Verbrauchsmaterial-Bestellung automatisieren

Das echte Ausmaß des Problems

Verbrauchsmaterialien — Reinigungsmittel, Papierhandtücher, Toilettenpapier, Müllbeutel, Maschinenverbrauchsmaterialien — machen bei Gebäudereinigungsunternehmen zwischen 3 und 8 Prozent des Jahresumsatzes aus (laut Mendato, einer auf Reinigungsunternehmen spezialisierten Softwareplattform, Stand 2026). Für ein Unternehmen mit 1,2 Millionen Euro Umsatz sind das 36.000 bis 96.000 Euro pro Jahr — Materialkosten, die häufig schlechter gesteuert werden als die Personalkosten, obwohl sie einen ähnlichen Hebel hätten.

Das Grundproblem ist strukturell: Die Bestellung läuft oft noch über Telefon oder WhatsApp, der Überblick über Bestände in 30, 50 oder 150 verschiedenen Objekten liegt in den Köpfen von Objektleiterinnen und Disponenten. Ergebnis sind zwei kostspielige Muster, die sich abwechseln:

Notfallbestellung mit Expressaufschlag. Wenn das Desinfektionsmittel am Dienstag früh leer ist, zahlt man 30 bis 50 Prozent Aufschlag für Expresslieferung. Bei 20 Notfallbestellungen im Jahr kommt das schnell auf mehrere tausend Euro — Kosten, die in keiner Objektkalkulation geplant sind.

Überbestellung als Sicherheitspuffer. Die Alternative: Objektleiterinnen bestellen großzügig, um nie in die Engpass-Situation zu geraten. Das bindet Kapital in Vorräten, die an vielen Objekten Monate liegen — und verursacht ein weiteres Problem, das in der Reinigungsbranche weniger bekannt ist: eine Kollision mit der Gefahrstoffverordnung.

Das GefStoffV-Problem der Überbestellung. Die Gefahrstoffverordnung (GefStoffV) in Verbindung mit TRGS 510 und der DGUV-Regel 101-019 reguliert, welche Mengen an Gefahrstoffen — darunter viele Reinigungschemikalien wie Desinfektionsmittel, Säure-Abflussreiniger und chlorhaltige Mittel — an einem Arbeitsplatz gelagert werden dürfen. Grundsatz: nur die Menge, die für den Fortgang der aktuellen Arbeit erforderlich ist. Wer große Depotvorräte in Putzkammern von Kundenobjekten anlegt, gerät schnell in Konflikt mit diesen Vorgaben — ein Risiko, das bei Objektprüfungen relevant wird.

Der wirtschaftliche Schaden beider Muster ist real und messbar. Was fehlt, ist ein System, das den Verbrauch je Objekt kennt und automatisch eingreift, bevor der Tank leer ist — oder bevor der Puffer zum Compliance-Risiko wird.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Werte in der rechten Spalte sind keine Herstellerversprechen, sondern Erfahrungswerte aus ähnlichen Automatisierungsprojekten in anderen Dienstleistungsbranchen und aus Praxisberichten von Branchensoftwareanbietern wie ProClean. Im Reinigungsbereich selbst gibt es bislang wenige öffentlich belegte Fallstudien — das solltest du bei eigenen Berechnungen einkalkulieren.

Einschätzung auf einen Blick

Zeitersparnis — mittel (3/5) Eine Objektleiterin, die aktuell 1,5 bis 3 Stunden pro Woche mit Bestandskontrollen, Bestelltelefon und Lieferantenabstimmung verbringt, kann das auf unter 30 Minuten reduzieren. Real, aber nicht der größte Hebel im Reinigungsbetrieb — größere Zeitgewinne entstehen bei der Tourenplanung oder der Schichtplanung, die täglich die Kernressource Personal betreffen. Für Unternehmen mit mehr als 40 Objekten und einer Teilzeitkraft nur für Bestellkoordination ändert sich diese Rechnung.

Kosteneinsparung — hoch (4/5) Hier liegt der stärkste Hebel: Expressaufschläge entfallen, Überbestände schrumpfen, Kapitalbindung sinkt. Für ein Unternehmen mit 2 Millionen Euro Umsatz und 6 Prozent Materialkosten (120.000 Euro) bedeuten 20 Prozent weniger Materialkosten durch bessere Steuerung schon 24.000 Euro — jährlich. Das ist mit einer Systemlösung, die 300–500 Euro pro Monat kostet, klar wirtschaftlich. Der Wert steht im Reinigungskontext ganz oben in der Branche, weil Materialkosten direkt und gut messbar sind.

