Angebotskalkulation Metallbau

Das echte Ausmaß des Problems

Mittelständische Metallbau- und Stahlbaubetriebe mit 5 bis 50 Mitarbeitenden erhalten je nach Marktphase 20 bis 80 Ausschreibungen pro Monat. Die Hälfte davon ist überhaupt nicht interessant — falsches Volumen, falsche Region, zu viele Spezialtechnologien. Von der anderen Hälfte würde man gerne auf 15 bis 25 Stück ein ernsthaftes Angebot abgeben. Tatsächlich schafft das Team meist 6 bis 10 — weil eine echte Kalkulation 4 bis 8 Stunden dauert.

Was passiert bei einer typischen manuellen Kalkulation:

• DXF- oder PDF-Zeichnungen manuell auswerten: Träger-, Blech- und Verbindungsmengen per Augenschein oder Hilfskonstruktionen erfassen
• Massenliste erstellen, Gewichte berechnen, Materialpreise einholen oder aus dem Gedächtnis schätzen
• Fertigungszeiten schätzen auf Basis von Erfahrung und ähnlichen Projekten — falls diese gut dokumentiert sind
• Fremdleistungen (Oberflächenschutz, Verzinken, Montage) einholen oder pauschalisieren
• Alles zusammenführen, Zuschläge aufschlagen, Dokument erstellen

Das Problem hat drei Dimensionen, die sich gegenseitig verstärken:

Stahlpreis-Volatilität: Zwischen Anfang 2020 und dem Frühjahr 2022 hat sich der Preis für Betonstahl von rund 425 USD/Tonne auf knapp 950 USD/Tonne mehr als verdoppelt. Laut Statista-Daten zur Erzeugerpreisentwicklung in Deutschland lagen die Preise für Baustahl 2022 teilweise 60 bis 80 Prozent über dem Vorkrisenniveau. Wer im März 2022 einen Festpreis auf der Basis von Dezember-2021-Preisen kalkuliert hat, saß später auf erheblichen Verlusten. Aktuell (Frühjahr 2026) pendeln schwere Träger und grobe Bleche in Deutschland laut Branchenberichten um 750 bis 1.000 €/Tonne — aber mit anhaltender Volatilität durch Energiekosten, chinesische Exportvolumen und CO₂-Abgaben.

Fehlende Referenzprojektdaten: Viele Betriebe führen zwar eine Vorkalkulation, aber keine systematische Nachkalkulation. Das heißt: Es existiert kein belastbarer Datensatz darüber, was ein Projekt wirklich gekostet hat. Jede neue Kalkulation basiert auf Erfahrung und Intuition — und bestätigt oder korrigiert sich nie gegen reale Zahlen.

Kapazitäts-Engpass: Kalkulation bindet die erfahrensten Mitarbeitenden — oft Konstrukteure oder den Betriebsinhaber selbst. Eine Kalkulation, die halbwegs sicher ist, kann nicht nebenbei gemacht werden. Das führt dazu, dass interessante Ausschreibungen abgelehnt werden, nicht weil der Betrieb sie nicht ausführen könnte, sondern weil niemand die Zeit hat, ein vernünftiges Angebot zu erstellen.

Laut einer Erhebung des Digitalzentrum Saarbrücken (Mittelstand-Digital, 2024) zu KI-gestützter Angebotskalkulation in der Einzelfertigung verbringen fertigende Betriebe im Schnitt mehr als 3 Stunden pro Anfrage allein mit dem Kalkulationsprozess — und historische Daten sind dabei “oft unvollständig oder schwer zugänglich.”

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Zahlen für Zeit- und Genauigkeitsverbesserung stammen aus Praxisberichten von iBeam.ai und up2parts aus dem US-amerikanischen und europäischen Markt sowie aus eigenen Einschätzungen auf Basis der Branchenliteratur. Konkret: Rays Stairs Inc. (USA) hat nach Einführung eines KI-gestützten Takeoff-Systems seinen Jahresumsatz von 900.000 auf 2 Millionen Dollar gesteigert — vor allem, weil das Team nun deutlich mehr Angebote bearbeiten konnte (Quelle: ibeam.ai, Kundenbericht 2024).

