Angebotskalkulation per KI: Vom E-Mail-Eingang zum fertigen PDF

Das Problem: Angebotsanfragen bleiben liegen

Eine Anfrage kommt per E-Mail. Der Vertriebsmitarbeiter liest sie, öffnet eine Vorlage, tippt Kundendaten ab, wählt das passende Produkt, rechnet den Preis zusammen, formuliert einen individuellen Angebotstext, erstellt ein PDF, hängt es an eine E-Mail und schickt alles raus.

Zeitaufwand: 15 bis 20 Minuten. Pro Anfrage. Und bis das Angebot beim Kunden liegt, vergehen oft Stunden, manchmal Tage.

Das Problem ist nicht die einzelne Anfrage. Das Problem ist die Summe. Bei 10 oder mehr Anfragen pro Woche wird die Angebotsbearbeitung zu einem Engpass. Anfragen bleiben liegen, Antwortzeiten steigen, potenzielle Kunden springen ab.

Die Zahlen sind eindeutig: Laut einer Studie von Harvard Business Review sinkt die Wahrscheinlichkeit, einen Lead zu qualifizieren, um das Zehnfache, wenn die Antwortzeit von 5 Minuten auf 30 Minuten steigt. Bei einer Stunde ist der Vorsprung praktisch weg. Wer zuerst antwortet, gewinnt, und zwar nicht knapp, sondern deutlich.

Gleichzeitig sind die Angebote oft inkonsistent. Unterschiedliche Formulierungen, unterschiedliche Layouts, manchmal unterschiedliche Preise für dasselbe Produkt. Keine böse Absicht, sondern die unvermeidliche Folge manueller Arbeit unter Zeitdruck.

Vorher vs. Nachher

Hier ist das Ergebnis, wenn der Prozess mit lokaler KI automatisiert wird:

Der Vertrieb wird nicht ersetzt. Aber statt jede Anfrage manuell zu bearbeiten, kann er sich auf die Fälle konzentrieren, die wirklich menschliches Urteil erfordern: komplexe Anforderungen, Verhandlungen, persönliche Beratung.

Der Business Impact

Die Automatisierung der Angebotserstellung wirkt an drei Stellen gleichzeitig:

Höhere Konversionsrate durch Geschwindigkeit. Die InsideSales.com-Studie zeigt: Unternehmen, die innerhalb von 5 Minuten auf eine Anfrage reagieren, haben eine 21-mal höhere Chance, den Lead zu qualifizieren, als Unternehmen, die 30 Minuten brauchen. Bei automatisierter Angebotserstellung liegt die Antwortzeit unter 5 Minuten, konsistent, auch freitagnachmittags, auch im Urlaub.

Weniger manuelle Fehler. Wenn Preise, Produktzuordnungen und Angebotstexte aus einem zentralen Regelwerk kommen, verschwinden Tippfehler, falsche Preise und veraltete Konditionen. Jedes Angebot ist korrekt, aktuell und einheitlich formatiert.

Skalierbarkeit ohne Personalaufbau. 10 Anfragen pro Woche oder 50, der Workflow skaliert ohne zusätzlichen Aufwand. Das ist besonders relevant für wachsende Unternehmen, die ihre Vertriebskapazität nicht linear mit dem Anfrageaufkommen steigern können.

So funktioniert der Workflow

Der automatisierte Angebotsprozess besteht aus 6 Schritten. Alles läuft lokal, vom E-Mail-Eingang bis zum versandten PDF.

Schritt 1: E-Mail-Trigger

Ein Workflow-Tool wie n8n überwacht das Anfragen-Postfach. Sobald eine neue E-Mail eingeht, wird sie an den nächsten Schritt weitergereicht, mit Absender, Betreff und E-Mail-Text.

