Letztes Frühjahr saß ich im Büro einer kleinen Hamburger Spedition und sah zu, wie die Disposition einen Tracking-Link in eine E-Mail kopierte. Dann machte sie es noch einmal. Bis zum Mittag hatte ich elf gezählt. Elf identische E-Mails, jeweils vier Copy-Paste-Schritte, während zwei Telefone klingelten und niemand rangehen konnte.
So sieht „Digitalisierung“ in einer überraschend großen Zahl deutscher Unternehmen immer noch aus. Die Daten existieren irgendwo. Der Prozess weigert sich nur hartnäckig, sie anzufassen.
Ich baue seit einigen Jahren n8n-Workflows für KMU in ganz Deutschland (wenn du wissen willst, wer hier schreibt und warum, ist das die Kurzfassung), und die Frage, die ich am häufigsten bekomme, ist irgendeine Variante von „welche Branche profitiert davon eigentlich am meisten?“ Die Leute erwarten ein Ranking. Was sie von mir meistens bekommen, ist ein Achselzucken, weil die Antwort weniger von der Branche abhängt als davon, wo der Frust sitzt. Dasselbe Tool, drei Sektoren, drei völlig verschiedene Tiere.
Eins vorweg: Wenn du noch zwischen n8n, Zapier und Make schwankst, habe ich den Vergleich der großen Automatisierungsplattformen an anderer Stelle auf diesem Blog länger aufgeschrieben. Die Kurzfassung für diesen Beitrag: n8n gewinnt für deutsche KMU, wenn du Self-Hosting brauchst, DSGVO-freundliche Datenhaltung und komplexe Verzweigungen ohne Task-Abrechnung. Allen drei Branchen unten geht es um mindestens einen dieser Punkte. Meistens um alle.
Logistik: Die Daten sind längst da, nur niemand hat sie verbunden
Logistik war der Sektor, der mich am wenigsten überrascht hat, und das meine ich als Kompliment. Speditionen produzieren den ganzen Tag digitale Abgase: Telematik, TMS-Systeme, Hafen-Status, Zoll-Feeds. Die Information existiert. Sie ist nur über fünf Systeme verstreut, die sich weigern, miteinander zu reden, also überbrückt ein Mensch die Lücke. Meistens die Disposition. Meistens um 7 Uhr morgens.
Die Hamburger Disposition, in Zahlen
Die Spedition fährt 14 eigene Lkw plus eine Handvoll Subunternehmer, rund 240 Sendungen pro Woche. Der Morgen der Disposition sah so aus: TMS öffnen, Status prüfen, Tracking-Links in Kundenmails einfügen, Telefon abnehmen, wenn Kunden trotzdem anriefen, weil die Mail zu spät kam.
Der n8n-Workflow, den wir gebaut haben, fragt die Telematik-API alle 15 Minuten ab, gleicht Sendungsnummern gegen offene Aufträge im TMS ab (eine Postgres-Datenbank, auf die n8n direkt zugreift) und mailt den Kunden automatisch, sobald eine Sendung eine Verzögerungsschwelle überschreitet. Ausnahmen, etwa ein Lkw, der drei Stunden stillsteht, landen als Telegram-Nachricht auf ihrem Handy, statt zwei Tage später als wütender Anruf.
Zwei Monate später: rund 15 Stunden pro Woche zurück in ihrem Kalender, und Statusanrufe von etwa 40 am Tag auf unter 15. Ein Teil davon war Saison, ganz ehrlich, der Sommer beruhigt die Fracht immer etwas. Aber ihre Mittagspause ist keine theoretische mehr, und das ist die Kennzahl, die sie bis heute zitiert.
Der Teil, den ich aus der Case Study streiche
Palettenrückläufe. Die Subunternehmer haben Rückläufe außerhalb des TMS abgewickelt, also hat der Workflow Rücksendungen dauerhaft als fehlend markiert und Fehlalarme gefeuert. Im ersten Monat ist das zweimal kaputtgegangen. Mein Patch war ein Filter, der alles mit dem Tag „Rücklauf“ ignoriert. Es funktioniert, so halb. Ich denke trotzdem noch darüber nach, weil es ein Pflaster auf einem Datenproblem ist, und irgendwann hört jemand still auf, die Tag-Konvention zu benutzen, und die Alarme feuern wieder ins Leere.
Wenn Logistik-Automatisierung eines lehrt, dann dass die spannende Arbeit nicht der Happy Path ist. Es ist das Thema, Workflows zuverlässig zu halten, wenn die Daten dich anlügen. Und Logistikdaten lügen ständig. Lkw melden unmögliche Positionen, APIs brechen mitten im Update ab, und jemand benennt eine Spalte in einer Tabelle um, von der niemand wusste, dass sie tragend ist.