Einschätzung auf einen Blick

Zeitersparnis — sehr hoch (5/5) Kaum ein Prozess in der Metallverarbeitung lässt sich so stark beschleunigen wie die Angebotskalkulation: Von 6 Stunden auf 30 bis 45 Minuten ist real und dokumentiert — vergleichbar mit dem Zeitgewinn durch automatisierte Fertigungsdokumentation für CNC-Maschinen, aber bei der Kalkulation kommt der Einspareffekt direkt in einer Umsatzdimension an (mehr Angebote = mehr potentielle Aufträge). Dieser Wert gilt für Standardprojekte mit bekannten Geometrien und guter Referenzdatenbasis.

Kosteneinsparung — hoch (4/5) Die Setup-Investition ist real: 8.000 bis 25.000 Euro für Software-Lizenz, Einrichtung und Datenmigration sind marktüblich. Der laufende Nutzen jedoch ist direkter als bei anderen KI-Projekten — jede vermiedene Fehlkalkulation, jedes zusätzliche gewonnene Angebot schlägt sich unmittelbar auf die Marge durch. Nach Kalibrierung der Referenzprojekte ist der ROI gut messbar.

Schnelle Umsetzung — niedrig (2/5) Dieser Wert ist bewusst niedrig, weil er die häufigste Erwartungsenttäuschung in dieser Kategorie ist. Eine KI-Kalkulation, die wirklich hilft, braucht kalibrierte Referenzprojekte, eingespielte Datenformate und mindestens eine ERP-Schnittstelle. Das ist ein 8- bis 14-wöchiges Projekt, kein 2-Tages-Setup. Unter den Metallbau-Anwendungsfällen gibt es keinen, der bei ähnlichem Datenaufwand schneller zu produktivem Betrieb kommt.

ROI-Sicherheit — mittel (3/5) Der ROI hängt direkt daran, wie gut die Referenzprojektdaten sind. Betriebe mit sauberer Nachkalkulation über die letzten 3 bis 5 Jahre können den Nutzen schnell belegen. Betriebe ohne Nachkalkulation müssen das System erst über 15 bis 20 Projekte kalibrieren — bis dahin ist die Genauigkeit nicht besser als erfahrungsbasierte manuelle Kalkulation. Das macht die ROI-Sicherheit konditionell: hoch für gut aufgestellte Betriebe, mittel bis niedrig für solche ohne Datenbasis.

Skalierbarkeit — mittel (3/5) Das System skaliert gut mit wachsender Anfragezahl — ohne proportional mehr Kalkulations-Personalaufwand. Die Einschränkung: Es braucht dauerhaft Pflege. Neue Gewerke, neue Maschinenausstattung, neue Stahlsorten — jede Veränderung im Betrieb muss im Kalkulationsmodell nachgezogen werden. Und aktuelle Stahlpreise müssen regelmäßig eingepflegt oder über eine API angebunden werden. Das ist kein Set-and-forget-System.

Richtwerte — stark abhängig von vorhandener Referenzdatenbasis, ERP-Reifegrad und Gewerkebreite.

Lohnfertigung oder Stahlbaukonstruktion — zwei verschiedene Kalkulations-Welten

Diese Unterscheidung entscheidet, welches Tool und welcher Ansatz zu deinem Betrieb passt. Die Kalkulations-KI für einen CNC-Lohnfertiger und für einen Stahlbaukonstrukteur lösen fundamental andere Probleme.

Lohnfertigung (Zerspanung, Blechbearbeitung, Laserschneiden)

• Materialanteil: 30–50 % der Gesamtkosten — der Auftraggeber stellt oft Material
• Kalkulations-Herausforderung: Fertigungszeiten je Operation (Rüsten, Bearbeiten, Messen)
• KI-Vorteil: 3D-Modell-Analyse (STEP, DXF) liefert direkt Geometrieparameter → Maschinenlaufzeit
• Referenzdaten: Vergangenheitsprojekte mit gleicher oder ähnlicher Geometrie + Ist-Zeiten
• Werkzeuge: up2parts, Spanflug MAKE

Stahlbaukonstruktion (Träger, Hallen, Treppen, Fassaden)

• Materialanteil: 50–70 % der Gesamtkosten — Stahl wird selbst beschafft
• Kalkulations-Herausforderung: Mengenermittlung aus 2D-Zeichnungen + aktuelle Stahlpreise + komplexe Verbindungen
• KI-Vorteil: Automatische Materialauszüge aus DXF/PDF, Referenzprojektvergleich über Kennwerte (€/kg, €/t)
• Referenzdaten: Abgeschlossene Projekte mit Materiallisten, Fertigungsstunden und Endrechnungen
• Werkzeuge: goCAD, up2parts (auch für Schweißkonstruktionen)

Die meisten Metallbaubetriebe sind Mischbetriebe — sie machen beides. In diesem Fall lohnt es sich, die zwei Bereiche getrennt zu kalibrieren und nicht in einem Einheitssystem zu erzwingen, was zwei unterschiedliche Logiken hat.

