KI in der Angebotskalkulation und Pricing im Mittelstand: Wie der Vertrieb 2026 margen-intelligente Angebote in Minuten erstellt

Um 10:14 Uhr an einem Dienstag landet eine RFQ im Sammelpostfach eines deutschen Mittelständlers für Präzisions-Drehteile. Ein neuer Kunde will 12.400 Stück eines noch nicht im Katalog gelisteten Teils, Zeichnung als PDF, Lieferung in 14 Wochen, Zielpreis „wettbewerbsfähig”. Der technische Aussendienst öffnet SAP, sucht ähnliche Teile, ruft den Einkauf für aktuelle Materialpreise, mailt drei Lieferanten für das Rohmaterial, öffnet Excel, kopiert die Rabattmatrix vom letzten Quartal, fragt den Produktionsplaner, ob die Lieferzeit machbar ist, fragt den Vertriebsleiter zur Kreditwürdigkeit, rechnet die Marge zweimal nach, weil die zweite Lieferantenrückmeldung niedriger kam, und schickt das Angebot Freitagnachmittag. Verstrichene Zeit: 76 Arbeitsstunden Vertriebs- und Engineering-Kapazität für ein Angebot, das der Kunde in 24 Stunden zurück bräuchte, um in seiner Downstream-Ausschreibung wettbewerbsfähig zu bleiben. Der Kunde unterschreibt am Montag bei der Konkurrenz.

Das ist die operative Realität des B2B-Angebotswesens im Mittelstand 2026. Material- und Lieferantenpreise ändern sich wöchentlich - ein heute manuell kalkuliertes Angebot ist innerhalb von zwei Wochen oft überholt. McKinsey-Research zeigt konsistent, dass KI-getriebenes B2B-Pricing innerhalb von 6 bis 12 Monaten 2 bis 4 Prozent Umsatz als Marge zurückholt¹. Der CPQ-Markt wuchs 2024 auf rund 2 Milliarden Dollar und wird bis 2028 voraussichtlich über 3,5 Milliarden Dollar erreichen³, getrieben spezifisch von KI-Integration. Und B2B-Kunden, besonders die nächste Generation, die Mittelstands-Einkauf übernimmt, erwarten Amazon-Business-Antwortgeschwindigkeit für alles ausser den tiefsten Engineering-Aufgaben. Der traditionelle Mittelstands-Angebotszyklus überlebt diese Kräfte unbewaffnet nicht.

Dieser Artikel ist ein praktischer Leitfaden für die KI-Agenten-Schicht, die endlich zu der Art passt, wie Mittelstands-Angebot und -Pricing wirklich funktionieren. Sieben Use Cases mit hohem ROI, die ehrliche Build-vs-Buy-Entscheidung gegen Salesforce CPQ, PROS, Oracle CPQ, DealHub und Tacton, der Kostenvergleich, die Architektur, die EU AI Act und Kartellrecht respektiert, und ein 90-Tage-Plan zum Live-Gang des ersten Agenten.

Warum der 2-Wochen-Angebotszyklus jetzt ein Risiko ist

Drei strukturelle Kräfte treffen das B2B-Angebotswesen im Fenster 2024 bis 2026. Jede einzelne wäre managbar. Gestapelt brechen sie das Mittelstands-Betriebsmodell.

Kraft 1: Material- und Lieferantenpreis-Volatilität

• Monatliche Lieferanten-Preisänderungen - Metalle, Kunststoffe, energiegetriebene Inputs bewegen sich 2026 alle 5 bis 15 Prozent monatlich. Ein Angebot auf Basis der Lieferantenliste vom Vormonat ist oft unprofitabel, wenn es unterschrieben wird.
• LkSG und CSDDD - Compliance-Kosten fliessen in Lieferantenpreise, erhöhen die Volatilität. CSRD-Scope-3-Reporting erzwingt transparentere Lieferantenkosten.
• Multi-Source-Bieting - Für volatile Materialien re-tendern Mittelstands-Einkäufer quartalsweise. Angebotsengines, die mit statischen Preislisten arbeiten, verlieren den Realitätsbezug.
• Energiegetriebene Inputs - Für energieintensive Materialien propagieren Day-Ahead-Marktsignale in 4-Wochen-Materialpreise. Manuelle Kalkulationen fangen das nicht ein.

