei bestimmten Technikern tatsächlich dauern, und plant realistischer. Dieser Lerneffekt tritt nur ein, wenn Techniker Auftragsstart und -abschluss konsequent in der App dokumentieren.

Wer diese Datenpflege unterschätzt, kauft teure Routenoptimierung. Das ist immer noch besser als gar keine Optimierung, aber es ist nicht das, was die Broschüren zeigen.

Konkrete Werkzeuge, was wann passt

Die richtige Wahl hängt vor allem von der Teamgröße, dem Integrationsaufwand und dem vorhandenen FM-System ab.

mfr Field Service Management, Die stärkste deutschsprachige Option für mittelständische FM-Betriebe mit 10–200 Technikern. KI-basierte Terminplanung nach Qualifikation, Verfügbarkeit und Fahrtweg, vollständig deutschsprachig, Datenhaltung in Deutschland. Über 800 Unternehmen mit mehr als 10.000 Technikern im Einsatz, unter anderem Daikin Airconditioning und die Zimmerei Timberbau. Preise auf Anfrage, kostenlose Testphase verfügbar.

OptimoRoute, Spezialisiertes Routenoptimierungs-Tool für Betriebe, die bereits ein Job-Management-System haben und primär Fahrtzeiten optimieren wollen. Stärke: Echtzeit-Umplanung laufender Touren bei neuen Aufträgen. Schwäche: kein natives Skill-Matching, das muss außerhalb von OptimoRoute gelöst sein. Lite-Plan ab 35 USD/Fahrer/Monat, 30-Tage-Testphase ohne Kreditkarte. Englischsprachig, US-Datenhaltung.

Salesforce Field Service, Enterprise-Lösung für FM-Dienstleister mit 50–500+ Technikern und komplexen SLA-Anforderungen. Eingebettet in das Salesforce-Ökosystem: alle Kundendaten, Verträge und Servicefälle in einer Plattform. Einstein AI für Skill-Matching und Prioritätslogik. Kosten: ca. 165 USD/Disponent/Monat plus Implementierungspartner (50.000–150.000 EUR einmalig). Nur sinnvoll, wenn ihr bereits im Salesforce-Ökosystem seid oder eine vollständige CRM/FSM-Integration plant.

Microsoft Dynamics 365 Field Service, Für Betriebe, die bereits Microsoft 365 und Teams im Einsatz haben. Dynamics 365 Field Service lässt sich mit Outlook, Teams und SharePoint verbinden. Volle Kosten: 105 USD/Nutzer/Monat (Full License); Implementierung mit Partner nötig. KI-Dispatch über das Microsoft-eigene AI Builder-Framework.

Planon, Keine Dispositions-KI im engeren Sinne, aber das führende CAFM/IWMS-System für große FM-Organisationen. Wenn ihr Planon bereits als CAFM nutzt, lohnt sich der Blick auf die Planon-Instandhaltungsmodule, die Auftragssteuerung integriert abbilden können.

Zusammenfassung: Wann welcher Ansatz

• 10–50 Techniker, deutschsprachig, DSGVO-konforme Datenhaltung nötig → mfr
• Fahrtzeit optimieren, Job-System bereits vorhanden → OptimoRoute
• 50+ Techniker, Salesforce-Ökosystem → Salesforce Field Service
• Microsoft-365-Infrastruktur vorhanden → Microsoft Dynamics 365 Field Service
• Großes CAFM bereits im Einsatz → Planon-Erweiterung prüfen

Datenschutz und Datenhaltung

KI-Disposition verarbeitet personenbezogene Daten, Standortdaten der Techniker während der Arbeitszeit, Qualifikationsprofile, Arbeitszeitdaten und potenziell Kundeninformationen aus Auftragsdetails. Das hat DSGVO-relevante Implikationen.

Standorterfassung ist mitbestimmungspflichtig. Wenn Techniker über eine App GPS-Daten senden, ist das eine Verhaltens- und Leistungsüberwachung im Sinne des Betriebsverfassungsgesetzes (§ 87 Abs. 1 Nr. 6 BetrVG). Ein vorhandener Betriebsrat muss vor der Einführung einbezogen werden. Auch ohne Betriebsrat empfiehlt sich eine klare schriftliche Information der Mitarbeitenden darüber, welche Daten erfasst, wie lange gespeichert und für welche Zwecke genutzt werden.

