Chemikalienverbrauch in der Reinigung optimieren

Das echte Ausmaß des Problems

Dosierung ist das Lieblingsversteck für Geldverschwendung. Niemand sieht es direkt, aber jeder gibt zur Sicherheit ein bisschen extra dazu. Das Ergebnis ist messbar.

Branchenüblich: Überverbrauch von 20–40% bei der Dosierung von Reinigungsmitteln. Heißt: Von einem Budget von 4.000 €/Jahr landen 800–1.600 € im Ausguss. Bei einer typischen Betriebsgröße (15–30 Objekte) sind das 3.000–12.000 € pro Jahr.

Das liegt nicht an schlechtem Willen, sondern an strukturellen Gründen:

• Manuelle Dosierung: Jeder Mitarbeitende schätzt selbst. Keine zwei schätzen gleich.
• Keine Rückmeldung: Wer dosiert zu viel? Welche Kombination aus Mitarbeiter, Objekt und Verschmutzung treibt den Verbrauch? Ohne Daten lässt sich nichts verbessern.
• Angst vor Qualitätsmängeln: Lieber eine Kappe zu viel als zu wenig. Beschwerden über Streifen sollen vermieden werden.
• Zerstörerische Effekte: Falsche Dosierung führt zu Materialschäden, Ätzflecken auf Marmor, Lackbeschädigungen, und damit zu Nacharbeit.

Die Kosten liegen nicht nur im Verbrauch, sondern auch in den Fehldosierungen: 5–10% der Reinigungsflächen müssen nachgearbeitet werden, weil die Chemikalien entweder zu schwach wirken oder zu stark angreifen.

Mit vs. ohne KI, ein ehrlicher Vergleich

Quellen: Branchenpraxis-Daten (Reinigungsbetriebe 20–40 Personen, 2023–2025), IoT-Dosier-System-Evaluationen in der Gebäudereinigung, Materialbeschädigungs-Statistiken.

Einschätzung auf einen Blick

Zeitersparnis, minimal (1/5)
Das ist keine Zeitersparnis im klassischen Sinn. Die Reinigungskraft steht nicht kürzer vor dem Regal. Aber die Betriebsleitung spart 2 Stunden/Monat bei Einkaufsplanung und Anomalie-Verfolgung. Für täglich spürbare Zeitersparnis: Rang 1. Für administrative Entlastung: deutlich höher. Die 1 ist ehrlich, weil die operativ tätigen Teams den Zeitgewinn nicht direkt spüren.

Kosteneinsparung, maximal (5/5)
Dafür existiert dieses System. 28% Reduktion des Verbrauchsbudgets ist keine runde Vermarktungszahl, es ist ein gemessener Durchschnitt aus Pilotbetrieben. Bei einem Jahresbudget von 5.000 € entspricht das 1.400 € eingesparten Rohstoffen. Dazu kommen weniger Nacharbeit durch Materialschäden und entlastete Einkaufsverwaltung. Zusammen liegen die Einsparungen regelmäßig bei 2.500–4.000 € pro Jahr für kleine Betriebe.

Schnelle Umsetzung, mittel (3/5)
Die Software-Integration geht zügig (2–3 Tage). Die Hardware-Installation an allen Objekten dauert 4–8 Wochen, abhängig davon, wie verzweigt die bestehende Infrastruktur ist. Nach dem Einbau braucht das System weitere 4–8 Wochen Daten, bevor die Empfehlungen belastbar sind. Mittel deshalb, weil Einbau und Kalibrierung Zeit brauchen, technisch riskant ist nichts davon.

ROI-Sicherheit, gut (4/5)
Selten in diesem Vergleich: Ein System, bei dem der Nutzen vollständig messbar ist. Jedes Dosiergerät schreibt Protokoll, wann, wie viel, welches Produkt. Die KI-Analyse zeigt exakt, wo Überverbrauch entsteht. Die Einsparungen sind bare Münze, nicht indirekte Vermutung. Das einzige Risiko: Geräte können ausfallen oder falsch kalibriert sein. Das ist ein Hardware-Thema, kein KI-Thema.

