KI im Handwerk: Was Mittelständler wirklich umsetzen können — und was nicht

Der ZDH-KI-Baum zeigt 12 Anwendungsfälle für KI im Handwerk. Was er nicht zeigt: wie diese Anwendungen zusammenhängen — ohne dass Sie 12 verschiedene Apps kaufen. Dieser Ratgeber erklärt, warum eine Werkzeugkiste aus Einzel-Apps zum Problem wird und wie eine Intelligenz-Schicht Ihre bestehende Software verbindet. Für Handwerksbetriebe mit 5 bis 50 Mitarbeitenden. Preise ab €290 monatlich.

Warum KI im Handwerk scheitert — und wie es anders geht

Das Handwerk ist mit 5,4 Millionen Beschäftigten der größte Wirtschaftszweig Deutschlands. Gleichzeitig ist es digital eine der am wenigsten erschlossenen Branchen. 62 % der Handwerksbetriebe arbeiten mit Papier oder Excel. Nur 18 % nutzen ein ERP-System. Und von denen, die digitalisieren, wächst der Anteil derer, die mehr Apps einführen, als sie verwalten können.

Der ZDH-KI-Baum listet 12 Anwendungsfälle auf — und für jeden gibt es mindestens eine App. Ein KI-Anrufbeantworter hier, ein Chatbot dort, eine Text-KI für Angebote, eine Bild-KI für die Dokumentation, eine Lagerverwaltung, ein Terminplaner. Doch der Handwerker mit 8 Mitarbeitenden hat weder die Zeit noch das Budget, sechs verschiedene Abonnements zu verwalten. Die Folge: App-Overload. Jede App ist eine Insel. Die Angebotssoftware kennt den Kalender nicht. Der Kalender kennt das Lager nicht. Das Lager kennt die Kundenhistorie nicht.

Der Handwerks-Mittelstand scheitert an vier konkreten Hindernissen:

• Unsicherheit: Niemand im Betrieb weiß, wo der Einstieg sinnvoll ist. Soll man mit dem Angebot beginnen, mit der Terminplanung oder mit der Kundenkommunikation? Der ZDH bietet Kurse und Workshops an — aber keinen konkreten Startplan.
• App-Overload: Für jeden Use Case gibt es eine App. Für jeden Monat ein neues Abo. Der Monteur hat drei Apps auf dem Handy, der Meister hat fünf Tabs offen, die Buchhaltung arbeitet in einem sechsten System. Niemand hat den Überblick.
• Integrationsaufwand: Neue Software bedeutet Migration, Schulung und Anpassung aller Prozesse. Der Handwerker mit 12 Mitarbeitenden hat keinen IT-Administrator, der das übernimmt.
• Interne Zuständigkeiten: Wer im Betrieb kümmert sich um KI? Der Monteur hat keine Zeit, der Geschäftsführer keine technische Expertise, die Buchhaltung kein Mandat.

Förderungen und Zuschüsse existieren — doch sie dauern 3 bis 6 Monate Antragszeit. Der erste Alert einer Intelligenz-Schicht kommt in 30 Tagen. Die Antwort ist nicht mehr Infrastruktur. Die Antwort ist eine Middleware, die vorhandene Daten nutzbar macht — ohne Systemwechsel, ohne IT-Abteilung, ohne neue Abonnements.

Warum mehr Apps keine Lösung sind

Der ZDH spricht von einer "KI-Werkzeugkiste". Eine Werkzeugkiste sammelt Werkzeuge. Eine Intelligenz-Schicht verbindet sie. Sie brauchen nicht mehr Apps. Sie brauchen eine Schicht, die Ihre bestehenden Apps versteht. Ihr ERP kennt Ihre Kunden. Ihr Kalender kennt Ihre Termine. Ihr Lager kennt Ihre Materialien. Was fehlt, ist die Verbindung — die Erkennung, dass ein verspäteter Termin einen Materialengpass auslöst, der wiederum eine Zahlungsverzögerung nach sich zieht.

Was bedeutet KI im Handwerk wirklich?