Schnelle Umsetzung — mittel (3/5) Fünf bis acht Wochen bis zum Pilotbetrieb mit den ersten fünf bis zehn Objekten ist realistisch — wenn die Lieferantenstammdaten vorhanden sind und das Team mitmacht. Das ist weder besonders einfach noch besonders schwer. Die eigentliche Herausforderung ist nicht die Technik, sondern die Disziplin: Der initiale Aufbau des Materialmasters pro Objekt (was braucht Objekt A, was Objekt B?) kostet Zeit. Wer ohne saubere Datenbasis startet, bekommt ungenaue Prognosen.

ROI-Sicherheit — hoch (4/5) Die Einsparungen sind direkt messbar: Anzahl der Notfallbestellungen vorher/nachher, Expressaufschläge als Euro-Summe, Lagerbestandswert. Anders als bei abstrakten Nutzenkategorien (Mitarbeiterzufriedenheit, Qualitätswahrnehmung) lässt sich dieser Nutzen buchhaltungsseitig abbilden. Das macht die ROI-Sicherheit im Vergleich zur übrigen Reinigungsbranche überdurchschnittlich.

Skalierbarkeit — hoch (4/5) Das System wird mit jedem weiteren Objekt besser: mehr Daten, bessere Prognosen, mehr Bestellvolumen für Konditionen mit Lieferanten. Ein Unternehmen, das von 30 auf 80 Objekte wächst, hat mit manuellem Bestellmanagement einen fast linearen Mehraufwand — mit einem automatisierten System wächst der Verwaltungsaufwand kaum.

Richtwerte — stark abhängig von Objektanzahl, Lieferantenstruktur und Digitalisierungsgrad des Unternehmens.

Was das System konkret macht

Das automatisierte Bestellwesen besteht aus drei Schichten, die aufeinander aufbauen:

Schicht 1: Verbrauchserfassung. Das System muss wissen, was tatsächlich verbraucht wird. Daten kommen aus zwei Quellen: Lieferscheine und Rechnungen, die digital verarbeitet werden (ein LLM oder ein Dokumenten-KI-Tool extrahiert Artikel, Mengen und Objektzuordnung automatisch); oder direkte Eingabe durch Mitarbeitende beim Entnehmen aus dem Lager. Die erste Methode ist passiver und zuverlässiger, erfordert aber einen eingespielten Lieferantenrechnungsprozess. Die zweite Methode ist aktiver und unmittelbarer, hängt aber von der Disziplin des Teams ab.

Schicht 2: Prognose und Schwellenwerte. Auf Basis historischer Verbrauchsdaten berechnet das System für jedes Objekt, wann welches Material auf welchen Stand sinken wird. Dabei können einfache Regeln (Nachbestellung, wenn Bestand unter X-Tages-Reichweite) oder KI-gestützte Vorhersagen zum Einsatz kommen, die Wochentag-Muster, Sonderschichten und Objektgröße einbeziehen. Für die meisten mittelständischen Reinigungsunternehmen reichen gut kalibrierte Regeln; echtes Predictive Analytics ist erst ab sehr vielen Objekten und differenzierten Verbrauchsmustern wirklich relevant.

Schicht 3: Bestellauslösung mit Freigabe-Workflow. Das System generiert einen Bestellvorschlag — Artikel, Menge, Lieferant, Liefer-Objekt — und schickt ihn zur Freigabe an die verantwortliche Person. Bei etablierten Lieferanten mit Rahmenvertrag kann der Schritt vollständig automatisiert werden (Bestellung geht direkt raus); bei neuen Lieferanten oder ungewöhnlichen Mengen bleibt die Freigabe manuell. Dieser Freigabe-Workflow ist kein Nice-to-have, sondern Pflicht: Er verhindert, dass das System Bestellfehler vollautomatisch und unbemerkt produziert.

Für die meisten mittelständischen Reinigungsunternehmen ist kein Spezialsystem nötig. Das lässt sich mit Automatisierung über bestehende Tools aufbauen — mehr dazu im nächsten Abschnitt.

