22 KI-Use-Cases für Garten & Landschaft: Beispiele aus der Praxis

Pflegedokumentation wird nach dem Auftrag manuell erstellt und ist fehleranfällig. Bei Gewährleistungsstreitigkeiten fehlen Belege, das kostet Zeit und Geld.

LLM-gestützte Mobil-App erfasst Pflegemaßnahmen vor Ort per Sprachsteuerung und Foto, wandelt Sprachnotizen per Spracherkennung und Textgenerierung in strukturierte Protokolle um und speichert sie objekt- und kundenbezogen.

Dokumentationszeit von 30–50 auf unter 10 Minuten je Auftrag reduziert, lückenlose Gewährleistungsbelege, schnellere Rechnungsstellung.

Mobil-App direkt (kein Setup, ab 60 €/Monat)App + Angebots-/Rechnungsintegration (plancraft)Vollintegration ins DATAflor-Ökosystem

Ein Gartenbau-Angebot dauert schnell 2–5 Stunden. Fehler in Materiallisten und Stundenansätzen kosten entweder den Auftrag oder die Marge, beides ist teuer.

Regelbasierte Kalkulationssoftware mit LLM-Textassistenz verarbeitet Projekteingaben, greift auf aktuelle Materialpreise zu und erstellt vollständige Angebotsdokumente mit Leistungsverzeichnis, Begleittexte generiert ein LLM in Sekunden aus Projekteckdaten.

Annahme: Angebot in 30–60 Minuten statt 2–5 Stunden nach der Eingewöhnung, selbst mitstoppen; die Nachkalkulation je Auftrag zeigt, welche Positionen systematisch zu knapp kalkuliert sind.

ChatGPT / Claude für Angebotstext (kein Setup)plancraft, Cloud-Kalkulationssoftware mit KI-AufmaßDATAflor BUSINESS, vollintegrierte Branchenlösung

Saisonale Pflegepläne werden manuell erstellt und sind fehleranfällig. Schlecht getimter Rückschnitt oder verpasste Dünge-Zeitfenster führen zu Pflanzenverlusten und Kundenbeschwerden.

Regelbasierte Dispositionssoftware mit LLM-Unterstützung analysiert Vertragsbestände und Pflanzeninventare, erstellt phenologisch optimierte Jahrespflegepläne per Constraint-Solver und überträgt sie in Personaleinsatz- und Routenpläne.

Planungsaufwand von zwei Wochen auf zwei Tage reduziert; gesetzliche Schnittfristen automatisch eingehalten; Kapazitätspitzen frühzeitig sichtbar.

KI-Assistent + strukturiertes ExcelSpezialisiertes Dispositionssystem (geoCapture / DATAflor)Vollautomatische Saisonplanung mit Routenoptimierung

Junge Mitarbeiter erkennen problematische Unkrautarten nicht zuverlässig. Falsche oder verspätete Behandlung erhöht den Bekämpfungsaufwand um das Drei- bis Fünffache.

CNN-basierte Bilderkennungs-App (trainiert auf 400+ europäischen Unkrautarten) analysiert Smartphone-Fotos in unter 30 Sekunden, identifiziert Unkrautarten mit 90%+ Genauigkeit und liefert sofort Handlungsempfehlungen. Ob ein Pflanzenschutzmittel in Frage kommt und für den Einsatz zugelassen ist, prüft die sachkundige Fachkraft.

Fehlidentifikationen um 85% reduziert, Bekämpfungskosten durch frühzeitigen Einsatz um 40% gesunken, Mitarbeiterkompetenz bei Neueinstellungen schneller aufgebaut.

Mobile App (Plantix, kostenlos)Spezialisierte GaLaBau-App (Weed ID)Custom Computer-Vision-Modell (Google / Azure)

Feste Bewässerungspläne verschwenden bei Regen Wasser oder bewässern zu wenig bei Hitze. Wasserkosten und Pflanzenschäden entstehen durch veraltete Zeitsteuerung.

Ein ET-Bilanzmodell (Penman-Monteith) koppelt Echtzeit-Bodenfeuchte-Sensordaten mit DWD-Wettervorhersagen und pflanzenspezifischen Verdunstungswerten, der Controller errechnet daraus täglich die optimale Pumpen-Laufzeit je Zone.

