Angebotsanfragen mit n8n und KI in Minuten vorqualifizieren

Warum Angebotsanfragen oft unnötig Zeit fressen

Montagmorgen, das Postfach ist voll: neue Anfragen, Weiterleitungen aus dem Kontaktformular, Rückfragen aus dem Vertrieb. Eigentlich gute Nachrichten. In der Praxis kostet genau dieser Einstieg aber viel Zeit. Jemand muss lesen, sortieren, Daten nachtragen und entscheiden, welche Anfrage überhaupt relevant ist.

Gerade in KMU passiert das oft manuell. Das Ergebnis: langsame Reaktionszeiten, Medienbrüche und unnötige Fehler. Dabei lässt sich genau dieser erste Schritt sehr gut automatisieren.

In diesem Artikel zeige ich dir ein konkretes Setup: Angebotsanfragen automatisch erfassen, mit KI vorqualifizieren und an das richtige Team weiterleiten. Mit n8n als Automationsplattform und einem klaren Workflow, der sich in vielen Unternehmen sofort nutzen lässt.

Das Ziel des Workflows

Der Workflow soll drei Dinge erledigen:

1. Anfragen zentral erfassen – aus E-Mail oder Formular 2. Inhalte bewerten – z. B. Branche, Bedarf, Dringlichkeit, Potenzial 3. Automatisch handeln – priorisieren, taggen, zuweisen oder antworten

Das spart Zeit, reduziert manuelle Arbeit und sorgt dafür, dass gute Leads schneller im Vertrieb landen.

Für wen sich das Setup lohnt

Besonders sinnvoll ist das für:

• Dienstleister mit vielen Angebotsanfragen
• Agenturen und IT-Dienstleister
• Handwerksbetriebe mit digitalem Anfrageeingang
• B2B-Unternehmen mit Erstkontakt über Website oder E-Mail

Wenn du regelmäßig ähnliche Anfragen bekommst, ist das ein sehr guter Einstieg in KI-gestützte Automatisierung.

So sieht der Workflow in n8n aus

Das Setup ist bewusst einfach gehalten. Du brauchst keine komplexe KI-Plattform. n8n reicht als Orchestrierung aus.

Schritt 1: Anfrage aus E-Mail oder Formular abholen

Der Workflow startet mit einem Trigger:

• E-Mail-Trigger für eingehende Anfragen an sales@ oder info@
• Webhook für Kontaktformulare auf der Website

Wichtig ist, dass die Anfrage strukturiert in den Workflow läuft. Typische Felder sind:

• Name
• Firma
• E-Mail
• Nachricht
• gewünschter Leistungsbereich
• Budget oder Projektgröße, falls vorhanden

Wenn die Informationen nur im Freitext stehen, kann KI sie im nächsten Schritt extrahieren.

Schritt 2: Inhalte mit KI analysieren

Jetzt kommt das eigentliche KI-Setup. Ein LLM-Modell liest die Anfrage und liefert strukturierte Ergebnisse zurück.

Typische Aufgaben für die KI:

• Anliegen zusammenfassen
• Branche erkennen
• Dringlichkeit einschätzen
• Lead-Qualität bewerten
• Kaufabsicht aus dem Text ableiten
• fehlende Informationen identifizieren

Beispiel für eine nützliche KI-Ausgabe:

• Kategorie: Angebotsanfrage für Prozessautomatisierung
• Priorität: hoch
• Potenzial: mittel bis hoch
• Nächster Schritt: Rückfrage zu Projektumfang

Du kannst die KI auch dazu bringen, eine einfache Score-Bewertung zu vergeben, etwa von 1 bis 5. Das hilft dem Vertrieb bei der Sortierung.

Schritt 3: Daten in ein System schreiben

Damit die Anfrage nicht wieder im Postfach verschwindet, sollte der Workflow die Daten direkt in ein Zielsystem schreiben:

• CRM wie HubSpot, Pipedrive oder Zoho
• Airtable oder Google Sheets für ein leichtes Setup
• Projekttool wie Asana, ClickUp oder Trello

So entstehen automatisch saubere Datensätze. Niemand muss Inhalte aus E-Mails manuell übertragen.

Schritt 4: Automatisch priorisieren und weiterleiten

Je nach Bewertung löst der Workflow verschiedene Aktionen aus:

• hohe Priorität → sofortige Benachrichtigung an Vertrieb oder Geschäftsführung
• mittlere Priorität → Eintrag ins CRM mit Follow-up-Aufgabe
• niedrige Priorität → Standardantwort oder spätere Bearbeitung

Damit reagiert dein Team schneller auf relevante Anfragen. Und genau das ist oft der Unterschied zwischen gewonnenem und verlorenem Lead.