Skalierbarkeit, gut (4/5)
Das System funktioniert für 5 Objekte genauso wie für 50. Die KI-Analyse wird mit mehr Daten sogar präziser. Das einzige Limit: Jedes neue Objekt braucht ein Gerät, das kostet Zeit und Geld. Wer später Objekte dazunimmt, muss nachinstallieren. Nicht die volle 5, weil die Infrastruktur mitwachsen muss.

Richtwerte, stark abhängig von Objektvielzahl, Flächentypen und aktueller Überversorgung.

Was das System konkret macht

Das System hat drei Schichten:

1. Erfassung: Jedes Dosiergerät an den Reinigungsmittel-Stationen protokolliert:

• Wann wurde wie viel verbraucht?
• Wer hat es entnommen? (optional, über Chip oder QR-Code)
• Welche Fläche wurde gereinigt? (optional, per Foto oder Eingabe)

Die Daten fließen täglich in ein Dashboard.

2. Analyse: Die KI gleicht ab: Ist der Verbrauch für diese Objektgröße, Verschmutzung und Flächenart normal oder zu hoch?

• Klaus verbraucht für 200 m² Fensterfläche 2 Liter Glasreiniger, die Norm liegt bei 0,8 Liter → Anomalie erkannt.
• In den letzten drei Wochen wurde 40% mehr Mittel für dieselbe Aufgabe verbraucht → Trend erkannt.

3. Empfehlung und Aktion: Das System schlägt vor:

• „Für diesen Objekttyp ist eine Dosierung von 0,7 Liter pro 100 m² optimal. Aktuell liegt ihr bei 1,1 Liter. Dosierung um 36% reduzieren.”
• „Station 4 dosiert überdurchschnittlich. Nächste Schulung zum Thema Dosierung am 15. Mai.”
• „Produkt Y ist wirkungsgleich mit aktuell eingekauftem Produkt Z, bei 20% Preisersparnis.”

Konkrete Werkzeuge, was wann passt

Das System lebt von Hardware, Software und KI-Analyse zusammen. Nur die Hardware zu kaufen und die Software liegen zu lassen, ist wie einen Messbecher zu besitzen und weiter mit der Hand zu schätzen.

Hardware: IoT-Dosiergeräte

Mehrere Anbieter in Deutschland und EU:

• ProMinent, Marktführer für präzise Dosiertechnik auf Basis von Flow-Metering. Etablierte Lösung, aber teuer (Geräte ab 2.000 € pro Objekt). Beste Genauigkeit (±2%).
• Kärcher ePump, Eigene IoT-Dosiersysteme für große Flotten. Integration direkt in bestehende Kärcher-Geräte, günstiger als ProMinent, aber nur, wenn du ohnehin Kärcher nutzt.
• Günstigere Alternativen: Emco BASCO oder vergleichbare Systeme (500–1.200 € pro Objekt), weniger präzise, aber für die meisten Anwendungen ausreichend.

Software und KI-Analyse

• Dashboard und Auswertung: Die meisten IoT-Anbieter liefern ein eigenes Dashboard. Ob es reicht, hängt vom Anspruch ab, ProMinent bietet ein deutlich umfangreicheres Auswertungs-Dashboard als die günstigeren Systeme.
• Erweiterte KI-Analyse: Wenn das Anbieter-Dashboard nicht genügt: Predictive Analytics über Power BI oder Sisense in Kombination mit der Claude-API für Abfragen in natürlicher Sprache, etwa „Wo dosiere ich am meisten über?”.
• Automatische Meldungen: Wird Überverbrauch erkannt, kann eine Automatisierung (z.B. Zapier, Make.com) sofort eine Nachricht ans Team schicken.

Einstiegsvariante für kleine bis mittlere Betriebe:

1. Geräte: Emco BASCO oder ähnlich (ca. 800 €/Objekt, Einbau ca. 200 € pro Objekt)
2. Erfassung: Herstellereigenes Dashboard plus Google Sheets für manuelle Notizen
3. Analyse: ChatGPT oder Claude mit Zugriff auf die Sheets-Daten, um Muster zu erkennen
4. Monatlich: Eine Person schaut auf die Daten, fragt die KI „Wo ist der größte Überverbrauch?” und leitet die Schulung ab.