Referenzprojektdaten: Was du vor dem Start haben musst

Das ist der Punkt, an dem die meisten Einführungen entweder zum Erfolg werden oder still scheitern. KI-gestützte Kalkulation ist kein Oracle, das aus einer Zeichnung einen Preis zaubert — es ist ein Lernsystem, das aus abgeschlossenen Projekten schließt, was ein neues Projekt kosten wird.

Was das System braucht:

• Abgeschlossene Projekte mit dokumentierten Ist-Kosten (nicht nur Angebots- sondern Rechnungspreise)
• Trennbare Kostenarten: Materialkosten, Fertigungsstunden, Fremdleistungen
• Zuordbarkeit: Das System muss wissen, welcher Aufwand zu welchem Bauteiltyp gehört

Was die meisten Betriebe tatsächlich haben:

• Angebotspreise in Excel-Kalkulationen (Soll)
• Eingangsrechnungen für Material (Ist, aber nicht projektbezogen zusammengeführt)
• Kein systematischer Vergleich Soll/Ist nach Projektabschluss

Die Lücke zwischen Soll und Ist ist das eigentliche Cold-Start-Problem. Wenn keine Nachkalkulation existiert, hat das KI-System keine Lernbasis. Es rechnet dann wie ein erfahrungsloser Kalkulator — mit Branchendurchschnittswerten, nicht mit deinen echten Kosten.

Praktische Empfehlung: Bevor du eine KI-Kalkulation einführst, investiere vier bis acht Wochen in die Aufbereitung historischer Projektdaten. Die Zielmenge: 30 bis 50 abgeschlossene Projekte mit vollständigen Ist-Kosten, aufgeteilt nach Materialart und Fertigungsgruppe. Das klingt nach Aufwand — ist aber auch unabhängig von KI ein wertvoller Schritt, der dich genauer über deine eigene Kostensituation informiert als jede Branchen-Faustformel.

Laut dem Tool up2parts, das speziell für diesen Markt entwickelt wurde, gilt: “Mindestens 50–100 abgeschlossene Aufträge als Trainingsgrundlage” für zuverlässige Kalkulationsvorschläge. Darunter ist die Varianz der Vorhersagen zu hoch für produktiven Betrieb.

Was der KI-Kalkulator konkret macht

Der technische Kern besteht aus zwei Schritten, die in einem guten System automatisch ablaufen:

Schritt 1 — Zeichnungsanalyse (CAD-Extraktion) Das System liest DXF-, PDF- oder STEP-Dateien ein und extrahiert automatisch: Bauteilmengen, Profiltypen, Längen, Blechdicken, Verbindungstypen. Was ein Kalkulator früher 2–3 Stunden lang manuell erfasst hat, erledigt die Software in Sekunden bis Minuten. Wichtig: Die Qualität hängt von der Zeichnungsqualität ab. Saubere DXF-Konstruktionsdaten aus Tekla oder AutoCAD werden zuverlässig verarbeitet. Handskizzen oder schlecht gescannte PDFs führen zu Fehlern.

Schritt 2 — Referenzprojektvergleich Das System sucht in der Datenbank abgeschlossener Projekte nach vergleichbaren Strukturen — ähnliche Gesamttonnen, ähnliche Komplexität, ähnliche Verbindungstypen. Auf Basis dieser Referenzen berechnet es Kostenkennwerte (€/kg, Fertigungsstunden/Tonne, typische Fremdleistungsanteile) und überträgt diese auf die neue Anfrage. Der Kalkulator bekommt keinen Festpreis präsentiert, sondern einen Vorschlag mit Bandbreite — den er in 20 bis 30 Minuten prüft, anpasst und freigibt.

Hinzu kommt optional eine Stahlpreisintegration: aktuelle LME-Notierungen oder Lieferantenpreislisten können in das System eingebunden werden, sodass der Materialpreis nicht auf der letzten Lieferrechnung basiert, sondern auf dem tatsächlichen Marktpreis zum Angebotszeitpunkt.