Wenn Objekte unterschiedliche Gebindegrößen brauchen

Das ist die Stelle, an der generische Bestandsmanagement-Ratschläge in der Reinigungsbranche zusammenbrechen. In einem Produktionsunternehmen hat jeder Artikel eine SKU, und die Bestellmenge ist pro Lager einheitlich. In einem Reinigungsunternehmen ist das anders.

Objekt A (Großraumbüro, 300 Personen): Toilettenpapier in Jumbo-Rollen (T2), Müllbeutel 240 Liter, Glasreiniger in 5-Liter-Gebinden für Nachfüllflaschen.

Objekt B (Arztpraxis, 8 Behandlungsräume): Toilettenpapier Standard (T4), Müllbeutel 35 Liter, Desinfektionsmittel VAH-gelistet in 1-Liter-Flasche statt Nachfüllkonzentrat.

Objekt C (Produktionshalle, stark frequentiert): Müllbeutel 120 Liter extra-stark, Desinfektionsmittel für Lebensmittelbereich (andere Zulassung), Haushaltspapier nicht erlaubt.

Wer ein KI-Bestellsystem einführt, muss diese Unterschiede explizit abbilden. Ein Materialmaster pro Objekt (nicht: ein Materialmaster für das gesamte Unternehmen) ist keine optionale Verfeinerung — er ist die Grundvoraussetzung für korrekte Bestellvorschläge. Was für Objekt A korrekt ist, kann für Objekt B falsch sein.

In der Praxis bedeutet das: Der Aufbau des Materialmasters kostet beim Einstieg sechs bis zwölf Stunden Konfigurationsarbeit. Jede neue Objektleitung, jede Vertragsänderung (andere Papiersorte vertraglich vereinbart) muss nachgepflegt werden. Wer das ignoriert, bekommt Bestellvorschläge, die zwar automatisiert sind, aber falsche Gebindegrößen oder falsche Artikel empfehlen — und das Vertrauen der Objektleiterinnen in das System schnell zerstören.

Zusätzlicher Aspekt: Wenn ein Objekt mit individuellen Chemikalien-Vorgaben des Kunden (z. B. Lebensmittelbetrieb, Krankenhaus) ausgestattet werden muss, ist die Prognose schwieriger und die Compliance-Prüfung wichtiger. Diese Objekte brauchen im System eine Sonderkennzeichnung, damit keine falschen Artikel vorgeschlagen werden.

Konkrete Werkzeuge — was wann passt

Es gibt kein “das KI-Tool für Reinigungsmaterial-Bestellung” — die Lösung hängt davon ab, wie digital euer Betrieb heute schon aufgestellt ist.

Blink mit Blink Order — wenn ihr Blink schon nutzt Blink ist die führende deutsche Branchensoftware für Gebäudereinigung. Das Modul Blink Order ermöglicht digitale Bestellvorgänge direkt aus der App heraus — Objektleiterinnen können Bestellvorschläge anstoßen, und die Disposition genehmigt mit einem Klick. Stärke: vollständig in den bestehenden Blink-Workflow integriert, DSGVO-konform auf deutschen Servern. Einschränkung: Kein vollautomatisches Prognosemodell — Blink erleichtert den Bestellprozess, ersetzt aber nicht die Bedarfsprognose. Preis: ab 149 Euro/Monat Grundgebühr plus 4,90 Euro/Nutzer/Monat (Standard-Plan).

Make.com + ChatGPT — für den selbstgebauten automatisierten Workflow Für Unternehmen ohne Blink oder mit eigenem ERP lässt sich ein funktionsfähiger Automatisierungsworkflow mit Make.com aufbauen: Neue Lieferantenrechnung kommt per E-Mail rein → Make.com leitet sie an ChatGPT weiter → ChatGPT extrahiert Artikel, Mengen, Objekt → die Daten landen in einer Tabelle (z. B. Google Sheets oder Airtable) → Make.com vergleicht Istbestand mit Schwellenwert → bei Unterschreitung wird automatisch ein Bestellvorschlag als E-Mail oder Nachricht generiert und zur Freigabe gesendet. Monatliche Kosten: 16–29 USD Make.com plus ChatGPT-API-Kosten (typisch unter 20 Euro/Monat bei normalen Volumen). Dieser Ansatz erfordert initiale Setup-Arbeit von 8–16 Stunden, ist aber extrem flexibel.

n8n — für technisch versierte Teams, die Datensouveränität brauchen n8n ist der Open-Source-Bruder von Make.com — selbst hostbar, EU-konform ohne US-Datentransfer, für Unternehmen, denen es wichtig ist, dass Lieferantendaten und Objektdaten nicht durch US-Server gehen. Empfehlenswert, wenn ein IT-affiner Mitarbeiter oder ein externer Dienstleister das System einrichten und betreiben kann. Cloud-Starter: 20 Euro/Monat.