Das kostet ca. 1.500–2.500 € Geräte plus 50–100 €/Monat Software und amortisiert sich in 3–4 Monaten über die Einsparungen.

Datenschutz und Datenhaltung

Dosiergeräte erheben potenziell personenbezogene Daten: Wird die Person über Chip oder QR-Code identifiziert, entsteht ein Datensatz „Person X hat am 12.3. 1,5 Liter verbraucht”. Das ist Verhaltenskontrolle und fällt unter die DSGVO und § 87 Abs. 1 Nr. 6 BetrVG, Systeme zur Leistungs- oder Verhaltenskontrolle sind mitbestimmungspflichtig.

Praktische Lösung:

• Geräte-Identifikation statt Personen-Identifikation: Das Gerät protokolliert, wie viel verbraucht wurde, aber nicht von wem. Die Station ist einem Raum oder Objekt zugeordnet, nicht einer Person.
• Aggregierte Auswertung: Auswertungen laufen auf Objektebene, nicht auf Personenebene. „Objekt Frankfurt-1 verbraucht 28% über Durchschnitt” ist in Ordnung. „Klaus dosiert schlecht” ist problematisch und Betriebsratssache.
• AVV mit Geräteanbieter: Wenn der Geräteanbieter Daten speichert oder verarbeitet, brauchst du einen Auftragsverarbeitungsvertrag nach DSGVO. ProMinent, Kärcher und die meisten anderen Anbieter stellen ihn bereit.

Praktischer Tipp: Ein Gespräch mit dem Betriebsrat vor dem Einbau lohnt sich. Sobald das Team den Eindruck hat, dass Dosierdaten persönliche Leistung messen, wird die Sache politisch. Wenn klar ist, dass die Auswertung anonymisiert läuft, bleibt der Widerstand meist gering.

Was es kostet, realistisch gerechnet

Hardware (einmalig)

• IoT-Dosiergeräte: 500–2.000 € pro Objekt (je nach Anbieter und Komplexität)
• Installation & Kalibrierung: 200–500 € pro Objekt
• Für 20 Objekte: 14.000–50.000 € (große Spanne, aber abhängig von deiner Wahl)

Software & Betrieb (monatlich)

• Anbieter-eigenes Dashboard: 0–200 €/Monat (teilweise in Gerätekauf enthalten)
• KI-Analyse (optional): 50–150 €/Monat für erweiterte Auswertung
• Schulung & Support: 200–400 €/Monat im ersten Jahr, dann 50–100 €/Monat

Der ROI, konservativ gerechnet

Betrieb mit 20 Objekten, Chemikalien-Budget 5.000 €/Jahr. Überverbrauch: 20–30% (branchenüblich ohne Dosiergerät).

Baseline: 1.000–1.500 € Überverbrauch/Jahr.

Mit System: 20–28% Gesamtreduktion messbar (ProMinent-Fallstudien, ISSA 2024).

Einsparung: 1.000–1.400 €/Jahr nur durch Dosierungs-Optimierung.

Zusätzlich: Weniger Materialschäden durch Fehldosierung (ca. 500–1.000 €/Jahr gesparte Nacharbeit, Schätzwert aus Praxisberichten).

Gesamteinsparung: 1.500–2.400 €/Jahr.

Kosten im ersten Jahr: 30.000 € Hardware + 1.500 € Software + 2.000 € Schulung/Support = 33.500 € Einsparungen im ersten Jahr: ca. 2.000 €

Das sieht im ersten Moment negativ aus. Aber die Hardware ist eine Investition, keine Betriebsausgabe. Ab Jahr 2 und 3 trägt die Einsparung deutlich mehr.

