Im Maschinenbau und Sondermaschinenbau entscheidet oft die Reaktionsgeschwindigkeit. Wer eine Woche braucht, wo die Konkurrenz drei Tage braucht, verliert Aufträge. KI beschleunigt Angebotsprozesse spürbar, ohne dass die Kalkulation darunter schludrig wird.
In vielen Maschinenbau-Mittelständlern läuft die Angebotserstellung nach demselben Muster:
Die Folgen sind teuer: Anfragen bleiben liegen, weil die zuständige Person auf einer Baustelle ist. Ein erheblicher Anteil der Angebote wird vom Kunden nie nachverfolgt. Er hat sich längst für den schnelleren Wettbewerber entschieden (Erfahrungswert aus Mittelstandsprojekten: typischerweise 30–40 %). Senior-Ingenieur:innen verbringen Tage mit Kalkulationen statt im Engineering. Und das Wissen der zwei, drei Erfahrensten ist nirgendwo dokumentiert.
Bei kleinen Volumen mag das tolerabel sein. Bei steigender Anfragemenge wird es zum strategischen Risiko.
Angebotskalkulation bietet KI besonders viel Hebel: viel Text, viele PDFs, wiederkehrende Muster, viel historisches Wissen. Genau bei solchen Aufgaben sortieren Sprachmodelle und semantische Suche unstrukturierte Anfragen und finden Vergleichsprojekte, die man sonst mühsam von Hand zusammensucht.
Anfragen kommen oft als unstrukturierter Mix aus E-Mail, PDF-Lastenheften, Excel und gescannten Skizzen. Die KI liest sie, extrahiert die technischen Eckdaten und legt sie strukturiert ab: Material, Maße, Stückzahlen, Sondervorschriften, Liefertermine.
Semantische Suche über Ihre historischen Angebote, Kalkulationen und Auftragsdaten. Sie sucht nach technisch und kommerziell vergleichbaren Projekten, nicht nach Stichwörtern, und findet sie auch bei anderen Kundennamen oder abweichenden Begriffen.
Auf Basis der Vergleichsprojekte ein erster Kalkulationsentwurf: Materiallisten, Stundenschätzung pro Baugruppe, Margenvorschlag. Ihre Kalkulator:innen prüfen und justieren — statt beim leeren Blatt anzufangen.
Wo Spezifikationen unklar oder widersprüchlich sind, fasst die KI zusammen, was beim Kunden zu klären ist — als fertigen Antwort-Entwurf zum Versenden. Statt drei Tage später anzurufen.
Wenn die Datenhistorie ausreicht: eine Einschätzung, wie wahrscheinlich der Auftrag konvertiert, basierend auf Kunde, Anfragevolumen, Branche und ähnlichen Konstellationen. Damit investieren Sie Senior-Zeit nur dort, wo die Abschluss-Wahrscheinlichkeit hoch ist. Das hat kein fertiges CPQ-Tool im Standardumfang.
Es gibt fertige Tools für KI-gestützte Angebotskalkulation — etwa up2parts oder spezialisierte CPQ-Software. Die haben Stärken, aber auch Grenzen.
Im Sondermaschinenbau und kundenspezifischen Anlagenbau sieht die Realität anders aus:
Mein Ansatz: Ich setze auf bewährte Standardtechnologien — Automatisierung mit n8n, semantische Suche über einen Vektor-Index, ein Sprachmodell auf eigener Hardware — und baue die kalkulationsspezifische Logik mit Ihnen zusammen. Ihre Daten bleiben bei Ihnen, Ihre Logik bilden wir Schritt für Schritt ab. Sie behalten die Kontrolle. Die Lösung läuft auf Ihrer eigenen Plattform, souverän in Deutschland. Mehr zum Vorgehen unter Leistungen und zu den wo Ihre Daten verarbeitet werden.
Sondermaschinenbau-Kalkulationen enthalten Kundennamen, Margen, Stundensätze, Lieferanten-Preise. Das gehört nicht in fremde Trainings-Datenpools. Bei Adoption-X laufen alle Modelle über EU-Vertragsbeziehungen, Ihre Kalkulationsdaten bleiben in Ihrer Umgebung. DSGVO-konformer Stack im Detail →
Ich bin kein Software-Anbieter und baue keine eigene CPQ-Lösung. Ich integriere die Automation in Ihre bestehende Datenwelt (ERP, CAD, Angebots-Ablage) und automatisiere genau den Teil, der bei Ihnen zur Engstelle wird.
Konkret läuft das so:
Ich gehe mit Ihnen durch die Anfrage-Realität: Welche Anfrage-Typen kommen rein? Welche Bereiche sind besonders aufwendig? Welche Daten und Tools sind im Einsatz? Was geht heute regelmäßig schief?
Ich picke einen klar abgegrenzten Anfrage-Typ (z. B. eine Maschinen-Variante, eine Baugruppe, einen Standard-Anpassungs-Fall) und setze KI-gestützte Spec-Extraktion und Kalkulationsentwurf darauf auf — parallel zur normalen Kalkulation.
Über 4–6 Wochen werden die Ergebnisse mit Ihrer regulären Kalkulation verglichen: Genauigkeit der Schätzung, Zeitersparnis, Qualität der Rückfragen. Ihre Kalkulator:innen korrigieren, das System lernt mit.
Sobald der erste Prozess stabil läuft, wird auf weitere Anfrage-Typen ausgerollt, weitere Anwendungsfälle ergänzt (Win-Probability, automatische Rückfragen, Margen-Optimierung).
Was ich nicht mache: Ich verspreche keine 80%-Zeitersparnis. Die kann ich nicht garantieren, und sie passt selten zu Ihrer Realität. Was ich verspreche: nach 6 Wochen wissen Sie ehrlich, ob und wo sich das lohnt — und wenn nicht, sage ich das offen.
Tendenziell weniger, wenn Sie ausschließlich echte Greenfield-Konstruktionen ohne Vergleichsbasis kalkulieren, oder wenn Ihr Angebotsprozess schon über ein gut funktionierendes CPQ-System läuft. Was zutrifft, klären wir im Workshop. Verwandte Anwendungsfälle finden Sie unter Lösungen, etwa KI für Posteingang & Anfragen.
| Volumen | 30 Angebote/Monat × ~8h Kalkulationsaufwand |
| Personalzeit heute | 240h/Monat = 2.880h/Jahr |
| Personalkosten heute | 2.880h × 85 €/h = 244.800 €/Jahr |
| Mit Spec-Extraktion + Kalkulationsentwurf | ~50 % Zeitersparnis → 1.440h gespart |
| Effekt | ~122.400 €/Jahr plus höhere Win-Rate durch schnellere Reaktion |
Vereinfachte Beispielrechnung mit Annahme 85 €/h vollbelastetem Personalkostensatz. Die echte Größenordnung klären wir gemeinsam im Erstgespräch — Volumen, Komplexität und Ihre Lizenz-Landschaft kennen Sie besser als ich.
30 Minuten, kostenfrei, kein Vertriebsgespräch. Ich höre mir Ihren Angebotsprozess an, gebe eine erste Einschätzung, was sich lohnt — und schlage Ihnen ggf. einen passenden nächsten Schritt vor.