Komplexe B2B-Angebote mit KI sicherer erstellen

Warum sind B2B- und Industrieangebote besonders komplex?

Ein industrielles Angebot besteht selten nur aus Artikelnummer, Menge und Preis. Kunden fragen Varianten, technische Spezifikationen, Lieferbedingungen, Dokumentation, Inbetriebnahme oder Service an. Manche Komponenten sind konfigurierbar, andere schließen sich aus. Preise hängen von Stückzahl, Region, Laufzeit, Rohstoffen oder individuellen Vereinbarungen ab. Vertrieb sammelt Informationen im CRM, Produktdaten liegen im ERP oder PIM und technische Aussagen kommen aus Dokumenten und den Köpfen erfahrener Mitarbeitender.

Diese Verteilung macht die Angebotserstellung langsam. Rückfragen laufen per E-Mail, Versionen werden lokal gespeichert und Änderungen sind schwer nachzuvollziehen. Eine Vorlage hilft bei der Darstellung, löst aber keine Variantenlogik. Auch ein einfacher Angebotsgenerator kennt weder kundenspezifische Konditionen noch technische Freigaben. KI kann Informationen schneller erfassen und beschreiben, wenn sie in einen Prozess eingebettet ist, der Quellen, Regeln und Verantwortlichkeiten eindeutig festlegt.

Wie kann KI technische Anfragen in ein Angebot übersetzen?

Der Workflow beginnt mit der Kundenanfrage. Eine KI kann E-Mails, Lastenhefte oder Formulare nach Produkten, Mengen, Einsatzbedingungen, Normen, Lieferort und Termin strukturieren. Sie erkennt fehlende Angaben und schlägt präzise Rückfragen vor. Danach sucht sie nicht frei im Internet, sondern in freigegebenen Produkt- und Wissensquellen. Mögliche Komponenten und Dokumente werden als Vorschlag angezeigt. Technische Verantwortliche bestätigen Konfiguration und Machbarkeit.

Auf dieser Grundlage entsteht ein Angebotsentwurf mit verständlicher Lösung, Positionsdaten, Optionen, Lieferumfang und Voraussetzungen. Zahlen stammen aus ERP, CPQ oder geprüfter Kalkulation. Die KI verbindet Daten und formuliert; sie darf keine Spezifikationen oder Zertifikate erfinden. Quellenangaben und Markierungen machen sichtbar, woher eine Aussage kommt. Dadurch kann der Vertrieb schneller ein professionelles Angebot erstellen, während Engineering und kaufmännische Freigabe ihre Kontrollpunkte behalten.

Welche Systeme und Datenquellen werden benötigt?

Typische Quellen sind CRM für Kunde und Opportunity, ERP für Artikel und Konditionen, PIM für Produktmerkmale, DMS oder Google Drive für Dokumente und Excel für Spezialkalkulationen. Nicht jede Quelle muss sofort angebunden werden. Zuerst wird festgelegt, welches System für welche Information führend ist. Ein Produktname aus einem alten PDF darf beispielsweise keinen aktuellen ERP-Datensatz überschreiben. Datenqualität und Änderungsverantwortung sind wichtiger als die Zahl der Integrationen.

Über APIs oder MCP-Schnittstellen erhält der Angebotsassistent genau definierte Fähigkeiten: Kunden lesen, verfügbare Produkte suchen, freigegebene Dokumente finden oder einen Entwurf im CRM ablegen. Schreibrechte werden sparsam vergeben. Wo keine Schnittstelle vorhanden ist, kann ein kontrollierter Import helfen. Ziel ist keine zweite Schatten-Datenbank, sondern ein Orchestrierungsprozess, der bestehende Systeme sinnvoll nutzt und Herkunft sowie Aktualität der Angebotsdaten sichtbar macht.

• CRM: Kunde, Bedarf, Kommunikation und Status
• ERP/CPQ: Artikel, Verfügbarkeit, Preise und Kalkulation
• PIM/DMS: Merkmale, Datenblätter und Nachweise
• Regelwerk: Varianten, Ausschlüsse und Freigabegrenzen
• Vorlage: Marke, Lieferumfang, Bedingungen und Anhänge

Wie funktionieren Varianten, Staffelpreise und Zuschläge?

