Lackhersteller im DACH-Raum
Lösung: Valenz AI Wissensbasis + KI-Preisassistent
„Wir dachten, drei Tage Time-to-Quote sei unrealistisch. Valenz AI hat es in sechs Wochen Realität werden lassen."
— Leiter Produktentwicklung, Lackhersteller im DACH-Raum
Ausgangssituation
Der Lackhersteller produziert seit über 40 Jahren Industrie- und Dekorlacke für den europäischen Markt. Mit rund 180 Mitarbeitern an mehreren Standorten im DACH-Raum zählt das Unternehmen zu den mittelständischen Spezialisten im Segment hochwertiger Beschichtungssysteme.
Wie viele gewachsene Mittelständler hatte das Unternehmen über die Jahre ein komplexes, aber zunehmend unübersichtliches Wissensmanagement aufgebaut: Rezepturen lagen in Excel-Tabellen, teils lokal gespeichert auf einzelnen Rechnern, teils auf einem veralteten Netzlaufwerk ohne Versionierung. Rohstoffpreise wurden monatlich manuell in separate Kalkulations-Sheets übertragen — ein Prozess, der pro Kalkulation rund 2,5 Stunden Sachbearbeiterzeit verschlang.
Die Herausforderung
Als ein Großkunde aus der Automobilzuliefererbranche begann, Angebote deutlich schneller von Wettbewerbern zu erhalten, wurde der Handlungsdruck konkret messbar. Die durchschnittliche Time-to-Quote lag bei 12 Arbeitstagen — ein Wert, der intern schon länger bekannt war, aber als unvermeidbar galt.
Drei strukturelle Probleme lagen zugrunde:
- Fragmentiertes Rezepturwissen: Kein Produktentwickler hatte vollständigen Überblick über alle 620 aktiven Rezepturen. Bei standortübergreifenden Anfragen mussten mehrere Kollegen konsultiert werden.
- Manuelle Preisaktualisierung: Zwischen Rohstoffpreisänderung und aktualisierter Kalkulation lagen im Schnitt 18 Tage — ein erhebliches Margenrisiko bei volatilen Rohstoffmärkten.
- Keine strukturierte Innovationsdokumentation: Neue Formulierungsansätze wurden in E-Mails und persönlichen Notizbüchern festgehalten und gingen beim nächsten Personalwechsel verloren.
Die Lösung
Nach einer dreimonatigen Evaluationsphase entschied sich das Unternehmen für die Einführung von Valenz AI. Die Implementierung erfolgte in zwei Phasen:
Phase 1 — Wissenstransfer (Woche 1–4): Alle 620 Rezepturen wurden in die Valenz-Wissensbasis migriert und mit Rohstoffprofilen, Qualitätsspezifikationen und Anwendungsgebieten verknüpft. Die Rohstoffdatenbank wurde mit Live-Einstandspreisen verbunden — zunächst für die 80 Hochvolumen-Rohstoffe, innerhalb von acht Wochen für alle 340 beschaffungsrelevanten Positionen.
Phase 2 — KI-Kalkulation (Woche 5–8): Der KI-Preisassistent wurde konfiguriert, Margenszenarien auf Basis aktueller Rohstoffpreise automatisch zu berechnen. Verkäufer können seither direkt im Chat Fragen stellen wie: „Was kostet Rezeptur X bei 12 % Materialpreisanstieg?" und erhalten in Sekunden eine vollständige Kalkulationsantwort.
Ergebnisse nach sechs Monaten
Die messbaren Ergebnisse übertrafen die Erwartungen des Managements. Die Time-to-Quote sank von 12 Tagen auf durchschnittlich 3,8 Tage — eine Reduktion von 68 Prozent. In besonders standardisierten Produktsegmenten liegen Angebote heute innerhalb von 24 Stunden vor.
Die Kalkulationsgenauigkeit verbesserte sich erheblich: Durch die automatische Verknüpfung von Rezepturen und aktuellen Rohstoffpreisen sanken falsche Preiskalkulationen um 82 Prozent. Drei konkrete Großaufträge, bei denen früher zu niedrig kalkuliert worden wäre, wurden mit korrekter Marge abgeschlossen.
Langfristig berichtet das Unternehmen von einem veränderten Selbstverständnis im Innovationsteam: Wissen wird als strategische Ressource behandelt, die gepflegt und strukturiert wird — nicht mehr als persönliches Gut einzelner Mitarbeiter.
Demo anfragen und sehen, welche Potenziale Valenz AI in Ihrem Betrieb hebt.
Demo anfragen →