ROI, realistisch:

• Jahr 1: -33.500 € (Kapitalausgabe inkl. Software und Schulung)
• Jahr 2–3: +2.000 € pro Jahr (laufende Einsparung)
• Amortisation: ca. Jahr 16–17, wenn die Hardware bis dahin hält

Das klingt lange. Betrachtet man die Hardware als 5-Jahre-Investition, liegen die Kosten bei 33.500 € / 5 Jahre = 6.700 € pro Jahr im Schnitt. Die Einsparung beträgt ca. 2.000 € pro Jahr. Das reicht für sich allein nicht.

Die bessere Rechnung: Wenn du die Hardware als wiederkehrenden Ersatz planst und die Effizienzgewinne weitergeben kannst, etwa in einem schärferen Angebotspreis, der Bestandskunden hält, amortisiert sich die Investition deutlich schneller.

Drei typische Einstiegsfehler

1. Nur Geräte einbauen, ohne die Software wirklich zu nutzen.
Die Geräte sind installiert, protokollieren fleißig, aber niemand schaut auf die Daten. Das System liegt tot da. Was hilft: Vor der Hardware-Bestellung klären, wer schaut in die Daten, wie oft, welche Fragen sollen beantwortet werden? Das braucht eine feste Zuständigkeit, nicht nur „könnte man mal machen”.

2. Geräte installieren, ohne das Team zu schulen.
Klaus sieht plötzlich ein Dosiergerät, versteht nicht, wie es funktioniert, dosiert wie immer, nach Gefühl, weil das Gerät zu kompliziert wirkt. Daten erfasst, Verhalten unverändert. Was hilft: Schulung vor dem Einbau. Nicht nur die Bedienung, sondern auch „Warum machen wir das? Was habt ihr davon?”.

3. Nach dem Einbau keine Wartung einplanen.
Nach einer Ausgangserfassung von 4 Wochen läuft das System an. Sechs Monate später sind Geräte nicht mehr kalibriert, die Daten driften, die KI-Empfehlungen stimmen nicht mehr, und das Team verliert das Vertrauen. Was hilft: Quartalsweise Kalibrierung und ein fester Daten-Audit-Termin pro Quartal.

Was mit der Einführung wirklich passiert, und was nicht

Das System verändert nicht, wie viel Zeit Mitarbeitende verbringen, es verändert, wie viel Geld du für Chemikalien ausgibst.

Typische Reaktionen:

• „Das Gerät überwacht mich.” Antwort: Klar kommunizieren, dass Geräte Verbrauch messen, nicht Personen. Ein Gespräch mit dem Betriebsrat vorab hilft.
• „Die Dosier-Empfehlung stimmt nicht.” Antwort: Kann sein. Die KI lernt aus Daten. Nach 4 Wochen echten Betriebs wird sie genauer. Die erste Woche ist immer holprig.
• „Wir machen das schon optimal.” Antwort: Möglich. Die Daten zeigen aber meistens, dass „optimal nach Gefühl” noch 15–20% Luft nach unten hat.

Was konkret hilft:

• Transparente Auftaktrunde: „Das kostet X, das spart Y, das ist eure Rolle.”
• Erste Woche: Geräte zeigen, wie es ist, nicht, wie es sein sollte.
• Ab Woche 2: Erste Optimierungsvorschläge, kombiniert mit Anerkennung: „Schaut, da sparen wir diese Woche schon 3 €.”
• Monatliche Datenauswertung mit dem Team: „Das war euer Beitrag, das ist das Ergebnis.”

Das ist kein „KI gegen Menschen”. Das ist: „Wir haben jetzt Daten statt Gefühl.”

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Das ist teuer für einen Betrieb unserer Größe.”
Ja, 30.000–40.000 € Hardware ist eine Hausnummer. Aber: Wenn du 5.000 €/Jahr für Chemikalien ausgibst und davon 1.000 € Verschwendung sind, hast du nach 30 Jahren 30.000 € gespart, und das System hat sich getragen. Ab Jahr 2–3 liegen die Investitionskosten zudem verteilt in der Rechnung, die laufende Einsparung bleibt.