Kraft 2: Veränderte Kundenerwartung

• Amazon-Business-Referenz - Die nächste Generation Mittelstands-Käufer erwartet sofortige Angebote für Standardprodukte, definierte Antwortzeiten für Custom-Arbeit.
• RFQ-Tools und Einkaufsportale - Grössere Kunden geben RFQs über Coupa, SAP Ariba, Jaggaer mit expliziten Deadlines aus. Späte Antworten fliegen raus.
• Multi-Lieferanten-Vergleich - Käufer warten nicht mehr auf einen Lieferanten. Das 24-bis-48-Stunden-Fenster ist auch für Engineering-Produkte die neue Norm.
• Self-Service-Erwartungen - Für Standardartikel wollen Käufer Konfiguratoren online, keinen Anruf.

Kraft 3: Wettbewerbsdruck durch algorithmisches Quoting

• Mid-Market-CPQ-Explosion - Der CPQ-Markt wuchs 2024 auf 2,0 Mrd. USD und wird bis 2028 voraussichtlich 3,5 Mrd. USD überschreiten³. KI-getriebene Pricing-Tools sind von Enterprise-only zu Mid-Market-zugänglich gewandert.
• DealHub, Tacton, Configit - Spezialisierte Mid-Market-CPQ-Anbieter gewinnen Anteile genau dadurch, dass sie Mittelstands-Antwortzeiten unterbieten.
• Grenzüberschreitender Wettbewerb - Osteuropäische und asiatische Wettbewerber mit algorithmischem Quoting antworten innerhalb von Stunden.
• Hyperscaler-Tempo-Erwartungen - Wenn der Kunde des Kunden Hyperscaler-Tempo erwartet, erwartet der Kunde Hyperscaler-Tempo-Angebote vom Lieferanten.

Anatomie eines Mittelstands-Angebots

Zu verstehen, wo Zeit und Marge in einem Mittelstands-Angebot wirklich bleiben, ist die Voraussetzung, KI an die richtige Stelle zu setzen. Drei Phasen dominieren.

Phase 1: Eingangsinterpretation (5-20 Stunden)

Die RFQ kommt in fünf möglichen Formaten: strukturierte Kundenportal-Anfrage, E-Mail mit PDF-Anhang, E-Mail mit eingebettetem Text, Voicemail, Fax-Scan. Der technische Aussendienst extrahiert Teil, Menge, Lieferung, Kundenanforderungen, Zielpreis und entscheidet, welche Produktionsrouting- und Lieferantenmix anwendbar ist. Das ist meist Urteilsarbeit - aber die Datenextraktion darunter ist repetitiv und automatisierbar.

Phase 2: Kostenaufbau und Margen-Entscheidung (10-40 Stunden)

Materialkosten-Lookup, Lohnkalkulation, Gemeinkosten-Verteilung, Werkzeug-Amortisation, Veredelungskosten, Verpackung, Fracht, Zoll, dann die Margen-Schicht. Die Kostendaten leben über ERP, PLM, Lieferantenportale, Excel-Anpassungen von Category Managern, Aussendienstler-Notizen. Die Margen-Entscheidung sitzt zwischen Aussendienstler-Intuition und Pricing-Manager-Regel. Inputs und Outputs variieren beide nach Kunde, Geografie, Vertragsbedingungen.

Phase 3: Freigabe, Dokument und Versand (3-12 Stunden)

Rabatt-Freigabe-Workflow läuft über den Vertriebsleiter oder das Pricing-Komitee bei Nicht-Standard-Fällen. Das Angebotsdokument wird in Word oder CPQ aus einem Template gebaut, gegen rechtliche Bedingungen validiert, über CRM versendet. Follow-up ist kalendergetrieben und manuell.

Sieben Use Cases mit hohem ROI

Die Use Cases unten sind nach typischem Mittelstands-Angebots-ROI in den ersten 12 Monaten sortiert. Jeder integriert sich in bestehende CPQ-, CRM-, ERP- und Lieferantenportale - keiner verlangt, Kernsysteme zu ersetzen.