Was das System nicht macht:

• Technische Machbarkeitsprüfung — ob eine Konstruktion ausführbar ist, bleibt Aufgabe des Konstrukteurs
• Verhandlungsunterstützung — den finalen Angebotspreis setzt immer ein Mensch
• Montageplanung oder Terminplanung — das ist ein anderes Systemfeld
• Zuverlässige Kalkulation bei kompletten Unikaten ohne vergleichbare Referenzprojekte

Konkrete Werkzeuge — was wann passt

up2parts — wenn du STEP-/DXF-Dateien und historische Aufträge hast Spezialisierter KI-Co-Pilot für fertigende Betriebe. up2parts lernt aus abgeschlossenen Aufträgen und erstellt Arbeitspläne sowie Angebotskalkulationen aus 3D-Modellen — bis zu 80 % schneller als manuell. Deutschsprachig, EU-Hosting, DSGVO-konform. 30 Tage kostenlose Testphase (keine Kreditkarte). Geeignet für Lohnfertiger und Metallbauer mit 15 bis 200 Mitarbeitenden. Voraussetzung: mindestens 50 historische Projekte mit Ist-Kosten. Preise auf Anfrage.

goCAD — wenn du Blechbauteile und Schweißkonstruktionen kalkulierst Spezialisiert auf Metallbau- und Lohnfertigungsbetriebe. Analysiert STEP, DXF, DWG und technische Zeichnungen (PDF, TIF) automatisch. Besonderheit: integrierter Web-Shop, über den Kunden direkt Zeichnungen hochladen und automatisch Richtpreise erhalten. Guter Einstieg für Betriebe, die den Angebotsprozess nach außen automatisieren wollen. Deutscher Hersteller. Preis auf Anfrage.

Spanflug MAKE — für CNC-Dreher und Fräser (Zerspanungsbetriebe) Wenn dein Betriebsschwerpunkt Drehen und Fräsen von Präzisionsteilen ist, ist Spanflug MAKE die spezialisierte Wahl. Ab 299 €/Monat, 14 Tage kostenlose Testphase. Analysiert STEP-Dateien, konfiguriert auf eigene Maschinen und Stundensätze. Nicht geeignet für Schweißkonstruktionen oder Stahlbau.

ams.erp — als ERP-Backbone mit KI-Erweiterung Für Stahlbau- und Metallbaubetriebe, die ihr ERP-System aufrüsten wollen, bietet ams.erp eine mitlaufende Kalkulation mit Soll-Ist-Vergleich und neuerdings KI-Agenten für Dokumentenerfassung und Klassifikation. Stahlbau Oberlausitz GmbH ist ein dokumentierter Anwender. Eher Enterprise-Ansatz, höheres Setup-Budget erforderlich. Preis auf Anfrage.

Wann welcher Ansatz:

• Lohnfertigung / CNC-Zerspanung, STEP-Dateien vorhanden → Spanflug MAKE (günstiger Einstieg) oder up2parts (mehr Tiefe)
• Schweißkonstruktionen, Metallbau, gemischtes Portfolio → up2parts oder goCAD
• Stahlbau mit komplexen Projekten, bestehendes ERP → ams.erp mit KI-Kalkulationsmodul prüfen
• Kein ERP, kein Budget für Enterprise → mit up2parts-Testphase starten und parallel Referenzprojekte aufbereiten

Stahlpreis-Volatilität und Absicherungsklauseln

Die Stahlpreis-Frage ist die unangenehmste Variable in jeder Metallbau-Kalkulation — und eine, für die KI alleine keine vollständige Lösung bietet. Sie braucht eine organisatorische Ergänzung.

Das Kernproblem: Ein Angebot wird heute kalkuliert, aber der Auftrag wird erst in vier bis acht Wochen erteilt — wenn überhaupt. Zwischen Kalkulationsdatum und tatsächlichem Materialeinkauf können drei bis sechs Monate liegen. Bei einer Marktvolatilität von 20 bis 40 % in einem Jahr (wie 2021/2022) kann das die gesamte Marge eines Projekts kosten.

Was KI-Kalkulation löst: Aktuelle Stahlpreise zum Zeitpunkt der Kalkulation sauber integrieren, statt mit veralteten Lieferrechnungen zu rechnen. Das ist eine echte Verbesserung gegenüber dem Status quo in den meisten Betrieben.