Wann welcher Ansatz

• Ihr nutzt bereits Blink → Blink Order einschalten, kein neues Tool nötig
• Kein ERP, wenig Budget, jemand kann Excel und etwas Make.com → Workflow selbst aufbauen
• Datensouveränität wichtig, IT-Ressource vorhanden → n8n self-hosted
• Ihr habt mehr als 100 Objekte und wollt eine vollintegrierte Lösung → branchenspezifische ERP-Software wie ProClean ProSupply in Betracht ziehen (kein öffentliches Pricing, Demo anfragen unter proclean-software.de)

Datenschutz und Datenhaltung

Die verarbeiteten Daten in diesem Anwendungsfall sind primär geschäftliche Daten: Lieferantenrechnungen, Artikellisten, Objektbezeichnungen, Bestellmengen. Personenbezogene Daten spielen eine Nebenrolle — relevant werden sie, wenn Nutzerdaten (welche Objektleiterin hat wann bestellt) im System erfasst werden.

Für die DSGVO gilt: Sobald ihr Daten an Cloud-Dienste übergebt — insbesondere wenn Rechnungen oder Objekt-Stammdaten an ChatGPT-API oder Make.com übertragen werden — braucht ihr einen Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO mit dem jeweiligen Anbieter.

Blink (blink-gebaeudereinigung): DSGVO-konform, deutsches Unternehmen, Datenhaltung in Deutschland. AVV ist verfügbar.

Make.com: EU-Datenregion beim Account-Setup auswählbar (AWS-Infrastruktur in der EU). AVV verfügbar. Wenn ihr Rechnungen durch ChatGPT verarbeitet, gehen diese Daten an OpenAI-Server in den USA — wichtig zu kommunizieren, falls Kundenrechnungen mit Namen oder Adressen darin liegen.

n8n: Self-Hosted bedeutet vollständige Datenkontrolle im eigenen Netz. Cloud-Version speichert Daten in der EU.

Praktische Empfehlung: Haltet Kundendaten aus den Workflows heraus. Für die Bestandsverwaltung braucht ihr keine personenbezogenen Kundendaten — Objektbezeichnungen wie “Objekt Müller, Frankfurt, 3. OG” oder interne Objekt-IDs reichen für die Bestellung.

Ein Hinweis zur GefStoffV-Dokumentation: Das automatisierte Bestellsystem kann euch einen Zusatznutzen bringen, der über die Bestellung hinausgeht. Wenn das System jede Lieferung und jeden Verbrauch loggt, habt ihr automatisch eine lückenlose Dokumentation des Gefahrstoff-Einsatzes je Objekt — relevant für Betriebsprüfungen nach TRGS 510.

Was es kostet — realistisch gerechnet

Einmalige Setup-Kosten Der Aufbau des Materialmasters (welches Objekt braucht was in welcher Gebindegröße) ist die größte Investition — intern rund 10–20 Stunden Arbeit für 20–40 Objekte. Dazu kommt das technische Setup des Workflows: Bei Blink kaum Aufwand (Modul aktivieren, Stammdaten eintragen), bei Make.com-Eigenaufbau 8–16 Stunden, bei einer externen Agentur typisch 1.000–3.000 Euro für einen fertigen Workflow. ERP-Integrationen (falls ein bestehendes System angebunden werden soll) kosten mehr — 3.000–8.000 Euro sind realistisch.