Use Case 1: Eingehende RFQ-Extraktion

• Was der Agent tut - Liest RFQs über E-Mail, PDF, Kundenportale, Fax-Scan. Extrahiert Kunde, Lieferadresse, Menge, Teilebeschreibung, Zielpreis, Liefertermin, Sonderbedingungen. Matcht das Teil gegen Ihren ERP-Katalog oder kennzeichnet es als brandneu. Entwirft den strukturierten RFQ-Datensatz im CRM oder CPQ.
• Wo er sitzt - Zwischen eingehenden Kanälen und CRM/CPQ.
• Was er entfernt - 70 bis 90 Prozent der Datenextraktions-Zeit pro RFQ. Der Engpass in Phase 1.
• Typischer ROI - Voller FTE zurückgewonnen pro ~4.000 RFQs pro Jahr. Time-to-First-Response halbiert.
• Time-to-ROI - 3 bis 6 Monate.

Use Case 2: Materialkosten-Lookup mit Lieferantenpreis-Intelligence

• Was der Agent tut - Zieht aktuelle Materialkosten aus ERP-Materialstamm plus Lieferantenportal-Preislisten plus jüngsten Lieferanten-E-Mail-Preisänderungen plus Marktindizes für Commodity-Inputs. Berechnet die Volatilitätsspanne um jeden Input. Liefert den Kostenaufbau mit Konfidenzintervallen.
• Wo er sitzt - Über ERP, Lieferantenportalen, Lieferanten-Postfach, Commodity-Datenfeeds.
• Was er entfernt - Die drei Tage, die ein Einkaufsteam typisch braucht, um aktuelle Inputpreise für ein Angebot zu sammeln.
• Typischer ROI - 50 bis 90 Prozent Reduktion der Materialkosten-Lookup-Zeit. Kritisch: Angebote, die ihre Marge halten, wenn Preise schwanken.
• Time-to-ROI - 4 bis 8 Monate.

Use Case 3: Kundenspezifische Margen-Empfehlung

• Was der Agent tut - Liest Kundenkaufhistorie, Vertragsbedingungen, Zahlungsbereitschafts-Signale, Win/Loss-Analyse zu ähnlichen Angeboten, Churn-Risiko, Strategic-Account-Flag. Empfiehlt eine Margen-Bandbreite für das Angebot mit explizitem Rationale. Der Aussendienstler akzeptiert, justiert oder eskaliert mit Kontext.
• Wo er sitzt - Über CRM, ERP, Angebotshistorie-Datenbank, Vertrags-DMS.
• Was er entfernt - Den intuitiven Margen-Schuss, der hochwertige Kunden unterbepreist und preissensible überbepreist.
• Typischer ROI - 2 bis 4 Prozent Umsatz als Marge zurückgewonnen¹. Auf einem 200M-Euro-Buch 4 bis 8M Euro jährlich.
• Time-to-ROI - 6 bis 12 Monate.

Use Case 4: Konfigurator-getriebenes Pricing (CPQ-Style)

• Was der Agent tut - Bei konfigurierbaren Produkten (Engineering-Teile, modulare Systeme, Build-to-Order-Maschinen) reasont er über zulässige Konfigurationen, wendet Engineering-Regeln an, berechnet die Stückliste, preist die Stückliste zu aktuellen Lieferantenkosten, generiert das Angebotsdokument.
• Wo er sitzt - Über PLM, ERP, CPQ, Lieferantenpreislisten. Integriert oft mit bestehenden CPQ-Engines.
• Was er entfernt - Die wiederholte Engineering-Arbeit für Varianten-Angebote. Die Pricing-Manager-Stunden pro Konfiguration.
• Typischer ROI - 60 bis 80 Prozent der Konfigurations- und Pricing-Zeit bei Varianten-Angeboten zurückgewonnen.
• Time-to-ROI - 6 bis 12 Monate.