Was KI-Kalkulation nicht löst: Das Preisrisiko zwischen Angebotsdatum und Auftragserteilung. Dafür gibt es zwei bewährte Instrumente, die zur Kalkulationsstrategie gehören sollten:

1. Stoffpreisgleitklauseln (nach VOB/B §9 oder individuelle Vereinbarungen): Vertragsklauseln, die eine Preisanpassung erlauben, wenn sich der Materialpreis zwischen Angebot und Abruf wesentlich verändert. Im öffentlichen Baugewerbe seit 2022 wieder verstärkt akzeptiert. Im privaten Auftragsbereich Verhandlungssache.

2. Gültigkeitsfenster für Angebote: Angebote nur mit kurzer Gültigkeitsdauer (2 bis 4 Wochen) statt klassischer 3-Monatsfrist. Klingt nach Nachteil — ist aber kaufmännisch sauber bei volatilen Materialpreisen.

Ein gut eingerichtetes KI-Kalkulationssystem hilft dabei, diese Risikozonen automatisch zu markieren: “Für dieses Projekt liegt der Materialanteil bei 65 % — Angebotsgültigkeit empfohlen: maximal 3 Wochen.”

Datenschutz und Datenhaltung

Kalkulationsdaten gehören zu den sensibelsten internen Unternehmensdaten — sie zeigen Margen, Kostenstrukturen und Wettbewerbsfähigkeit. Entsprechend ist die Datenhaltungsfrage bei KI-Kalkulationssystemen keine Nebensache.

Was verarbeitet wird:

• Zeichnungsdaten (DXF, PDF, STEP) — ggf. mit Kundennamen oder Projektreferenzen
• Historische Auftragskosten — interne Kalkulationsdaten
• Stahlpreise und Lieferantenkonditionen

DSGVO-Einordnung: Wenn Kundendaten in Zeichnungen enthalten sind (Firmenname, Projektnummer), gilt Art. 28 DSGVO — ein Auftragsverarbeitungsvertrag (AVV) ist erforderlich. Alle relevanten Anbieter stellen AVV-Vorlagen bereit, aber du musst sie aktiv anfordern.

Empfehlungen nach Anbieter:

• up2parts: EU-Hosting, deutschsprachig, DSGVO-konform — AVV verfügbar, EU-Datenhaltung bestätigt
• goCAD: Deutscher Hersteller, EU-Hosting — AVV verfügbar
• Spanflug MAKE: Deutsches Startup, EU-Hosting — AVV verfügbar
• US-Tools (iBeam.ai, SketchDeck): US-Hosting, AVV erhältlich, aber Verarbeitung in USA — für sensible Kalkulationsdaten mit deutschen Bestandspreisen und Kundenreferenzen genau prüfen

Praktischer Hinweis: Viele Metallbaubetriebe haben mit DSGVO-Thematik bei Fertigungssoftware wenig Erfahrung. Die einfachste Absicherung: nur Anbieter wählen, die explizit EU-Hosting anbieten, und den AVV vor Produktivbetrieb unterzeichnen. Das dauert 30 Minuten und schützt vor späteren Unannehmlichkeiten.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

• Software-Lizenz und Einrichtung: 3.000–15.000 € abhängig von Anbieter und ERP-Anbindung
• Aufbereitung historischer Referenzprojekte: 20–60 Stunden interner Aufwand (ca. 1.500–5.000 € Opportunitätskosten)
• ERP-Integration: falls nötig, 2.000–8.000 € für Datenbankanbindung
• Gesamtbudget realistisch: 8.000–25.000 € für eine vollständige Einführung mit Referenzprojektdatenbank

Laufende Kosten

• Spanflug MAKE: ab 299 €/Monat (CNC-Lohnfertiger)
• up2parts: Preise auf Anfrage (Jahresabonnement, typisch 400–800 €/Monat je nach Modulumfang)
• goCAD: Preise auf Anfrage; modularer Aufbau
• Stahlpreise-Feed (optional): kostenlos via eigene Lieferantenabfrage oder 50–200 €/Monat für automatisierten Marktpreisdienst

Was du dagegenrechnen kannst: Ein Metallbaubetrieb mit 4 Angebotskalkulationen pro Woche spart mit einem KI-System bei 5 Stunden Einsparung je Angebot: 20 Stunden pro Woche. Bei einem internen Stundensatz von 60 bis 80 Euro (Vollkostenrechnung, leitender Kalkulator): das sind 1.200 bis 1.600 Euro pro Woche — oder 60.000 bis 80.000 Euro im Jahr. Im konservativen Szenario (50 % der rechnerischen Einsparung real nutzbar): 30.000 bis 40.000 Euro jährlich.