Laufende Kosten (monatlich)

• Blink Standard (40 Mitarbeitende): 149 + 40 × 4,90 = 345 Euro/Monat (umfasst allerdings den gesamten Blink-Funktionsumfang, nicht nur Bestellung)
• Make.com Pro + ChatGPT-API: ca. 30–50 Euro/Monat für 20–50 Objekte
• n8n Cloud Pro: 50 Euro/Monat, Self-Hosted: Serverkosten (ca. 10–20 Euro/Monat bei kleinen Servern)

Gegenrechnung: Was sparst du? Ein Reinigungsunternehmen mit 2 Millionen Euro Umsatz und durchschnittlich 6 Prozent Materialkosten (120.000 Euro/Jahr) kann durch bessere Bestandssteuerung realistisch 15–20 Prozent dieser Kosten vermeiden — 18.000 bis 24.000 Euro jährlich. Allein die Eliminierung von 20 Notfallbestellungen mit 40 Prozent Aufschlag bei durchschnittlich 500 Euro Bestellwert spart 4.000 Euro pro Jahr. Dazu: Weniger Bestandsarbeit (1 Stunde/Woche je Objektleiterin × 5 Objektleiterinnen × 45 Wochen × 25 Euro Stundensatz = 5.625 Euro/Jahr eingespart).

Im konservativen Szenario — 30 Prozent der errechneten Einsparungen realisiert — amortisiert sich der Aufbau in 2–4 Monaten.

Wie du den ROI tatsächlich misst Zähle vor der Einführung: Wie viele Notfallbestellungen habt ihr im letzten Jahr gehabt? Was hat der Expressaufschlag insgesamt gekostet? Was war der durchschnittliche Lagerbestandswert? Diese Ausgangswerte braucht ihr, um nach 12 Monaten eine ehrliche Vorher-Nachher-Rechnung aufmachen zu können. Wer diese Zahlen nicht erfasst, kann den ROI nicht beweisen — und das schwächt die interne Akzeptanz des Systems.

Typische Einstiegsfehler

1. Den Materialmaster unterschätzen. Das technische System läuft in einer Woche. Die Daten — welches Objekt braucht welche Artikel in welchen Gebindegrößen bei welchem Verbrauch — brauchen länger. Viele Betriebe starten mit unvollständigen Stammdaten und wundern sich dann, warum die Bestellvorschläge nicht stimmen. Lösung: Bevor das System in Betrieb geht, einen “Datensprint” mit den Objektleiterinnen machen — jede trägt für ihre fünf bis zehn Objekte die Materialstammdaten ein. Drei Tage intensiv, dann läuft es.

2. Objektleiterinnen umgehen das System. Das ist der gefährlichste Fehler — weil er still passiert. Eine erfahrene Objektleiterin, die seit Jahren weiß, wann ihr Lieferant liefert und was zu bestellen ist, braucht 90 Sekunden für einen WhatsApp-Anruf. Ein neues System braucht vielleicht drei Minuten Eingabe. Wenn der Nutzen für sie persönlich nicht spürbar ist, geht sie den kürzeren Weg — und das System hat dann veraltete Daten, die es zunehmend unbrauchbar machen. Lösung: Das System muss der Objektleiterin das Leben leichter machen, nicht schwerer. Zeige konkret: keine Notfallanrufe mehr samstags, kein “Kannst du mal kurz nachschauen” von der Disposition.

3. Compliance-Problematik ignorieren. Wenn das System auf Basis falscher Materialmasters Chemikalien für Objekte vorschlägt, die andere Zulassungen brauchen (z. B. VAH-gelistete Desinfektionsmittel für Arztpraxis statt Standard-Desinfektionsmittel), passiert der umgekehrte Fehler: Das System bestellt automatisiert das falsche Produkt. Das ist nicht nur unwirtschaftlich, sondern für regulierte Umgebungen (Medizin, Lebensmittel) ein echtes Compliance-Risiko. Lösung: Für jedes Objekt ein Feld “Sonderanforderungen Chemikalien” einpflegen, und Bestellvorschläge für diese Objekte immer manuell freigeben lassen.

4. System einrichten und dann vergessen. Nach zwölf Monaten sind manche Verträge geändert (anderes Papier vereinbart), manche Objekte gewachsen (mehr Mitarbeitende, höherer Verbrauch), manche Lieferanten haben neue Artikel. Wenn diese Änderungen nicht ins System fließen, liefert das System zuverlässig veraltete Prognosen — und das Vertrauen in die Automatisierung sinkt. Wer das System einführt, muss gleichzeitig festlegen: Wer ist zuständig für die Pflege? Wann wird geprüft, ob Stammdaten noch stimmen? Ein vierteljährlicher Überprüfungstermin ist das Minimum.