KI im Handwerk ist kein Roboter, der Rohre verlegt. Es ist eine Intelligenz-Schicht zwischen Ihren Systemen und Ihren Entscheidungen. Sie liest Signale aus Ihrem ERP, Ihrer Handwerkersoftware, Ihrem Kalender, Ihren WhatsApp-Nachrichten und Ihrer Lagerverwaltung. Sie erkennt Muster. Und sie sagt Ihnen, was morgen entscheidet.

Die Architektur baut auf drei Ebenen auf:

Rules Engine: Harte Schwellen, die Sie selbst definieren. „Wenn ein Angebot über €5.000 keine Zahlungszielprüfung enthält, dann Alarm." „Wenn der Materialbestand für Kategorie X unter drei Tage sinkt, dann Erinnerung." Das ist deterministisch, nachvollziehbar und vom Geschäftsführer konfigurierbar — ohne Programmierung.

Muster-Erkennung: Machine Learning, das aus Ihren historischen Daten lernt. Es erkennt, dass Lieferant Müller im August historisch 40 % später liefert. Dass Kunde Schmidt immer erst nach der zweiten Mahnung zahlt. Dass Angebote über €10.000 in 65 % der Fälle verhandelt werden, wenn bestimmte Positionen enthalten sind.

Empfehlungsschicht: Formuliert konkret: „Rufen Sie Lieferant Müller an. Thema: Material XY, Kalenderwoche 30. Hintergrund: Historisch führten ähnliche Verzögerungen in 78 % der Fälle zu Terminüberschreitungen." Das ist keine automatische Bestellung. Das ist eine begründete Empfehlung.

Middleware statt ERP-Upgrade oder neue Handwerkersoftware

Ein ERP-Upgrade kostet €15.000 bis €50.000 einmalig. Eine neue Handwerkersoftware noch mehr. Und am Ende haben Sie neue Software — aber noch immer keine prädiktive Frühwarnung über Angebot, Termin und Material hinweg. Eine Middleware verbindet sich mit Ihrem bestehenden System. Sie liest Daten, ohne sie zu verschieben. Sie verändert keine Prozesse. Sie ergänzt.

Manuell, Einzel-Apps oder Intelligenz-Schicht: Ein ehrlicher Vergleich

Der Handwerks-Mittelstand arbeitet heute meist mit einer Kombination aus Excel, Papier und Einzel-Apps. Das reicht für die Dokumentation. Für die Frühwarnung nicht. Der folgende Vergleich zeigt, warum.

Die 5 Use Cases, die den Handwerks-Mittelstand wirklich bewegen

Nicht jeder Handwerksbetrieb braucht dieselben Use Cases. Doch in über 200 Gesprächen mit Mittelständlern zeigen sich fünf Anwendungsfelder, die fast immer relevant sind — vom Installateur über den Elektriker bis zum Tischler.

KI-Angebotserstellung: Vom Kopieren zum Kalkulieren

Die meisten Handwerksbetriebe kopieren Angebote aus alten Projekten und passen sie an. Das ist schnell, konserviert aber Fehler und ignoriert Preisänderungen. Die Intelligenz-Schicht analysiert historische Angebote, schlägt Positionen vor und prüft die Vollständigkeit. Ein Angebot mit 40 Positionen kostet nicht mehr 3 bis 4 Stunden, sondern 45 bis 60 Minuten. Die Marge wird automatisch geprüft: „Position 12 liegt 15 % unter dem Branchenschnitt. Prüfen Sie den Materialpreis." Die Annahmequote steigt, weil die Angebote vollständiger und präziser sind.

Fahrzeit-Optimierung: Wenn der zweite Termin ausfällt

Der Monteur hat drei Termine am Tag. Der zweite Kunde sagt kurzfristig ab. Statt einer Leerstelle erkennt die Intelligenz-Schicht: Kunde Weber, 8 Minuten entfernt, hat vor zwei Wochen einen Termin für "irgendwann im nächsten Monat" vereinbart. Das Material dafür ist bereits auf dem Lager. Vorschlag: Termin vorziehen, Fahrzeit reduzieren, Auslastung steigern. Für einen Betrieb mit vier Monteuren bedeutet das 1,5 Stunden weniger Fahrzeit pro Tag — oder sechs Stunden pro Tag, die produktiv genutzt werden können.

