KI-Angebotserstellung: Angebote in 30 Sekunden statt 2 Stunden
KI-Angebotserstellung mit n8n + AWS Bedrock: Vom Formular zum fertigen PDF-Angebot in 30 Sekunden. Praxisanleitung mit Architektur, Workflow und Demo – DSGVO-konform, Open Source.
KI Angebotserstellung: Angebote in 30 Sekunden statt 2 Stunden
KI Angebotserstellung bezeichnet den Einsatz von KI Sprachmodellen (LLMs), um aus strukturierten Eingabedaten automatisch professionelle, individuell formulierte Angebote zu generieren — als PDF, in Sekunden statt Stunden. In diesem Artikel zeige ich eine Referenzarchitektur mit n8n, AWS Bedrock und HTML Templates, die den Angebotsprozess von 1–2 Stunden auf 30 Sekunden reduzieren kann. DSGVO konform, Open Source, mit Demo zum Selbsttesten.
Was ist KI Angebotserstellung?
KI Angebotserstellung automatisiert die zeitaufwändigsten Schritte im Angebotsprozess: Textformulierung, Positionszusammenstellung und PDF Erstellung. Statt manuell Word Dokumente zu bearbeiten, fuellen Sie ein Formular aus — die KI formuliert den individuellen Angebotstext, waehlt passende Leistungspositionen aus Ihren Templates und generiert ein fertig formatiertes PDF.
Wichtig: Die KI kalkuliert keine Preise. Alle Zahlen kommen aus Ihren vordefinierten Templates und Preislisten. Die KI uebernimmt nur das, was sie gut kann: Freitext formulieren, der auf die spezifische Kundenanfrage eingeht.
Vorteile gegenueber manueller Angebotserstellung
| | Manuell | Mit KI Angebotserstellung | | | | | | Zeitaufwand | 1–2 Stunden pro Angebot | 30 Sekunden | | Verfuegbarkeit | Nur waehrend Arbeitszeit | Jederzeit, auch abends und am Wochenende | | Konsistenz | Abhaengig vom Bearbeiter | Einheitliches Format, jedes Mal | | Fehlerquellen | Copy Paste, Tippfehler, vergessene Positionen | Keine (Templates sind deterministisch) | | Skalierung | Mehr Angebote = mehr Aufwand | Mehr Angebote = gleicher Aufwand | | Individualitaet | Hoch (wenn Zeit vorhanden) | Hoch (KI passt Freitext an Anfrage an) |
ROI Beispielrechnung: Bei 10 Angeboten pro Monat und durchschnittlich 1,5 Stunden pro Angebot laesst sich ein Einsparpotenzial von ca. 15 Stunden monatlich errechnen. Bei einem kalkulatorischen Stundensatz von 100 EUR entspricht das 1.500 EUR/Monat — die Implementierung kann sich innerhalb weniger Wochen amortisieren.
Warum jetzt? Der Markt fuer KI Angebotserstellung
Laut einer Studie von McKinsey kann generative KI bis zu 40% der Vertriebszeit automatisieren. Angebotserstellung ist einer der Prozesse mit dem hoechsten Automatisierungspotenzial, weil er repetitiv, datenbasiert und dokumentenlastig ist.
Im deutschsprachigen Raum setzen bereits groessere Unternehmen auf Tools wie PandaDoc, Proposify oder HubSpot CPQ. Fuer den Mittelstand sind diese Loesungen oft ueberdimensioniert oder zu teuer. Die hier gezeigte Loesung mit n8n und AWS Bedrock ist:
Self hosted: Keine Abhaengigkeit von SaaS Anbietern DSGVO konform: Kundendaten verlassen nie Ihre Infrastruktur Flexibel: Anpassbar an Ihre Angebotsstruktur, Preislisten und CI Kostenguenstig: n8n ist Open Source, Bedrock Kosten liegen bei ca. 0,01–0,05 EUR pro Angebot
Wie funktioniert es? Der Workflow im Ueberblick
Die Pipeline besteht aus vier Schritten, die nahtlos ineinandergreifen:
Architektur: KI Angebotserstellung
Webhook (Formulardaten) → Validate Input → Basic LLM Chain (AWS Bedrock) → Build Response → JSON/PDF Response
Warum n8n? n8n ist Open Source und läuft auf Ihrem eigenen Server. Ihre Kundendaten, Preise und Angebotstexte verlassen nie Ihre Infrastruktur – ein wesentlicher Punkt für die DSGVO Konformität. Außerdem ist n8n visuell aufgebaut: Ihr Team kann den Workflow sehen und nachvollziehen, ohne eine Zeile Code lesen zu müssen.
Der Einstiegspunkt ist ein simples Webformular oder ein API Aufruf. Sie tragen den Kundennamen, die Projektbeschreibung und den gewünschten Umfang ein. Alles Weitere übernimmt die Automatisierung. Für den täglichen Betrieb sind keine Programmierkenntnisse nötig.
Der echte System Prompt
Das Herzstück der Lösung ist der Prompt, den wir an Amazon Bedrock senden. Hier der vollständige System Prompt aus dem Demo Workflow:
``` Du bist ein professioneller Angebots Texter für IT Dienstleistungen. Erstelle basierend auf den Eingaben ein strukturiertes Angebot.
