---
title: 'Angebotsagent im Maschinenbau'
url: 'https://brandnext.de/case-studies/angebotsagent-maschinenbau'
markdown: 'https://brandnext.de/case-studies/angebotsagent-maschinenbau.md'
date: '2026-10-05'
description: 'Anonymisierte Case Study: Ein Thüringer Maschinenbauer bereitet Angebotsanfragen mit einem KI-Agenten vor. Die Fachleute entscheiden weiter selbst.'
---

# Angebotsagent im Maschinenbau

*Case Study · Industrie &amp; Maschinenbau*

## Angebotsagent: schneller antworten, ohne Qualitätsverlust

Ein Maschinenbauer aus Thüringen (ca. 180 Mitarbeitende, anonymisiert) bereitet Kundenanfragen mit einem KI-Agenten vor. Die Fachleute prüfen und entscheiden weiter selbst.

[Strategie-Call buchen](/termin/)

*Ausgangslage*

## Gute Anfragen, zu wenig Zeit für Angebote

Der Betrieb fertigt Sondermaschinen und Baugruppen für Industriekunden. Anfragen kommen per E-Mail, über Portale und telefonisch, oft mit unvollständigen Angaben, Zeichnungen und Lastenheften in unterschiedlichen Formaten.

Die Vertriebsinnendienstler und Konstrukteure verbrachten einen großen Teil ihrer Zeit damit, Anfragen zu sortieren, Informationen nachzufordern und ähnliche frühere Angebote zu suchen. Angebote gingen später raus, als der Kunde es erwartete, und gute Anfragen blieben liegen.

Im Gespräch mit dem Innendienst zeigte sich ein typisches Muster: Viele Anfragen enthielten keine vollständigen Angaben zu Stückzahl, Werkstoff oder Liefertermin. Jede Rückfrage kostete einen Tag Wartezeit, und die Konstrukteure wurden für Auskünfte aus ihrer eigentlichen Arbeit gerissen. Bei größeren Anfragen waren Wettbewerber gelegentlich schneller, obwohl das eigene Angebot fachlich besser war.

Die Geschäftsführung wollte die Angebotsgeschwindigkeit erhöhen, ohne Fachpersonal zu ersetzen und ohne Kundendaten aus der Hand zu geben.

*Vorgehen*

## Vom Postfach zum Angebotsentwurf in vier Schritten

Das Projekt folgte unseren Phasen Analyse, Pilot und Rollout.

- **Analyse der Angebotsprozesse**: Wir haben gemeinsam mit Vertrieb und Konstruktion den Weg einer Anfrage nachgezeichnet, typische Engpässe benannt und ähnliche Angebote der Vergangenheit ausgewertet. Daraus entstand eine Liste der Angaben, ohne die kein belastbares Angebot möglich ist.
- **Pilot mit einer Produktlinie**: Ein Agent liest eingehende Anfragen, extrahiert technische Eckdaten, erkennt fehlende Angaben und erstellt einen Rückfrage- und Angebotsentwurf auf Basis früherer Angebote. Die Fachleute geben jeden Entwurf frei. Bewusst begann der Pilot mit einer einzigen Produktlinie, damit Fehler früh und in überschaubarem Umfang sichtbar wurden.
- **Anbindung an ERP und Dokumentenablage**: Im Rollout wurden Artikelstammdaten, Preislogik und Vorlagen angebunden. Zugriffsrechte und Protokollierung richteten wir nach den Vorgaben der IT ein. Kundendaten bleiben in der Umgebung des Unternehmens.
- **Schulung und Betrieb**: Das Team wurde in der Zusammenarbeit mit dem Agenten geschult: Was prüfe ich im Entwurf zuerst, wann korrigiere ich die Vorlage? Monatliche Stichproben sichern die Qualität, Rückmeldungen fließen in die Anweisungen des Agenten ein.

- **Richtwert: 30 bis 50 %** weniger Zeit für die Anfragenaufbereitung
- **Schnellere Antwort** erste Rückmeldung am selben Tag statt nach Tagen
- **Jeder Entwurf** wird vor dem Versand von Fachleuten freigegeben
- **6 bis 10 Wochen** von der Analyse bis zum ersten Piloten (Richtwert)

## Was wir mitnehmen

Der Nutzen lag weniger in der Textgenerierung als in der Ordnung. Sobald Anfragen strukturiert vorlagen, ließen sich Rückfragen standardisieren und frühere Angebote gezielt nutzen.

Entscheidend für den Erfolg war die frühe Einbindung des Innendienstes und die klare Regel, dass der Agent vorbereitet und der Mensch entscheidet. Wo diese Regel galt, wuchs das Vertrauen schnell. Wo sie unklar blieb, wurden Entwürfe zunächst doppelt geprüft.

### Drei Learnings

- Die Qualität der alten Angebote bestimmt die Qualität der Entwürfe. Wir haben vorab veraltete Vorlagen aussortiert.
- Ein kleiner Pilot mit einer Produktlinie liefert schneller Erkenntnisse als ein großer Wurf für alle Produkte.
- Die Konstrukteure profitieren indirekt: Sie werden seltener für Rückfragen unterbrochen und können sich auf die Fälle konzentrieren, in denen ihr Urteil gebraucht wird.

### Eingesetzte Bausteine

- Sprachmodell mit anbieterunabhängiger Anbindung
- Automatisierung des Posteingangs und der Dokumentenverarbeitung
- Anbindung an ERP und Dokumentenablage mit Rechtekonzept

*Die Angaben zur Wirkung sind Richtwerte aus vergleichbaren Projekten und keine garantierten Ergebnisse. Die Fallbeschreibung ist ein anonymisiertes Muster.*

> Wir antworten heute am selben Tag mit einem fundierten Entwurf. Die Kollegen entscheiden weiter selbst, aber sie fangen nicht mehr bei null an.
>
> Leiter Vertriebsinnendienst, Maschinenbauer aus Thüringen, ca. 180 Mitarbeitende (anonymisierte Rolle, sinngemäß wiedergegeben)

## Passt dazu

- **KI-Agenten &amp; Automatisierung**: Agenten, die Routinearbeit vorbereiten und übernehmen. [Mehr](/ki-kompass/#agenten)
- **LLM-Integration**: Sprachmodelle an Ihre Systeme anbinden. [Mehr](/ki-kompass/#integration)
- **Industrie &amp; Maschinenbau**: Anwendungsfälle für produzierende Unternehmen. [Mehr](/branchen/industrie-maschinenbau/)
- **Case Study: Lieferscheine und Frachtpapiere in der Spedition**: Wie eine Spedition Lieferscheine und Frachtbriefe per KI erfassen lässt und die Disposition entlastet. [Mehr](/case-studies/lieferscheine-spedition/)
- **Case Study: Voice Agent im Kundenservice**: Wie ein Servicebetrieb Routineanrufe entlastet und dabei den persönlichen Ton behält. [Mehr](/case-studies/voice-agent-kundenservice/)
- **Unser Vorgehen**: Analyse, Pilot, Rollout und Betrieb im Überblick. [Mehr](/vorgehen/)

## Passt das zu Ihrer Lage?

Im Strategie-Call besprechen wir, was davon auf Ihr Unternehmen übertragbar ist.

[Strategie-Call buchen](/termin/)
