Ich erzähle Ihnen heute einen konkreten Praxis-Case. Anonymisiert, weil der Kunde nicht in seinem Wettbewerber-Umfeld auftauchen will. Aber alle Zahlen sind real, mit dem Steuerberater geprüft, und der Geschäftsführer hat die Veröffentlichung freigegeben (nur ohne Firmennamen).
Kurzbeschreibung:
- Heizungs- und Sanitärbetrieb
- 18 Mitarbeiter (12 Monteure, 4 Büro, 2 Geschäftsführung)
- Standort Süddeutschland
- Umsatz ~3,2 Mio € pro Jahr
Das Problem (vor dem Projekt)
Das info@-Postfach bekam pro Woche etwa 180 Mails. Aufteilung:
- ~30 % Termin-Anfragen („Wann können Sie kommen?")
- ~25 % Material-Fragen („Habt ihr noch die Buderus-Therme auf Lager?")
- ~20 % Rechnungs-Rückfragen
- ~15 % Reklamationen + Garantie
- ~10 % Werbung + Spam
Eine Bürokraft (Vollzeit) hat etwa 22 Stunden pro Woche mit Mail-Bearbeitung verbracht. Davon waren ~70 % Routinearbeit (Standardantworten, Weiterleitungen).
Das Problem: Die Bürokraft kam mit anderen Aufgaben — Rechnungen schreiben, Lieferanten anrufen, Materialbestellungen — in Rückstand. Der Geschäftsführer übernahm Notfälle. Am Wochenende. Mit dem Handy.
Der Schmerz war konkret: Lead-Anfragen bekamen 1,5–2 Tage Antwortzeit. Konkurrenz antwortete in Stunden. Etwa 3 Aufträge pro Monat gingen so verloren. Bei einem Durchschnittsauftrag von 4.200 € waren das 150.000 € entgangener Umsatz pro Jahr.
Was wir gemacht haben
Phase 1: Potenzialanalyse (1 Tag)
Wir haben uns eingeloggt (mit Zustimmung), die letzten 500 Mails analysiert und ein Klassifikations-Schema gebaut:
| Kategorie | Anteil | Aktion |
|---|---|---|
| Termin-Anfrage | 30 % | KI antwortet mit verfügbaren Slots + Termin-Bestätigung |
| Material-Frage | 25 % | KI antwortet mit Lagerstand aus Warenwirtschaft |
| Rechnungs-Rückfrage | 20 % | Weiterleitung an Buchhaltung mit Vorgangs-Nr. |
| Reklamation | 15 % | Sofort-Eingangsbestätigung + Weiterleitung Werkstattleiter |
| Spam/Werbung | 10 % | Automatisch ablegen, keine Antwort |
Phase 2: Umsetzung (3 Tage)
Tag 1: KI-Klassifikation antrainiert auf den 500 historischen Mails. Trefferquote nach Tag 1: 89 %.
Tag 2: Antwort-Templates aus den letzten 300 versendeten Mails extrahiert. Kalender-Integration (Outlook), Warenwirtschafts-Anbindung (Sage 50).
Tag 3: Live-Schaltung im Schatten-Modus. KI schreibt Entwürfe, die Bürokraft prüft. Korrekturen fließen ins Training.
Phase 3: Auto-Send (Tag 14, kostenlos)
Nach 14 Tagen Schatten-Modus: Trefferquote bei 96 %. Auto-Send wurde aktiviert für Termin-Anfragen und Material-Fragen. Reklamationen + Rechnungs-Rückfragen bleiben mit menschlichem Check.
Die Zahlen, 90 Tage später
Eingesparte Stunden:
- Vorher: 22 Std/Woche
- Nachher: 4 Std/Woche
- Ersparnis: 18 Std/Woche × 52 Wochen × 38 €/Std = 35.568 € / Jahr
Schnellere Lead-Antwort:
- Vorher: 1,5–2 Tage
- Nachher: 47 Sekunden (Median)
- Resultat: 1,8 zusätzliche Aufträge pro Monat × 4.200 € = 90.720 € Mehrumsatz / Jahr
- Nach Materialkosten (~40 %): 54.432 € Deckungsbeitrag / Jahr
Brutto-Effekt Jahr 1: 35.568 € (Personalersparnis) + 54.432 € (Mehrumsatz-Deckungsbeitrag) = 89.000 € / Jahr
Investment (anonymisiert, individuelle Konditionen):
- Potenzialanalyse + Umsetzung als einmaliger Posten
- Laufende Betreuung (Monitoring, Anpassungen, EU-Server, Logging) als monatlicher Beitrag
- Förderungs-Möglichkeiten wurden im Einzelfall geprüft und teilweise genutzt
Konkrete Konditionen besprechen wir im Erstgespräch — abhängig von Volumen, bestehenden Tools und Zielsetzung.
Was hat nicht funktioniert (ehrlich)
Drei Punkte, an denen wir nachsteuern mussten:
1. Süddeutscher Dialekt in Mails
Die ersten 2 Wochen hatte die KI Probleme mit Mails wie „Mei, wann konntat denn vorbeischauen?". Sie hat Termin-Anfragen nicht als solche erkannt. Wir mussten 80 zusätzliche Trainings-Beispiele aus dem dialektalen Bereich nachfüttern. Trefferquote stieg dann auf 96 %.
2. Reklamations-Routing zu Werkstattleiter
Reklamationen sollten an den Werkstattleiter gehen. Der hatte aber 3 Wochen Urlaub. Die KI hat brav weitergeleitet, der Werkstattleiter konnte nichts machen. Fix: Vertretungs-Regelung in die KI-Logik eingebaut. Jetzt wird automatisch geprüft, ob der Empfänger aktiv ist (via Outlook-Abwesenheits-Notiz).
3. Kunden-Skepsis
Drei Kunden haben gemerkt, dass die Antwort von einer KI kommt (zu schnell, zu standardisiert). Zwei davon haben angerufen und sich beschwert. Fix: Wir haben die Antworten persönlicher formuliert („Hallo Herr Müller, ich habe Ihre Anfrage gerade gesehen und schaue gleich nach Terminen") und einen Versand-Delay von 2–4 Minuten eingebaut. Keine Beschwerden mehr seit Tag 30.
Was der Geschäftsführer heute sagt
Wörtliches Zitat aus einem Follow-up-Call drei Monate nach Go-Live:
„Das Beste ist nicht das gesparte Geld. Das Beste ist, dass meine Bürokraft Freitag um 16 Uhr fertig ist. Vorher war sie immer noch da, wenn ich am Wochenende kam. Jetzt bringt sie ihre Tochter zum Ballett. Das wollte ich für sie, seit 4 Jahren."
Das ist der Punkt, der mir aus 23 Mittelstand-Projekten am häufigsten begegnet. Es geht selten nur um Geld. Es geht um Lebensqualität der Schlüssel-Mitarbeiter, die in Mittelstand-Betrieben immer zu viel auf den Schultern tragen.
Was Sie tun, wenn Ihr Fall ähnlich aussieht
Wir machen ein 30-Min-Erstgespräch. Kostenlos. Sie schildern Ihre Mail-Situation, ich nenne Ihnen:
- Realistische Klassifikations-Rate für Ihren Fall
- Realistischer Umsetzungs-Aufwand
- Konservativ kalkulierter Jahres-Effekt
- Ob Sie BAFA-fähig sind und wenn ja, wer der passende Berater wäre
Wenn es nicht passt, sage ich es Ihnen in der ersten Viertelstunde. Kein Pitch, kein Vertrieb.