Use Case 5: Rabatt- und Konzessions-Governance

• Was der Agent tut - Erkennt Rabattanfragen ausserhalb der Policy, zeigt die Margen-Auswirkung mit explizitem Rationale, leitet die Freigabe an den richtigen Manager mit vollem Kontext, loggt die Entscheidung für Win/Loss-Analyse. Fängt das „nur dieses eine Mal”-Konzessions-Muster ab, das die Marge Jahr für Jahr erodiert.
• Wo er sitzt - Im Angebots-Workflow, zwischen Aussendienstler und Pricing-Manager.
• Was er entfernt - Den Pricing-Manager-Engpass bei Freigaben. Die undokumentierten Konzessionen, die Präzedenz werden.
• Typischer ROI - 30 bis 70 Basispunkte Margen-Rückgewinn bei rabattierten Angeboten. Schnellerer Freigabezyklus für legitime Anfragen.
• Time-to-ROI - 6 bis 12 Monate.

Use Case 6: Angebots-Follow-up und Konversions-Optimierung

• Was der Agent tut - Überwacht den Angebotsstatus. Entwirft Follow-up-E-Mails in der richtigen Kadenz (anders pro Kundentyp). Erkennt Wettbewerbs-Risikosignale (Kundenanfragen nach Alternativen, verzögerte Antworten, Marktkontext). Bereitet das Renegotiation-Paket vor, wenn der Kunde zurückdrückt.
• Wo er sitzt - Über CRM, E-Mail, Kundenportal. Koordiniert mit dem Aussendienstler.
• Was er entfernt - Das Follow-up, das ausfällt, weil der Aussendienstler an drei anderen Deals hängt. Die Renegotiation, die verloren geht, weil der Aussendienstler keine Zeit hat, das Gegenpaket zu bauen.
• Typischer ROI - 10 bis 25 Prozent Verbesserung der Quote-to-Order-Konversion bei aktiv verfolgten Angeboten.
• Time-to-ROI - 4 bis 9 Monate.

Use Case 7: Win/Loss-Analyse und Feedback-Loop

• Was der Agent tut - Für jedes geschlossene Angebot strukturiert er den Grund (Preis, Lieferzeit, technischer Fit, Beziehung, Zahlungsbedingungen, Wettbewerber-Identität). Zeigt Muster dem Vertriebs- und Pricing-Team. Speist die Muster zurück in die Margen-Empfehlung für zukünftige Angebote.
• Wo er sitzt - Über CRM, Angebotsdatenbank, Wettbewerbs-Intelligence.
• Was er entfernt - Den chronischen blinden Fleck darüber, warum Angebote wirklich gewinnen oder verlieren, jenseits von „Preis zu hoch”.
• Typischer ROI - 50 bis 150 Basispunkte Margenverbesserung über 12 bis 18 Monate, wenn der Feedback-Loop sich strafft.
• Time-to-ROI - 12 bis 18 Monate.

Build vs Buy: CRM-CPQ, Spezial, Custom

Jede Mittelstands-Vertriebsfunktion wählt zwischen drei Wegen, KI in den Angebots-Workflow zu bringen. Die richtige Antwort hängt von Produktkomplexität, Kundenmix und davon ab, wie differenzierend die Pricing-Logik ist.

Weg 1: CRM-eingebettete CPQ-KI (Salesforce CPQ, HubSpot, Dynamics CPQ, SAP CPQ)

• Was Sie bekommen - KI-Funktionen ins CRM-CPQ-Stack gebündelt. Workflow bleibt in einem System. Hersteller folgt CRM- und Pricing-Roadmap-Updates.
• Wo es passt - Mittelstands-Vertriebsteams, die schon auf Salesforce, HubSpot oder Dynamics sind, mit überwiegend Standardprodukten und Pricing.
• Wo es nicht passt - Engineering-/konfigurierbare Produkte. Systemübergreifendes Quoting (eingehende RFQ in E-Mail, Lieferantenpreise in ERP, Zeichnung in PLM). Differenzierende Pricing-Logik, die der Hersteller nicht anpasst.
• Typische Kosten - Im Bundle oder moderat zur bestehenden CRM-Lizenz, plus nutzungsbasierte Features. Versteckter Kostenpunkt: die Integration zu ERP und PLM, wo die Angebotsdaten tatsächlich leben.

