Wie ein technischer Großhandel seinen Kernprozess digitalisierte und 4.000 Dokumente KI-nutzbar machte
Ein familiengeführter Großhändler für industrielle Messtechnik mit unter 10 Mitarbeitenden hat in sechs Monaten seinen kompletten Kernprozess von Papier auf digital umgestellt und rund 4.000 technische Dokumente in eine selbst betriebene KI-Wissensdatenbank überführt. Begleitet wurde das Vorhaben von den Transformatoren im Rahmen eines INQA-Coachings, gefördert mit 80 Prozent der Beratungskosten. Die ursprünglich geplante externe KI-Beratungs-App wurde nach praktischer Erprobung bewusst verworfen – zum Schutz des eigenen Wissensvorsprungs.
Das Unternehmen auf einen Blick
- Branche
- Technischer Großhandel (industrielle Messtechnik)
- Unternehmensgröße
- unter 10 Mitarbeitende
- Region
- Niedersachsen
- Projektdauer
- 6 Monate (Februar bis Juli 2026)
- Förderung
- INQA-Coaching, 80 % der Beratungskosten
- INQA-Gestaltungsfeld
- Produktionsmodell & Arbeitsorganisation
Auf Wunsch unserer Kunden nennen wir keine Firmennamen. Alle Angaben zu Vorgehen und Ergebnissen stammen aus der offiziellen INQA-Projektdokumentation.
Womit das Unternehmen zu uns kam
Ein Handelshaus in dritter Generation, spezialisiert auf industrielle Messtechnik, mit einer klaren Stärke: herstellerunabhängige Beratung. Genau diese Stärke geriet unter Druck. Kundenwünsche verändern sich, während Wettbewerber und digitale Plattformen mit KI-gestützten Prozessen Effizienz- und Wissensvorsprünge aufbauen.
Innen sah es anders aus, als es nach außen wirkte: Der Kernprozess vom Angebot bis zur Rechnung lief in weiten Teilen über Papier – gedruckte Lieferscheine, gedruckte Rechnungen. Das Produktwissen, über Jahrzehnte aufgebaut, steckte in tausenden PDF-Dokumenten und in den Köpfen weniger Menschen. Nicht durchsuchbar, nicht übergabefähig.
Die Frage war nicht, ob KI relevant wird. Sondern wo man in einem Betrieb dieser Größe sinnvoll anfängt, ohne sich zu verzetteln.
Was erreicht werden sollte
Das INQA-Coaching sollte das Unternehmen befähigen, passende KI-Lösungen für die eigenen Kernprozesse zu identifizieren, zu bewerten und priorisiert einzuführen – von der Angebotserstellung über Dokumentation und Kommunikation bis zum Wissensmanagement.
Ergänzend sollte eine Markt- und Wettbewerbsanalyse relevante technologische Trends und potenzielle KI-basierte Substitute einordnen. Auf dieser Basis wurde der bestehende Business Case kritisch überprüft: Leistungsportfolio, Ertragslogik, Kostenstruktur, Differenzierung.
Das übergeordnete Ziel: KI als gezielte, wertschöpfende Fähigkeit im Unternehmen verankern – nicht als Einzeltool einkaufen.
Woran konkret gearbeitet wurde
Aus der Analyse entstanden fünf Arbeitspakete. Jedes wurde von einer eigenverantwortlichen Arbeitsgruppe bearbeitet und regelmäßig mit der Geschäftsführung rückgekoppelt.
- 01
Digitale Markenpräsenz
Wettbewerb, Kundenstruktur und technologische Trends analysieren – und die eigene Sichtbarkeit auf die Veränderung durch KI-gestützte Suche ausrichten.
- 02
Prozessoptimierung
Den Kernprozess sichtbar machen, unnötige Verwaltungsschritte identifizieren und die Abläufe digitalisieren.
- 03
Gemeinsames Regelwerk
Verbindliche Regeln für Abläufe und Schnittstellen, damit Zusammenarbeit nicht von Gewohnheiten Einzelner abhängt.
- 04
Wissensdatenbank
Das gesamte Produkt- und Anwendungswissen technisch durchsuchbar machen – als Grundlage für KI-gestützte Beratung.
- 05
Eigene KI-Beratungslösung
Prüfen, ob sich die herstellerunabhängige Beratungskompetenz als digitales Produkt für Kunden anbieten lässt.