Kundenkommunikation: Ein Thread statt drei Kanäle

Der Kunde schreibt auf WhatsApp, die Ehefrau mailt, der Sohn ruft an. Die Intelligenz-Schicht erkennt: Es ist ein Gespräch. Nicht drei. Alle Nachrichten werden in einem Kunden-Thread zusammengefasst. Der Monteur sieht vor Ort auf seinem Tablet: „Kunde hat gestern per WhatsApp nachgefragt, ob die neue Armatur auch in Chrom verfügbar ist. Antwort: Ja, Aufpreis €45." Kein Zurückrufen, keine Informationslücken, keine doppelten Anfragen. Das reduziert die Nachfass-Arbeit um 40 %.

Material & Lager: Bevor der Kabelkanal ausgeht

Der Monteur steht vor Ort und stellt fest: Der Kabelkanal ist knapp. Die Bestellung dauert zwei Tage. Der Termin verzögert sich. Die Intelligenz-Schicht erkennt das früher: Sie korreliert offene Aufträge mit Lagerbeständen und Lieferzeiten. „Material XY reicht noch für 3 Tage. Offene Aufträge erfordern 5 Tage Verbrauch. Bestellung empfohlen bis Donnerstag." Gleichzeitig lernt sie aus der Lieferantenhistorie: „Lieferant Müller liefert im August durchschnittlich 40 % später. Bestellung um zwei Wochen vorziehen."

Dokumentation & QS: Von der Pflicht zur Chance

Der Monteur macht Fotos und Sprachnotizen auf der Baustelle. Abends tippt er alles in das Protokoll. Die Intelligenz-Schicht erzeugt aus den Fotos des Tages und den Sprachnotizen ein strukturiertes Protokoll — inklusive Checkliste, Mängelliste und Fotodokumentation. Der Monteur prüft und bestätigt. Er tippt nicht mehr ab. Besonders wertvoll bei wiederkehrenden Kunden: Die Wissensbasis merkt sich, dass „Herr Schmidt immer die Heizung auf 22 Grad will" oder „Frau Müller ist allergisch auf bestimmte Materialien."

Die Handwerks-Kaskade: Wenn Angebot, Termin und Material gleichzeitig alarmieren

Das Alleinstellungsmerkmal einer Intelligenz-Schicht ist nicht die isolierte Betrachtung einzelner Signale. Es ist die Erkennung von Kaskaden über Prozessgrenzen hinweg. Das ist der Unterschied zwischen einem Dashboard und einer Wissensbasis.

Stellen Sie sich folgendes Szenario vor: Ein Großauftrag über €18.000 wurde angenommen, aber die Anzahlung ist noch nicht eingegangen. Gleichzeitig zeigt der Kalender, dass der Monteur für diesen Termin 45 Minuten Fahrzeit hat — und der nächste Termin an diesem Tag 20 Minuten in die andere Richtung liegt. Das Lager signalisiert, dass das Spezialmaterial nur noch für zwei Tage reicht. Der Lieferant hat ähnliche Bestellungen in der Vergangenheit drei Tage später geliefert.

Jedes System für sich kennt die Fakten. Keines erkennt das Muster: Zahlungsausfall plus Materialengpass plus ineffiziente Route gleich verzögerte Abrechnung plus unzufriedener Kunde.

Die Wissensbasis verknüpft diese Entitäten. Sie speichert nicht nur aktuelle Werte, sondern historische Muster. Nach zwölf Monaten weiß das System: „Wenn eine Anzahlung über €5.000 länger als fünf Tage ausbleibt und gleichzeitig ein Spezialmaterial bestellt werden muss, dann folgt in 72 % der Fälle eine Terminverschiebung." Das ist keine Spekulation. Das ist Muster-Erkennung auf Basis Ihrer eigenen Daten.

Wie die Wissensbasis Prozesse über Grenzen hinweg verknüpft

Die Entity-Registry verknüpft Kunden, Aufträge, Materialien, Lieferanten, Termine und Zahlungen über alle Module hinweg. Ein Kunde ist nicht nur ein Eintrag im CRM. Er ist verknüpft mit seinem Zahlungsverhalten, seinen Terminverschiebungen, seinen Materialpräferenzen und seiner Kommunikationshistorie. Diese Vernetzung ermöglicht erst die Kaskaden-Erkennung — und zwar nicht nur innerhalb eines Gewerks, sondern über Installation, Heizung, Sanitär und Elektro hinweg.

