Das Problem, das jeder Betrieb kennt — und kaum jemand löst
Im März 2026 schwankten die Großhandelspreise für Kupfer, Stahl und Wärmepumpen-Komponenten erneut um 8 bis 14 % innerhalb weniger Wochen. Wer als SHK-, Elektro- oder Bauunternehmer ein Angebot mit zwei Wochen Gültigkeit verschickt, kalkuliert faktisch in einem Daten-Blindflug.
Die Realität: Viele Angebote werden auf Basis von Kalkulationsdaten erstellt, die vier bis acht Wochen alt sind. Bei einem 12.000-Euro-Angebot reichen 6 % Materialpreissteigerung, um die komplette Deckungsbeitragskalkulation zu kippen.
Warum Excel-Pflege keine Lösung ist
Der naheliegende Reflex: "Wir aktualisieren unsere Preisliste eben jeden Montag." In der Praxis scheitert das an drei Punkten:
- →Die Person, die die Liste pflegt, hat den Job nebenbei und ist regelmäßig krank, im Urlaub oder beim Kunden
- →Lieferanten ändern Preise nicht synchron — manche wöchentlich, manche täglich, manche per Tagesnotierung
- →Bis das Angebot beim Kunden liegt, ist die "aktuelle" Liste oft schon wieder veraltet
Das Ergebnis ist ein systemischer Margenverlust, der in den meisten Betrieben nie sauber gemessen wird — er taucht einfach am Jahresende als "schwächeres Ergebnis" auf.
Was eine KI-gestützte Echtzeit-Kalkulation leistet
Wir bauen für Mittelstandskunden Systeme, die im Hintergrund permanent drei Datenströme zusammenführen:
Lieferanten-APIs und Großhandelsfeeds
Die meisten relevanten Großhändler — von Wuppertal über GC-Gruppe bis Sonepar — bieten heute strukturierte Preis-Feeds an. Eine KI-Schicht normalisiert diese Daten und mappt sie auf Ihre internen Artikelstammdaten.
Energiepreis-Hedging via Spotmarkt-Indizes
Für Betriebe, die energieintensive Leistungen anbieten — Wärmepumpen-Inbetriebnahme, Elektrik-Großprojekte, Bauwerks-Trocknung — fließen EEX-Spotpreise und Wetterprognosen mit ein. Das erlaubt eine ehrliche Kalkulation der Energiekosten pro Auftrag, nicht pauschal.
Margen-Schutz pro Angebot
Bevor ein Angebot rausgeht, prüft das System automatisch: Liegt der kalkulierte Deckungsbeitrag noch über Ihrem Mindest-Schwellenwert? Wenn nein, schlägt es eine Preisanpassung oder eine alternative Materialwahl vor — bevor der Kunde das Angebot sieht.
Ein Beispiel aus der Praxis
Ein Elektromeister-Betrieb mit 22 Mitarbeitenden in Niederbayern hat im Februar mit uns ein solches System eingeführt. Das Ergebnis nach sechs Wochen:
- →18 % weniger Angebote, die nachträglich nachverhandelt werden mussten
- →Durchschnittlich 4,2 % höhere Marge pro Auftrag
- →Angebotszeit von 47 Minuten auf 11 Minuten reduziert
Der Betrieb hat die Investition nach 41 Tagen amortisiert — gemessen ausschließlich am Margenzuwachs, nicht am Zeitgewinn.
Was das technisch bedeutet
Wir nutzen keine fertigen ERP-Module. Wir bauen eine schlanke Middleware zwischen Ihrem bestehenden ERP oder Handwerker-Software (Sage, DATEV, Streit-V.1, pds, Topkontor) und den externen Datenquellen.
Die KI lernt mit jeder Angebots-Iteration Ihre internen Aufschlagslogiken besser kennen — und schlägt nach drei bis vier Wochen Vorschläge vor, die in 80 % der Fälle direkt übernommen werden können.
Wo die Grenze liegt — und wo nicht
Eine KI ersetzt nicht Ihre kaufmännische Erfahrung. Sondern Sie automatisiert die Datenpflege, die Sie sonst selbst nie zuverlässig hinbekommen würden. Die strategische Preisentscheidung — wann nehme ich bewusst eine geringere Marge, um einen Schlüsselkunden zu binden — bleibt bei Ihnen.
Fazit
Energiepreis-Volatilität ist kein vorübergehendes Phänomen — sie ist die neue Normalität. Wer seine Kalkulation nicht in Echtzeit absichert, verliert systematisch Marge, ohne den Verlust zu sehen.
Ihr nächster Schritt
Wir analysieren Ihre letzten 50 Angebote und zeigen Ihnen, wie viel Marge Sie 2025 durch veraltete Kalkulationen verloren haben. Kostenlos.
→ Discovery Call buchen und Margen-Analyse anfordern.
*NovaData — KI-Lösungen, die Ihre Marge schützen. Made in Bavaria.*