Gamrat ist ein polnischer Hersteller von Rohren, Schläuchen und Dachentwässerungssystemen mit Sitz in Jasło. Das Vertriebsteam erstellt täglich 30 bis 50 Angebote. Ein komplexes Angebot kann zwei bis drei Tage dauern, weil ein Vertriebsmitarbeiter vor der Antwort aktuelle Preise, Warenverfügbarkeit und Lieferdetails zusammentragen muss.
Im Juni 2026 führte Soba Labs eine KI-Schulung für Unternehmen mit zwölf Mitgliedern von Gamrats Vertriebsteam durch und baute die KI-Kompetenz für den praktischen KI-Einsatz auf. Das erleichterte das Formulieren von Nachrichten, Nachfassaktionen und anderer Kundenkommunikation. Zugleich zeigte sich die Grenze eines allgemeinen Assistenten: Bessere Formulierungen helfen wenig, wenn das Team weiterhin tagelang die Zahlen für ein Angebot suchen und prüfen muss.
Soba Labs entwarf einen geplanten Assistenten, der genau diese Arbeit unterstützen soll. Er ist noch nicht im Einsatz. Die folgenden Zahlen sind Pilotziele und keine erzielten Ergebnisse. Diese Fallstudie beschreibt das Geschäftsproblem, den möglichen Platz des Assistenten im Vertriebsprozess und die Messgrößen für einen Pilot.
Das Geschäftsproblem
Vor einem konkreten Angebot muss der Vertrieb mehrere zusammenhängende Fragen klären:
- Welche Produkte und Mengen meint der Kunde, besonders wenn er seinen Bedarf beschreibt, statt einen Katalognamen zu verwenden?
- Welche Preise gelten aktuell für Produkte, deren Kosten von den Rohstoffpreisen für PE und PVC sowie den entsprechenden Klauseln abhängen?
- Ist jede Position verfügbar, und welche Lieferzeit kann das Team zusagen?
- Welche Lieferung passt zur Bestellung? Rohre mit einer Länge von 4 bis 12 Metern brauchen einen anderen Transport als aufgerollte Schläuche. Auch der Lieferort und die gewünschten Bedingungen spielen eine Rolle.
Die Informationen liegen an verschiedenen Stellen und ändern sich nicht alle gleich schnell. Gamrat veröffentlicht Preislisten für Dachrinnen und Schläuche, aktuelle Rohrpreise gibt es nur auf Anfrage. Ein Vertriebsmitarbeiter muss die E-Mail verstehen, die passenden Daten prüfen, Lücken klären und alles zu einem stimmigen Angebot zusammenführen. Bei einer komplexen Anfrage entfallen die meisten der zwei bis drei Tage auf diese Vorbereitung, nicht auf das Schreiben der Antwort.
Die Verzögerung betrifft beide Seiten. Die Angebotserstellung ist einer der Bereiche, in denen sich KI in der Fertigung am deutlichsten auszahlt, wie wir in AI in manufacturing: automate the work nobody wants erklären. Kunden warten auf einen klaren Preis und eine verbindliche Lieferzusage. Gleichzeitig verbringen die Mitarbeitenden mit dem besten Produktwissen ihre Zeit mit der Suche nach Zahlen und wiederholten Prüfungen, statt Kunden zu beraten, nachzufassen oder eine Verkaufschance weiterzuentwickeln. Laut McKinsey erzielen B2B-Vertriebsteams, die solche Backoffice-Arbeit automatisieren, Effizienzgewinne von 10 bis 15 Prozent und verbringen mehr Zeit mit Kunden. Stimmt eine Angabe nicht, muss das Team außerdem das Angebot korrigieren und die Änderung erklären.
Von der KI-Schulung zum praktischen nächsten Schritt
Die Schulung im Juni half dem Team, mit KI schneller zu schreiben. Ein allgemeiner Assistent erhielt dadurch aber keinen Zugriff auf die aktuelle Preisliste, Lagerbestände oder Lieferregeln. Ohne freigegebene Unternehmensdaten kann er eine überzeugende Antwort verfassen und trotzdem einen falschen Preis oder eine falsche Verfügbarkeit nennen. Das ist eine Halluzination, die das Risikoprofil für generative KI des NIST als Konfabulation bezeichnet: selbstsicher vorgetragene, aber falsche Inhalte. Bei einem Angebot verursacht eine selbstsichere Vermutung mehr Aufwand und Risiko, als sie einspart.