Beispiel-Kaskade: €12.000 Zahlungsausfall in Woche 3 verhindert

Die Schmidt Heizung & Sanitär GmbH ist ein Handwerksbetrieb mit 14 Mitarbeitenden und einem Jahresumsatz von €1,8 Millionen. Sie nutzen die Intelligenz-Schicht seit vier Monaten. In Woche 3 signalisiert das System eine Kaskade: Kunde Weber (Neukunde, Auftrag €12.000) hat die Anzahlung nicht überwiesen. Gleichzeitig zeigt die Wissensbasis, dass Kunden mit ähnlichem Zahlungsprofil in 68 % der Fälle die Schlussrechnung verzögern. Das Spezialmaterial für den Auftrag ist bestellt, aber noch nicht geliefert. Der Termin ist in zwei Wochen.

Die Empfehlung: Kunden kontaktieren und Zahlungserinnerung senden. Gleichzeitig alternativen Lieferanten prüfen. Der Geschäftsführer handelt. Die Anzahlung kommt am nächsten Tag. Der Lieferant bestätigt rechtzeitige Lieferung. Die Kaskade wird abgewendet.

Vom ersten Angebot zum laufenden Betrieb: Der 30-Tage-Einstieg

Die größte Hürde für KI-Projekte im Mittelstand ist nicht die Technologie. Es ist die Unsicherheit, wie lange es dauert und was am Ende herauskommt. Deshalb ist der Einstieg in vier konkrete Phasen unterteilt — mit messbarem Ergebnis nach jeder Phase.

Connect (Tag 1–5): Bestehende Systeme anbinden

Die Middleware verbindet sich mit Ihren vorhandenen Systemen: ERP wie DATEV oder WeClapp, Handwerkersoftware, Kalender-Apps, WhatsApp Business, Lagerverwaltung und E-Mail-Postfächer. Es findet kein Datenimport statt. Es findet eine Verbindung statt. Ihre Daten bleiben dort, wo sie sind. Die Intelligenz-Schicht liest sie aus, bereinigt sie und speichert die Ergebnisse in der Signal-Historie.

Configure (Tag 6–14): Erste Alerts konfigurieren

Gemeinsam mit Ihrem Team definieren wir die Rules Engine. Sie legen die Schwellen fest, die für Ihr Unternehmen relevant sind. Nicht ein externer Berater in einem fernen Büro. Sie. Zusammen mit unserem Team. Beispiel: „Wenn ein Angebot über €5.000 keine Zahlungszielprüfung enthält, dann Alarm an den Geschäftsführer." Diese Regeln sind sofort aktiv. Ab Tag 10 erhalten Sie erste Warnsignale aus Ihrem realen Betrieb.

Deliver (Tag 15–21): Erste prädiktive Empfehlung

Ab der dritten Woche schaltet die Muster-Erkennung hinzu. Sie erkennt erste Muster in Ihrer Signal-Historie. Die Empfehlungsschicht formuliert konkrete Handlungen: „Lieferant Müller zeigt saisonales Muster: Im August ist die Verspätungsrate historisch um 40 % höher. Empfohlene Aktion: Bestellung für Material Z um zwei Wochen vorziehen." Das ist keine automatische Bestellung. Das ist eine begründete Empfehlung, die Sie annehmen oder modifizieren können.

Sustain (Tag 22–30): Wissensbasis aufbauen

In der vierten Woche dokumentiert das System, welche Empfehlungen angenommen wurden und wie sie ausgingen. Dieser Decision-Log bildet die Grundlage für zunehmend präzisere Muster. Nach drei Monaten kennt die Wissensbasis Ihre Lieferanten, Ihre Kunden und Ihre Abläufe besser als jeder einzelne Mitarbeiter. Nach zwölf Monaten ist sie die zentrale Erinnerung Ihres Betriebs.

Was kostet KI im Handwerk wirklich?

Preis-Transparenz ist in diesem Markt die Ausnahme. Die meisten Anbieter verlangen „auf Anfrage". Das ist für den Mittelstand keine Option. Deshalb hier die ehrliche Kostenaufstellung.

Ein eigenes Data-Science-Team kostet €150.000 bis €400.000 pro Jahr. Plus Infrastruktur. Plus Rekrutierung. Für einen Handwerksbetrieb mit 14 Mitarbeitenden keine realistische Option.