Bewässert wird nach Bodenfeuchte und Wetterprognose statt nach Zeitschaltuhr: weniger Wasser bei gleicher Pflanzengesundheit, weniger Trockenstress in Hitzeperioden, und die Einsparung steht nach einer Saison auf der Wasserabrechnung.

LLM-Assistent für Planung (kein Setup)Spezialisierter Controller mit Wetter-API (Hunter/Rain Bird)Open-Source DIY (Raspberry Pi + LoRa-Sensoren)

Mitarbeitende in Pflegeverträgen erkennen Schadbilder zu spät oder verwechseln sie, und kaum jemand hält fest, was er gesehen und getan hat. Kommt es zum Streit mit dem Kunden, steht Aussage gegen Aussage.

Eine Bestimmungs-App mit Bilderkennung schlägt zu einem Foto mögliche Schaderreger vor. Die Fachkraft prüft den Vorschlag, entscheidet über die Maßnahme und legt Foto, Datum, Befund und Maßnahme im Auftrag ab. Ein Sprachmodell formuliert daraus Befundnotiz und Kundenbrief.

Schnellere Zweitmeinung vor Ort, weniger Verwechslungen bei unerfahrenen Mitarbeitenden und eine Fotodokumentation für den Streitfall. Wie viele Schäden das verhindert, hat niemand untersucht, die Seite zeigt, wie du es selbst misst.

PictureThis für Zierpflanzen (Jahresabo je Person)Plantix für Gemüse und Obst (kostenlos)Fotoablage im Auftrag plus Sprachmodell für den Kundenbrief

Seit 2026 gelten erweiterte Pflichtangaben, ab 2027 muss die Pflanzenschutz-Dokumentation elektronisch und maschinenlesbar sein. Lücken in den Aufzeichnungen kosten bis zu 10.000 € Bußgeld, wer ohne Sachkunde anwendet, riskiert bis zu 50.000 €.

Regelbasierte Pflichtfeld-Prüfung mit den monatlich aktualisierten Zulassungsdaten des BVL: Die Software zeigt beim Mittel, ob es für die Kultur zugelassen ist, erzwingt vollständige Pflichtfelder und exportiert die Nachweise.

Keine Nacherfassung im Büro mehr, vollständige Pflichtfelder und eine Zulassungsprüfung beim Eintrag statt im Nachhinein. Die Zeitersparnis ist sicher, ein vermiedenes Bußgeld nur dann, wenn kontrolliert wird.

PSM-DOK kostenlos (kein Setup)PS Info MeinBetrieb mit monatlichem BVL-AbgleichPlantivo Schlagkartei mit Düngungsmodul

Straßenbäume werden oft nach Pauschalplan kontrolliert, obwohl die FLL-Baumkontrollrichtlinien Intervalle nach Verkehrserwartung, Zustand und Entwicklungsphase vorsehen. Ohne gepflegtes Kataster bekommt eine junge Linde dieselbe Aufmerksamkeit wie eine 60 Jahre alte Platane mit Zerfallssymptomen.

Ein GIS-Kataster mit Stammdaten und Kontrollhistorie berechnet die Fälligkeit je Baum nach den FLL-Intervallen. Bildauswertung markiert Auffälligkeiten in Inspektionsfotos, Wetterdaten ziehen betroffene Bäume nach Sturm oder Dürre vor. Die Einstufung trifft der Baumkontrolleur.

Kontrollen nach Risiko statt Pauschalplan, längere Intervalle für junge, gesunde Bestände. Die Einsparung hängt am Kontrollpreis im Vertrag und entsteht bei der Kommune. Die Verkehrssicherungspflicht bleibt beim Eigentümer, das Kataster macht ihre Erfüllung nachweisbar.

GIS-Baumkataster mit StammdatenComputer Vision auf InspektionsfotosRisikomodell aus Klima- und Befunddaten

Kundenanfragen per E-Mail und Telefon unterbrechen den Arbeitstag. Ein großer Teil sind Statusabfragen zu Terminen und Angeboten, die sich aus vorhandenen Daten beantworten ließen.

LLM-gestütztes Kommunikationssystem mit CRM-Anbindung: generiert kontextgenaue Antworten auf Basis aktueller Auftragsdaten, klassifiziert Anfragen automatisch und eskaliert Ausnahmen an den Betrieb.