Weg 2: Spezial-CPQ (PROS, Oracle CPQ, DealHub, Tacton, Configit, ServiceNow CPQ)

• Was Sie bekommen - Best-in-Class-CPQ in einer Domäne. PROS gilt als die stärkste KI-Pricing-Fähigkeit in CPQ³. Oracle CPQ hat 9 Jahre Gartner-Magic-Quadrant-Leader⁴. Tacton, Configit spezialisieren sich auf Engineering-Produkt-Konfiguration. DealHub zielt spezifisch auf Mid-Market.
• Wo es passt - Wenn Produktkomplexität ein echtes CPQ verlangt. Wenn Sie schon eine Spezialplattform nutzen und sie erweitern wollen.
• Wo es nicht passt - Use-Case-übergreifende Workflows, die CRM + ERP + PLM + E-Mail spannen. Differenzierende Logik, die der Hersteller nicht anpasst. Kleinere Portfolios, wo die Plattformgebühr sich nicht amortisiert.
• Typische Kosten - 100.000 bis 1.000.000 Euro pro Jahr pro Spezialplattform, plus Implementierung (oft 1,5-3x Lizenz), plus Integrationskosten.

Weg 3: Custom-KI-Agenten auf Ihrem Stack

• Was Sie bekommen - Eine Agentenschicht, gebaut für Ihren Angebots-Workflow, sitzend über CRM, CPQ, ERP, PLM, Lieferantenportalen, E-Mail. Use-Case-übergreifend, systemübergreifend, portierbar über Hersteller-Migrationen, und der Agent gehört Ihnen statt gemietet zu sein.
• Wo es passt - Wenn Angebote CRM + ERP + PLM + E-Mail + Lieferantenportal kreuzen. Wenn Pricing-Logik Teil Ihrer Wettbewerbsedge ist. Wenn Sie Engineering- und Standardprodukte mischen. Wenn Sie die IP in-house behalten wollen.
• Wo es nicht passt - Wenn Konfigurationslogik das dominante Problem ist und ein Spezial-CPQ das schon gut macht. Wenn das Volumen zu klein für einen Custom-Build ist.
• Typische Kosten - 50.000 bis 150.000 Euro pro Use Case für den Build, plus 3.000 bis 10.000 Euro pro Monat pro aktivem Agenten, plus LLM-Inferenz im Cent-Bereich pro Task.

Der ehrliche 3-Jahres-Kostenvergleich

Nehmen wir einen Mittelstands-Industriezulieferer mit 250 Mitarbeitern, 80 Millionen Euro Umsatz, 1.800 Angeboten pro Jahr (Mix Standard und Engineering), 65 Prozent der Aufträge laufen über Angebote, und 38 Prozent Quote-to-Order-Konversion. Drei Jahre auf drei Wegen.

Was nicht in der Tabelle steht

• Kundenzufriedenheit - Schnellere Angebote heissen bessere Kundenerfahrung. Zeigt sich in Renewals, Share-of-Wallet, NPS.
• Aussendienstler-Retention - Aussendienst verbringt mehr Zeit mit Verkauf und weniger mit Datenjagd, wenn der Agent die Lookup-Arbeit macht.
• Win-Rate-Optimierung - Der Feedback-Loop aus Win/Loss-Analyse akkumuliert über Jahre.
• Strategische Optionalität - Mit der Agentenschicht ist das Hinzufügen neuer Produktlinien oder Pricing-Modelle ein 2-Monats-Projekt, kein Jahresprojekt.

Die ERP-plus-CRM-plus-Agent-Architektur

Die Architektur, die die ersten 18 Monate in einer Mittelstands-Angebotsfunktion überlebt, ist bewusst gewählt. ERP bleibt System of Record für Materialkosten, Preise, Transaktionen. CRM bleibt für Kundenhistorie und Opportunity-Pipeline. CPQ bleibt für Konfigurationen und Angebotsdokumente. Der Agent liest über alle plus eingehende E-Mail, Lieferantenportale, Marktdaten und schreibt das strukturierte Angebot über ordentliche APIs zurück in CRM und CPQ.