„Wir haben längst ein System zum Einkauf und Verbrauch.”
Gut. Die Frage ist: Läuft das automatisch, oder werden Verbrauchszahlen manuell eingetippt? Bei manueller Erfassung sind die Fehlerquoten hoch. Bei automatischer Erfassung: perfekt, dann lässt sich das IoT-System direkt anbinden.

„Wenn die Geräte ausfallen, ist die Einsparung weg.”
IoT-Dosiergeräte sind robust und halten 5–10 Jahre. Im schlimmsten Fall steht nach 5 Jahren ein Austausch an. Bis dahin hast du 5 × ca. 2.000 € = 10.000 € Einsparung mitgenommen, genug, um den Ersatz zu finanzieren.

„Unser Team macht das nicht mit.”
Ein realistisches Risiko. Manche Teams sehen es als Überwachung statt als Arbeitshilfe. Was hilft: Transparente Kommunikation. Und ein Beteiligungsmodell, „Wenn wir das Einsparziel erreichen, geht 20% der Einsparung ins Team zurück.”

Woran du merkst, dass das zu dir passt

• Dein Chemikalienbudget ist unkontrolliert: Du weißt nicht, ob die Kosten wegen mehr Fläche oder wegen Verschwendung steigen.
• Du hast wiederkehrende Qualitätsprobleme durch Fehldosierung: Streifen auf Glas, Ätzflecken auf Marmor.
• Du siehst den Verbrauch pro Objekt nicht: Ob Objekt A oder B mehr kostet, bleibt unklar.
• Du hast mehrere Objekte (mindestens 10–15): Erst dann trägt die Hardware-Investition.
• Dein Team dosiert manuell nach Gefühl: Keine Smart-Dosiersysteme im Einsatz.

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

1. Unter 5 Objekten. Die Hardware-Investition ist zu groß. Besser: Schulung, saubere Dosiertabellen, dokumentierte Standards.

2. Die Chemikalienkosten sind bereits optimiert (z.B. Großgebinde, zentrale Mischstation). Der große Hebel ist gezogen, der Rest lohnt die Investition nicht.

3. Neue Geräte passen nicht in die bestehende Infrastruktur. Bei sehr alten Reinigungsmittel-Stationen brauchst du erst ein Hardware-Upgrade, das verschiebt den ROI weit nach hinten.

Das kannst du heute noch tun

Öffne eine Tabelle. Trag die letzten zwölf Monatsrechnungen für Chemikalien ein. Rechne den Durchschnitt pro Monat, und, wenn möglich, pro Objekt, aus.

• Monatsdurchschnitt: 500 €? 1.000 €?
• Pro Objekt und Monat: 50 €? 100 €?
• Läuft das stabil oder springt es?

Wenn es springt (Monat 1: 400 €, Monat 2: 600 €, Monat 3: 450 €, ohne erklärbaren Grund), ist das ein klares Signal: Überverbrauch und Inkonsistenz.

Dann: Wähl ein Objekt aus und erfasse zwei Wochen lang manuell:

• Wie viel Mittel wird täglich verbraucht?
• Von wem?
• Für welche Fläche?
• Ist das Ergebnis sichtbar unterschiedlich, wenn unterschiedliche Mengen eingesetzt werden?

Zwei Wochen manuelle Erfassung sind deine erste Ausgangsbasis. Damit rechnest du konkret: „Wenn das System 20–28% spart, sind das X € pro Jahr.”

Hier ist ein Prompt zum Starten:

Quellen & Methodik

• Überverbrauch 20–40% Branchenüblich: Blanc Hygienic Magazin, „Wirkstoffdosierung im Hygienemanagement optimieren” (2023)
• IoT-Dosier-Systeme Einsparungen 30–50%: ProMinent Dokumentation und Fallstudien (2024), Baron Chemical Report „Emerging Cleaning Trends 2024”
• Materialschaden-Kosten: Erfahrungsberichte von Gebäudedienstleistern (2023–2025)
• Branchennormen Dosierung: ISSA (International Sanitary Supply Association) Guidelines, adaptiert für deutschsprachigen Markt
• Kosteneinsparungen durch automatisierte Dosierung: ISSA 2024 Report, „Innovation and Technology in Cleaning”