Was mit der Einführung wirklich passiert — und was nicht

Die Technik ist nicht das Problem. Das Schwierige ist, drei verschiedene Interessenlagen unter einen Hut zu bringen.

Die Objektleiterinnen wollen, dass das System ihre Arbeit erleichtert, nicht dass es ihre Kontrolle wegnimmt. Wer die Einführung als “jetzt wird das zentral gesteuert” kommuniziert, baut Widerstand auf. Wer es als “du bekommst einen digitalen Assistenten, der dir rechtzeitig sagt, wann du bestellen musst” kommuniziert, bekommt Mitarbeit.

Die Disponenten wollen Überblick, aber keine neue Aufgabe. Das System gibt ihnen einen Echtzeit-Blick auf alle Objektbestände — was bei Krisenmanagement Gold wert ist (“Welche Objekte haben den kritischsten Bestand?”). Aber wenn jede Bestellung manuell durch die Disposition muss, ist das eine neue tägliche Aufgabe, keine Entlastung. Lösung: Routinebestellungen unter einem definierten Betrag (z. B. unter 200 Euro) laufen vollautomatisch, größere Bestellungen oder neue Artikel kommen zur Freigabe.

Die Geschäftsführung will den ROI sehen. Den bekommt sie nach drei bis sechs Monaten, wenn die erste Notfallbestellungs-Statistik zeigt: fünf Notfallbestellungen statt früher zwanzig. Was nicht klappt: Der Erwartung, dass das System sofort perfekt funktioniert. In den ersten Wochen gibt es noch unvollständige Daten, fehlende Stammdaten, Lernkurven. Wer das als “das System taugt nichts” interpretiert, hat zu früh aufgehört.

Was konkret hilft:

• Pilotstart mit fünf bis zehn Objekten — nicht sofort mit dem gesamten Bestand
• Eine Objektleiterin zur System-Ansprechpartnerin machen, die anderen zieht sie mit
• Klare Kommunikation: Das System schlägt vor, Menschen entscheiden (zumindest am Anfang)
• Drei Monate Geduld vor dem Urteil

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

“Wir haben einen guten Kontakt zu unserem Lieferanten, das funktioniert auch so.” Stimmt oft — für Unternehmen mit bis zu 15 Objekten und einem einzigen Hauptlieferanten. Sobald ihr mehr als 20 Objekte habt, zwei oder mehr Lieferanten und wechselnde Objektleiterinnen, ist “der gute Kontakt” ein fragiles System. Es hängt an einzelnen Menschen — und wenn die krank sind oder das Unternehmen verlassen, bricht es zusammen. Das automatisierte System ist keine Alternative zum guten Lieferantenkontakt, es ergänzt ihn.

“Wir haben kein ERP — das ist doch zu kompliziert.” Das Gegenteil ist der Fall: Genau für Unternehmen ohne ERP ist dieser Ansatz interessant. Ein Make.com-Workflow, eine Google-Tabelle als “Lager” und ChatGPT als Rechnungsleser — das ist kein ERP-Projekt, das ist ein Wochenend-Aufbau für jemanden, der sich ein bisschen auskennt. Die Komplexität entsteht nicht durch fehlende Software, sondern durch unvollständige Stammdaten.

“Meine Objektleiterinnen wollen das nicht eingeben.” Richtig erkannt — das ist das größte Adoptionsrisiko. Die Lösung ist nicht, Eingabe zu erzwingen, sondern sie so einfach wie möglich zu machen: eine Checkliste in der Blink-App, ein QR-Code im Putzraum, der zur Bestellliste führt. Und: Zeige, was passiert wenn das System gut gepflegt ist — keine Notfallanrufe mehr. Keine “Ich hab vergessen zu bestellen”-Situationen. Das Argument ist konkret und direkt für sie relevant.