Ein praxiserprobtes Setup für KMU

Ein robustes, aber schlankes Setup könnte so aussehen:

Bausteine

• n8n als Workflow-Engine
• Gmail/Outlook oder Webhook als Eingang
• OpenAI, Azure OpenAI oder ein anderes LLM zur Analyse
• CRM zur Speicherung
• Slack oder E-Mail für Benachrichtigungen

Beispiel für die Logik

1. Neue Anfrage geht ein 2. n8n liest Betreff und Nachricht aus 3. KI extrahiert strukturierte Felder 4. KI vergibt Score und Kategorie 5. Datensatz wird im CRM angelegt 6. Vertrieb erhält nur bei relevanten Leads eine Nachricht 7. Bei unvollständigen Angaben geht automatisch eine Rückfrage raus

Das ist schon viel wert. Vor allem, wenn dein Team jeden Tag mehrere Anfragen verarbeitet.

Welche Prompt-Logik sich bewährt

Der Erfolg hängt stark davon ab, wie du die KI anleitest. Ein guter Prompt sollte klar und begrenzt sein.

Gute Prompt-Bestandteile

• Rolle der KI: „Du bist ein Vertriebsassistent“
• Ziel: „Analysiere die Anfrage und gib strukturierte Daten zurück“
• Ausgabeformat: JSON oder festes Schema
• Kriterien: Branche, Dringlichkeit, Budgetsignal, Projektart
• Regeln: keine freien Texte, keine Vermutungen ohne Basis

Beispiel für sinnvolle Felder

• `lead_type`
• `industry`
• `urgency`
• `budget_signal`
• `score`
• `summary`
• `follow_up_needed`

Je strukturierter die Antwort, desto einfacher wird die Weiterverarbeitung in n8n.

Datenschutz und DSGVO nicht vergessen

Gerade bei KI-gestützter Vorqualifizierung ist Datenschutz kein Nebenthema. Wenn du personenbezogene Daten verarbeitest, brauchst du einen sauberen Rahmen.

Darauf solltest du achten

• Nur Daten verarbeiten, die du wirklich brauchst
• Einwilligung im Formular prüfen
• Auftragsverarbeitung mit Dienstleistern klären
• Datenflüsse dokumentieren
• Wenn möglich: EU-Hosting oder klare Schutzmaßnahmen nutzen
• Keine sensiblen Informationen unnötig an externe KI-Tools senden

Für viele KMU ist es sinnvoll, den Workflow so zu bauen, dass zuerst nur die nötigsten Inhalte analysiert werden. Namen, Kontaktdaten und freier Text reichen oft aus. Mehr braucht es am Anfang nicht.

Häufige Fehler bei solchen Automationen

Ein guter Workflow ist nicht automatisch ein guter Prozess. Diese Fehler sehe ich oft:

1. Zu viel auf einmal automatisieren

Viele wollen sofort alles lösen: Lead-Scoring, CRM, Angebotsversand, Aufgabenmanagement. Besser ist ein klarer erster Use Case.

2. KI ohne feste Struktur einsetzen

Wenn die Antwort unklar ist, wird der Workflow schnell unzuverlässig. Besser: feste Felder, feste Regeln, klare Ausgabe.

3. Schlechte Datenquellen

Wenn das Formular keine sinnvollen Informationen abfragt, kann auch die KI nur raten. Gute Eingaben sind entscheidend.

4. Kein Fallback bei Fehlern

Jeder Workflow braucht eine Fehlerbehandlung. Was passiert, wenn das Modell nicht antwortet oder ein Feld fehlt? Dann sollte eine manuelle Prüfung greifen.

Ein schneller Nutzen-Check für dein Unternehmen

Frag dich vor dem Start:

• Bekommen wir regelmäßig ähnliche Anfragen?
• Verbringen Mitarbeitende Zeit mit Copy-Paste und Sortieren?
• Verlieren wir Leads, weil Reaktionszeiten zu lang sind?
• Gibt es klare Kriterien für gute und schlechte Anfragen?
• Nutzen wir bereits ein CRM oder ein zentrales Ablagesystem?

Wenn du hier mehrmals mit Ja antwortest, ist dieser Workflow sehr wahrscheinlich sinnvoll.

Fazit: Ein kleiner Workflow mit großem Effekt

Die Vorqualifizierung von Angebotsanfragen ist ein idealer Einstieg in KI & Automatisierung. Du brauchst kein Großprojekt. Schon ein sauber aufgebauter n8n-Workflow mit KI-Analyse kann deinem Team jede Woche Stunden sparen und die Lead-Qualität verbessern.

Wichtig ist nicht, alles zu automatisieren. Wichtig ist, den ersten Engpass zu lösen: Anfragen schnell verstehen, sauber bewerten und gezielt weiterleiten.

Wenn du genau das in deinem Unternehmen umsetzen willst, starte mit einem einfachen Prozess. Prüfe deinen Anfrageeingang, definiere klare Kriterien und baue dann den Workflow Schritt für Schritt auf.

Wenn du willst, kann ich dir als Nächstes ein konkretes n8n-Workflow-Beispiel für diese Lead-Vorqualifizierung skizzieren.