Wie wir gearbeitet haben
Das Coaching lief in drei aufeinander aufbauenden Arbeitsphasen. Jede Phase wurde geplant, ausgewertet und vom Lenkungskreis bewertet, bevor die nächste startete.
1. Arbeitsphase
Analyse und Priorisierung
- Ziel
- Die im Kick-off identifizierten Handlungsfelder konkretisieren und in bearbeitbare Arbeitspakete überführen.
- Vorgehen
- Gemeinsam entstanden ein Organigramm und eine Issue-Map, die Spannungen und Abhängigkeiten sichtbar machten. Daraus wurden fünf Arbeitspakete mit Zielbildern, Analyseaufträgen und Meilensteinen definiert.
- Ergebnis
- Kern- und Supportprozesse waren erstmals systematisiert, KI-Potenziale benannt, erste Entwürfe für Regelwerk und Wissenskulturkonzept lagen vor.
- Erkenntnis
- Strategische und operative Fragestellungen hängen enger zusammen als gedacht – klare Priorisierung und Schutzräume zum Erproben sind notwendig.
2. Arbeitsphase
Konzeption und Abstimmung
- Ziel
- Die Arbeitspakete in konkrete Analysen, Konzepte und Umsetzungspläne überführen.
- Vorgehen
- Fünf Arbeitsgruppen arbeiteten parallel: Sichtbarkeitsanalyse für die digitale Markenpräsenz, Aufnahme des Kernprozesses, Entwurf des Regelwerks, Konzeption der Wissensdatenbank auf Basis von RAG-Technologie und Vektordatenbank sowie die strategische Verortung der Beratungs-App.
- Ergebnis
- Es entstand eine Prozesslandkarte mit drei Teilprozessen – Angebot, Auftragserteilung sowie Lieferung und Rechnung – und ein GEO-Konzept für die Sichtbarkeit in KI-Suchsystemen.
- Erkenntnis
- Die Digitalisierungspotenziale waren größer als angenommen. Und: Ein gemeinsames Regelwerk ist die Voraussetzung für neue Tools, nicht deren Nachbereitung.
3. Arbeitsphase
Praktische Umsetzung
- Ziel
- Die Konzepte in den laufenden Betrieb überführen und im echten Einsatz erproben.
- Vorgehen
- Der freigegebene Kernprozess wurde unternehmensweit ausgerollt, alle Mitarbeitenden in einer Veranstaltung informiert und die Prozessschritte digital dokumentiert. Das Regelwerk bekam eine Eskalationslogik. Die Vektordatenbank wurde vom Unternehmen selbst aufgesetzt und mit rund 4.000 PDF-Dokumenten befüllt. Für die Beratungs-App entstand in einem Hackathon ein funktionsfähiger Prototyp.
- Ergebnis
- Der Kernprozess läuft digital, die Wissensdatenbank ist produktiv, das Regelwerk greift. Der App-Prototyp funktionierte – wurde aber bewusst nicht weiterverfolgt.
- Erkenntnis
- Praktisches Erproben schlägt theoretische Bewertung. Und ein erfolgreicher Rollout steht und fällt mit klarer Kommunikation und sauberer Dokumentation.
Was dabei herausgekommen ist
Nach sechs Monaten war das im Kick-off gesetzte Ziel erreicht: KI ist im Unternehmen als Fähigkeit verankert, nicht als eingekauftes Werkzeug.
- Dokumente in der eigenen KI-Wissensdatenbank
- ~4.000Dokumente in der eigenen KI-Wissensdatenbank
- Teilprozesse vom Papier auf digital umgestellt
- 3Teilprozesse vom Papier auf digital umgestellt
- Monate von der Analyse bis zum Rollout
- 6Monate von der Analyse bis zum Rollout
- der Beratungskosten über INQA gefördert
- 80 %der Beratungskosten über INQA gefördert
Kernprozess digitalisiert und ausgerollt
Angebot, Auftragserteilung sowie Liefer- und Rechnungsprozess sind nahezu vollständig digitalisiert, unternehmensweit eingeführt, geschult und dokumentiert. Gedruckte Lieferscheine und Rechnungen gehören der Vergangenheit an.
Produktive Wissensdatenbank mit rund 4.000 Dokumenten
Auf Basis von RAG-Technologie und einer Vektordatenbank ist das technische Produktwissen durchsuchbar. Aufgesetzt und betrieben wird sie vom Unternehmen selbst – ohne eigene IT-Abteilung.
