Vom E-Mail-Posteingang zum fertigen Angebot

Ausgangslage

Ein Metallhändler baut Anhängerkupplungen, Rahmenverlängerungen und Zubehör für Reisemobile. Jeden Tag kommen Anfragen per E-Mail: ein Kunde nennt sein Fahrzeug, manchmal das Baujahr, oft eine Firma in der Signatur. Bisher lief jede Anfrage durch dieselben Handgriffe. Ein Mitarbeiter liest die Mail, tippt Name und Adresse ins ERP, sucht die passenden Artikel zur Fahrzeugbasis, prüft ob der Kunde Händler oder Endkunde ist, wählt den richtigen Preis und schreibt eine Antwort-Mail mit Angebot.

Das dauert rund 30 Minuten je Anfrage. Bei mehreren Angeboten am Tag summiert sich das. Dazu kommt ein zweites Problem: Kunden werden im ERP doppelt angelegt, weil unter Zeitdruck niemand erst lange sucht. Diese Dubletten verschmutzen die Datenbasis und kosten später bei Auswertungen Zeit.

Lösungsansatz

Die Idee war nicht, den Menschen zu ersetzen, sondern die mechanische Arbeit davor wegzunehmen. Das Tool übernimmt das Lesen, Suchen, Rechnen und Vorformulieren. Der Mitarbeiter behält die Kontrolle und gibt frei.

Wichtig war von Anfang an, dass die KI nicht raten darf. Sie füllt nur Felder, die wörtlich in der Mail stehen. Steht kein Baujahr drin, bleibt das Feld leer, statt eine plausible Zahl zu erfinden. Genauso entscheidet das System nie selbst, ob ein Kunde schon existiert. Es zeigt Treffer an, der Mensch wählt.

So funktioniert es

Der Ablauf ist eine geführte Strecke mit wenigen Schritten:

1. Der Mitarbeiter zieht die Kunden-E-Mail als .eml oder .msg ins Tool.
2. Ein Sprachmodell liest den Text und die Signatur und extrahiert Name, Firma, Adresse, Telefon und Fahrzeugdaten. Bei weitergeleiteten Mails erkennt es, wer der eigentliche Kunde ist, und nicht der weiterleitende Kollege.
3. Das System sucht parallel im ERP nach passenden Kunden, über E-Mail-Adresse, Firmenname, Nachname und Postleitzahl. Freemail-Domains wie web.de oder gmail.com werden dabei ausgeklammert, damit nicht alle Privatkunden in einen Topf fallen.
4. Aus Fahrzeugbasis und Baujahr leitet das Tool die passenden Artikel ab. Ein hinterlegter Satz von Fahrzeug-Varianten verknüpft zum Beispiel ein bestimmtes Chassis mit den konkreten Kupplungs- und Zubehörteilen.
5. Die Preise zieht das System automatisch aus dem richtigen Verkaufskanal. Ein Händler bekommt Nettopreise, ein Endkunde Bruttopreise. Artikel ohne hinterlegten Preis im passenden Kanal werden mit Hinweis übersprungen statt falsch berechnet.
6. Versandkosten werden korrekt als einzelne Positionen gebucht, jede Paketzeile mit Menge eins. Das ist eine ERP-Vorgabe und eine häufige Fehlerquelle bei der Handarbeit.
7. Der Mitarbeiter sieht alles in einer Maske, korrigiert bei Bedarf und klickt auf Absenden.
8. Das Angebot entsteht im ERP, samt Fahrzeug-Stammdaten und einem Online-Link zur Annahme. Eine fertig formatierte Antwort-Mail mit Angebots-PDF landet als Entwurf im richtigen Postfach des Bearbeiters.

Was es bringt

Der größte Hebel ist die Zeit. Statt rund 30 Minuten Klickarbeit bleibt eine kurze Sichtkontrolle. Datenerfassung, Artikelsuche, Preisermittlung und Mail-Text fallen in einen Durchlauf zusammen.

Die Datenqualität steigt, weil keine Dubletten mehr entstehen. Das Tool legt nie ungefragt einen neuen Kunden an. Es zeigt vorhandene Treffer und der Mensch entscheidet. So bleibt die Kundenliste sauber.

Die Preise stimmen verlässlich zum Kundentyp. Händler und Endkunde laufen automatisch in den richtigen Verkaufskanal, mit den passenden Zahlungs- und Versandbedingungen. Fehlt für einen Artikel der Preis im gewünschten Kanal, fällt das sofort auf, statt unbemerkt in ein falsches Angebot zu wandern.

Für den Kunden wird die Annahme einfacher. Statt per Antwort-Mail zu bestätigen, die dann von Hand nachgetragen wurde, nimmt er das Angebot über einen Online-Link mit einem Klick an.

Und der Mitarbeiter bleibt in Kontrolle. Die KI extrahiert nur, was wirklich dasteht. Der Entwurf wird erst nach Sichtkontrolle abgeschickt. Nichts geht ungeprüft raus.

Technik kurz

Das Tool ist eine Python-Anwendung mit FastAPI im Backend und einer schlanken Oberfläche mit Jinja-Templates und HTMX. Die Textextraktion läuft über ein Sprachmodell mit striktem Schema, gehostet DSGVO-konform. Personenbezogene Daten bleiben in der kontrollierten Umgebung. Die Anbindung an das ERP erfolgt über dessen API, der Mail-Entwurf über die Postfach-Schnittstelle. Ein Trockenlauf-Modus erlaubte den kompletten Test, ohne echte Datensätze im Produktivsystem anzulegen.

Fazit

Die Automatisierung der Angebotserstellung zeigt, wo KI im Mittelstand konkret wirkt. Nicht als Spielerei, sondern als Werkzeug, das eine tägliche, gleichförmige Aufgabe von 30 Minuten auf wenige Minuten verkürzt, die Datenbasis sauber hält und dem Menschen die Entscheidung lässt. Der Schlüssel ist die klare Aufgabenteilung: die Maschine liest, sucht und rechnet, der Mensch prüft und gibt frei. Genau diese Trennung macht solche Lösungen im Alltag belastbar.