Schritt 2: KI-Analyse

Hier passiert die eigentliche Intelligenz. Ein lokales Sprachmodell, zum Beispiel Mistral 7B oder Qwen 2.5, laufend über Ollama, analysiert die Anfrage und erledigt drei Aufgaben gleichzeitig:

Zunächst werden Kundendaten extrahiert. Aus dem E-Mail-Text werden Name, Firma, E-Mail-Adresse, Branche und, falls angegeben, Adresse herausgezogen. Nicht per Regex oder starren Regeln, sondern durch Sprachverständnis. „Wir sind eine Steuerkanzlei mit 5 Mitarbeitern" liefert die Branche „Steuerberatung" und die Unternehmensgröße.

Dann folgt die Produkterkennung und -empfehlung. Basierend auf dem beschriebenen Bedarf ordnet das Modell das passende Produkt oder die passende Konfiguration zu. Ein Einzelanwender braucht ein anderes Setup als ein Team mit 20 Personen. Das Modell begründet die Empfehlung, diese Begründung fließt später in den Angebotstext ein.

Zuletzt generiert das Modell einen individuellen Angebotstext. Keine generische Vorlage, sondern ein Text, der auf den konkreten Bedarf eingeht, das empfohlene Produkt begründet, den Preis transparent macht und mit einem Gesprächsangebot abschließt.

Das Ergebnis kommt als strukturiertes JSON zurück:

{
  "kunde": {
    "name": "Dr. Thomas Müller",
    "firma": "Kanzlei Müller & Partner",
    "email": "t.mueller@kanzlei-mueller.de",
    "branche": "Steuerberatung"
  },
  "empfehlung": {
    "produkt": "Pro-Konfiguration",
    "begruendung": "Mehrere Mitarbeiter, parallele Workflows, sensible Mandantendaten"
  },
  "angebotstext": "Sehr geehrter Herr Dr. Müller, ..."
}

Schritt 3: Kalkulation

Die Preiszuordnung passiert regelbasiert, nicht durch die KI. Fixpreise, Konfigurationen und optionale Zusatzleistungen kommen aus einem zentralen Preiswerk. Das stellt sicher, dass kein Modell jemals einen falschen Preis „erfindet". Die KI bestimmt was der Kunde braucht, die Kalkulation bestimmt was es kostet.

Schritt 4: PDF-Generierung

Aus den Kundendaten, der Kalkulation und dem generierten Angebotstext wird ein professionelles PDF erstellt. Mit Firmenlogo, einheitlichem Layout, Positionstabelle, Gesamtpreis und Gültigkeitsdauer. Die Angebotsnummer wird automatisch vergeben und fortlaufend geführt.

Schritt 5: Versand

Das fertige PDF wird automatisch als E-Mail-Anhang an den Kunden gesendet. Der Begleittext ist der vom Modell generierte, individuelle Angebotstext. Die Absenderadresse ist die reguläre Vertriebsadresse, für den Kunden sieht die E-Mail aus wie ein normales, persönliches Angebot.

Schritt 6: Logging und Dokumentation

Jedes Angebot wird protokolliert: Kundendaten, empfohlenes Produkt, Preis, Zeitstempel. In einem CRM, einer Tabelle oder einem Buchhaltungssystem. Das schafft Transparenz und ermöglicht Nachverfolgung.

Die KI-Komponente im Detail

Das Sprachmodell erledigt in diesem Workflow drei klassische NLP-Aufgaben:

Ein 7B-Parameter-Modell reicht für diese Aufgaben aus. Die Verarbeitung dauert typischerweise 3 bis 8 Sekunden auf lokaler Hardware. Größere Modelle (30-70B) liefern nuanciertere Texte, brauchen aber mehr Speicher und Rechenzeit.

Warum lokal statt Cloud?

Angebotsanfragen enthalten sensible Daten auf beiden Seiten. Kundendaten wie Name, E-Mail, Firma und Adresse sind personenbezogene Daten im Sinne der DSGVO. Unternehmensdaten wie Preisstruktur, Margen und Produktkonfigurationen sind Geschäftsgeheimnisse.

Wenn die Anfrage-Analyse in der Cloud läuft, werden beide Datenkategorien an einen Drittanbieter übermittelt. Bei lokaler Verarbeitung verlassen nur die fertigen Angebote das System, per E-Mail an den Kunden. Die Rohdaten, die Analyse und die Preiskalkulation bleiben intern.