Auftragsverarbeitungsvertrag (AVV) Pflicht. Sobald Technikerprofile, Standortdaten oder Kundendaten an einen Cloud-Anbieter übergeben werden, gilt Art. 28 DSGVO, ein AVV muss abgeschlossen sein, bevor das System produktiv geht.

Tool-spezifische Einordnung:

• mfr: Datenhaltung in Deutschland, DSGVO-konform, deutschsprachige AVV-Vorlage vorhanden
• OptimoRoute: US-Datenhaltung, Standard-Vertragsklauseln (SCCs) verfügbar, DSGVO-Compliance prüfenswert für Teams mit sensiblen Kundendaten
• Salesforce Field Service: EU-Rechenzentren über Hyperforce verfügbar, aber nur auf expliziten Antrag, Standard ist US-Hosting
• Microsoft Dynamics 365: EU-Datenhaltung standardmäßig verfügbar (Microsoft EU Data Boundary)

Transparenz gegenüber Technikern: Die häufigste Akzeptanzhürde ist nicht die App selbst, sondern das Gefühl permanenter Überwachung. Eine ehrliche Kommunikation, “Wir erfassen deinen Standort während der Arbeitszeit für die Routenplanung, nicht zur Leistungsbeurteilung”, reduziert den Widerstand nachweislich stärker als technische Einschränkungen.

Die hier genannten rechtlichen Hinweise (BetrVG, DSGVO, AVV) sind eine erste Orientierung, kein Rechtsrat. Für verbindliche Einschätzungen zur Mitbestimmungspflicht und Datenschutz-Compliance bitte einen Fachanwalt für Arbeitsrecht bzw. Datenschutzbeauftragten hinzuziehen.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• Qualifikationsmatrix aufbauen und digital erfassen: 2–4 Wochen interner Aufwand
• Software-Konfiguration und Datenmigration: Bei KMU-Lösungen wie mfr typisch 3.000–10.000 EUR für Einrichtung und Schulung; bei Enterprise-Systemen (Salesforce Field Service, Microsoft Dynamics 365) mit Implementierungspartner 50.000–150.000 EUR
• Schulung Disponenten und Techniker: 1–2 Tage je Gruppe

Laufende Kosten (monatlich)

• mfr: Preise auf Anfrage, erfahrungsgemäß 50–100 EUR/Techniker/Monat je nach Modulausstattung
• OptimoRoute: 35–44 USD/Fahrer/Monat (Lite bis Pro, Jahresvertrag)
• Salesforce Field Service Enterprise: ca. 165 USD/Disponent/Monat plus Techniker-Lizenzen
• Microsoft Dynamics 365 Field Service: 105 USD/Nutzer/Monat

ROI-Rechnung (konservatives Szenario für ein Team mit 15 Technikern)

Annahmen: 20 Minuten eingesparte Fahrtzeit je Techniker täglich, 45 Arbeitstage pro Quartal, Vollkostensatz 55 EUR/Stunde.

Eingesparte Zeit: 15 Techniker × 20 Min./Tag × 45 Tage ÷ 60 = 225 Stunden/Quartal Wert: 225 Stunden × 55 EUR/Stunde = 12.375 EUR/Quartal, also ca. 4.100 EUR/Monat

Dazu kommen Zweiteinsatzkosten: Wenn die Ersterledigungsquote von 65 % auf 80 % steigt, werden bei täglich 30 Aufträgen rund 4–5 Zweiteinsätze pro Tag vermieden. Bei 1–2 Stunden je Zweiteinsatz und 55 EUR/Stunde: ca. 200–550 EUR täglich.

Bei einem mittelständischen System mit unter 15.000 EUR Einrichtungskosten amortisiert sich die Investition bei konservativer Rechnung in 2–4 Monaten. Das ist der Grund, warum der ROI-Score hoch ist: Die Berechnungsgrundlage ist transparent und nachvollziehbar, kein Vendor-Claim, sondern Grundrechenarten.

Wie du den Nutzen misst: Erhebe vor dem Go-Live Ersterledigungsquote, durchschnittliche Fahrtzeit und Dispositionszeit pro Tag. Miss dieselben Kennzahlen nach drei und sechs Monaten. Ohne Baseline gibt es keinen Beweis.