Wie du den Nutzen tatsächlich misst: Nicht über Stundenschätzungen, sondern über drei messbare Kennzahlen:

1. Angebotsmenge pro Monat (vorher / nachher)
2. Gewinnungsquote und Marge pro Auftrag (nicht nur Anzahl)
3. Kalkulationsabweichung Soll/Ist nach Projektabschluss — verbessert sich dieser Wert über Zeit?

Typische Einstiegsfehler

1. Mit dem KI-Tool starten, bevor die Referenzdaten bereit sind. Das ist der häufigste Fehler — und der teuerste. Ein System ohne Trainings- und Referenzdatenbasis kalkuliert mit Branchendurchschnittswerten. Das ist nicht besser als eine Tabellenkalkulation mit WKO-Richtsätzen. Das System erscheint unzuverlässig, wird intern abgelehnt und das Projekt gilt als gescheitert — obwohl das eigentliche Problem die fehlende Datenbasis war. Lösung: Vier bis acht Wochen vor der Software-Einführung ausschließlich damit verbringen, 30 bis 50 abgeschlossene Projekte mit vollständigen Ist-Kosten aufzubereiten.

2. Die Kalibrierungsphase als Misserfolg missverstehen. In den ersten vier bis acht Wochen nach dem Go-live wird das System noch Abweichungen produzieren — manchmal 15 bis 20 %. Das ist normal und kein Systemversagen, sondern der Kalibrierungsprozess. Wer in dieser Phase das System nach zwei schlechten Kalkulationen abbricht, hat die Investition verloren ohne den Nutzen gesehen zu haben. Lösung: Einen expliziten 90-Tage-Kalibrierungszeitraum kommunizieren, in dem das Team jeden KI-Vorschlag mit dem tatsächlichen Ergebnis vergleicht und Abweichungen dokumentiert.

3. Das System statt der eigenen Stundensätze kalibrieren. Viele Betriebe haben ihre tatsächlichen Stundensätze nie systematisch berechnet — sie nutzen Branchenwerte oder was “früher immer gestimmt hat.” Wenn du ein KI-Kalkulationssystem auf falschen Basisstundensätzen trainierst, generiert es zuverlässig falsche Ergebnisse. Lösung: Vor der KI-Einführung einmalig eine saubere Stundensatzkalkulation nach der einschlägigen Methodik (produktive Stunden, Gemeinkosten, Maschinenstundensätze) durchführen. Das lohnt sich unabhängig vom KI-Einsatz.

4. Das Kalibrierungsmodell nicht pflegen, wenn sich der Betrieb ändert. Das ist der gefährliche Langzeitfehler — still und schleichend. Eine neue Maschine verändert die Fertigungskosten. Ein neuer Mitarbeiter im Team ändert die Stundenkapazität. Steigende Energiekosten erhöhen den Maschinenstundensatz. Wenn das Kalkulationsmodell diese Veränderungen nicht abbildet, wird es nach 12 bis 18 Monaten systematisch falsche Preise produzieren. Lösung: Quartalsweise eine “Modell-Wartung” einplanen — Stundensätze, Materialpreiszuschläge und Maschinendaten prüfen und anpassen. Eine Person muss dafür namentlich verantwortlich sein.

Was mit der Einführung wirklich passiert — und was nicht

In fast jeder Einführung eines Kalkulationssystems im Mittelstand gibt es drei wiederkehrende Muster:

Der Erfahrungs-Kalkulator als Skeptiker. In vielen Metallbaubetrieben steckt das Kalkulations-Know-how in einer oder zwei Personen — oft dem Betriebsinhaber oder einem langjährigen Konstrukteur. Diese Menschen haben jahrelang gute Arbeit geleistet und entwickeln zu Recht Skepsis gegenüber einem System, das “das auch kann.” Die Einführung muss diesen Menschen einbeziehen, nicht übergehen: Sie müssen das Referenzprojekt-Set mitdefinieren, die Stundensätze einspielen und die Kalibration beurteilen. Wer das System über ihre Köpfe hinweg einführt, hat verloren.