Variantenlogik gehört nicht in einen freien KI-Prompt. Sie sollte als nachvollziehbare Regel oder in einem bestehenden Konfigurator abgebildet sein. Der Assistent kann die Kundenanforderung interpretieren und eine mögliche Konfiguration anfragen. Das führende System prüft Kompatibilität, Pflichtkomponenten und Ausschlüsse. Staffelpreise, Rabatte, Währungslogik, Fracht und Zuschlag werden ebenfalls regelbasiert berechnet. So bleiben netto, brutto und Marge reproduzierbar.

Wenn eine Ausnahme nötig ist, startet der Workflow eine Freigabe. Beispielsweise kann ein Rabatt oberhalb einer Grenze an Vertriebsleitung oder Finance gehen. Technische Sonderlösungen werden an Engineering weitergeleitet. Entscheidungen und Versionen werden dokumentiert. Die KI formuliert danach die genehmigte Variante verständlich und trennt Basisumfang, Optionen und kundenseitige Voraussetzungen. Das beschleunigt die Erstellung, ohne komplexe Geschäftsregeln in undurchsichtigen Textanweisungen zu verstecken.

Wie werden technische Dokumente und Nachweise eingebunden?

Datenblätter, Zeichnungen, Zertifikate und Leistungsbeschreibungen sind oft entscheidend für die Auftragserteilung. Ein KI-Workflow kann passende Dokumente anhand der bestätigten Konfiguration finden und als vorgeschlagene Anhänge anzeigen. Dabei muss er Version, Sprache, Gültigkeit und Produktzuordnung berücksichtigen. Ein ähnlicher Dateiname reicht nicht als Nachweis. Die Quelle sollte autorisiert und die Dokumentversion nachvollziehbar sein.

Im Angebot selbst kann die KI technische Inhalte verständlich zusammenfassen, ohne die Originaldokumentation zu ersetzen. Kritische Werte werden direkt aus strukturierten Feldern übernommen. Bei Widersprüchen zwischen Anfrage, Produktdaten und Dokumenten stoppt der Prozess und fordert eine Klärung. So hilft KI, große Dokumentbestände nutzbar zu machen, während Qualitätssicherung und technische Verantwortung erhalten bleiben. Dies ist besonders relevant bei regulierten Produkten und kundenspezifischen Spezifikationen.

Praxisbeispiel: Angebot für eine kundenspezifische Anlage

Ein Anlagenbauer erhält eine Anfrage mit Lastenheft, gewünschter Leistung, Aufstellort und Abnahmekriterien. Früher verteilt der Vertrieb Dokumente per E-Mail an Konstruktion, Service und Einkauf. Antworten landen in verschiedenen Versionen einer Excel-Kalkulation. Im neuen Ablauf extrahiert die KI zunächst Anforderungen und erstellt eine prüfbare Matrix. Fachbereiche bestätigen Machbarkeit, Abweichungen und offene Punkte. Das System verknüpft freigegebene Baugruppen, Dienstleistungen und technische Anhänge.

Nach der technischen Klärung übernimmt der Workflow Preise und Lieferzeiten aus den führenden Systemen. Die KI erstellt eine kundenverständliche Zusammenfassung, gliedert Lieferumfang, Optionen, bauseitige Leistungen und Abnahmeschritte. Finance genehmigt Konditionen, Engineering technische Aussagen und Sales den Gesamtentwurf. Danach wird das Angebot als PDF erzeugt und im CRM gespeichert. Jede wesentliche Aussage hat eine Quelle oder Freigabe; genau dadurch wird KI im komplexen B2B-Prozess praktisch nutzbar.

Wie unterstützt KI Vertrieb, Technik und Backoffice gleichzeitig?