Standardanfragen per E-Mail oder Messenger in Minuten beantwortet statt am nächsten Werktag, realistisch 30 bis 45 Minuten weniger Routinekommunikation am Tag in der Saison. Die Zeit gewinnt meist die Inhaberin, ein Kassenbetrag wird daraus nur, wenn sie damit Aufträge annimmt.

E-Mail-Automatisierung im CRMChatbot mit Auftragsdaten verbundenEskalation komplexer Fälle an Team

Nachkalkulationen werden aus Zeitmangel selten durchgeführt. Systematische Kalkulationsfehler wiederholen sich deshalb dauerhaft und kosten jährlich tausende Euro Marge.

ERP-Integration mit regelbasierter Abweichungsberechnung und statistischer Mustererkennung (Clustering nach Auftragstyp) extrahiert systematische Kalkulationsfehler aus historischen Projektdaten und überführt sie in korrigierte Stundenansätze.

Nachkalkulation für alle Projekte statt für die auffälligen, in 15 bis 25 Minuten je Projekt. Sie zeigt, welche Auftragstypen systematisch zu knapp kalkuliert sind. Ob die Marge steigt, hängt daran, ob du die Stundenansätze danach anpasst und die Aufträge trotzdem bekommst.

ERP-Export in CSV analysierenSoll-Ist-Vergleich automatisiertMustererkennung mit ML-Clustering

Erntezeitpunkte werden durch Erfahrungswerte geschätzt. Falsche Timing-Entscheidungen bei Qualitätsware kosten 10–30% des Erntewerts durch zu frühes oder zu spätes Einschlagen.

LSTM- und Gradientenboost-Modelle (XGBoost/LightGBM) lernen aus sortenspezifischen Kulturdaten und Temperatursummen (Gradtagen), berechnen Erntezeitfenster mit Konfidenzintervallen und aktualisieren Prognosen laufend mit neuen Wetterdaten.

Ernte-Timing-Fehler um bis zu 60% reduzierbar, Qualitätsverluste deutlich minimierbar, Personalplanung für Ernteperioden 3 Wochen vorausschauend planbar.

WetterintegrationAgrardatenbankPredictive Analytics

Bodenanalyse-Berichte enthalten Laborwerte, die ohne Fachwissen schwer interpretierbar sind. Welche LUFA-Gehaltsklasse bedeutet was für welche Pflanze? Wann düngen, wie viel, womit? Richtige Interpretation braucht Expertenwissen, das Gartenbaubetriebe oft nicht im Haus haben.

LLM mit Dokumentenanalyse (PDF-Upload) liest Laborwerte, wendet LUFA-Gehaltsklassen-Logik und Nährstoffwechselwirkungen auf den jeweiligen Pflanzentyp an und erstellt einen konkreten Düngeplan: welcher Dünger, wann, in welcher Menge, mit Begründung und Alternativen.

Beratungskosten von 60–150 € je Standort eingespart, Auswertungszeit von 30–90 auf 5–15 Minuten reduziert, Pflanzenqualität durch standortspezifische Nährstoffversorgung messbar besser.

LLM-AssistenzDokumentenanalyseAgrarfachlogik

Maschinenlogbücher werden auf Papier oder gar nicht geführt. Fehlende Betriebsstunden-Nachweise erschweren Gewährleistungsansprüche und machen Wartungsplanung zum Ratespiel.

Regelbasierte Automatisierung mit optionalem Predictive-Analytics-Modul (zeitreihenbasierte Ausfallmustererkennung) dokumentiert Maschinendaten per QR-Code, App oder OBD-Schnittstelle, berechnet Wartungsfälligkeit und warnt automatisch bei anstehendem Service.

Logbuch-Aufwand von rund 20 auf 2 bis 5 Minuten täglich reduziert, Wartungen rechtzeitig statt nach dem Ausfall, Prüfnachweise nach BetrSichV lückenlos und am Einsatzort abrufbar.

QR-Code-TrackingWartungsmanagementIoT-Erfassung

Subunternehmer-Koordination über WhatsApp und Telefon kostet täglich 2–3 Stunden, ist DSGVO-problematisch und liefert keine verwertbaren Leistungsnachweise für VOB-Abrechnungen und BG-Bau-Pflichten.

