KI-Chatbot für Ersatzteilbestellung: 24/7 Service

TL;DR

Ein KI-Chatbot für Ersatzteilbestellungen nimmt Bestellungen per natürlicher Sprache entgegen, identifiziert das richtige Teil aus dem Katalog und löst die Bestellung im ERP aus. Kunden bestellen rund um die Uhr, auch nachts und am Wochenende. Mittelständler verarbeiten damit 73 % aller Bestellungen automatisch und steigern den Ersatzteil-Umsatz um 18 % durch bisher verlorene Nacht-Bestellungen.

Das Problem: Ersatzteilbestellung nur zu Bürozeiten

Ein Maschinenbauer mit 280 Mitarbeitern verkauft jährlich Ersatzteile im Wert von 4,2 Mio. €. Der Bestellprozess läuft über Telefon, E-Mail und ein Web-Formular, alles ausschließlich während der Bürozeiten von 8:00 bis 17:00 Uhr. Was passiert um 22:00 Uhr, wenn bei einem Kunden eine CNC-Maschine ausfällt?

Der Instandhalter weiß: Er braucht Teilenummer 7842-A3, die Spindellagerdichtung. Er ruft an, hört den Anrufbeantworter, schickt eine E-Mail, die erst am nächsten Morgen gelesen wird. Die Bestellung geht um 9:15 Uhr raus, das Teil kommt übermorgen. 36 Stunden Maschinenstillstand, Kosten beim Kunden: 14.400 € (400 €/Stunde Produktionsausfall).

Die Analyse der Bestelldaten zeigt: 31 % aller Ersatzteil-Anfragen kommen außerhalb der Bürozeiten. Bei einem Jahresumsatz von 4,2 Mio. € sind das potenziell 1,3 Mio. € Bestellvolumen, das verzögert oder an Wettbewerber verloren geht.

Die niedrige Konversionsrate außerhalb der Bürozeiten bedeutet: Kunden bestellen woanders oder verschieben die Reparatur. Beides kostet Umsatz. Die KI-Budgetplanung zeigt, dass Chatbots zu den KI-Projekten mit dem besten Kosten-Nutzen-Verhältnis gehören.

Architektur: Vom Chat zur ERP-Bestellung

Der Chatbot verbindet drei Systeme: ein LLM für natürliche Sprache, eine Produktdatenbank für die Teilidentifikation und das ERP für die Bestellabwicklung.

# chatbot_ersatzteil_config.yaml
chatbot:
  llm:
    model: "meta-llama/Llama-3.3-8B-Instruct"
    backend: "ollama"
    temperature: 0.1
    system_prompt: |
      Du bist der Ersatzteil-Assistent der Firma Müller Maschinenbau.
      Deine Aufgabe: Ersatzteile identifizieren und Bestellungen aufnehmen.
      Frage immer nach: Maschinentyp, Teilenummer oder Beschreibung,
      Menge, Lieferadresse (falls abweichend).
      Bestätige jede Bestellung vor dem Absenden.
  product_search:
    type: "vector_search"
    database: "qdrant"
    collection: "ersatzteile"
    catalog_size: 28000  # Teile im Katalog
    embedding_model: "intfloat/multilingual-e5-base"
  erp_integration:
    system: "proalpha"  # oder SAP, Microsoft Dynamics
    api: "rest"
    endpoint: "https://erp.intern/api/v2/orders"
    auth: "service_account"
    auto_confirm_below: 500  # EUR, darüber manuelle Freigabe
  channels:
    - type: "web_widget"
      position: "bottom_right"
      greeting: "Ersatzteil benötigt? Ich helfe sofort."
    - type: "whatsapp_business"
      number: "+49 XXX XXXXXXX"
    - type: "email_parser"
      inbox: "ersatzteile@mueller-maschinenbau.de"

Teilidentifikation: Wie die KI das richtige Teil findet

Kunden beschreiben Teile auf drei Arten: per Teilenummer, per Maschinentyp oder per Freitextbeschreibung. Der Chatbot muss alle drei verstehen.

Per Teilenummer: "Ich brauche 7842-A3" wird per Exact Match im Katalog gesucht. Erfolgsrate: 98 %.

Per Maschinentyp: "Dichtung für DMG Mori CTX 510" wird über eine Zuordnungstabelle Maschine-zu-Stückliste aufgelöst. Der Chatbot zeigt alle Dichtungen für diesen Maschinentyp an und fragt nach: "Meinen Sie die Spindellagerdichtung (7842-A3) oder die Kühlmitteldichtung (7842-B1)?"

Per Freitextbeschreibung: "Die schwarze Gummidichtung am Spindelkopf, ca. 80 mm Durchmesser" wird per Vektorsuche gegen die Produktbeschreibungen im Katalog abgeglichen. Die Top-3-Treffer werden dem Kunden zur Auswahl angeboten.