Der vier-schichtige Angebotsstack

• Schicht 1: Eingehende Kanäle - Kunden-E-Mail, Kundenportale (Coupa, Ariba, Jaggaer, Custom), eingehende Voice, Fax-Scan, Marktplatz-RFQs. Der unstrukturierte Rand des Angebotswesens.
• Schicht 2: KI-Agenten - RFQ-Extraktion, Materialkosten-Lookup, Margen-Empfehlung, Konfigurations-Reasoning, Rabatt-Governance, Follow-up, Win/Loss-Analyse. Die neue Reasoning-Schicht.
• Schicht 3: Systems of Record - CRM (Salesforce, HubSpot, Dynamics, Custom) für Opportunities. CPQ (Salesforce CPQ, Oracle CPQ, SAP CPQ, DealHub, Tacton, Configit) für Konfigurationen und Angebote. ERP (SAP, Dynamics, abas, proALPHA, Sage, Infor) für Materialstamm, Kosten, Preise, Transaktionen. PLM (Teamcenter, Windchill, Aras) für Spezifikationen.
• Schicht 4: Externer Kontext - Lieferantenportale, Lieferanten-E-Mail, Commodity-Marktdaten, Wettbewerbs-Intelligence, Sektor-Benchmarks.

Wo der Agent liest und schreibt

EU AI Act, Kartellrecht, Betriebsrat

B2B-Angebots-KI sitzt in einem klaren Regulierungsrahmen. Bewusst designt, macht die Agentenschicht Compliance einfacher, nicht schwerer.

EU-AI-Act-Klassifikation für Angebots-Use-Cases

• Minimal oder limited risk - Eingehende RFQ-Extraktion, Materialkosten-Lookup, kundenspezifische Margen-Empfehlung auf B2B-Angeboten, konfigurator-getriebenes Pricing, Rabatt-Governance, Follow-up-Automatisierung, Win/Loss-Analyse. Alle Standard-Angebots-Use-Cases.
• High risk - KI in Kreditentscheidungen über Endverbraucher (im B2B selten), Beschäftigungsentscheidungen (HR-Scoring von Aussendienst), biometrische Daten.
• Logging-Pflicht (Artikel 12) - Loggen, was der Agent gemacht hat, auf welchen Daten, mit welchem Ergebnis. Standard in jeder Agentenplattform.

Kartellrecht und Wettbewerbsrecht

• Algorithmisches Pricing auf B2B-Verträgen ist legal - Wenn auf legitimen Kriterien (Volumen, Zahlungsbedingungen, Kundentyp, strategischer Wert, Vertragslaufzeit) basierend.
• Verbotene Gründe - Koordination mit Wettbewerbern, Signalisierung zukünftiger Preise an den Markt, Missbrauch einer marktbeherrschenden Stellung. Der Agent darf nicht über unzulässige Kanäle auf wettbewerber-spezifische Preisdaten zugreifen.
• Dokumentieren Sie die Logik - Das Pricing-Rationale des Agenten muss auf legitime kommerzielle Kriterien rückführbar sein. Das Audit-Log doppelt als Kartell-Verteidigung.
• Vermeiden Sie Wiederverkaufspreisbindung - Der Agent erzwingt keine Mindestwiederverkaufspreise auf Kunden, die weiterverkaufen.

Betriebsrat-Überlegungen

• Die meisten Angebots-Agenten sind aggregiert - Sie zeigen Team-, Gebiets-, Kunden- oder Produktmetriken. Nicht individuelle Aussendienst-Leistung.
• Aussendienst-Leistungszuordnung braucht Sorgfalt - Wenn der Agent individuelle Konversion oder Provisionszuordnung bewertet, ist das Mitbestimmungsterritorium. Metriken auf Team- oder Prozessebene designen.
• Frühe Konsultation zahlt sich aus - Den Betriebsrat zu Projektstart zu briefen, nicht am Ende, verhindert dreimonatige Verzögerungen.