Drei typische Einstiegsfehler

1. Das System einführen, ohne die Qualifikationsmatrix aufzubauen. Der häufigste Fehler in der Praxis: Das FSM-System wird in Betrieb genommen, aber die Technikerprofile enthalten keine strukturierten Qualifikationen, nur Namen und Telefonnummern. Das Ergebnis ist eine teuer bezahlte Routenoptimierung, aber kein Skill-Matching. Fehlzuweisungen bleiben. Lösung: Bevor das System live geht, muss jeder Techniker ein vollständiges Profil haben. Das dauert erfahrungsgemäß 2–4 Wochen und erfordert aktive Mitarbeit der Techniker selbst.

2. Die Techniker-App als nettes Feature betrachten, nicht als Pflicht. Die KI-Disposition lernt nur, wenn Techniker Auftragsstart, -abschluss und -dauer in der App dokumentieren. Wenn 30 Prozent der Techniker das konsequent machen und 70 Prozent gelegentlich, sind die Zeitdaten unbrauchbar, und das System plant mit veralteten Schätzwerten. In Praxisanalysen lag die App-Adoption nach einem Monat ohne aktives Change Management erfahrungsgemäß bei 40–60 Prozent (Schätzwert aus Praxisberichten). Das ist nicht Technik-, sondern Führungsaufgabe.

3. Nach dem Go-Live keine Datenpflege-Zuständigkeit definieren. Zertifizierungen laufen ab. Techniker wechseln. Neue Auftragstypen kommen hinzu. Wer nach dem Launch keine Person benennt, die die Qualifikationsmatrix und die Auftragstypen pflegt, hat nach 12–18 Monaten ein System, das wieder falsch zuweist, nur diesmal mit mehr Vertrauen in die falschen Zuweisungen. Die Dispositions-KI ist so gut wie die Daten, auf denen sie läuft. Das ist keine Schwäche der Software, das ist ein strukturelles Prinzip aller KI-Systeme.

Hinweis zu Systemausfällen und Backup-Planung: Was passiert, wenn die Internetverbindung des Disponenten ausfällt oder das System Wartung hat? Ein Fallback-Prozess, eine vereinfachte manuelle Planung für Notfälle, muss im Vorfeld definiert sein. Die Abhängigkeit von einem Cloud-Tool ohne Offline-Backup ist ein operatives Risiko, das erfahrungsgemäß unterschätzt wird.

Was mit der Einführung wirklich passiert, und was nicht

Die größte Überraschung für viele Betriebe: Der schwierigste Teil der Einführung sind nicht die Daten. Es sind die Handwerker.

Widerstandsmuster 1: „Die App funktioniert nicht auf der Baustelle.” Handwerker arbeiten auf Baustellen, in Kellern und in Gebäuden ohne WLAN-Empfang. Eine App, die Offline-Betrieb nicht sauber unterstützt, wird von Technikern sofort als unzuverlässig eingestuft, und dann nicht mehr genutzt. Wähle Lösungen, die echten Offline-Modus bieten, nicht nur eine schlechte EDGE-Verbindung als Fallback.

Widerstandsmuster 2: „Ich werde jetzt überwacht.” GPS-Tracking während der Arbeitszeit wird von einem Teil der Belegschaft als Kontrollmaßnahme wahrgenommen, unabhängig davon, was die Geschäftsführung kommuniziert. Was hilft: frühzeitige, direkte Kommunikation darüber, welche Daten zu welchem Zweck erfasst werden. Nicht als PR-Kommuniqué, sondern als offenes Gespräch. Techniker, die verstehen, dass bessere Routenplanung ihre eigene Fahrzeit reduziert, werden schnell zu Befürwortern.

Widerstandsmuster 3: „Der Disponent verliert seinen Job.” Wenn die KI disponiert, was macht dann die Planungsstelle? Diese Frage steht meistens implizit im Raum. Tatsächlich verlagert sich die Rolle: Weniger manuelle Zuweisung, mehr Ausnahmemanagement, Qualitätssicherung der Daten, Kommunikation mit Auftraggebern. Wer das klar benennt, mit konkreten Aufgaben für die neue Rolle, nimmt den Widerstand. Wer die Frage ignoriert, bekommt eine Sabotage des Systems, die schwer zu diagnostizieren ist.

