Angebotserstellung im Elektrogroßhandel: von 3,5 Stunden auf 45 Minuten
Ein mittelständischer Elektrogroßhandel hat die Angebotskonfiguration für PV- und Installationsprojekte auf KI umgestellt. Semantische Artikelsuche in 240.000 Positionen plus Auto-Vorschläge aus vergleichbaren Bestellungen.
- Kunde
- Elektrogroßhandel
- Branche
- B2B-Großhandel
- Leistung
- KI-Implementation
“Wir haben 240.000 Artikel. Niemand kennt die alle, auch nach 20 Jahren im Haus nicht. Früher ist eine Kollegin 40 Minuten durch SAP-Suchmasken geklickt, um die richtige Klemme für ein Projekt zu finden. Heute tippt sie „3-polige Verbindungsklemme für 16 qmm, WAGO oder Phoenix", und kriegt drei Treffer mit Preisen und Lagerbestand. Das ist das, was wir gebraucht haben.”
Die Herausforderung
Ein Elektrogroßhändler mit 240.000 Artikeln aus 11 Lieferantenkatalogen (Datanorm-Format, monatlich neu). Die Vertriebsinnendienst-Mitarbeiter erstellen pro Tag im Schnitt 12 Angebote für Elektrobetriebe und PV-Installateure. Ein Angebot dauert 3,5 Stunden, weil die Artikelsuche in SAP auf Artikelnummern-Stammdaten basiert, und die Kunden schreiben Freitext („Wechselrichter 10 kW mit Notstromfunktion, Kompatibel mit BYD-Speicher"). Die Folge: die schnellsten Mitarbeiterinnen schaffen zwei Angebote pro Tag, die anderen deutlich weniger. Rückfragen an Lieferanten vergeuden weitere Stunden.
Unsere Lösung
Alle Artikel werden nach dem Datanorm-Import durch einen Embedding-Flow geschickt (Voyage AI, weil OpenAI bei deutschen technischen Begriffen schwächelt). Die Vektoren liegen in Supabase pgvector neben den strukturierten Stammdaten. Die Mitarbeiter tippen ihre Freitext-Suche in ein Web-Interface, Claude 3.7 expandiert die Suche (Synonyme, technische Spezifikationen, kompatible Normen) und rankt die Treffer gegen 18 Monate historische Bestelldaten, wer bestellt was zusammen. Angebots-Template wird direkt aus SAP gezogen, vorausgefüllt, und als PDF rausgeschickt.
Die Umsetzung
Woche 1-3: Datanorm-Parser (CP850-Encoding, weil die Lieferanten das noch 2026 verwenden). 237.412 Artikel aus 11 Katalogen normalisiert. Erste Migration dauerte 14 Stunden, weil ein Katalog inkonsistente Spalten hatte, Lieferant angerufen, nicht lösbar, also per Heuristik gecleant.
Woche 4-6: Embedding-Pipeline und Retrieval-Testing. Gold-Standard-Testset: 500 manuell gelabelte Suchanfragen aus den letzten sechs Monaten. Iteration auf die Reranking-Logik, damit „10 kW PV-Wechselrichter" die passenden Hersteller vor Zubehör zeigt.
Woche 7-8: Integration ins SAP-Frontend via iFrame (der einfachste Weg ohne IT-Projekt beim Kunden). Auto-Angebots-Generierung mit Tagespreisen und aktuellem Lagerbestand.
Woche 9-10: Shadowing bei drei Mitarbeiterinnen, Prompt-Tuning live. Kritischer Fix in Woche 10: die KI schlug öfters teure Markenprodukte vor, obwohl der Kunde preissensibel war. Wir haben die Kundenprofile aus CRM in den Kontext gezogen, seitdem trifft das Ranking das Segment.
Ähnliche Ergebnisse für Ihr Unternehmen?
In 15 Minuten zeigen wir Ihnen, wo KI in Ihrem Betrieb den größten Hebel hat.