Wie Superkind hineinpasst

Superkind baut Custom-KI-Agenten, die auf bestehenden Mittelstands-Angebotsstacks sitzen - Salesforce, HubSpot, Dynamics, Salesforce CPQ, Oracle CPQ, SAP CPQ, DealHub, Tacton, Configit - und den ERP-, PLM-, Lieferantenportal- und E-Mail-Systemen daneben. Wir ersetzen CRM oder CPQ nicht. Wir bauen die Reasoning-Schicht, die das macht, wofür sie nicht gebaut wurden, über den vollen Angebots-Workflow.

Kernfähigkeiten für Angebots-Umgebungen

• CRM-Abdeckung - Salesforce, HubSpot, Microsoft Dynamics CRM, Pipedrive, eigene Systeme. Stabile APIs und Webhooks.
• CPQ-Integration - Salesforce CPQ, Oracle CPQ, SAP CPQ, DealHub, Tacton, Configit, ServiceNow CPQ, eigenes CPQ. Agenten lesen Konfigurationen, schlagen Pricing vor, schreiben Entwürfe.
• ERP-Integration - SAP S/4HANA, ECC, Business One; Dynamics 365 BC, F&O; abas, proALPHA, Sage, Infor. Materialstamm, aktuelle Kosten, Preislisten, Transaktionshistorie.
• PLM-Integration - Siemens Teamcenter, PTC Windchill, Aras Innovator, Dassault 3DEXPERIENCE. Engineering-Specs, Stückliste, Änderungshistorie.
• Lieferantenportal und E-Mail - Coupa, SAP Ariba, Jaggaer, lieferanten-spezifische Portale, Sammelpostfächer. Eingehende Lieferanten-Preisänderungen und ausgehender RFQ-Kontext.
• Kundenportal-Integration - Grosse B2B-Einkaufsportale plus Ihre eigenen Kundenportale. Eingehender RFQ-Owner.
• Eingehende RFQ-Extraktion - E-Mail, PDF, Portal, Fax-Scan. Strukturierter Daten-Output ins CRM oder CPQ.
• Materialkosten-Intelligence - ERP plus Lieferantenportale plus Marktdaten plus historische Volatilität. Kostenaufbau mit Konfidenzintervallen.
• Kundenspezifische Margen-Empfehlung - Historie, Vertragsbedingungen, Win/Loss-Analyse, Churn-Risiko. Margen-Bandbreite mit Rationale.
• Konfigurator-getriebenes Pricing - Integriert mit bestehendem CPQ oder baut das Reasoning, wo kein CPQ existiert.
• Rabatt- und Konzessions-Governance - Routing, Audit, Margen-Auswirkungsanalyse.
• Angebots-Follow-up und Konversion - CRM-integriertes Follow-up, Wettbewerbs-Risikoerkennung, Renegotiation-Pakete.
• Win/Loss-Analyse - Strukturierte Gründe-Erfassung, Muster-Surfacing, Feedback in Margen-Empfehlung.
• Audit Trail und Artikel-12-Logging - Jede Entscheidung geloggt. Ergänzt CRM-, CPQ- und ERP-Audit-Trails.
• EU-Deployment und DSGVO-Konformität - Agenten laufen auf EU-Cloud oder Ihrer eigenen Infrastruktur. Daten verlassen den definierten Perimeter nicht.
• 8 bis 12 Wochen bis zur ersten Produktionsimplementierung - Von der Prozessanalyse bis zum Live-Betrieb auf einem fokussierten ersten Use Case.

Der 90-Tage-Plan

Dieser Plan deckt die Auswahl des richtigen ersten Use Case, die Datenvalidierung, das Deployment des Agenten mit eingeschränktem Scope und das Erreichen erstem messbaren Wert ab. Nutzen Sie ihn, um Vertriebsleitung, Pricing, IT und Finance auszurichten.