Was konkret hilft:

• Einen Piloten mit zwei bis drei freiwilligen Technikern starten, bevor das System für alle ausgerollt wird
• Die Planungsstelle aktiv in die Konfiguration einbinden, sie kennt die Sonderfälle, die das System noch nicht kennt
• Klares Commitment der Geschäftsleitung: Die App ist Pflicht, aber die Qualitätssicherung liegt beim Menschen
• Monatliches Feedback-Gespräch in den ersten sechs Monaten, was funktioniert, was nervt, was fehlt noch

Realistischer Zeitplan mit Risikohinweisen

Wichtig: KI-Dispatch-Systeme lernen. Die Qualität der Vorschläge in Woche 1 ist schlechter als in Woche 16, weil das System noch keine historischen Zeitdaten und Muster kennt. Wer nach drei Wochen die Reißleine zieht, weil die Routen “nicht gut” sind, tut das zu früh.

Häufige Einwände, und was dahintersteckt

„Unser Disponent kennt das Team besser als jede KI.” Das stimmt, für die Ausnahmen. Für Sonderfälle, ungewöhnliche Auftragssituationen und menschliche Faktoren (“Michael und Thomas sollten heute nicht zusammenarbeiten”) hat der erfahrene Disponent einen echten Vorteil. Das ist auch nicht der Anspruch der KI: Sie übernimmt die 80 Prozent Standardfälle, bei denen es um Qualifikation, Fahrweg und Kapazität geht. Der Disponent behält die 20 Prozent Ausnahmen, und hat endlich Zeit dafür. Die KI ersetzt kein Urteilsvermögen. Sie entlastet von rechenintensiver Routinearbeit.

„Wir haben das immer so gemacht und es funktioniert.” Die Frage ist: Funktioniert es gut genug für das, was ihr erreichen wollt? Wenn Ersterledigungsquote, Fahrtkosten und Dispositionsaufwand für euch keine Hebel sind, ist diese Aussage richtig. Wenn ihr wisst, dass ihr manchmal den falschen Techniker schickt oder Fahrzeit ineffizient verteilt ist, dann ist “es funktioniert” keine ausreichende Antwort, sondern eine Entscheidung gegen Verbesserung.

„Das ist zu teuer für ein Unternehmen unserer Größe.” Das hängt sehr von der gewählten Lösung ab. OptimoRoute kostet bei 8 Fahrern mit dem Pro-Plan unter 400 USD monatlich. mfr ist für mittelständische FM-Betriebe konzipiert und preislich deutlich unterhalb von Enterprise-Systemen. Wer von 65 Prozent auf 80 Prozent Ersterledigungsquote kommt und dabei täglich 4 Zweiteinsätze einspart, finanziert die Softwarekosten in den meisten Konstellationen innerhalb von drei Monaten.

Woran du merkst, dass das zu dir passt

Das passt gut zu eurem Betrieb:

• Ihr habt 10 oder mehr Techniker im Außeneinsatz, die täglich mehrere Aufträge bearbeiten
• Ihr plant täglich 20+ Aufträge und der Disponent verbringt mehr als eine Stunde täglich mit reiner Koordination
• Fehlzuweisungen, falsches Werkzeug, fehlende Qualifikation, passieren mindestens einmal pro Woche
• Ihr messt oder wollt messen: Ersterledigungsquote, Fahrtzeit, Reaktionszeit bei Notfällen
• Ihr habt ein Job-Management-System (auch wenn es Excel ist) und wollt es ablösen oder erweitern
• Neue Gebäude oder Kunden kommen regelmäßig dazu, der Disponent stößt beim Skalieren an Grenzen

Drei harte Ausschlusskriterien, wann ihr es noch nicht angehen solltet:

1. Unter 10 Techniker im Außeneinsatz. Ein erfahrener Disponent, der sein siebenköpfiges Team kennt, disponiert mit einem guten Kalender-Tool vergleichbar effizient, ohne Implementierungsaufwand und laufende Softwarekosten. Der Break-even für KI-Disposition liegt erfahrungsgemäß bei 10+ Technikern und 20+ Aufträgen täglich. Darunter ist die Investition selten gerechtfertigt.

