Ein Beratungsunternehmen schreibt pro Jahr Hunderte von Angeboten. Jedes beginnt gleich: Template öffnen, altes Angebot an einen ähnlichen Kunden suchen, relevante Passagen kopieren, anpassen, umformulieren, Firmendaten einfügen, Formatierung prüfen. Vier bis acht Stunden pro Angebot, bei komplexen Ausschreibungen deutlich mehr. Ein Großteil dieser Zeit fließt nicht in Denkarbeit, sondern in das Zusammensetzen und Anpassen von Textbausteinen, die in irgendeiner Form schon existieren.
KI verändert diesen Prozess. Nicht indem sie Angebote aus dem Nichts erfindet, sondern indem sie tut, was der Mensch auch tut: existierende Inhalte suchen, in die richtige Struktur bringen und an den neuen Kontext anpassen. Der Unterschied: Die KI erledigt das in Minuten statt Stunden, und sie vergisst kein Referenzdokument.
Die Innovation liegt in der Extraktion, nicht in der Befüllung
Template-Befüllung gibt es seit Jahrzehnten. Serienbrief-Funktionen setzen Kundennamen und Adressen in Vorlagen ein, seit es Textverarbeitung gibt. Daran ist nichts neu.
Was neu ist: KI kann unstrukturierte Quellen lesen, den relevanten Inhalt extrahieren und so transformieren, dass er in ein strukturiertes Dokument passt. Eine Ausschreibung kommt als 80-seitiges PDF. Die KI liest sie, erkennt die geforderten Leistungen, identifiziert die technischen Anforderungen und ordnet sie den richtigen Abschnitten des Angebotstemplates zu. Dazu durchsucht sie ältere Angebote nach passenden Formulierungen und Leistungsbeschreibungen. Das Ergebnis: Ein Angebotsentwurf, der nicht generiert, sondern intelligent zusammengesetzt ist.
Dieses Reframing ist wichtig, weil es die richtigen Erwartungen setzt. Die KI halluziniert keine Leistungsbeschreibungen. Sie nimmt, was in den Referenzdokumenten steht, und passt es an. Die Qualität des Outputs hängt direkt von der Qualität der Eingabe ab.
Deterministische Felder und generative Felder: Die richtige Mischung entscheidet
Ein zuverlässiges Dokumentengenerierungssystem behandelt nicht jedes Feld gleich. Der Firmenname kommt aus dem CRM, determiniert, regelbasiert. Da braucht man keine KI. Die Projektreferenzen kommen aus dem Archiv, ausgewählt und angepasst an die aktuelle Ausschreibung. Da braucht man KI.
Die Kunst liegt darin, für jedes Feld im Template die richtige Methode zu wählen. Ein konkretes Beispiel: Bei der Extraktion von Abschnitts-IDs aus einer Ausschreibung ist eine regelbasierte Methode zuverlässiger als ein Sprachmodell. Denn bei langen alphanumerischen Codes kann selbst ein gutes Modell in einem halben Prozent der Fälle eine Ziffer falsch übertragen. Bei Fließtext dagegen, bei Projektbeschreibungen und Methodenabschnitten, ist das Sprachmodell klar überlegen.
In einem Projekt, in dem ein einzelnes Template über 100 variable Felder enthält, wird diese Unterscheidung zum Architekturprinzip. Einige Felder werden regelbasiert befüllt (Titel, Datum, Kundendaten), andere generativ (Projektbeschreibung, Methodik, Referenzen). Die bewusste Mischung aus beidem macht den Unterschied zwischen einem System, das zuverlässig funktioniert, und einem, das überraschende Ergebnisse produziert.
Referenzdokumente sind Segen und Fluch zugleich
Die stärkste Quelle für ein gutes Angebot ist das letzte gute Angebot an einen ähnlichen Kunden. Erfahrene Vertriebsmitarbeiter wissen das und kopieren regelmäßig aus ihren besten Vorlagen. KI macht dasselbe, nur systematischer.
Aber Referenzdokumente bringen ein subtiles Problem mit: Ihre Sprache infiziert die KI-Sprache. Wenn ein altes Angebot schlechte Formulierungen oder veraltete Terminologie enthält, tauchen diese im neuen Angebot wieder auf. Die KI unterscheidet nicht automatisch zwischen dem, was inhaltlich wertvoll ist, und dem, was sprachlich veraltet ist.
Die Lösung ist eine Quellenhierarchie. Für jede Sektion im Template wird gesteuert, welche Quelle dominant ist: Referenzdokumente liefern die inhaltlichen Fakten (wie wurde die Leistung erbracht, welche Methodik wurde eingesetzt), Sprache und Tonalität kommen aus dem Prompt oder einem Styleguide. Markenelemente kommen aus dem Template selbst.
Diese Trennung hat einen praktischen Vorteil: Wenn sich die Markensprache ändert, müssen die Referenzdokumente nicht aktualisiert werden. Das System zieht weiterhin die fachlichen Inhalte aus den alten Angeboten, verwendet aber die neue Sprache aus dem aktualisierten Prompt.
