KI-Angebotserstellung für KMU: Angebote in Minuten statt Stunden

Warum Angebote schreiben im KMU mehr Zeit kostet als gedacht

Für viele Inhaberinnen und Inhaber kleiner Betriebe ist der Angebotsprozess einer der lästigsten Teile des Arbeitsalltags. Dabei ist er zentral: Kein Angebot, kein Auftrag. Doch zwischen dem Eingang einer Kundenanfrage und dem Absenden eines fertigen Angebots liegt in der Praxis häufig deutlich mehr Zeit als nötig — nicht, weil jemand zu langsam arbeitet, sondern weil der Prozess strukturell ineffizient ist.

Ein typischer Angebotsvorgang setzt sich aus vielen kleinen Schritten zusammen, die einzeln harmlos wirken, aber in der Summe erheblich zu Buche schlagen: Die Anfrage aus der E-Mail herauslesen und in den richtigen Kontext übersetzen. Preise nachschlagen — in einer Tabelle, einem PDF oder im Kopf. Eine Vorlagendatei öffnen und anpassen. Positionen eintragen, Gesamtsumme prüfen, Mehrwertsteuer berechnen. Das Dokument speichern, versenden, im CRM oder einer Tabelle vermerken. Kommt die Anfrage per Telefon, muss zunächst noch mitgeschrieben werden, was der Kunde gesagt hat.

Laut verschiedenen Erhebungen zu KMU-Workflows in Deutschland investieren Betriebe mit fünf bis fünfzehn Mitarbeitern typischerweise acht bis zwölf Stunden pro Woche allein in die Angebotserstellung. Das entspricht einem Viertel bis einem Drittel einer Vollzeitstelle — für einen Prozess, der in vielen Fällen zu mindestens 70 Prozent aus sich wiederholenden mechanischen Schritten besteht.

Dazu kommt der Faktor Zeit. Wer eine Kundenanfrage nicht innerhalb weniger Stunden beantwortet, riskiert den Auftrag — nicht weil das Angebot schlechter ist, sondern weil ein Mitbewerber schneller war. Eine Analyse der KI-Plattform Jotform aus dem Jahr 2026 zeigt, dass Betriebe, die innerhalb von zwei Stunden nach einer Anfrage ein Angebot versenden, eine um rund 40 Prozent höhere Abschlussrate erzielen als solche, die zwei bis drei Tage brauchen. Der Mechanismus dahinter ist simpel: Wer schnell antwortet, wirkt professionell und verlässlich — und fängt die Anfrage, bevor der Kunde seinen dritten Mitbewerber kontaktiert.

Was aktuelle KI-Modelle bei der Angebotserstellung können — Stand Juli 2026

Mit dem Start von Claude Sonnet 5 am 2. Juli 2026 hat Anthropic das Preis-Leistungs-Verhältnis für KI-gestützte Textarbeit erneut nach unten verschoben. Das Modell bietet bei strukturierten Dokumentenaufgaben eine Qualität, die früher nur bei deutlich teureren Modellen erreichbar war. Für die Angebotserstellung im KMU ist das aus einem konkreten Grund relevant: Ein gut konfiguriertes Sprachmodell kann aus einer eingehenden Anfrage sehr präzise einen Angebotsentwurf erstellen, der dann nur noch geprüft und freigegeben werden muss — kein Tippen mehr, kein Nachschlagen, kein Übertragen.

Was eine solche KI in einem Angebotsworkflow konkret übernimmt: Sie liest eine eingehende E-Mail oder ein Webformular aus und extrahiert die relevanten Informationen — Leistungsart, Umfang, Standort, gewünschter Termin, genannte Rahmenbedingungen. Sie gleicht die erkannten Leistungen mit einer hinterlegten Preisliste oder Leistungsmatrix ab und schlägt passende Positionen vor. Sie berechnet Mengen, wenn Flächen oder Stückzahlen aus der Anfrage hervorgehen. Sie fasst das Ergebnis in eine vorgegebene Textstruktur — inklusive Einleitung, Leistungspositionen, Zahlungsbedingungen und Grußformel in der Sprache und im Stil des Betriebs. Und sie kann den Entwurf automatisch in ein Ticket im CRM eintragen oder direkt als Entwurf in Lexoffice oder DATEV anlegen, sofern eine API-Verbindung besteht.