Jede Rolle braucht eine andere Sicht. Vertrieb möchte schnell wissen, ob die Anfrage vollständig ist und wann ein Entwurf vorliegt. Technik benötigt konkrete Anforderungen statt unstrukturierter E-Mail-Ketten. Das Backoffice braucht bestätigte Positionen, Adressen und Konditionen. Ein gemeinsamer Angebotsvorgang verbindet diese Perspektiven, ohne allen Nutzern Zugriff auf sämtliche Daten zu geben. Aufgaben, Rückfragen und Freigaben werden der richtigen Rolle zugeordnet.

Die KI fungiert dabei als Übersetzer und Assistent. Sie fasst Änderungen zusammen, erstellt Rückfragen für den Kunden und erläutert technische Positionen in verständlicher Sprache. Sie kann auch Unterschiede zwischen Versionen markieren. Entscheidungen trifft sie nicht allein. Diese Aufgabenteilung verhindert, dass Automatisierung nur Arbeit vom Vertrieb in eine andere Abteilung verschiebt. Ein guter Prozess reduziert Übergaben, macht Status sichtbar und hilft, den Überblick zu behalten.

Was ist bei Sicherheit, Datenschutz und Betriebsgeheimnissen wichtig?

Industrieangebote enthalten oft vertrauliche Preise, Zeichnungen, Kalkulationen und Kundenanforderungen. Vor der Umsetzung müssen Datenklassen, erlaubte Verarbeitungsorte, Aufbewahrung und Zugriffsrechte definiert werden. Nicht jedes Dokument darf in einen Suchindex oder an ein externes Modell übertragen werden. Je nach Schutzbedarf kommen getrennte Speicher, ausgewählte Modelle, Verschlüsselung und detaillierte Protokolle zum Einsatz. Die technische Architektur folgt dem Risiko – nicht einem pauschalen KI-Versprechen.

Auch Berechtigungen der Schnittstellen werden minimiert. Ein Assistent, der Produktdaten lesen soll, benötigt nicht automatisch Schreibzugriff auf das ERP. Aktionen mit wirtschaftlicher Wirkung erfordern Freigaben. Test- und Produktivdaten werden getrennt, und Ausgaben werden auf unerlaubte Inhalte geprüft. Diese Maßnahmen machen den Prozess nicht nur sicherer; sie schaffen Vertrauen bei Mitarbeitenden und Kunden. Eine individuelle Prüfung durch Datenschutz-, IT-Sicherheits- und Rechtsverantwortliche bleibt je nach Unternehmen erforderlich.

CPQ, Angebotssoftware oder individuelle KI-Lösung?

Ein CPQ-System ist stark, wenn Produkte, Konfiguration und Preise klar modelliert werden können. Angebotssoftware und ERP decken Dokument, Kalkulation und Auftragsübergabe ab. Eine KI-Lösung sollte diese Systeme nicht leichtfertig ersetzen. Ihre Stärke liegt bei unstrukturierten Anfragen, Dokumentensuche, verständlicher Formulierung und Koordination. In vielen Fällen ist die Kombination sinnvoll: CPQ entscheidet gültige Konfiguration und Preis, KI bereitet Eingabe und Erklärung vor.

Ein kostenloser Angebotsgenerator passt dagegen eher zu einfachen Standardpositionen. Für technische B2B-Angebote fehlen meist Produktlogik, Rollen und Integrationen. Die Auswahl beginnt daher mit dem Engpass. Ist die Kalkulation unstrukturiert, braucht es zuerst Regeln. Sind Daten vorhanden, aber schwer auffindbar, hilft eine intelligente Suche. Dauert die Abstimmung, muss der Workflow Freigaben steuern. Erst diese Diagnose zeigt, ob ein neues Tool, eine Integration oder eine gezielte KI-Schicht den größten Nutzen liefert.

Wie entstehen mehrsprachige und internationale Angebote?

Internationale Angebote benötigen mehr als eine direkte Übersetzung. Produktbezeichnungen, Einheiten, Währungen, Lieferbedingungen und rechtliche Texte müssen zur Zielregion passen. Ein KI-Assistent kann aus einem freigegebenen deutschen Entwurf eine Sprachversion vorbereiten und dabei ein Terminologieverzeichnis verwenden. Zahlen und technische Werte werden nicht neu berechnet, sondern aus denselben bestätigten Feldern übernommen. Verbindliche Vertrags- und Steuertexte kommen aus freigegebenen Vorlagen für das jeweilige Land.