Ein ERP-Upgrade oder eine neue Handwerkersoftware kostet €15.000 bis €50.000 einmalig. Plus 3 bis 6 Monate Implementierung. Plus Schulung. Am Ende haben Sie eine neue Insel — aber noch immer keine Cross-Prozess-Intelligenz.

Eine Intelligenz-Schicht startet ab €290 monatlich für ein Modul. Für Handwerksbetriebe mit mehreren Gewerken typischerweise €590 bis €990 monatlich (Business-Paket, 3 Module). Einmalige Einrichtung: €2.000 bis €8.000 je nach Systemlandschaft. Die Einrichtung ist einmalig und richtet sich nach dem Umfang: Wie viele Systeme sollen angebunden werden? Wie viele Monteure? Wie viele historische Dokumente sollen indexiert werden?

Praxisbeispiel: Wie Schmidt Heizung & Sanitär 12 Stunden pro Woche einsparte

Die Schmidt Heizung & Sanitär GmbH ist ein Handwerksbetrieb mit 14 Mitarbeitenden, zwei Monteurteams und einem Jahresumsatz von €1,8 Millionen. Kernkompetenz: Heizungsinstallation, Sanitär und Wartung. Die Planung läuft über eine Handwerkersoftware, die Buchhaltung über DATEV, die Terminplanung über Google Calendar und die Kundenkommunikation über WhatsApp-Gruppen.

Vorher: Der Geschäftsführer verbringt jeden Montagmorgen damit, Status aus zwei Teams zu sammeln — aus E-Mails, Sprachnachrichten und handschriftlichen Zetteln. Die Angebotserstellung kostet 4 Stunden pro Auftrag. Die Dokumentation 30 Minuten pro Abend. Die Materialbestellung wird manuell aus dem Lagerbuch abgeleitet.

Einführung: Operations-Modul plus Backoffice-Modul, angebunden an die Handwerkersoftware, DATEV, Google Calendar und WhatsApp Business. Preis: €590 monatlich (Business-Paket, 2 Module). Einrichtung: €3.200.

Nach 90 Tagen:

• Angebotserstellung: 4 Stunden → 70 Minuten pro Auftrag (70 % schneller)
• Dokumentation: 30 Min. → 8 Min. pro Abend
• Fahrzeit: 2,5 Stunden → 1 Stunde pro Monteur pro Tag
• Nachfass-Arbeit: 45 Min. → 15 Min. pro Tag
• Materialengpässe: 3 pro Woche → 0,5 pro Woche

Die Kaskade in Woche 6: Kunde Weber (Neukunde, €12.000) zahlt die Anzahlung nicht. Gleichzeitig signalisiert die Wissensbasis, dass Kunden mit diesem Zahlungsprofil in 68 % der Fälle die Schlussrechnung verzögern. Das Spezialmaterial ist bestellt, aber noch nicht geliefert. Das System erkennt ein historisches Muster: Diese Kombination trat vor vier Monaten auf und führte zu einer 3-wöchigen Verzögerung.

Der Geschäftsführer handelt. Er sendet eine Zahlungserinnerung. Er prüft einen alternativen Lieferanten. Die Anzahlung kommt am nächsten Tag. Der Lieferant bestätigt. Die Verzögerung findet nicht statt. Das ist keine Automatisierung. Das ist informierte Entscheidungsfindung.

Verwandte Inhalte

• Modul Operations, Einkauf & Supply — Unsere Lieferfähigkeits-Lösung für den Mittelstand
• Modul Backoffice, IT & Compliance — Vertragsfristen, Dokumente und Audit-Sicherheit
• KI im Bauwesen Mittelstand — Für größere Betriebe und Planungsbüros
• KI-Dokumentenanalyse für den Mittelstand — Wenn Baustellenprotokolle zur Suchmaschine werden
• WhatsApp Chatbot für Unternehmen — Kundenkommunikation auf dem Kanal, den sie nutzen
• KI-Telefonie & Sprachbot — Anrufbeantworter, der versteht
• KI im Kundenservice — Wenn der Kunde nicht warten will
• KI gegen den Fachkräftemangel — Wissen sichern, wenn der Meister in Rente geht