Der geplante KI-Agent konzentriert sich deshalb auf die Vorbereitung. Er würde eine Kunden-E-Mail lesen, die Anfrage den Gamrat-Produkten zuordnen und mit den passenden Unternehmensdaten einen ersten Entwurf zusammenstellen. Die Daten würden zum Zeitpunkt der Anfrage abgerufen, so wie Retrieval-Augmented Generation eine Antwort auf freigegebene Quellen stützt. Für jeden genannten Preis würde er die Quelle anzeigen. Angaben, die er nicht prüfen kann, etwa eine unklare Produktzuordnung oder fehlende Verfügbarkeit, würde er markieren und dem Vertrieb zur Entscheidung vorlegen, statt sie zu schätzen. Dem Modell zu erlauben, Unwissen zuzugeben, und für jede Aussage eine Quelle zu verlangen, sind die ersten Techniken in Anthropics Leitfaden zum Reduzieren von Halluzinationen.
Der Entwurf würde dem Vertrieb zur Prüfung im bereits genutzten Microsoft-365-Arbeitsbereich vorgelegt. Ob dieser Schritt in Copilot Studio oder als eigener Agent entsteht, hängt davon ab, wie tief er in Gamrats eigene Systeme reichen muss. Der Vertriebsmitarbeiter könnte Angaben korrigieren, eine Klärung anfordern oder das Angebot freigeben, bevor es an den Kunden geht. Wiederkehrende Informationssuche soll weniger Zeit kosten. Die kaufmännische Einschätzung und die Kundenbeziehung bleiben bei der Person, die für den Verkauf verantwortlich ist. Dieser Human-in-the-Loop-Schritt klärt auch, wer verantwortlich ist, wenn ein KI-Agent einen Fehler macht, bevor das erste Angebot verschickt wird.
Den Prozess sicher verbessern
Die Prüfung liefert auch Hinweise darauf, was verbessert werden sollte. Wenn ein Vertriebsmitarbeiter eine Produktzuordnung ändert, eine Menge korrigiert oder eine Lieferannahme ablehnt, zeigt das möglicherweise, an welcher Stelle die Angebotserstellung Aufmerksamkeit braucht. Mit der Zeit kann das Team wiederkehrende Lücken bei Produktinformationen, Preisen oder Lieferregeln erkennen und entscheiden, ob es neben dem Assistenten auch den zugrunde liegenden Prozess verbessern sollte.
Schnelligkeit allein ist kein guter Erfolgsmaßstab. Ein früherer Entwurf, der umfangreiche Korrekturen braucht, verschiebt die Arbeit nur. Ein sinnvoller Pilot sollte messen, ob der Assistent die Vorbereitungszeit verkürzt und zugleich Genauigkeit und Qualität erhält. Dazu gehört auch die Zeit für Prüfung und Korrekturen, nicht nur die Zeit bis zum ersten Entwurf. Das ist der Kern einer ehrlichen KI-ROI-Messung: Gezählt wird der ganze Prozess, nicht nur der Schritt des Modells.
Möglicher Nutzen für einen Pilot
Der Assistent ist noch nicht im Einsatz. Die folgenden Zahlen sind deshalb vorgeschlagene Pilotziele und keine erzielten Ergebnisse. Der Pilot sollte die gesamte Zeit von der Kundenanfrage bis zum prüfbaren Angebotsentwurf messen. Das Ziel sind höchstens zwei Stunden für geeignete Anfragen; die meisten einfachen Anfragen sollten in höchstens einer Stunde fertig sein. Komplexe Angebote dauern heute zwei bis drei Tage.