Für die 27 % nicht automatisch lösbaren Fälle erstellt der Chatbot ein Ticket mit allen gesammelten Informationen, das am nächsten Werktag vom Innendienst bearbeitet wird.

Implementierung in 4 Wochen

Woche 1: Produktdaten vorbereiten. Exportieren Sie den Ersatzteilkatalog aus dem ERP (Teilenummer, Beschreibung, Preis, Verfügbarkeit, zugehörige Maschinentypen). Laden Sie die Daten in Qdrant als Vektordatenbank. Bei 28.000 Teilen dauert der Import 15 Minuten.

Woche 2: Chatbot konfigurieren. LLM installieren (Ollama, 30 Minuten), System-Prompt optimieren, Teile-Suche anbinden. Testen Sie mit 50 realen Kundenanfragen aus der Vergangenheit.

Woche 3: ERP-Integration. REST-API zum ERP einrichten. Der Chatbot legt Bestellungen als Entwurf an, die unter 500 € automatisch freigegeben werden. Darüber erhält der Innendienst eine Benachrichtigung zur manuellen Freigabe.

Woche 4: Pilotbetrieb. Web-Widget auf der Ersatzteil-Seite einbinden. Parallel zum bestehenden Telefon-/E-Mail-Kanal betreiben. Nach 2 Wochen Pilotbetrieb KPIs auswerten.

Die KI-Implementierungsanleitung beschreibt Best Practices für die ERP-Anbindung.

ROI-Berechnung

Die ROI-Berechnungsvorlage ermöglicht eine Kalkulation mit Ihrem Ersatzteil-Umsatz und Bestellvolumen.

Datenschutz und Bestellsicherheit

Ein Chatbot, der Bestellungen auslöst, erfordert besondere Sicherheitsvorkehrungen:

Authentifizierung: Kunden authentifizieren sich über ihre Kundennummer und eine PIN oder über den Login im Kundenportal. Anonyme Bestellungen sind nicht möglich.

Bestellbestätigung: Vor dem Absenden zeigt der Bot eine Zusammenfassung (Teil, Menge, Preis, Lieferadresse) und fordert eine explizite Bestätigung. Ohne "Ja, bestellen" wird kein Auftrag angelegt.

Betragslimits: Bestellungen über 500 € werden nicht automatisch freigegeben, sondern als Entwurf im ERP angelegt. Ein Innendienstmitarbeiter prüft und bestätigt am nächsten Werktag. Dieser Schwellenwert ist konfigurierbar.

Protokollierung: Jede Chat-Konversation wird gespeichert und ist im ERP mit der Bestellung verknüpft. Bei Reklamationen oder Streitigkeiten ist der gesamte Bestellvorgang nachvollziehbar.

Praxisergebnis nach 3 Monaten

Ein Werkzeugmaschinenhersteller aus Bayern hat den Chatbot seit Dezember 2025 produktiv:

Der Vertriebsleiter berichtet: Der größte Effekt ist nicht die Automatisierung, sondern die Umsatzsteigerung. Bestellungen, die bisher verloren gingen, weil der Kunde nachts woanders bestellt hat, landen jetzt bei uns.

Der KI-Komplett-Leitfaden beschreibt weitere Chatbot-Anwendungsfälle im Mittelstand.

FAQ

Kann der Chatbot auch Retouren und Reklamationen bearbeiten? Ja, mit einer Erweiterung des System-Prompts und einer Anbindung an den Reklamationsprozess im ERP. Die Implementierung dauert zusätzlich 1 Woche. Typisch werden 60 % der Retouren automatisch erfasst.

Wie geht der Bot mit falschen Teilenummern um? Bei unbekannten Teilenummern schlägt der Bot ähnliche Nummern vor (Levenshtein-Distanz). Bei komplett unbekannten Teilen fragt er nach Maschinentyp und Beschreibung und nutzt die Vektorsuche als Fallback.

Funktioniert der Chatbot auch auf Englisch? Llama 3.3 ist multilingual. Der Bot antwortet automatisch in der Sprache des Kunden. Produktbeschreibungen müssen allerdings in der jeweiligen Sprache vorliegen oder automatisch übersetzt werden.

Brauche ich eine GPU für den Chatbot? Für das 8B-Modell reicht eine RTX 4060 (8 GB VRAM). Bei unter 50 gleichzeitigen Benutzern ist das ausreichend. Ohne GPU läuft das 8B-Modell auch auf einer modernen CPU, allerdings mit 5x geringerem Durchsatz.

Wie sicher ist der Chatbot gegen Manipulation? Der Bot kann nur vordefinierte Aktionen ausführen (Teile suchen, Bestellungen anlegen). Prompt-Injection-Versuche werden durch Input-Validierung und ein restriktives System-Prompt abgefangen. Bestellungen über 500 € erfordern zusätzlich manuelle Freigabe.