Workflow-Automatisierung mit regelbasierter Priorisierungslogik und generativer KI (LLM-gestützte Briefing-Erstellung) verwaltet den Subunternehmer-Pool, versendet automatische Verfügbarkeitsabfragen, verteilt Aufträge und fordert rechtsgültig unterschriebene Leistungsnachweise ein.

Koordinationsaufwand um 60–70 % reduziert, Zahlungsstreitigkeiten durch lückenlose Dokumentation eliminiert, Hauptunternehmerhaftung nach § 150 SGB VII durch automatisierte Nachweisführung absichert.

SubunternehmerportalWorkflow-AutomatisierungDokumentenmanagement

Förderprogramme für Blühstreifen und naturnahe Flächen sind bundesweit fragmentiert, ändern sich jährlich und haben enge Antragsfristen. Nicht genutzte Fördergelder kosten Gartenbaubetriebe und deren Kunden tausende Euro jährlich.

Generative KI (LLM mit RAG über amtliche PDF-Richtlinien) recherchiert AUKM-, KULAP- und Öko-Regelungsprogramme, klärt Antragsfähigkeit und erstellt vorbereitende Unterlagen für Beratungsgespräche mit dem zuständigen Amt, rechtzeitig vor dem Stichtag.

Förderrecherche von 6–8 Stunden auf 45–60 Minuten reduziert, 300–1.100 €/ha/Jahr Fördergelder erschlossen, Antragsunterlagen strukturiert und vollständiger vorbereitet.

Recherche-KIFörderdatenbankDokumentenvorbereitung

Kommunen und Wohnungsgesellschaften fordern Nachhaltigkeitsnachweise in Ausschreibungen, GaLaBau-Betriebe, die keinen CO₂-Bericht einreichen können, verlieren Aufträge gegen Wettbewerber, die diesen Schritt bereits gemacht haben.

LLM-gestützte CO₂-Tools (Ecocockpit, Multiplye) erfassen Kraftstoffverbrauch, Maschinenstunden und Materialkäufe automatisch, berechnen CO₂e-Emissionen nach GHG-Protokoll per regelbasierter Kategorisierung und Emissionsfaktor-Datenbank und generieren einen druckfertigen Nachhaltigkeitsbericht für Ausschreibungsanlagen.

Reporting-Aufwand von 2–3 Tagen auf 2–4 Stunden reduziert. Erstmals belegbarer Wettbewerbsvorteil bei kommunalen Ausschreibungen. CO₂-Datenbasis für künftige Lieferkettenanfragen von CSRD-pflichtigen Auftraggebern aufgebaut.

CO₂-BerechnungssoftwareDatenerfassungBerichtsgenerator

Jahrespflegeverträge werden oft mit Pauschalpreisen abgeschlossen, die den tatsächlichen Aufwand nicht decken. Nachverhandlungen sind unangenehm und kosten Zeit.

Ein LLM (ChatGPT oder Claude) wertet ERP-Exports mit gebuchten Stunden und Materialkosten gegen den Vertragswert aus, rechnet je Vertrag, wie weit der Pauschalpreis unter dem liegt, was die Stunden zum Verrechnungssatz gebracht hätten, und generiert begründete Preisanpassungsvorschläge für die Verlängerungsrunde.

Jeder Vertrag wird vor der Verlängerung gegen die tatsächlich geleisteten Stunden geprüft, unterdeckte Verträge fallen auf, bevor sie ein weiteres Jahr laufen. Wie viel Mehrerlös daraus wird, hängt daran, wie viele Kunden eine begründete Anpassung annehmen, das misst du in der ersten Runde selbst.

VertragsanalyseKalkulations-KICRM-Integration

Mehrere Lieferantenangebote für Pflanzen, Stauden und Baumschulware manuell zu vergleichen kostet bei jedem Großauftrag 1,5 bis 2 Stunden. Mengeneinheiten, Gebindeformen und Qualitätsstufen variieren zwischen Lieferanten so stark, dass ein direkter Preisvergleich ohne Normalisierung irreführend ist.

Ein LLM (Claude, ChatGPT) extrahiert per generativer Dokumentenverarbeitung Artikel, Einheiten, Preise und Lieferzeiten aus Angebots-PDFs und E-Mail-Antworten, normalisiert auf eine einheitliche Basis und erstellt automatisch eine Vergleichstabelle mit Abweichungsmarkierungen. Saisonale Preishistorien ermöglichen zusätzlich eine Einschätzung, ob ein Angebot im normalen Rahmen liegt.