Woran du merkst, dass das zu dir passt

• Dein Unternehmen betreut 20 oder mehr Objekte — bei weniger Objekten ist manuelles Bestellen über eine einfache Tabelle oft effizienter
• Du hast pro Jahr mehr als fünf Notfallbestellungen mit Expressaufschlag — das sind messbare Kosten, die das System direkt verhindert
• Mindestens zwei Objektleiterinnen sind für Bestellungen zuständig — sobald mehrere Personen unkoordiniert bestellen, entstehen Überbestände und Lücken
• Dein Bestellvolumen bei einem Hauptlieferanten liegt über 2.000 Euro pro Monat — dann gibt es Verhandlungsspielraum, den du mit gebündelten Bestelldaten erst ausschöpfen kannst
• Du hast oder willst ein digitales Berichts- und Protokollsystem — die Qualitätsdaten aus Reinigungsprotokollen können Verbrauchsprognosen verbessern

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

1. Unter ca. 15–20 Objekten. Der Aufwand für Materialmaster, Schulungen und System-Pflege übersteigt den Nutzen. Eine gut geführte Excel-Tabelle mit Bestelllisten je Objekt ist dann die bessere Lösung — einfacher, ohne Lernkurve, sofort umsetzbar.

2. Keine strukturierten Lieferantendaten vorhanden. Wenn ihr Bestellungen nur mündlich oder per Handzettel tätigt und keine digitalen Lieferantenrechnungen bekommt, hat das System keine Datenbasis für die Prognose. Erster Schritt wäre: alle Bestellungen auf E-Mail oder PDF-Rechnung umstellen, bevor ein Automatisierungssystem sinnvoll ist.

3. Mehr als 30 Prozent der Objekte haben individuelle Chemikalien-Vorgaben. Wenn ein großer Teil eurer Objekte Spezialchemikalien (Lebensmittelbetriebe, Krankenhäuser, Labore) mit eigenen Zulassungsanforderungen braucht, ist die Stammdatenpflege so aufwendig und der Fehler-Spielraum so gering, dass das automatisierte System mehr Kontrolle als Entlastung erfordert. Für diese Objekte bleibt der manuelle Prozess sicherer.

Das kannst du heute noch tun

Mach ein “Notfall-Bestellungs-Audit”: Schau dir die letzten zwölf Monate an und notiere jede Bestellung, die mit Expressaufschlag oder unter Zeitdruck entstanden ist. Wie viele waren es? Wie hoch war der Aufschlag insgesamt?

Das dauert eine Stunde und zeigt dir in Euro, was das Problem heute kostet. Mit dieser Zahl weißt du, ob ein Systemaufbau wirtschaftlich ist — bevor du auch nur eine Stunde in Tool-Auswahl investierst.

Für den nächsten Schritt: Baue eine einfache Stammdatenliste auf. Eine Tabelle, eine Zeile pro Objekt, mit den fünf bis zehn wichtigsten Verbrauchsmaterialien und eurer Schätzung des Wochen- oder Monatsverbrauchs. Diese Tabelle ist die Grundlage für jedes System — und sie kostet nur Zeit, kein Geld.

Quellen & Methodik

• Materialkosten 3–8 % des Umsatzes: Mendato, „Materialwirtschaft — Reinigungsmittel & Kosten im Griff” (mendato.com/wissen/materialwirtschaft, Stand 2026). Praxisbasierte Richtwerte für mittelständische Gebäudereinigungsunternehmen in Deutschland; keine repräsentative Studie.
• ProClean ProSupply (automatisiertes Bestellwesen für Reinigungsunternehmen): Produktbeschreibung ProClean Software GmbH (proclean-software.de/software/prosupply/, Stand 2026). Branchenspezifisches ERP mit regelbasierter Mindestbestandsautomatisierung.
• GefStoffV, TRGS 510, DGUV 101-019: Gefahrstoffverordnung in der gültigen Fassung; Technische Regeln für Gefahrstoffe TRGS 510; KomNet NRW, Dialog 25450 (komnet.nrw.de, Stand 2025). Lagermengen in Putzkammern: nur der für den Fortgang der Tätigkeit erforderliche Bedarf.
• Preisangaben Blink: Veröffentlichte Tarife Blink GmbH (blink.de/preise, Stand April 2026).
• Preisangaben Make.com und n8n: Veröffentlichte Tarife der jeweiligen Anbieter (Stand Mai 2026).
• ROI-Szenarien und Implementierungsaufwand: Erfahrungswerte aus vergleichbaren Bestandsautomatisierungs-Projekten in Dienstleistungsunternehmen; keine repräsentative Studie.

Du willst prüfen, ob das für euren Betrieb wirtschaftlich ist? Das Notfall-Audit dauert eine Stunde — meld dich, wenn du dabei Unterstützung brauchst.