Technisch möglich geworden ist das auch deshalb, weil aktuelle Modelle zuverlässiger mit strukturierten Ausgabeformaten umgehen. Wenn man Claude Sonnet 5 anweist, eine Anfrage in ein JSON-Objekt mit bestimmten Feldern umzuwandeln — Leistungstyp, erkannte Menge, Dringlichkeit, fehlende Informationen — gelingt das in mehr als 95 Prozent der Fälle korrekt. Mit früheren Modellen war das deutlich weniger verlässlich; die Fehlerquote war hoch genug, dass die manuelle Nachkontrolle den Zeitgewinn wieder aufzehrte.

Was die KI nicht leistet, muss ebenso klar benannt werden. Sie kennt keinen Kundenkontext, der nicht digital vorliegt. Sie weiß nicht, dass dieser Auftraggeber letztes Jahr ein schwieriges Projekt hatte und deshalb besonders sorgfältig betreut werden sollte. Sie weiß nicht, dass der Kunde eigentlich ein größeres Budget hat als die Anfrage vermuten lässt, oder dass ein bestimmter Leistungsbereich gerade intern diskutiert wird. Preisverhandlungen kann und soll sie nicht führen. Und sie darf niemals ohne menschliche Prüfung direkt an den Kunden absenden — zu hoch ist das Risiko, dass eine falsch interpretierte Anfrage, ein fehlender Posten oder ein falscher Preis im Angebot landet.

Die realistische Rolle der KI im Angebotsprozess ist die des schnellen Entwurfsautors: Sie übernimmt 60 bis 75 Prozent der mechanischen Arbeit, der Mensch bringt Urteilsvermögen, Erfahrung und Beziehungskontext ein. Statt 90 Minuten pro Angebot sind es dann 15 bis 20 Minuten.

Wie der Prozess in der Praxis aussieht — Schritt für Schritt

Ein KI-gestützter Angebotsworkflow ist kein einzelnes Tool, das man kauft und sofort nutzt. Es ist ein Zusammenspiel aus mindestens drei Komponenten: einer Trigger-Quelle, die die Anfrage entgegennimmt; einem KI-Modell, das die Anfrage analysiert und einen Entwurf erstellt; und einer Automatisierungsschicht, die diese Komponenten verbindet und den Output in die bestehende Software-Landschaft einfügt. In den meisten KMU-Projekten übernimmt n8n diese Verbindungsrolle.

Der Ablauf im Detail: Eine Kundenanfrage kommt per E-Mail ein. n8n überwacht das Postfach und reagiert automatisch auf neue Nachrichten mit einem bestimmten Muster — etwa Betreffzeilen mit „Anfrage" oder „Angebot". Die E-Mail wird an das KI-Modell weitergeleitet, zusammen mit einem System-Prompt, der beschreibt, was der Betrieb anbietet, welche Informationen aus der Anfrage extrahiert werden sollen und in welchem Format die Antwort erwartet wird. Das Modell gibt ein strukturiertes Objekt zurück: erkannter Leistungstyp, genannte Mengen, Standort, Terminwunsch, fehlende Informationen, Prioritätsstufe. n8n gleicht die erkannten Positionen gegen die hinterlegte Preisliste ab — das kann eine Google-Tabelle sein, eine CSV-Datei auf dem Server oder eine Datenbank. Aus diesem Abgleich entsteht ein Angebotsentwurf. Je nach Integration wird er als PDF erzeugt, direkt als Entwurf in Lexoffice angelegt oder in ein CRM-Ticket überführt. Parallel legt der Workflow einen Kontakteintrag im CRM an und benachrichtigt den Verantwortlichen per E-Mail oder Slack.

Technisch setzt das voraus, dass die Preisliste gepflegt und maschinenlesbar ist. Das klingt trivial, ist aber in der Praxis häufig die eigentliche Hürde. In vielen Betrieben liegen Preislisten als schlecht strukturierte Excel-Dateien vor, als PDFs ohne Struktur oder gar nur im Kopf des Inhabers. Bevor ein Workflow eingerichtet werden kann, muss diese Datenbasis aufgeräumt werden. Das ist kein Technikproblem, sondern ein Organisationsproblem — und oft zugleich die Gelegenheit, über die eigene Preisstruktur nachzudenken und sie zu vereinfachen.

