Zum Inhalt springen
Alle Referenzen

Engineering · Fallstudie

Angebote schneller prüfen und vorbereiten.

Lastenhefte strukturiert erschließen und Angebotsentwürfe mit Quellen prüfen.

Ø 0,6 Tage

Durchlaufzeit pro Angebot (Anfrage bis Versand)
Ausgangswert: Ø 3,5 Tage

Illustration: Schnittmodell eines Industriegetriebes mit technischen Zeichnungen und Spezifikationen.
Redaktionelle Illustration, keine Aufnahme aus dem Kundenprojekt.

Wirkung im Projekt

Was sich konkret verändert hat.

Vorher / Nachher

MessgrößeVorherNachherVeränderung
Durchlaufzeit pro Angebot (Anfrage bis Versand)Ø 3,5 TageØ 0,6 Tage-82 %
Erst-Sichtung eines komplexen LastenheftsØ 6 StdØ 50 Min-86 %
Im Stichproben-Audit übersehene AnforderungenØ 4,2 je AngebotØ 0,9 je Angebot-79 %

Werte aus dem anonymisierten Pilotprojekt, gerundet. Es handelt sich um Durchschnitte über die unten genannte Stichprobe, nicht um Bestfälle.

So wurde gemessen

Durchlaufzeit pro Angebot

Vorher-Nachher-Vergleich anhand der CRM-Zeitstempel von Anfrageeingang bis Angebotsversand.

Stichprobe
n = 48 Angebote
Zeitraum
6 Monate (2 Quartale)

Erst-Sichtung des Lastenhefts

Stoppuhr-Vergleich identischer Dokumenttypen, manueller Prozess gegen agentengestützte Sichtung.

Stichprobe
n = 12 Lastenhefte
Zeitraum
8 Wochen

Übersehene Anforderungen

Nachträgliches Audit durch zwei Senior-Ingenieure, die die fertigen Angebote gegen das Lastenheft prüften.

Stichprobe
Stichprobe aus 24 Angeboten
Zeitraum
über den gesamten Pilotzeitraum

Der Ausgangspunkt

Was das Team lösen wollte.

Ein Anlagenbauer aus dem DACH-Raum verkürzt die Angebotserstellung für komplexe Lastenhefte von Tagen auf Stunden – ohne zusätzliche Stellen. Die eluna Automation Platform sichtet die Dokumente, extrahiert jede Anforderung mit Seitenverweis und bereitet die Kalkulation vor. Freigegeben wird sie von einer Fachperson.

Einblick 01

Ein Blick auf das Ergebnis

Statt einer einzelnen Prozentzahl zeigen wir den Ausgangswert und das Ergebnis nebeneinander. So lässt sich einordnen, worauf sich die Verbesserung bezieht.

Schematische Vorher-Nachher-Ansicht: links ein geschwärztes Lastenheft mit unstrukturierten Textzeilen, rechts ein strukturierter Angebotsentwurf mit extrahierten Anforderungen, Seitenverweisen, einer zur Prüfung markierten Position und einem AI-Automation-Score-Ring.
Anonymisiertes Beispiel: Aus einem geschwärzten Lastenheft entsteht ein strukturierter Angebotsentwurf mit belegten Anforderungen.

Einblick 02

Wie löst man den Flaschenhals im Sales Engineering?

Die Fachspezialisten verbrachten Tage damit, hunderte Seiten Lastenheft zu sichten, statt Angebote zu finalisieren. Die eluna Automation Platform übernimmt die Sichtung: Sie liest die Dokumente, extrahiert jede Anforderung mit Seitenverweis und gleicht sie gegen frühere Projekte ab. So entsteht eine geprüfte Entscheidungsgrundlage, die der Vertrieb in Stunden statt Tagen finalisiert – ohne zusätzliche Stellen.

Ressourcenfalle Dokumentenprüfung

Lastenhefte kamen oft mehrere hundert Seiten stark, unstrukturiert und in gemischten Formaten herein. Die manuelle Prüfung band erfahrene Ingenieure für monotone Extraktionsaufgaben, die nicht ihrem Können entsprachen.

Das größte Risiko lag in der Fehlkalkulation: Wird eine Anforderung oder eine Norm übersehen, entstehen später Mehrkosten und Lieferverzögerungen. Unter Zeitdruck blieb die präzise Kalkulation ein riskantes, ressourcenintensives Unterfangen.

Einblick 03

Prozess-Expertise trifft auf KI-Governance

Der Erfolg basierte auf einer gründlichen initialen Beratung. Erst durch das Verständnis der gewachsenen Abläufe konnte die eluna Automation Platform als Präzisionswerkzeug wirken statt als generischer Textgenerator.

Prozess-Übersetzung

Wir überführten das implizite Wissen erfahrener Ingenieure in explizite, nachvollziehbare Prüflogiken für das System.

Framework-Customizing

Die eluna Automation Platform wurde auf die kundenspezifischen Kalkulationsformeln und Risikoaufschläge justiert, statt mit generischen Annahmen zu arbeiten.

Governance-Setup

Wir definierten die Leitplanken der KI gemeinsam. Über ein Approval-System behält der Mensch die Kontrolle: Der Agent bereitet vor, die Fachperson gibt die Kalkulation frei.

Einblick 04

Sicher, modular und nachvollziehbar

Multimodale Wissens-Integration

Verständnis über Formate hinweg

Der Agent erfasst Zusammenhänge in Texten, Tabellen und Grafiken und gleicht sie gegen das interne Know-how aus der Dokumentenablage des Kunden ab.

Aktive Tool-Integration

Aktuelle Daten für die Kalkulation

Über Schnittstellen ruft der Agent aktuelle Marktpreise ab und gleicht Anforderungen mit den Lagerbeständen im ERP-System ab.

Workload-Management

Transparenz im Prozessfluss

Anforderungen werden in einzelne Schritte zerlegt und in einer Kanban-Ansicht sichtbar. So ist klar, welche Schritte die KI übernimmt und wo eine Fachperson eingreift.

AI Automation Score

Messbarer Anteil automatisierter Sichtung

Ein Dashboard zeigt, welcher Anteil der Sichtungsarbeit automatisiert läuft. Über den Pilotzeitraum stieg dieser Wert auf 82 % der vormals manuellen Bearbeitungszeit – gemessen mit der oben offengelegten Methode.

Einblick 05

Was der Agent (noch) nicht macht

Stimme aus dem Projekt

„Wir gewinnen Aufträge nicht schneller, weil wir mehr raten. Wir gewinnen sie, weil zu jeder Anforderung der Seitenverweis dabeisteht und mein Team in Stunden prüft, wofür es vorher Tage gebraucht hat.“
Leiter Vertriebsinnendienst, Maschinenbau (DACH)

Aussage anonymisiert und vom Kunden freigegeben

Gemeinsam konkret werden

Was davon passt zu Ihrem Prozess?

Wir besprechen Ihre Ausgangslage und prüfen, welche Daten, Regeln und Freigaben für einen ähnlichen Ablauf gebraucht werden.

Sprechen Sie mit uns