- Vollständiger Entwurf innerhalb von höchstens zwei Stunden für geeignete Anfragen, gemessen von der Kunden-E-Mail bis zum prüfbaren Angebot. Für die meisten einfachen Anfragen ist eine Stunde oder weniger das Ziel.
- 100 % der genannten Preise mit freigegebener Quelle. Fehlende oder unklare Preise sollte der Assistent markieren, damit der Vertrieb sie prüft, statt sie zu schätzen.
- Mindestens 98 % Genauigkeit bei der ersten Prüfung für Produkt, Menge, Preis und Lieferdetails, bevor der Vertrieb Korrekturen vornimmt.
- Weniger Vorbereitungszeit pro Angebot, gemessen für Informationssuche, Preis- und Verfügbarkeitsprüfung sowie Korrekturen durch den Vertrieb.
- Keine Zunahme vermeidbarer Korrekturen. Erfasst wird, wie oft ein Entwurf wegen eines falschen Produkts, einer falschen Menge, eines falschen Preises oder einer unzutreffenden Lieferannahme geändert werden muss.
Werden die Zeit- und Genauigkeitsziele erreicht, ohne dass mehr vermeidbare Korrekturen nötig werden, könnten Kunden geeignete Angebote innerhalb von Stunden statt Tagen erhalten. Der Vertrieb gewinnt Zeit für Kundengespräche und Nachfassaktionen. Der Pilot würde die tatsächliche Zeitersparnis feststellen und zeigen, für welche Anfragen sich die Unterstützung eignet. Bevor diese Werte als erzielte Ergebnisse dargestellt werden, sollte Gamrat die Messung mit dem bisherigen Prozess abstimmen.
Der nächste Schritt
Der Entwurf kann in einen Pilot übergehen, sobald Gamrat Zugriff auf die freigegebenen Preis-, Bestands- und Lieferinformationen ermöglicht, die für ein Angebot nötig sind. Diese Datenbereitschaft kommt zuerst, wie bei einem anderen polnischen Hersteller in unserer Fallstudie zu Ryba Wooden Products. Gamrat betreibt seine Systeme auf lokalen Servern. Deshalb muss der Assistent auch in die IT-Umgebung des Unternehmens und in den bestehenden Prüfprozess des Teams passen.
Der Pilot sollte mit einer klar abgegrenzten Gruppe geeigneter Anfragen und Vergleichswerten aus ähnlichen Angeboten beginnen. Das NIST AI Risk Management Framework folgt derselben Reihenfolge: erst den Kontext erfassen und das Risiko messen, dann im Alltag auf das System setzen. Der Vertrieb würde jeden Entwurf prüfen. Das Team erfasst Vorbereitungszeit, Preisangaben mit Quellen, Korrekturen und Antwortdauer. So kann Gamrat fundiert entscheiden, ob der Assistent mehr Aufgaben übernehmen, der Prozess angepasst oder der Versuch beendet werden sollte.
Die geschäftliche Erkenntnis
Die Angebotserstellung bindet Vertriebszeit, wenn Mitarbeitende ähnliche Informationen an mehreren Stellen suchen und abgleichen müssen. KI kann beim Formulieren helfen. Die größere Chance liegt darin, die benötigten Angaben einfacher zusammenzuführen und zu prüfen.
Ein hilfreicher Assistent würde den ersten Entwurf auf Grundlage freigegebener Informationen vorbereiten, unsichere Angaben sichtbar machen und die endgültige Entscheidung dem Vertrieb überlassen. Der Nutzen besteht nicht darin, ein ungeprüftes Angebot automatisch zu versenden. Er liegt in einem schnelleren, einheitlicheren Weg von der Kundenanfrage zu einer fundierten Entscheidung durch die Person, die die Kundenbeziehung verantwortet.
Bereiten Sie Angebote aus verstreuten Preis-, Bestands- und Lieferdaten vor? Sprechen Sie mit uns oder sehen Sie sich unsere weiteren Fallstudien an.
In den Worten des Kunden
“Hands on, on our own tools and our own products. The sales team left with prompts they use daily, and we brought Soba Labs back to train the next departments.”
Jerzy Pachana, Board Member, Gamrat