Ein oft unterschätztes Element ist der Eskalationspfad. Nicht jede Anfrage lässt sich vollautomatisch bearbeiten. Wenn wichtige Informationen fehlen — kein Datum, keine Mengenangabe, kein Standort —, wenn ein unbekannter Leistungstyp auftaucht oder wenn der erkannte Auftragsumfang ungewöhnlich groß ist, sollte der Workflow diese Anfrage als ungesichert markieren und einem Menschen zur manuellen Bearbeitung weiterleiten. Ein gut konzipiertes System unterscheidet zwischen Anfragen, die automatisch entworfene werden können, und solchen, die menschliche Einschätzung erfordern. Diesen Eskalationspfad sauber zu definieren ist ebenso wichtig wie der eigentliche Hauptpfad.

Auch der Fall, dass die KI eine Rückfrage an den Kunden senden muss, lässt sich automatisieren: Der Workflow erkennt fehlende Pflichtfelder und versendet eine höfliche, im Stil des Betriebs formulierte E-Mail, die gezielt nach der fehlenden Information fragt — bevor ein Angebotsentwurf überhaupt erstellt wird. So kommen nur vollständige Anfragen in die Entwurfsphase, was die Qualität der KI-Ausgabe deutlich verbessert.

Drei Branchen, drei typische Schmerzpunkte

Der Angebotsprozess sieht je nach Branche anders aus — und damit auch die Stellen, an denen KI am meisten bringt. Drei Szenarien, wie das in der Praxis typischerweise aussieht.

Veranstaltungstechnik: Equipment doppelt verplant

Marketingagentur: Jedes Angebot ein Unikat — ob das sein muss

DSGVO und Kundendaten: Was bei der KI-Angebotserstellung gilt

Angebotsdaten enthalten typischerweise personenbezogene Informationen: Name und Adresse des Anfragenden, E-Mail-Adresse, oft auch Angaben zum Gebäude, Betrieb oder konkreten Bedarf des Kunden. Sobald diese Daten an ein KI-Modell gesendet werden, stellen sich zwei Fragen: Wo werden sie verarbeitet? Und was passiert mit ihnen danach?

Für den Einsatz kommerzieller KI-Dienste wie der Claude API von Anthropic, GPT-4o von OpenAI oder Gemini von Google gilt: Man schickt Daten an einen US-amerikanischen Anbieter. Das ist datenschutzrechtlich nicht automatisch verboten, erfordert aber einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO. Alle drei genannten Anbieter stellen solche Verträge für ihre Business- und Enterprise-Tarife bereit. Die Gratis- und Consumer-Versionen dieser Dienste haben in der Regel keinen AVV — ihr Einsatz für Kundendaten wäre rechtlich problematisch und sollte im Geschäftskontext vermieden werden.

Eine datenschutzrechtlich unkompliziertere Alternative für Betriebe mit sensiblen Kundendaten sind selbst gehostete Open-Source-Modelle — etwa Llama oder Mistral — die auf einem deutschen Server betrieben werden. In diesem Szenario verlassen die Daten das eigene System nicht; ein AVV mit einem externen Anbieter entfällt. Die Qualität dieser Modelle ist für strukturierte Textaufgaben wie die Analyse von Anfragen und die Angebotserstellung inzwischen gut genug. Der Betrieb erfordert jedoch mehr technisches Know-how und eigene Infrastruktur oder einen vertrauenswürdigen Hosting-Partner mit Servern in Deutschland.

Ein praktischer Mittelweg ist Datensparsamkeit auf Prozessebene: Das KI-Modell erhält nur die Informationen, die für die Angebotserstellung tatsächlich relevant sind. Statt der vollständigen E-Mail mit Name, Adresse und möglicherweise sensiblen Details über das Objekt des Kunden bekommt das Modell nur den abstrahierten Leistungstyp, die Mengenangaben und die erkannte Komplexität. Das reicht für den Angebotsentwurf aus — und minimiert die Menge personenbezogener Daten, die das System verlassen.

Kosten, Aufwand und ehrliche Grenzen

Was kostet eine KI-gestützte Angebotserstellung konkret? Die Frage lässt sich in zwei Teile zerlegen: laufende Betriebskosten und einmaliger Einrichtungsaufwand.

Der technische Kern ist kostengünstig. n8n lässt sich selbst hosten; ein Einstiegsserver bei einem deutschen Anbieter wie Hetzner kostet ab sechs Euro pro Monat. Claude Sonnet 5 kostet bei Anthropic zum aktuellen Einführungspreis (gültig bis Ende August 2026) 2 US-Dollar pro Million Input-Token. Ein typisches Anfrage-Analyse-Angebots-Zyklus — also eine vollständige Verarbeitung einer eingehenden Anfrage bis zum Entwurf — liegt je nach Länge der Anfrage und des Entwurfs bei wenigen Cent. Bei 50 Angeboten pro Monat bewegen sich die reinen KI-API-Kosten im einstelligen Euro-Bereich. Für Betriebe mit einem Lexoffice-Konto (ab ca. 10 Euro/Monat) oder HubSpot CRM entstehen durch die Integration keine zusätzlichen Werkzeugkosten, da die bestehenden Abonnements weitergenutzt werden.