70 Prozent Qualität ab dem ersten Entwurf
Ein KI-generiertes Angebot ungeprüft an den Kunden zu schicken, wäre fahrlässig. Das ist auch nicht das Ziel. Das Ziel ist ein Entwurf, der so gut ist, dass der Mensch deutlich weniger Arbeit hat als beim Schreiben von Grund auf.
In der Praxis landen die generierten Dokumente erfahrungsgemäß bei rund 70 Prozent Qualität. Das klingt nach wenig, ist aber ein enormer Hebel: 70 Prozent bedeutet, dass die Grundstruktur steht, die meisten Inhalte korrekt platziert sind und der Fachexperte nur noch gezielt überarbeiten muss. Statt ein leeres Dokument zu füllen, arbeitet er an einem soliden Entwurf weiter.
Die restlichen 30 Prozent sind die Stellen, an denen menschliches Urteil gebraucht wird: Formulierungen, die zum Kunden passen müssen, inhaltliche Nuancen, die nur der Fachexperte kennt, oder Abschnitte, für die keine ausreichende Referenz vorlag. Diese Arbeit bleibt beim Menschen, aber der Gesamtaufwand sinkt erheblich.
Nicht alles automatisieren: Die bewusste Grenze bei 85 Prozent
In jedem Unternehmen gibt es Sonderfälle. Angebote, die durch mehrere Fachabteilungen müssen, Freigaben durch die Geschäftsführung erfordern, oder so individuell sind, dass kein Referenzdokument weiterhilft.
Diese Fälle bewusst auszuschließen, ist kein Scheitern, sondern eine strategische Entscheidung. Erfahrungsgemäß eignen sich etwa 85 Prozent der Dokumente für eine KI-gestützte Generierung. Die verbleibenden 15 Prozent sind zu komplex, zu riskant oder zu einzigartig. Sie manuell zu belassen und die Energie stattdessen in die Qualität der automatisierten 85 Prozent zu stecken, ist der wirtschaftlich klügere Weg.
Drei Wege zur Implementierung
Nicht jedes Unternehmen braucht dieselbe Lösung. Die Komplexität der Implementierung hängt vom Dokumentenvolumen und den bestehenden Systemen ab.
Direkte KI-Generierung: Die KI erzeugt ein Dokument auf Basis der Eingaben und Referenzen. Einfach umzusetzen, gut geeignet für kleinere Teams mit wenigen Dokumententypen. Der Inhalt steht, die Formatierung erfolgt anschließend manuell.
KI-Befüllung im Word-Template: Die KI generiert die Inhalte direkt in einem bestehenden Word-Template. Das Dokument sieht von Anfang an professionell aus, weil Corporate Design und Layoutstruktur im Template stecken. Der Nutzer arbeitet in seiner gewohnten Umgebung und sieht das fertig befüllte Dokument direkt in Word.
Enterprise-Templating-System: Für Unternehmen mit hohem Dokumentenvolumen wird ein spezialisiertes Templating-System angebunden, das Templates zentral verwaltet und an CRM, Dokumentenmanagement und Angebotsplattform gekoppelt ist. Lohnt sich ab einer Größenordnung, in der die zentrale Template-Verwaltung den Mehraufwand rechtfertigt.
Alle drei Wege nutzen dieselbe Kerntechnologie. Der Unterschied liegt im Grad der Integration, nicht in der Qualität des generierten Inhalts.
Was es kostet: 30 Cent bis 4 Euro pro Dokument
Die Betriebskosten sind niedriger, als die meisten erwarten. Ein Dokument mit vielen variablen Feldern sieht auf den ersten Blick nach Hunderten von KI-Aufrufen aus. In der Praxis werden vorab einige wenige zentrale Generierungen angestoßen, und die einzelnen Felder werden aus diesen Ergebnissen befüllt.
Empirisch gemessen liegen die tatsächlichen Kosten je nach Dokumentlänge und Komplexität der Quellen zwischen 30 Cent und 4 Euro pro Dokument. Dem gegenüber steht eine Zeitersparnis, die bei komplexen Angeboten mehrere Hundert Euro Personalkosten pro Vorgang ausmacht. Das Verhältnis von Kosten zu Nutzen ist so deutlich, dass eine Optimierung der Betriebskosten bisher in keinem Projekt nötig war.
Die Qualität steigt mit der Nutzung
Jedes generierte Dokument liefert Feedback. Welche Formulierungen wurden übernommen? Welche wurden angepasst? Wo hat der Mitarbeiter komplett umgeschrieben? Dieses Feedback fließt in die Verbesserung der Prompts und der Quellenhierarchie ein.
In einem Projekt hat sich die Qualität der generierten Angebote innerhalb weniger Monate so weit verbessert, dass das System in der gesamten Firma als Erfolgsbeispiel für KI-Einführung bekannt wurde. Der Schlüssel war nicht ein einzelner technischer Durchbruch, sondern die konsequente Zusammenarbeit zwischen Fachexperten und dem KI-System. Jede Korrektur machte das nächste Dokument besser.
Ein Prompt sollte dabei nur einen Fachexperten benötigen. Wenn mehrere Domänen betroffen sind, werden die Prompts so geschnitten, dass jeder seinen Bereich unabhängig pflegen kann. Das verhindert Abstimmungsaufwand und Widersprüche zwischen verschiedenen Wissensträgern.