Fachkundige Personen prüfen Sprache und Inhalt, insbesondere bei technischen Zusagen. Der Workflow kann fehlende Übersetzungen, abweichende Maßeinheiten oder inkonsistente Produktnamen markieren. Dadurch wird Mehrsprachigkeit skalierbarer, ohne so zu tun, als sei jede automatisch erzeugte Übersetzung sofort versandfertig. Auch unterschiedliche Datums-, Zahlen- und Adressformate lassen sich systematisch anwenden. Für regelmäßig bediente Märkte entsteht so ein wiederverwendbarer Prozess statt einer neuen manuellen Übersetzungsrunde pro Angebot.

Welche Kennzahlen zeigen, ob die Automatisierung wirkt?

Die reine Zahl erstellter Angebote sagt wenig über Qualität. Sinnvolle Kennzahlen sind Durchlaufzeit von Anfrage bis erstem prüfbaren Entwurf, Zahl der internen Rückfragen, Korrekturschleifen, Anteil vollständig übernommener Stammdaten und Zeit bis zur Kundenantwort. Auch Fehler in Positionen, Preisen oder Anhängen sollten erfasst werden. Diese Werte werden vor dem Pilot als Ausgangslage gemessen, damit Verbesserungen nicht nur gefühlt sind.

Zusätzlich lohnt ein Blick auf fachliche Ergebnisse: Werden Anforderungen klarer dokumentiert? Sind Freigaben nachvollziehbar? Können neue Mitarbeitende schneller mitarbeiten? Abschlussquote und Auftragswert hängen von vielen Faktoren ab und dürfen nicht vorschnell allein der KI zugerechnet werden. Ein transparentes Dashboard kann Engpässe zeigen, ohne Mitarbeitende zu überwachen. Ziel ist, den Prozess zu verbessern und Datenqualität zu erhöhen. Aus diesen Erkenntnissen ergibt sich, welcher nächste Angebotstyp oder welche Integration sinnvoll ist.

Wie beginnt ein Industrieunternehmen mit einem kontrollierten Pilot?

Ein Pilot sollte einen häufigen, ausreichend standardisierten Angebotstyp wählen. Dazu werden echte Anfragen, fertige Angebote, relevante Stammdaten und bekannte Sonderfälle gesammelt. Ein interdisziplinäres Team aus Vertrieb, Technik, IT und kaufmännischer Verantwortung definiert Quellen und Abnahmekriterien. Der erste Workflow kann beispielsweise nur Anforderungen strukturieren und Rückfragen erzeugen. Danach folgen Dokumentensuche, Positionsvorschläge und schließlich die Angebotserstellung.

Gemessen werden Durchlaufzeit, Zahl der Rückfragen, Korrekturschleifen, Datenfehler und Akzeptanz der Nutzer. Jede Ausbaustufe wird mit echten Fällen getestet. Schnittstellen erhalten zunächst minimale Rechte, und ein Mensch gibt jeden Entwurf frei. So entsteht schrittweise ein belastbarer Prozess. Das Unternehmen gewinnt früh praktische Erkenntnisse, ohne kritische Systeme oder Kundenbeziehungen einem unkontrollierten Experiment auszusetzen.

Vor dem produktiven Einsatz werden Betrieb, Support und Änderungen geklärt. Produktdaten entwickeln sich weiter, Preisregeln ändern sich und neue Dokumentversionen kommen hinzu. Für jede Quelle braucht es deshalb eine verantwortliche Rolle und einen nachvollziehbaren Aktualisierungsweg. Regelmäßige Stichproben zeigen, ob Vorschläge weiterhin korrekt sind. Diese organisatorische Pflege ist ein wesentlicher Teil der Lösung und verhindert, dass ein zunächst hilfreicher KI-Workflow mit der Zeit veraltet.