Meine Einschätzung zum Sektor: das höchste Automatisierungspotenzial von dreien, weil Frachtprozesse standardisiert sind. Eine Verspätung ist eine Verspätung. Das eigentliche Hindernis ist, dass viele TMS-Anbieter ihre APIs wie Staatsgeheimnisse hüten und einige den Zugang noch wie im Jahr 2005 in Rechnung stellen. Das ist ein Geschäftsproblem im Technikkostüm.
Handwerk: keine Daten, keine Zeit, und alles läuft über WhatsApp
Vorab hatte ich angenommen, Handwerk sei der schwerste Sektor zu automatisieren. Ich lag falsch, und nicht knapp. Handwerksbetriebe ertrinken in unstrukturierter Kommunikation, und genau da sind Sprachmodelle gut. Die Technik war nie das Hindernis. Die Handy-Gewohnheiten des Chefs waren es.
Ein Elektrobetrieb mit neun Leuten und ihr 21-Uhr-Lead-Problem
Der Kunde war ein Elektrobetrieb bei Stuttgart, neun Mitarbeiter. Der Chef beantwortete Anfragen zwischen zwei Terminen aus dem Transporter, mit durchschnittlich sechs Stunden Reaktionszeit auf neue Leads, manchmal zwei Tage. Die Angebotsquote lag bei etwa 31 Prozent. Er wusste, dass Tempo zählt. Er konnte nur physisch nicht rangehen, während er Kabel durch eine Wand zog.
Das Setup ist fast schon peinlich simpel. Neue Anfragen kommen über das Website-Formular oder WhatsApp Business, landen in einem n8n-Webhook und werden von gpt-4o-mini von OpenAI (das kostet sie ein paar Euro im Monat) in drei Eimer sortiert: Notfall, Neuauftrag, unverbindliche Anfrage. Notfälle legen einen Slot im Google-Kalender des Bereitschaftstechnikers an und pingen ihn direkt auf WhatsApp. Angebotsanfragen bekommen sofort eine Bestätigung mit grobem Zeitfenster. Unverbindliche Anfragen eine freundliche Antwort, dann Follow-ups an Tag drei und Tag zehn.
Die Reaktionszeit sank von sechs Stunden auf unter fünf Minuten. Über drei Monate kletterte die Angebotsquote auf 38 Prozent. Bei 120 Leads im Monat deckt diese Lücke eine Menge n8n-Hosting-Rechnungen ab. Wenn du die unappetitlichen Details willst, wie Klassifizierungs-Prompts so weit kommen, habe ich vor einer Weile aufgeschrieben, wie ich meine eigene Lead-Qualifizierung automatisiert habe, inklusive des Teils, in dem das Modell einen gefluteten Keller selbstsicher als unverbindliche Anfrage einsortiert hat.
Ein Geständnis, bevor ich weitergehe. In den ersten drei Wochen hat der Workflow den Bereitschaftstechniker doppelt gebucht, wenn zwei Notrufe im selben Fünf-Minuten-Fenster reinkamen. Ich weiß genau, warum es passiert ist. Ob der Fix, den ich ausgeliefert habe, eine Lock-Tabelle in Postgres, das ist, was ich heute bauen würde, bin ich weniger sicher, und zwei Entwicklerfreunde haben mir zwischenzeitlich zwei verschiedene sauberere Varianten vorgeschlagen. Er läuft noch. Ich zucke jedes Mal leicht zusammen, wenn ich diesen Workflow öffne.
Vom Aufbau her ist Handwerk das Gegenteil von Logistik. Es gibt kein führendes System, an das man andocken könnte. Kein TMS, keine saubere Datenbank, nichts. Das Gedächtnis des Betriebs steckt im Kopf des Chefs, in einem Papierkalender und in einem WhatsApp-Archiv, deine Workflows verbinden also keine Systeme, sie erzeugen Struktur aus dem Nichts. Kunden halten dich für einen Zauberer. Du bekommst Kopfschmerzen, weil jeder Prompt still den Job eines Datenbankschemas macht.
Immobilien: hohes Volumen, null Glamour, echte Fristen
Immobilien ist der Sektor, den alle als ersten von KI aufgefressen erwarten. Glänzende Chatbots auf Makler-Websites, generierte Exposés, das ganze Bild. Herausgekommen ist: Das langweilige Backoffice ist, wo der echte Wert liegt. Makler jagen dem glitzernden Zeug hinterher. Eine Hausverwaltung muss nur 60 E-Mails pro Woche überleben, ohne gegen deutsches Mietrecht zu verstoßen.
480 Einheiten, zwei Leute, ein Postfach
Das war eine Hausverwaltung in Essen, rund 480 Einheiten und zwei Leute im Backoffice. Mieter schrieben Wünsche an eine einzige Adresse, mit Betreffzeilen wie „hi“ und Anhängen namens IMG_2043.jpg. Jemand öffnete jede Mail, riet die Einheit, riet die Dringlichkeit, leitete sie an einen Handwerker weiter. Erste Reaktion im Schnitt: drei Tage.