Die frühe Enttäuschung durch Grenzfälle. Die ersten Testläufe treffen selten Standardprojekte — meistens werden bewusst die “harten Fälle” getestet. Ein Unikat-Sonderbau ohne Vergleichsprojekte, eine Konstruktion mit ungewöhnlichem Material. Das System gibt dann eine breite Schätzung mit großer Unsicherheit aus — was richtig und ehrlich ist, aber als Schwäche interpretiert wird. Lösung: Die ersten 30 Tage ausschließlich mit gut dokumentierten Standardprojekten testen, für die eine Vergleichsbasis existiert.

Der stille Rückfall in Excel. Wenn das System drei oder vier Mal schlechtere Ergebnisse liefert als die Excel-Kalkulation des erfahrenen Kalkulators, wird es still ignoriert — nicht abgeschafft, aber umgangen. Sechs Monate später zeigt die Auswertung, dass das System nur für 10 % der Anfragen genutzt wurde. Lösung: Nutzungsrate als Kennzahl aktiv verfolgen und niedrige Nutzung als Signal nehmen, was nachgebessert werden muss — nicht als Beweis, dass das System schlecht ist.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Unsere Projekte sind alle Unikate — das kann keine KI lernen.” Das stimmt für einen Teil des Portfolios. Tatsächlich haben die meisten Metallbaubetriebe aber neben den Unikaten eine erhebliche Menge an wiederkehrenden Projekttypologien: Treppenanlagen ähneln sich, Hallentore folgen bestimmten Strukturen, Vordächer haben typische Verbindungen. Für diese 60 bis 70 % des Portfolios funktioniert KI-Kalkulation sehr gut. Für die echten Unikate (15 bis 20 % des Portfolios) hilft das System als Orientierungswert, nicht als präzise Vorkalkulation. Der Kalkulator bleibt für diese Projekte unverzichtbar — aber seine Zeit wird für die interessanten Fälle frei, nicht für die Standardfälle.

„Wir haben das immer so gemacht und verdienen damit Geld.” Stimmt — aber die Margen erodieren. Wenn Wettbewerber 30 Prozent mehr Angebote mit gleicher Mannschaft bearbeiten können, verlieren Betriebe ohne KI-Kalkulation mittelfristig bei der Angebotsabdeckung. Nicht bei der Ausführungsqualität, nicht beim Preis — sondern schlicht bei der Anzahl der Chancen. Das ist kein akademisches Argument: Rays Stairs Inc. (USA) ist von 900.000 auf 2 Millionen Dollar Jahresumsatz gewachsen, vor allem weil das Team nach Einführung einer KI-Takeoff-Software mehr Anfragen beantworten konnte.

„Das Setup kostet zu viel für unsere Betriebsgröße.” Für Betriebe unter 10 Mitarbeitenden oder mit weniger als 20 Ausschreibungen pro Monat: das Argument ist richtig. Der ROI trägt sich bei diesem Volumen oft nicht. Für Betriebe mit 15 bis 50 Mitarbeitenden und 30+ Ausschreibungen pro Monat: die Rechnung dreht sich sehr schnell, wenn man Opportunitätskosten für nicht beantwortete Anfragen einbezieht. Spanflug MAKE ist ab 299 €/Monat ein realistischer Einstiegspunkt ohne 5-stelliges Setup-Budget — allerdings nur für CNC-Lohnfertiger, nicht für Stahlbaukonstrukteure.

Woran du merkst, dass das zu dir passt

Du bist gut aufgestellt, wenn:

• Dein Betrieb bekommt mehr als 20 Ausschreibungen pro Monat und du schaffst weniger als die Hälfte davon wirklich zu kalkulieren
• Ihr habt in den letzten 3 bis 5 Jahren 30+ Projekte abgeschlossen und die Abrechnungen sind digital verfügbar
• Eure Zeichnungsformate sind mindestens teilweise digital (DXF, STEP, PDF-Vektoren) — nicht nur gescannte Papierzeichnungen
• Ihr habt ein bestehendes ERP-System oder zumindest eine strukturierte Excel-Kalkulation mit Kostenpositionen

Drei harte Ausschlusskriterien — wann du es (noch) lassen solltest:

1. Unter 10 Mitarbeitenden oder weniger als 20 vergleichbare abgeschlossene Projekte mit Ist-Kosten. Der Setup-Aufwand und die Kosten amortisieren sich bei diesem Volumen nicht. Und ohne Referenzprojektdaten hat das System keine Lernbasis — du würdest ein teures System konfigurieren, das mit Branchendurchschnittswerten arbeitet. Das kann dein erfahrener Kalkulator besser.

