KI im Großhandel: Vom Angebot bis zur Nachbestellung

KI im Großhandel bedeutet: Prozesse zwischen Anfrage und Lieferung automatisieren, die sich täglich wiederholen und klaren Regeln folgen. Angebotsanfragen strukturieren, Aufträge erfassen, Statusauskünfte geben, Nachbestellungen vorbereiten. Das sind keine Konzernaufgaben. Großhändler mit 50 bis 500 Mitarbeitern haben hier oft die größten Hebel, weil ihr Volumen hoch und ihre Prozesse regelbasiert, aber noch kaum automatisiert sind.

Dieser Artikel beschreibt drei konkrete Hebel, mit Rechenbeispielen, die Sie auf Ihren eigenen Betrieb übertragen können.

Wo Großhändler täglich Stunden verlieren

Wir schauen uns in Audits regelmäßig an, wo in mittelständischen Großhandelsbetrieben die meiste Kapazität in regelbasierter Fleißarbeit steckt. Drei Bereiche tauchen fast immer auf:

Angebotsanfragen bearbeiten. Ein Betrieb mit 12-20 Anfragen täglich hat in der Regel zwei Mitarbeiter, die diese per E-Mail oder Telefon entgegennehmen, in das ERP eingeben, Preise prüfen und ein Angebot zusammenstellen. Pro individuellem Angebot sind das 20-40 Minuten, abhängig von der Produktkomplexität.

Auftragserfassung aus mehreren Kanälen. Bestellungen kommen per E-Mail, über das Kundenportal, per Fax und manchmal telefonisch. Jemand muss sie ins ERP übertragen. Bei 30-80 Aufträgen täglich ist das eine Vollzeit- oder Teilzeit-Aufgabe, die keine Qualifikation braucht, aber ständige Aufmerksamkeit.

Nachbestellung und Disposition. Wer entscheidet, was wann nachbestellt wird? In den meisten Betrieben macht das ein Disponent nach Erfahrung und Excel-Tabellen. Fällt diese Person aus, hängt der Betrieb an einem Wissensmonopol.

Alle drei Bereiche teilen eine Eigenschaft: Sie sind teuer, sie passieren täglich, und sie folgen Regeln, die ein System lernen kann.

Drei KI-Hebel von der Anfrage bis zur Nachbestellung

Hebel 1: Angebotsanfragen qualifizieren und strukturieren

Eingehende Anfragen landen meist als unstrukturierter Text in einem gemeinsamen E-Mail-Postfach. Bevor jemand ein Angebot schreiben kann, muss jemand lesen, verstehen, kategorisieren und zuweisen. Dieser erste Schritt kostet mehr Zeit, als er aussieht.

Ein KI-gestützter Workflow übernimmt genau diesen Schritt: Er liest die eingehende E-Mail, extrahiert Produkt, Menge, Liefertermin und Kundendaten, ordnet die Anfrage dem zuständigen Vertriebsmitarbeiter zu und befüllt ein strukturiertes Template. Der Mitarbeiter prüft, ergänzt und schreibt das Angebot, aber er startet nicht mehr bei null.

Das spart nicht die Angebotserstellung selbst, sondern die 10-15 Minuten Vorarbeit pro Anfrage. Die klingen wenig, summieren sich aber schnell.

Illustratives Rechenbeispiel:

• 15 Anfragen/Tag × 13 Minuten Vorarbeit = ca. 195 Minuten täglich
• 195 Minuten × 220 Arbeitstage × 42 €/Stunde = ca. 30.000 €/Jahr
• KI-Workflow deckt 65% der Standardanfragen vollständig ab
• Einsparung: ca. 19.500 €/Jahr
• Implementierungskosten: 10.000-14.000 €
• Break-even: 7-9 Monate

Die Zahlen sind illustrativ und hängen stark von Ihrem Anfragen-Mix ab. Ein Betrieb mit vielen Sonderkonstruktionen hat andere Hebel als einer mit Katalogware.

Hebel 2: Auftragserfassung und Statusauskunft automatisieren

Bestellungen aus E-Mails ins ERP übertragen ist Fleißarbeit, keine Denkarbeit. Genau dafür sind KI-Workflows gemacht.

Ein gut konfigurierter Workflow liest die eingehende Bestellmail, erkennt Produkte, Mengen und Kundennummer, schlägt das korrekte ERP-Format vor und leitet den Auftrag zur abschließenden Freigabe weiter. Für Standardbestellungen von Stammkunden läuft das ohne manuelle Eingriffe. Für Sonderfälle kommt eine Hinweismeldung.

Gleiches gilt für Statusanfragen. „Wo ist meine Bestellung?" beantwortet heute jemand manuell, obwohl die Information im ERP steht. Ein einfacher Workflow, der auf eine Statusanfrage per E-Mail reagiert und den Lieferstatus abfragt, erledigt das ohne Mitarbeiterkapazität.