Ihr n8n-Workflow zieht jetzt jede E-Mail per IMAP, schickt sie durch einen OpenAI-Schritt, der die Wohnungsnummer, die Kategorie (Sanitär, Heizung, Elektro, Sonstiges) und die Dringlichkeit extrahiert, legt dann ein Ticket in Airtable an und entwirft die Antwort. Jeder Entwurf wartet in einer Review-Warteschlange. Nichts verlässt das Haus, ohne dass ein Mensch auf Freigeben klickt. Heizungsausfälle und kein Warmwasser werden sofort geflaggt und auf Slack gepusht, weil die im Winter mit gesetzlichen Reaktionsfristen kommen und man die wirklich nicht an Tag vier entdecken will.
Die Sichtungszeit sank von rund 11 Stunden pro Woche auf unter 3. Die erste Antwort ging von drei Tagen auf am selben Tag, weil eine anständige Vorlage freizugeben zwanzig Sekunden dauert. Den Mietern ist es aufgefallen. Den Handwerkern auch, weil sie plötzlich echte Informationen bekamen statt einer weitergeleiteten Mail-Kette von 2019.
Immobilien ist auch die Branche, in der ich das meiste Über-Engineering sehe. Leute sehen eine Demo eines vollautonomen Postfach-Agenten und wollen das am Montag haben. Widersteh. Ein Triage-und-Entwurf-Muster wie oben fängt den Großteil des Wertes bei einem Bruchteil des Risikos ein, und die Mieterkommunikation in Deutschland ist nicht der Ort für dein erstes vollautonomes Experiment. Für ein Gefühl dafür, wie weit agentic Workflows verantwortbar gehen können, lohnt es sich, erst die Muster zu verstehen und dann zu entscheiden, wie viel Leine du deinem Postfach gibst.
Das ehrliche Ranking, Einschränkungen inklusive
Ein Ranking zu ziehen fühlt sich komisch an, nachdem ich in allen dreien drinsteckte, trotzdem gibt es hier eine Tabelle, weil du dafür wahrscheinlich gekommen bist:
| Logistik | Handwerk | Immobilien | |
|---|---|---|---|
| Schwierigster Teil | API-Zugang von TMS-Anbietern bekommen | Kein führendes System zum Anbinden | Mieterdaten plus DSGVO-Paranoia |
| Schnellster Sieg | Status-Mails und Ausnahme-Alerts | Speed-to-lead-Routing | E-Mail-Triage mit Freigabe |
| Größtes Risiko | Fehlalarme, die Vertrauen zerstören | Ein Prompt, der still einen Schema-Job macht | Vollautonomie, wo ein Mensch zuerst hinsehen sollte |
| Typische Amortisierung | Wochen | Tage | Tage bis Wochen |
Zwing mich, auf reinem ROI einen Gewinner zu küren, und ich sage Handwerk, weil Speed-to-lead sich direkt in unterschriebene Aufträge umwandelt. Der Elektrobetrieb hatte die gesamten Baukosten mit zwei zusätzlichen gewonnenen Aufträgen wieder drin, alles danach war Marge. Aber ich will ehrlich sein mit der Stichprobengröße: eine Handvoll Projekte pro Sektor, nicht fünfzig. Jemand mit fünfzig Logistik-Projekten sagt dir vielleicht, Fracht gewinnt, und er könnte recht haben. Deshalb verweise ich Leute lieber auf unser No-Hype-Playbook für KMU-Automatisierung statt auf ein Ranking: Wähl den Use Case, bei dem eine Zahl sichtbar springt, nicht den, der sich gut präsentiert.
Fang mit dem Freitagnachmittags-Schmerz an
Ein Muster hielt sich durch alle drei Sektoren, und es ist langweilig genug, dass es keiner hören will. Der beste erste Workflow ist genau das, das der Chef am Freitagnachmittag persönlich hasst. Nicht der Prozess, der auf dem Whiteboard am automatisierbarsten aussieht. Der, der wehtut. In Hamburg waren es Status-Mails. In Stuttgart, Leads aus dem Transporter beantworten. In Essen, IMG_2043.jpg zum vierhundertsten Mal öffnen.
Bau genau den. Beobachte ihn einen Monat. Etwas wird brechen, fix es, dann baust du den zweiten. Das ist die ganze Methode, und ich habe aufgehört so zu tun, als gäbe es eine schlauere Version davon.
Wenn das Chaos deiner Branche keinem dieser drei gleicht, würde ich das wirklich gern hören. Ich sammle diese Geschichten wie andere Briefmarken, und die Chance ist fair, dass es für deinen Freitags-Frust eine n8n-förmige Antwort gibt, die ich noch nicht ausprobiert habe.
Bis zum nächsten Mal,
Damian