2. Kein digitales Auftragssystem vorhanden, noch Papier, Fax oder Textnachrichten. KI-Disposition braucht strukturierte digitale Auftragseingangs-Daten. Ein System, das Aufträge aus Papierformularen oder unstrukturierten WhatsApp-Nachrichten zusammenstellt, kann keine sinnvollen Optimierungsvorschläge machen. Der richtige erste Schritt ist dann die Digitalisierung des Auftragsprozesses selbst, und der KI-Dispatcher kommt danach.

3. Keine Bereitschaft, eine Qualifikationsmatrix aufzubauen und dauerhaft zu pflegen. Wenn es keine Kapazität und keine Zuständigkeit gibt, die Qualifikationen der Techniker strukturiert im System zu erfassen und aktuell zu halten, reduziert sich KI-Disposition auf reine Routenoptimierung. Das hat einen Wert, aber es ist nicht das, wofür ihr zahlt, und die versprochene Ersterledigungsquote wird nicht eintreten.

Das kannst du heute noch tun

Starte mit einer Bestandsaufnahme, die du in weniger als einer Stunde erledigen kannst, ohne neue Software.

Nimm die letzten 30 Aufträge aus eurer Auftragsliste (oder dem letzten Monat) und beantworte für jeden:

1. War der zugewiesene Techniker qualifiziert? (Ja / Nein / Unsicher)
2. Gab es einen Zweiteinsatz? Warum?
3. Wie lange war die Fahrzeit im Verhältnis zur Auftragszeit?

Wenn du dabei mehr als 20 Prozent “Nein” oder “Unsicher” bei der Qualifikationsfrage findest, oder mehr als 15 Prozent Zweiteinsatzquote, ist die Grundproblematik messbar, und der Business Case für KI-Disposition ist schon in euren eigenen Daten.

Danach: Teste die Demo von mfr oder starte die kostenlose 30-Tage-Testphase von OptimoRoute. Die erste optimierte Tagesdisposition siehst du in unter 30 Minuten.

Als sofort nutzbaren Einstieg hier ein Prompt, mit dem du euren aktuellen Dispositionsprozess analysieren und typische Verbesserungspotenziale identifizieren kannst:

Quellen & Methodik

• Aquant Field Service Benchmark Report 2025: Aquant.io, 2025, Analyse von 160 Serviceorganisationen und über 600.000 Technikereinträgen. Ersterledigungsquote: 86 % bei Top-Performern vs. 53 % bei Underperformern; 39 % schnellere Reparaturzeiten mit KI-Einsatz. Quelle: 24x7mag.com, 2025.

• mfr-deutschland.de Praxisfälle: Timberbau (Zimmerei, 5–10 Mitarbeitende) und Daikin Airconditioning GmbH als Referenzunternehmen für KI-basierte Einsatzplanung mit mfr, beschrieben in mfr-deutschland.de/praxis1/ki-einsatzplanung, 2024.

• Salesforce Field Service Lizenzpreise: Öffentliche Preisseite Salesforce EU, Stand April 2026 (salesforce.com/eu/service/pricing/). Enterprise-Tier ca. 165 USD/Nutzer/Monat.

• Microsoft Dynamics 365 Field Service Preise: microsoft.com/en-us/dynamics-365/products/field-service/pricing, Stand April 2026. Full License 105 USD/Nutzer/Monat.

• OptimoRoute Preise: optimoroute.com, Stand April 2026. Lite 35 USD/Fahrer/Monat, Pro 44 USD/Fahrer/Monat (Jahresvertrag).

• Akzeptanzrate Handwerkersoftware: handwerker-software.org, Hinweis auf ca. 85 % Scheitern an Mitarbeiterakzeptanz bei Softwareeinführungen im Handwerk.

• Betriebsverfassungsgesetz § 87 Abs. 1 Nr. 6: GPS-Tracking als mitbestimmungspflichtige Maßnahme, aktuell gültige Fassung BetrVG.

• ROI-Kalkulation: Eigene Berechnung auf Basis von Bruttolohnkosten (Destatis 2024) und Erfahrungswerten aus FM-Implementierungen. Kein repräsentatives Sample, Orientierungswerte, stark abhängig von Teamgröße und Auftragstypen.

Du willst wissen, ob KI-Disposition für euren spezifischen Betrieb realistisch ist, und welcher erste Schritt Sinn ergibt? Meld dich für ein kurzes Gespräch.