Welche Automatisierungsplattform dafür passt, hängt vom ERP-System und den verfügbaren Schnittstellen ab. Wir nutzen häufig n8n als Verbindungsschicht, weil es sich gut an ältere ERP-Systeme anpassen lässt. Einen Überblick über die Plattformwahl haben wir hier aufgeschrieben: n8n, Make oder Zapier? Plattform-Wahl für den Mittelstand.

Hebel 3: Disposition und Nachbestellung mit KI stützen

Das ist der anspruchsvollste der drei Hebel und der, der am häufigsten unterschätzt wird. Gute Disposition braucht Erfahrung und Marktgefühl, das stimmt. Trotzdem steckt in jedem Dispositionsprozess ein großer Anteil mechanischer Arbeit: Lagerbestand prüfen, Abverkauf der letzten Wochen auswerten, Lieferzeiten der Lieferanten berechnen, Bestellvorschlag formulieren.

Diesen mechanischen Teil übernimmt ein KI-Workflow: Bestandsdaten aus dem ERP, Abverkaufsdaten der letzten vier bis acht Wochen, hinterlegte Mindestbestände und Lieferantenlaufzeiten fließen täglich in einen automatischen Report ein, der dem Disponenten konkrete Bestellvorschläge mit Begründung liefert. Der Disponent entscheidet weiterhin, aber auf Basis strukturierter Daten statt auf Basis von Erinnerung.

Was das bringt: Weniger Fehlmengen, weniger Überbestand. Und wenn eine erfahrene Disposition aufhört, geht ihr Wissen nicht komplett verloren, weil ein Teil davon in Systemparametern abgebildet ist.

Was das in Zahlen bedeutet

Zwei Mitarbeiter, die täglich je 2,5 Stunden in Anfragen, Auftragserfassung und Dispositionsvorbereitung stecken:

• Zeitaufwand: 5 Stunden/Tag × 220 Arbeitstage = 1.100 Stunden/Jahr
• Kosten bei 42 €/Stunde: 46.200 €/Jahr
• KI-Workflows decken konservativ 50% ab
• Einsparung: ca. 23.100 €/Jahr
• Implementierungskosten für alle drei Workflows: 22.000-30.000 €
• Break-even: 12-16 Monate

Diese Zahlen sind illustrativ, aber die Methode dahinter ist dieselbe, die Sie auf Ihren eigenen Betrieb anwenden können: Stunden zählen, Stundensatz ansetzen, realistischen Automatisierungsgrad schätzen.

Worauf es vor dem Start ankommt

Drei Punkte entscheiden, ob ein KI-Projekt im Großhandel funktioniert:

Datenqualität im ERP. Ein KI-Workflow ist so gut wie die Daten, auf die er zugreift. Wer unvollständige Stammdaten oder inkonsistente Artikelbezeichnungen hat, muss zuerst aufräumen, bevor er automatisiert. Das klingt nach einer schlechten Nachricht, ist aber eine nützliche Diagnose, die einen ohnehin fälligen Schritt ans Licht bringt.

API-Zugang oder strukturierter Export. Workflows brauchen entweder eine API-Verbindung zum ERP oder zumindest einen automatischen Export in ein lesbares Format. Ohne digitale Verbindung gibt es keine Automatisierung. Das ist der häufigste Stolperstein in der ersten Analyse und lässt sich in der Regel lösen, sobald er bekannt ist.

Klarer Startpunkt, nicht Generalangriff. Wer alle drei Hebel gleichzeitig angeht, schafft Komplexität ohne Ergebnis. Wir empfehlen, mit dem Prozess anzufangen, der die höchste tägliche Stundenlast hat und die einfachste Datengrundlage bietet. Das ist in den meisten Betrieben entweder die Anfragenklassifizierung oder die Auftragserfassung.

Zur Einordnung: Der Schritt von solchen Workflows zu vollständig autonomen KI-Agenten ist größer, als er oft dargestellt wird. Was KI-Agenten in der Praxis wirklich können und was noch nicht, haben wir im E-Commerce-Kontext beschrieben, der dem Großhandel am nächsten ist: KI im E-Commerce-Mittelstand: 5 Hebel, die sich 2026 wirklich rechnen.

Wenn Sie wissen möchten, welcher der drei Hebel in Ihrem Betrieb zuerst ansetzt, haben wir einen strukturierten Weg dafür. Der KI Impact Audit analysiert Ihre Prozesse, benennt drei angreifbare KI-Hebel mit Stunden- und Euro-Schätzung und liefert den Report in 48 Stunden, ohne Verkaufsgespräch.

KI Impact Audit buchen →