2. Keine strukturierte Nachkalkulation im Betrieb. Wenn nach Projektabschluss nie systematisch verglichen wird, was wirklich gekostet hat und was kalkuliert war, gibt es keine Trainingsdaten. Erst wenn Ist-Kosten projektbezogen erfasst werden, kann ein KI-System daraus lernen. Das ist kein Grund, KI abzulehnen — aber ein zwingender Vorbereitungsschritt.

3. Zeichnungen hauptsächlich als gescannte Papiervorlagen oder schlecht strukturierte PDFs. KI-Zeichnungsanalyse funktioniert gut mit sauberen DXF-/STEP-/PDF-Vektordaten. Mit handgescannten oder pixeligen Zeichnungen produziert sie fehlerhafte Materialmengen — was das Angebotsergebnis schlechter macht als manuelle Kalkulation. Wenn deine Kunden hauptsächlich Papierzeichnungen schicken, ist der erste Schritt nicht KI-Software, sondern das Einfordern digitaler Formate.

Das kannst du heute noch tun

Starte mit dem kostenlosesten und schnellsten Schritt, der dir sofort zeigt, ob das Thema für deinen Betrieb passt: eine 30-tägige Testphase bei up2parts oder Spanflug MAKE starten und 5 bis 10 abgeschlossene Projekte aus den letzten zwei Jahren neu kalkulieren lassen. Die Abweichung zwischen dem KI-Vorschlag und deiner damaligen tatsächlichen Abrechnung zeigt dir zwei Dinge: wie gut deine Referenzdatenbasis ist und wie nah das System an deiner realen Kostenstruktur liegt.

Für die manuelle Vorkalkulation ohne Software gibt es einen Prompt, den du in ChatGPT oder Claude direkt nutzen kannst:

Quellen & Methodik

• Stahlpreise 2020–2026: Statista, “Entwicklung der Stahlpreise in Deutschland” (2024); jactio.com, “Aktuelle Stahlpreise: Entwicklung und Prognose” (2024); bauindustrie-nrw.de, “Entwicklung ausgewählter Stahlpreise — Index der Erzeugerpreise” (April 2025). Preisspanne 2020–2022: Anstieg von ca. 425 USD/t auf ca. 950 USD/t Betonstahl.
• KI-gestützte Angebotskalkulation in der Einzelfertigung: Digitalzentrum Saarbrücken / Mittelstand-Digital, “KI-gestützte Angebotskalkulation im Sondermaschinenbau” (2024). Zeigt Herausforderungen bei Datenbasis und typischen Implementierungsschritten.
• Praxisberichte Takeoff-Software: iBeam.ai, Kundenberichte (Rays Stairs Inc., Rocky Mountain Steel, u.a.) — zitiert aus Anbieterseite mit Vorbehalt: Anbieterperspektive, keine unabhängige Validierung.
• Failure Mode “Precision Gap”: SketchDeck.ai, “The Precision Gap: Why Automated Takeoff Software Is Failing Steel Estimators” (Blog, 2024). Beschreibt Versagen von pixelbasierter Mustererkennung bei 60–80 % Genauigkeit.
• Referenzprojekt-Mindestmenge: up2parts GmbH, Produktdokumentation und Onboarding-Leitfaden (Stand April 2026): 50–100 historische Aufträge als Trainingsgrundlage empfohlen.
• Kosten im Stahlbau: Bauforumstahl, “Kosten im Stahlbau 2024” (Broschüre, Daten Q4 2023). Material: 23–32 % der Gesamtkonstruktionskosten, Fertigung und Montage ähnlich.
• Stundensatz-Grundlagen: Metall Aktiv, “Kalkulation im Metallbau: Stundensätze richtig berechnen” (2024); produktive Stunden 1.500–1.600 Stunden/Jahr je Mitarbeitendem.
• Spanflug MAKE Preise: Spanflug Technologies GmbH, Preisseite (Stand Mai 2026): ab 299 €/Monat.
• up2parts, goCAD: Eigene Recherche, Produktseiten Stand Mai 2026.

Du willst wissen, welche historischen Projekte für deine Referenzdatenbank geeignet sind und ob dein ERP die nötigen Ist-Daten schon liefert? Meld dich — das klären wir gemeinsam in einem kurzen Gespräch.