Stand: November 2026
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:
| 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.
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:
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?
Sprachmodelle verstehen Formulierungen gut. Für die richtige Zuordnung brauchen sie zusätzlich Ihr Wissen:
Wie die Zuordnung technisch Schritt für Schritt abläuft, haben wir in einem eigenen Beitrag beschrieben: PDF-Bestellungen automatisch auf den Artikelstamm im ERP matchen.
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.
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.
Ja, aber mit mehr Prüffällen. Ohne Historie bleiben die Merkmale und Synonyme als Grundlage. Mit jeder Bestellung wird die Zuordnung sicherer.
Auch die lassen sich lesen. Die Zuordnung funktioniert danach genauso wie bei einer E-Mail.
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.