Wochen 1 bis 3: Use-Case-Auswahl und Datenaudit

• Die drei grössten Angebots-Schmerzpunkte quantifizieren - Durchschnittliche Angebotszykluszeit, Win-Rate, Margen-Dispersion über Kunden, RFQ-Antwortzeit, Materialkosten-Lookup-Zeit. Zahlen, keine Meinungen.
• Drei Kandidaten-Use-Cases aus den sieben auswählen - Jeden auf Umsatzhebel, Deployment-Komplexität, Datenreife und organisatorische Reife bewerten.
• Einen Use Case für den 90-Tage-Pilot wählen - Bias zu eingehender RFQ-Extraktion (bewährter Mittelstands-Starter) oder kundenspezifischer Margen-Empfehlung (grösster Erlöshebel).
• Die Daten prüfen, die der Use Case braucht - Kundenstamm, Materialstamm, historische Angebote, Lieferantenpreis-Historie. Lücken identifizieren.
• API-Zugang bestätigen - CRM, CPQ, ERP, PLM, Lieferantenportale, E-Mail. Integrationsplan dokumentieren.
• Betriebsrat briefen, wenn Use Case Aussendienst-Daten berührt - Die meisten Angebots-Use-Cases bleiben aussen vor. Bestätigen und dokumentieren.

Wochen 4 bis 8: Bauen und Testen

• Detailliertes Prozess-Mapping - Inputs, Outputs, Entscheidungspunkte, System-Berührungen, Ausnahmetypen, Eskalations-Trigger.
• Agent-Build gegen das Prozess-Mapping - Prompt- und Tool-Design, CRM-/CPQ-/ERP-Integration, Eskalationsschwellen, Human-in-the-Loop-Checkpoints.
• Test gegen reale historische Angebote - Angebote des letzten Quartals ziehen. Den Agenten dagegen laufen lassen. Mit tatsächlichen Outcomes Seite an Seite vergleichen.
• Margen-Empfehlung gegen historische Wins und Losses validieren - Die härtesten Fälle sind der echte Test.
• EU-AI-Act-Artikel-12-Logging bestätigen - Jede Entscheidung rückverfolgbar.
• Vertriebsteam schulen - Hands-on-Workflow für Prüfen, Akzeptieren, Justieren, Eskalieren der Agent-Outputs.

Wochen 9 bis 12: Produktion und Lernen

• Auf eingeschränkten Scope deployen - 20 Prozent der Angebote, ein Kundensegment, eine Produktfamilie. Parallelbetrieb mit dem bestehenden Prozess.
• Wöchentliche Review-Kadenz - Jede Eskalation, jede Korrektur, jeder Win, jeder Loss.
• Gegen Baseline messen - Angebotszykluszeit, Win-Rate, Margen-Dispersion, Time-to-First-Response.
• Skalieren, sobald Metriken bestätigen - Zwei bis drei Wochen stabiler Betrieb im eingeschränkten Scope, bevor auf das volle Volumen skaliert wird.
• Lehren für den nächsten Use Case dokumentieren - Der zweite Angebots-Agent wird doppelt so schnell deployt.

Verwandte Artikel

• ERP oder KI-Agent: Wo die Grenze in Mittelstands-Prozessen 2026 verläuft
• KI im B2B-Großhandel und in der Distribution: Wie der deutsche Mittelstand 2026 seine Marge verteidigt
• KI im B2B-Vertrieb: Wie der Mittelstand Pipeline aufbaut, ohne Personal aufzubauen
• KI im Einkauf: Wie Mittelstands-Einkäufer Agenten über Sourcing, Verhandlung und Compliance einsetzen
• KI-Kundenservice jenseits von Chatbots: Resolution-First-Agenten für den B2B-Mittelstand
• Standardsoftware oder KI-Agent: Wie der Mittelstand 2026 sein Softwarebudget verteilt
• KI für Lieferantenverträge und Lieferketten-Sorgfaltspflichten im Mittelstand

Häufig gestellte Fragen

Henri Jung

Co-Founder bei Superkind

Co-Founder von Superkind, wo er KMU und Konzernen hilft, Custom-KI-Agenten einzusetzen, die wirklich zu der Art passen, wie ihre Teams arbeiten. Henri brennt dafür, die Lücke zwischen dem, was KI kann, und dem Wert, den sie in echten Unternehmen schafft, zu schliessen. Er glaubt, dass der Mittelstand alles hat, was er braucht, um in KI zu führen - er braucht nur den richtigen Ansatz.