Angebotsvergleich von 1,5–2 Stunden auf 20–30 Minuten reduziert. Systematische Erkennung von Preisausreißern, die manuell leicht übersehen werden. Aufbau eines Saisonpreis-Gedächtnisses, das Verhandlungspositionen verbessert.

Dokumenten-KIStrukturierte ExtraktionTabellenvergleich mit Generativer KI

Winterdienst-Planung bei vielen Objekten ist reaktiv und chaotisch, bei Schneefall laufen Telefone heiß, Routen sind nicht optimiert, und im Schadensfall fehlen gerichtsfeste Protokolle.

Constraint-basierter Routenoptimierer (Vehicle Routing Problem-Algorithmus) integriert Wetterdaten-API, berechnet täglich neue Tourreihenfolgen nach Priorität und Fahrtzeit, erstellt automatisch GPS-besicherte Einsatzprotokolle, und schafft damit die Dokumentationsbasis, die im Haftungsfall entscheidend ist.

Planungsaufwand halbiert, Salzverbrauch um bis zu 22 % gesenkt, lückenlose Einsatznachweise für jeden Auftrag, ohne manuelles Protokollieren.

Route Optimization KIWetter-IntegrationDigitale Einsatzdokumentation

Bei Schneefall oder Krankmeldung um 5 Uhr liegt die Qualifikationsmatrix im Kopf der Disponentin. Das Ersatzlisten-Excel ist sechs Monate alt. Zwei Leute krank, vier Winterdienst-Schichten unbesetzt.

Regelbasiertes Constraint-Matching-System mit digitaler Qualifikationsmatrix: Bei Ausfall durchsucht ein Multi-Kriterien-Filter (Zertifikat vorhanden, Arbeitszeitkonto, Wohnortnähe, nicht anderem Trupp zugeordnet) den Mitarbeiterpool und liefert sofort die drei geeignetsten Vorschläge. Disponentin entscheidet, App versendet.

Morgenkrisen von 60–90 Minuten Telefonkette auf 8 Minuten Entscheidung reduziert. Fehlbesetzungen mit unqualifizierten Mitarbeitenden werden strukturell verhindert.

Digitale QualifikationsmatrixKI-DispositionSchichtplanung mit Zertifikats-Tracking

Kunden können sich aus Bepflanzungsplänen und 2D-Zeichnungen kaum vorstellen, wie ihr Garten später aussieht. Das führt zu mehrfachen Planungsrunden, späten Änderungswünschen auf der Baustelle und Unzufriedenheit trotz guter Arbeit.

Generative Bildmodelle (Diffusion-basierte KI) verwandeln ein Kundenfoto per Text-Prompt in eine fotorealistische Ansicht des geplanten Gartens, mit Tag-, Nacht- und Jahreszeitenvarianten, noch im Erstgespräch mit dem Kunden. Geometrisch exakte 3D-Ansichten entstehen aus einem CAD-Modell in einer Rendering-Software.

Der Kunde sieht im Erstgespräch sein eigenes Grundstück im Entwurf statt einer Strichzeichnung. Entscheidungen fallen früher, Änderungswünsche kommen vor der Baustelle statt auf ihr.

Foto-zu-Bild-KICAD-Rendering-KIGenerative 3D-Gartenvisualisierung

Öffentliche GaLaBau-Aufträge werden täglich auf 15+ Plattformen veröffentlicht, manuelles Monitoring kostet täglich bis zu 90 Minuten und verfehlt trotzdem einen Großteil der relevanten Ausschreibungen, weil kein Betrieb alle Portale gleichzeitig im Blick hat.

NLP-basiertes Monitoring durchsucht alle relevanten Plattformen nach definierten CPV-Codes, Region und Auftragswert, bewertet Passgenauigkeit automatisch per semantischem Matching und extrahiert aus den Vergabeunterlagen die wichtigsten Eignungs- und Zuschlagskriterien für eine schnelle Bid/No-Bid-Entscheidung.

Monitoring-Zeit von täglich 90 auf unter 15 Minuten reduziert. Trefferquote relevanter Ausschreibungen deutlich erhöht. Angebotsentscheidungen auf Basis extrahierter Kriterien statt manueller Volldurchsicht.

AusschreibungsmonitoringKI-MatchingLeistungsverzeichnis-Analyse