ANTWORTFORMAT (nur JSON, keine Erklärungen): ], "gesamtpreis netto": "Summe aller Leistungen", "zeitraum": "z.B. '4 6 Wochen'", "zahlungsbedingungen": "50% bei Auftragserteilung, 50% nach Fertigstellung", "anmerkungen": "Optionale Hinweise" }
PROJEKT TYPEN & TYPISCHE AUFWÄNDE:
1. KI Dokumentenverarbeitung: Analyse & Konzeption: 2 3 Tage Textract/Bedrock Integration: 3 5 Tage n8n Workflow: 2 3 Tage Testing & Deployment: 2 3 Tage
2. E Mail Klassifikation: Analyse & Konzeption: 1 2 Tage Bedrock Prompt Engineering: 2 3 Tage n8n Workflow mit Routing: 2 3 Tage
3. RAG Chatbot: Backend (FastAPI + Qdrant): 5 7 Tage Frontend (React): 3 5 Tage Embedding Pipeline: 2 3 Tage ```
Vier Design Entscheidungen sind hier wichtig:
Strukturierter JSON Output. Wir definieren exakt, welche Felder in welchem Format zurückkommen. Der nachfolgende Template Schritt kann direkt auf leistungen, gesamtpreis netto und zeitraum zugreifen, ohne fragilen Freitext zu parsen.
Referenz Aufwände. Der Prompt enthält konkrete Tagesschätzungen pro Projekttyp. So generiert die KI keine unrealistischen Zahlen, sondern Werte, die auf echten Projekterfahrungen basieren.
Realistische Kalkulation. Tagessätze sind auf 1.200–1.500 EUR/Tag begrenzt (Senior AI & Cloud Engineer). Das verhindert, dass das Modell absurde Preise generiert.
Professionelle Formulierung. Die Projektbeschreibung wird als Fließtext generiert – kein Stichpunkt Chaos, sondern ein lesbarer Absatz, der den Kunden abholt.
Beispiel Output: So sieht das Ergebnis aus
Hier ein Test mit einer fiktiven Anfrage — Predictive Maintenance Szenario eines Maschinenbauers:
Request:
Response (gekürzt):
Und ein zweites Beispiel – DSGVO kritische Bewerbungsverarbeitung für einen fiktiven Pflegedienstleister:
Das Modell passt die Leistungspositionen und Aufwandsschätzungen automatisch an die Anforderungen an: Das Predictive Maintenance Szenario bekommt mehr Tage für Datenanalyse und SPS Integration, die HR Automatisierung priorisiert DSGVO Konformität und Personio Integration. Alle Firmennamen und Szenarien in diesen Beispielen sind fiktiv.
Vom JSON zum professionellen PDF
Der JSON Output wird in ein HTML Template eingefügt. Das Template enthält Platzhalter für alle dynamischen Felder: Firmenname, Angebotsdatum, laufende Angebotsnummer und die Leistungstabelle.
Der entscheidende Vorteil: Die Leistungstabelle wird dynamisch generiert. Ob zwei oder zehn Positionen – das Template iteriert über das leistungen Array und baut die Tabelle automatisch auf. Gesamtpreis, Zeitraum und Anmerkungen werden ebenfalls direkt aus dem JSON übernommen.
Für das Design brauchen Sie keinen Grafiker. Sauberes HTML und CSS genügen, um ein professionelles Ergebnis zu erzielen: Ihr Logo oben, eine klare Tabellenstruktur, Summenzeile am Ende, Kontaktdaten im Footer. Das Template erstellen Sie einmal – danach läuft es für jedes Angebot automatisch.
Die PDF Generierung übernimmt wkhtmltopdf oder Puppeteer , aufgerufen über den Execute Command Node in n8n. Das fertige PDF wird anschließend per SMTP als E Mail Anhang versendet – an Sie selbst, an den Kunden oder an beide.
Ergebnis
| | Vorher | Nachher | | | | | | Zeitaufwand | 1–2 Stunden | 30 Sekunden | | Formatierung | manuell, inkonsistent | automatisch, einheitlich | | Fehlerquellen | Copy Paste, Tippfehler, vergessene Positionen | keine | | Verfügbarkeit | nur während der Arbeitszeit | jederzeit |
Die Qualität bleibt bei jedem Angebot konstant. Keine vergessenen Positionen, keine falschen Kundennamen, keine inkonsistente Formatierung. Und weil der Prozess nur 30 Sekunden dauert, schreiben Sie auch das Angebot, das abends um 21 Uhr reinkommt – bevor der Wettbewerber am nächsten Morgen reagiert.
Demo selbst ausprobieren
Den gesamten Workflow stelle ich als Open Source Demo auf GitHub bereit. Sie können ihn in wenigen Minuten lokal starten und mit eigenen Anfragen testen.
Repository: github.com/vibtellect/quote generation automation
6 Demo Anfragen im Repository:
| Datei | Projektart | Budget | | | | | | anfrage chatbot.json | KI Chatbot für Kundenservice | 15.000–25.000 EUR | | anfrage dokumentenverarbeitung.json | Enterprise Dokumenten KI | 50.000–80.000 EUR | | anfrage datenanalyse.json | Predictive Analytics Dashboard | 20.000–35.000 EUR | | anfrage predictive maintenance.json | Predictive Maintenance System | 40.000–80.000 EUR | | anfrage hr automatisierung.json | KI Bewerbungsverarbeitung | 20.000–35.000 EUR |