Der eigentliche Aufwand entsteht bei der Einrichtung. Preisliste strukturieren, Vorlagen definieren, den Workflow konfigurieren, Ausnahmen und Eskalationspfade festlegen, testen und justieren — das sind in der Praxis 20 bis 40 Stunden je nach Komplexität der Leistungspalette und dem Grad der gewünschten Integration. Dieser Aufwand ist einmalig; danach läuft das System weitgehend selbstständig.

Wo liegen die ehrlichen Grenzen? KI-Angebotserstellung funktioniert gut bei standardisierten Leistungen mit klarer Preislogik — Handwerk, Reinigung, Veranstaltungstechnik, Standardpakete im Dienstleistungsbereich. Je individueller jedes Angebot wirklich sein muss — weil jeder Auftrag anders kalkuliert wird, weil Preise grundsätzlich im Gespräch ausgehandelt werden oder weil das Produkt sehr erklärungsbedürftig ist — desto niedriger ist der Automatisierungsgrad. In diesen Fällen hilft die KI trotzdem als Assistent, der den ersten Rohentwurf liefert und vom mechanischen Aufwand befreit. Das Ziel ist dann eher 50 Prozent Zeitersparnis als 85 Prozent.

Eine weitere Grenze ist die Datenbasis: Wer keine strukturierte Preisliste hat, kann auch keinen verlässlichen Workflow bauen. Die Einrichtungsarbeit beginnt deshalb immer mit der Frage, was der Betrieb anbietet, zu welchen Bedingungen und zu welchem Preis — und das schriftlich, klar und für eine Maschine lesbar.

Wie sich das in der Praxis lösen lässt

Wer KI-gestützte Angebotserstellung einführen will, tut das sinnvollerweise in drei Phasen, die aufeinander aufbauen und von denen jede für sich einen eigenständigen Wert hat.

Phase eins ist die Datenbasis. Welche Leistungen biete ich an? Was kosten sie, unter welchen Bedingungen, mit welchen Ausnahmen? Was sind typische Sonderposten, die regelmäßig vorkommen, und wie werden sie berechnet? Diese Fragen müssen schriftlich und präzise beantwortet werden, bevor irgendetwas automatisiert wird. Das Ergebnis ist eine strukturierte Leistungs- und Preistabelle — keine große Kunst, aber eine Arbeit, die Zeit kostet und in vielen Betrieben längst überfällig ist. Allein dieser Schritt bringt oft Klarheit über Preislogik und Leistungsumfang, die im Tagesgeschäft nie explizit gemacht wurde.

Phase zwei ist der Pilot-Workflow. Ein erster, einfacher Workflow verarbeitet nur einen Anfragetyp: den häufigsten, am klarsten strukturierten. Nicht alle Leistungen auf einmal, nicht alle Sonderfälle. Der Workflow wird vier bis sechs Wochen parallel zum manuellen Prozess betrieben — jeder KI-Entwurf wird mit dem manuell erstellten Angebot verglichen. So entsteht Vertrauen in das System, und Schwachstellen im Prompt oder in der Preislogik werden sichtbar, bevor der Workflow produktiv geht. Erfahrungsgemäß zeigen sich in dieser Phase zwei bis drei Anpassungsbedarfe, die vorher nicht vorhersehbar waren.

Phase drei ist die Ausweitung. Weitere Leistungstypen kommen hinzu, das CRM wird angebunden, ein Eskalationspfad für unvollständige oder ungewöhnliche Anfragen wird eingebaut, eine automatische Rückfrage-E-Mail für fehlende Informationen wird aktiviert. Ab diesem Punkt läuft der Prozess weitgehend autonom; der Mensch prüft und gibt frei, aber entwirft nicht mehr von Grund auf.

Für die technische Umsetzung dieses Prozesses empfiehlt sich n8n als Automatisierungsschicht: selbst hostbar, DSGVO-freundlich durch volle Datenkontrolle und flexibel genug für nahezu jede Integration. Mehr dazu, was bei der Einrichtung eines solchen Workflows realistisch ist und was es kostet, finden Sie auf unserer Leistungsseite Prozessautomatisierung.

Häufige Fragen