Gemeinsames Regelwerk mit Eskalationslogik
Abläufe und Schnittstellen sind vereinheitlicht, und es ist geklärt, was passiert, wenn jemand von den Regeln abweicht. Das schafft Transparenz statt Zuständigkeitsdiskussionen.
GEO-Konzept für Sichtbarkeit in KI-Suchsystemen
Ein Konzept dafür, wie das Unternehmen in KI-gestützten Suchsystemen als Fachautorität auffindbar bleibt – inklusive Briefing, mit dem externe Dienstleister es eigenständig umsetzen können.
Eine fundierte Entscheidung gegen ein Produkt
Die geplante KI-Beratungs-App wurde im Hackathon prototypisch gebaut und praktisch getestet. Das Ergebnis: Das enthaltene Wissen ist zu wertvoll, um es nach außen zugänglich zu machen. Die App wird nicht weiterverfolgt – eine bewusste strategische Entscheidung auf Basis echter Erfahrung statt einer Annahme.
Was wir daraus mitgenommen haben
Drei Erkenntnisse, die wir in vergleichbaren Projekten wiedersehen:
- Die Digitalisierungspotenziale in gewachsenen Betrieben sind fast immer größer als vermutet. Wer den Kernprozess einmal sauber aufzeichnet, findet mehr Papier, als er erwartet hat.
- Ein gemeinsames Regelwerk ist keine Bürokratie, sondern die Voraussetzung dafür, dass neue Tools und Wissensstrukturen überhaupt greifen.
- Erproben schlägt Abwägen. Der Hackathon hat in zwei Tagen eine strategische Frage beantwortet, über die man sonst monatelang diskutiert hätte.
Häufige Fragen zu diesem Projekt
Wie lange dauert ein solches Projekt?
In diesem Fall sechs Monate, von der Erstberatung im Februar bis zur Evaluationssitzung im Juli 2026. Die Arbeit war in drei Arbeitsphasen gegliedert, die jeweils geplant, umgesetzt und vom Lenkungskreis bewertet wurden. Für die meisten Unternehmen liegt die Spanne bei vier bis sieben Monaten.
Was kostet ein INQA-Coaching?
Das INQA-Coaching-Programm des Bundesministeriums für Arbeit und Soziales übernimmt 80 Prozent der Beratungskosten. Das Projektvolumen liegt bei maximal 14.400 Euro, der Eigenanteil des Unternehmens entsprechend bei maximal 20 Prozent davon.
Braucht ein Unternehmen dafür eine eigene IT-Abteilung?
Nein. Dieses Unternehmen hat unter 10 Mitarbeitende und keine IT-Abteilung. Die Vektordatenbank wurde vom Inhaber und seinem Sohn selbst aufgesetzt und befüllt. Unsere Rolle war, Struktur, Priorisierung und Methodik beizusteuern – nicht die Technik zu übernehmen.
Was ist eine RAG-Wissensdatenbank?
RAG steht für Retrieval Augmented Generation. Dabei werden Dokumente – hier rund 4.000 Betriebsanleitungen und Produktinformationen – so aufbereitet und in einer Vektordatenbank gespeichert, dass eine KI beim Beantworten einer Frage gezielt die passenden Stellen findet und daraus antwortet. Der Vorteil: Die Antworten stützen sich auf das eigene Unternehmenswissen statt auf allgemeines Modellwissen.
Warum wurde die geplante KI-App am Ende nicht gebaut?
Weil die praktische Erprobung eine andere Antwort gab als die ursprüngliche Annahme. Der Prototyp funktionierte, aber im Test wurde deutlich, dass das darin enthaltene Beratungswissen der eigentliche Wettbewerbsvorteil des Unternehmens ist. Es extern zugänglich zu machen, hätte diesen Vorsprung verschenkt. Der Lenkungskreis entschied deshalb bewusst dagegen.
Ist dieses Praxisbeispiel auf andere Branchen übertragbar?
Das Vorgehen ja, die Inhalte nur bedingt. Die Kombination aus Kernprozess sichtbar machen, Regelwerk schaffen und Wissen technisch nutzbar machen funktioniert branchenunabhängig. Welche KI-Anwendungen sinnvoll sind, hängt dagegen stark vom Geschäftsmodell ab – deshalb steht am Anfang jedes Projekts eine eigene Analyse.