Stand: November 2026
Kurz gesagt
Ein großer Teil der Bestellungen im technischen Handel kommt ohne Ihre Artikelnummer an. Der Kunde schreibt, was er braucht, so wie er es nennt. Heute übersetzt das der Innendienst aus dem Kopf. Eine KI kann diese Übersetzung übernehmen, wenn sie den Kunden, seine Bestellhistorie und die Merkmale Ihrer Artikel kennt. Wo sie unsicher ist, fragt sie nach, statt zu raten.
Die wichtigsten Punkte:
- Bestellungen ohne Artikelnummer sind kein Sonderfall, sondern Alltag, gerade bei Stammkunden.
- Das Wissen, was ein Kunde meint, steckt meist in den Köpfen weniger erfahrener Kolleginnen und Kollegen.
- Stichwortsuche und klassische Texterkennung helfen hier kaum. Es braucht Kontext.
- Gute Systeme zeigen, warum sie einen Artikel vorschlagen, und lernen aus jeder Korrektur.
Fünf Arten, ohne Artikelnummer zu bestellen
| Was der Kunde schreibt | Was dahintersteckt |
|---|---|
| „11 Kilo Rot, 10-mal“ | Farbe, Gebindegröße und Menge. Das Produkt selbst nennt er nicht, weil er immer dasselbe bestellt. |
| „Wie letzte Woche, aber nur die Hälfte“ | Bezug auf einen früheren Auftrag |
| „Die blauen Handschuhe in L, zwei Kartons“ | Beschreibung über Merkmale, dazu eine Einheit, die Ihr ERP vielleicht anders führt |
| Eine Nummer aus dem System des Kunden | Kundenartikelnummer, die bei Ihnen in keiner Suche auftaucht |
| Die Bezeichnung des Herstellers oder eines Wettbewerbers | Fremdbezeichnung, zu der es bei Ihnen ein passendes Produkt gibt |
Aus Sicht des Kunden ist das alles eindeutig. Er bestellt seit Jahren so, und bisher hat es immer funktioniert.
Warum das am Innendienst hängt
Es funktioniert, weil jemand im Innendienst den Kunden kennt. Frau Meier weiß, dass „Rot“ bei diesem Lackierbetrieb ein ganz bestimmter Farbton in einem bestimmten Gebinde ist. Dieses Wissen steht in keinem System.
Das hat drei Folgen:
- Vertretung ist schwierig. Wer den Kunden nicht kennt, muss suchen oder nachfragen. Im Urlaub und bei Krankheit dauert alles länger.
- Einarbeitung dauert. Neue Kolleginnen und Kollegen brauchen Monate, bis sie die Sprache der Kunden verstehen.
- Erfahrene Leute tippen ab. Gerade die, die am besten beraten könnten, verbringen ihre Zeit mit Erfassung.
Warum Suche und Texterkennung nicht reichen
Klassische Texterkennung liest, was im Dokument steht. Das Problem ist aber nicht das Lesen. „11 Kilo Rot“ ist fehlerfrei gelesen und trotzdem keinem Artikel zugeordnet. Eine Stichwortsuche im Artikelstamm liefert für „Rot“ Hunderte Treffer und für die Kundenartikelnummer keinen einzigen.
Gebraucht wird die Antwort auf eine andere Frage: Was meint dieser Kunde mit dieser Formulierung?
Was eine KI dafür braucht
Sprachmodelle verstehen Formulierungen gut. Für die richtige Zuordnung brauchen sie zusätzlich Ihr Wissen:
- Wer bestellt: Erst wenn der Kunde erkannt ist, lassen sich seine Artikelnummern und seine üblichen Produkte heranziehen.
- Was er sonst bestellt: Die Bestellhistorie grenzt die Auswahl stark ein. Aus Hunderten roten Artikeln werden zwei oder drei.
- Merkmale der Artikel: Farbe, Größe, Gebinde, Norm. Vieles davon steht nur im Langtext und nicht in einem eigenen Feld. Eine KI kann diese Merkmale vorab aus den Texten herausziehen.
- Synonyme und Hausbezeichnungen: Wie Kunden Ihre Produkte nennen. Der Innendienst kennt diese Begriffe, man muss sie einmal einsammeln.
- Einheiten: Karton, Rolle, Stück, Kilo und die Umrechnung dazwischen.
Wie die Zuordnung technisch Schritt für Schritt abläuft, haben wir in einem eigenen Beitrag beschrieben: PDF-Bestellungen automatisch auf den Artikelstamm im ERP matchen.
Nachfragen statt raten
Nicht jede Bestellung lässt sich sicher zuordnen. Wenn ein Kunde zum ersten Mal „die üblichen Dichtungen“ bestellt, weiß das niemand, auch kein Mensch. Entscheidend ist, was das System dann tut.
Ein gutes System legt die Position mit zwei oder drei Vorschlägen zur Prüfung vor und zeigt, worauf jeder Vorschlag beruht, zum Beispiel „dreimal in den letzten sechs Monaten bestellt“. Der Innendienst wählt aus, und die Auswahl wird gespeichert. Beim nächsten Mal ist dieselbe Formulierung dieses Kunden bekannt.
So wandert das Wissen aus den Köpfen nach und nach ins System, ohne dass jemand eine Synonymliste von Hand pflegen muss.
So fangen Sie an
- Sammeln Sie 50 echte Bestellungen aus den letzten Wochen, bewusst auch die unklaren.
- Zählen Sie, wie viele davon ohne Ihre Artikelnummer auskommen. Die Zahl ist oft höher als gedacht.
- Messen Sie, wie lange die Erfassung dieser Bestellungen dauert, verglichen mit den eindeutigen.
- Testen Sie eine Lösung genau mit diesen Bestellungen und nicht mit Beispielen des Anbieters.
Häufige Fragen
Müssen wir unsere Kunden dazu bringen, mit Artikelnummer zu bestellen?
Nein. Dass Kunden so bestellen können, wie es für sie bequem ist, ist ein Service. Es geht darum, dass dieser Service intern weniger Zeit kostet.
Funktioniert das auch bei neuen Kunden ohne Bestellhistorie?
Ja, aber mit mehr Prüffällen. Ohne Historie bleiben die Merkmale und Synonyme als Grundlage. Mit jeder Bestellung wird die Zuordnung sicherer.
Was ist mit handschriftlichen Bestellungen oder Fotos?
Auch die lassen sich lesen. Die Zuordnung funktioniert danach genauso wie bei einer E-Mail.
Woran messen wir, ob es sich lohnt?
An der eingesparten Zeit pro Bestellung. Erkennungsquoten sagen wenig, wenn der Innendienst am Ende trotzdem jede Position kontrollieren muss.
Pulsar Technologies setzt das mit OrderAI im technischen Handel um, angepasst an Artikelstamm und Kundensprache des jeweiligen Unternehmens. Wie gut es mit Ihren Bestellungen funktioniert, testen wir mit Ihren echten Daten: orderai.dev. Wie wir den Auftragseingang insgesamt angehen, steht auf der Seite Auftragseingang & Innendienst.