Intelligente Fallbacks

Nicht jede Anfrage ist eindeutig. Ein guter Workflow braucht Strategien für die Grenzfälle.

Unklarer Bedarf. „Hallo, ich interessiere mich für Ihre Lösung." Keine Details, kein konkreter Bedarf. Der Fallback: Das System erstellt ein Vergleichsangebot mit allen verfügbaren Konfigurationen. Der Kunde kann selbst wählen, und der Angebotstext enthält ein Gesprächsangebot für eine individuelle Beratung.

Fehlende Kontaktdaten. Wenn der Name oder die Firma nicht aus der E-Mail erkennbar ist, fällt das System auf eine generische Anrede zurück: „Sehr geehrte Damen und Herren". Die E-Mail-Adresse ist immer vorhanden, sie kommt aus dem Absenderfeld.

Spam und irrelevante Anfragen. Nicht jede E-Mail im Anfragen-Postfach ist eine echte Anfrage. Das Sprachmodell klassifiziert vorab, ob es sich um eine Angebotsanfrage, eine Supportanfrage, Spam oder etwas anderes handelt. Nur bei echten Anfragen wird der Workflow fortgesetzt. Alles andere wird ignoriert und geloggt.

Mehrere Produkte oder Standorte. „Wir brauchen die Lösung für drei Standorte." Das Modell erkennt die Stückzahl und passt die Kalkulation an. Bei komplexen Multi-Standort-Anfragen kann optional ein Freigabeschritt eingebaut werden, bevor das Angebot automatisch rausgeht.

Optionale Freigabe: Kontrolle behalten

Der Workflow kann vollautomatisch laufen, muss aber nicht. Viele Unternehmen bevorzugen einen Zwischenschritt: Das System erstellt das Angebot vollständig, versendet es aber nicht sofort. Stattdessen geht eine Benachrichtigung an den Vertrieb mit einer Vorschau des Angebots. Ein Klick auf „Freigeben" sendet es ab, ein Klick auf „Bearbeiten" öffnet die Anpassungsmöglichkeit.

Das ist besonders sinnvoll in der Einführungsphase, um Vertrauen in die Qualität der automatischen Angebote aufzubauen. Erfahrungsgemäß reduziert sich der Prüfaufwand nach wenigen Wochen auf Stichproben.

Was du brauchst, um loszulegen

Der geschätzte Aufwand für die Ersteinrichtung liegt bei 10 bis 12 Stunden, inklusive Prompt-Entwicklung, PDF-Template, Testing und Deployment. Der laufende Wartungsaufwand beschränkt sich auf gelegentliche Prompt-Anpassungen, wenn sich das Produktangebot ändert.

ROI-Beispiel

Angenommen, dein Unternehmen bearbeitet 15 Angebotsanfragen pro Woche:

Dazu kommt die höhere Konversionsrate durch schnellere Antwortzeiten, ein Effekt, der sich schwer beziffern lässt, aber in der Praxis oft den größten Impact hat.

Fazit: Der Vertrieb wird nicht ersetzt, sondern entlastet

Die automatisierte Angebotserstellung ist kein Ersatz für guten Vertrieb. Sie ist ein Werkzeug, das den Vertrieb von repetitiver Arbeit befreit.

Standardanfragen werden in Minuten beantwortet, professionell, individuell, fehlerfrei. Der Vertrieb hat Zeit für das, was Maschinen nicht können: zuhören, beraten, Beziehungen aufbauen, komplexe Deals verhandeln.

Der Einstieg ist einfacher als gedacht. Ein lokales KI-System, ein Open-Source-Workflow-Tool, ein paar Stunden Einrichtung. Der Workflow läuft, die Angebote gehen raus, und der Vertrieb kann sich auf die Anfragen konzentrieren, die wirklich zählen.

Quellen

1. Harvard Business Review: The Short Life of Online Sales Leads
2. Lead Response Management Study
3. n8n, Workflow-Automatisierung (Open Source)
4. Mistral AI
5. Qwen 2.5 (Alibaba)
6. Ollama, Lokale KI-Modelle
7. DSGVO Gesetzestext