KI-Produktberater für den technischen Vertrieb: Parameter, Regeln und Datenblattzitate

Was ein KI-Produktberater im technischen Vertrieb leistet

Ein KI-Produktberater für den technischen Vertrieb beantwortet Fragen wie „welche Pumpe brauche ich für 40 m³/h bei 32 m Förderhöhe in Meerwasser“ oder „welche Dichtung passt zu diesem Ventil bei 160 °C“, indem er Ihre Produktdatenbank nach Varianten durchsucht, die die genannten Parameter erfüllen, Ihre Kompatibilitätsregeln prüft und mit den passenden Varianten, den Gründen und einem Verweis auf die Datenblattseite antwortet. Außendienst, Innendienst und Ihre Händler bekommen eine erste Antwort in Sekunden, und der Anwendungstechniker übernimmt die Fälle, die die Regeln nicht entscheiden können. Das Modell dahinter ist vergleichsweise klein, und es läuft auf demselben KI-Server des Unternehmens wie Ihre übrigen KI-Aufgaben.

Dieser Leitfaden richtet sich an Vertriebsleiter und Geschäftsführer von Komponentenherstellern: Pumpen, Armaturen, Antriebe, Verbindungselemente, Sensoren, Lager. Er erklärt die Teile eines solchen Systems in einfachen Worten, wo die KI hilft und wo sie nicht entscheiden darf, und fasst die Hardware in einem Abschnitt zusammen. Unser Artikel zu KI im technischen Großhandel behandelt Großhändler, die Tausende Datenblätter anderer Hersteller durchsuchen; dieser behandelt einen Hersteller, der sein eigenes Programm verkauft. Ein Support-Chatbot für Endkunden, wie in unserem Leitfaden zu einem Server für einen Kundenservice-Chatbot, ist wieder eine andere Aufgabe.

Das Problem kennt der technische Vertrieb. Ein Verkäufer beim Händler hat einen Kunden mit Betriebspunkt und Medium am Telefon, der Katalog hat Hunderte Varianten, und der Anwendungstechniker, der das Programm kennt, ist beschäftigt. Eine falsche Auswahl kann als Retoure, Gewährleistungsfall oder verlorenes Vertrauen zurückkommen. ki-syndikat.de, ein deutscher Katalog von KI-Anwendungsfällen für kleine und mittlere Unternehmen, führt für Armaturen- und Pumpenhersteller einen Anwendungsfall, der Bestellparameter beim Auftragseingang gegen Anwendungsregeln prüft, um eine falsche Druckstufe, einen falschen Werkstoff oder Dichtungstyp abzufangen. Der Produktberater verlegt diese Prüfung nach vorn, an den Moment, in dem die Variante gewählt wird.

Warum ein Chatbot nur auf Datenblättern falsche Varianten wählt

Ein Sprachmodell ist ein KI-Modell, das Text liest und schreibt. Mit einem Stapel Datenblätter und einer Frage schreibt es eine flüssige Antwort, und in der technischen Auswahl kann eine flüssige Antwort in einer Ziffer falsch sein. Datenblätter beschreiben je eine Baureihe, die Varianten unterscheiden sich in einem Kürzel am Ende der Artikelnummer, und die Regel, die einen Dichtungswerkstoff oberhalb einer bestimmten Temperatur ausschließt, kann in einer Fußnote eines anderen Dokuments stehen. Ein Modell, das die fünf ähnlichsten Seiten liest, der übliche Suchansatz (RAG, Retrieval-Augmented Generation, erklärt in unserem Leitfaden zu RAG auf Unternehmensdaten), wird manchmal Angaben von den falschen Seiten kombinieren.

Der verlässliche Aufbau teilt die Arbeit auf drei Schichten auf.

Unsere Empfehlung für den Aufbau; sie folgt der Trennung von Daten, Regeln und Text in unseren Leitfäden zu Text-to-SQL und RAG.

Die Produktdatenbank. Viele Hersteller haben die Varianten und ihre Parameter bereits im ERP, in einem Produktinformationssystem oder im Konfigurator: Förderbereich, Druckstufe, Werkstoffe, Anschlussgrößen, Spannung, Zertifikate. Die KI übersetzt die Worte des Kunden in eine Suche über diese Felder. Wir empfehlen eine feste Suchfunktion, die Ihre IT mit benannten Parametern festlegt, statt das Modell freie Datenbankabfragen schreiben zu lassen; unser Artikel zu Text-to-SQL auf dem eigenen Server erklärt die Risiken der freien Form.

Die Kompatibilitätsregeln. „Dichtungswerkstoff X nur bis 120 °C“, „dieser Motor nicht mit jenem Frequenzumrichter“, „Meerwasser verlangt Duplexstahl“: Solche Regeln gehören in Software, geschrieben von der Anwendungstechnik und bei jeder Antwort geprüft. Die KI darf dem Nutzer eine Regel erklären; ob sie greift, entscheidet sie nicht.

Die Datenblätter. Sind die Varianten gefunden, sucht die KI die Datenblattseiten heraus, die die Antwort stützen, und zitiert sie mit Dokument und Seite, sodass der Verkäufer prüfen und das Datenblatt an den Kunden weitergeben kann.

Wie eine Anfrage aus Außendienst oder Handel beantwortet wird

Nehmen Sie die Anfrage eines Händlers: „Kunde braucht eine Pumpe für 40 m³/h, 32 m Förderhöhe, Meerwasser, 400 V, ATEX Zone 1.“ Das System arbeitet sie in fünf Schritten ab.

1. Parameter. Das Modell liest Förderstrom, Förderhöhe, Medium, Spannung und die Anforderung an den Explosionsschutz heraus und fragt nach, wenn etwas Wesentliches fehlt, etwa die Temperatur des Mediums.
2. Suche. Es ruft die Suchfunktion mit diesen Werten auf. Die Datenbank liefert die Varianten, deren Bereiche den Betriebspunkt abdecken.
3. Regeln. Software prüft jeden Kandidaten gegen die Kompatibilitätsregeln: Werkstoffe für Meerwasser, das Zertifikat des Motors für die Zone. Varianten, die durchfallen, werden mit Begründung entfernt.
4. Belege. Die Suchschicht findet die Datenblattseiten zu den verbleibenden Varianten: Kennlinie, Werkstofftabelle, Zertifikat.
5. Antwort. Das Modell schreibt eine kurze Antwort: zwei Varianten, warum sie passen, was der Kunde noch bestätigen muss, und die Datenblattseiten. Besteht keine Variante, sagt die Antwort das und bietet den Weg zum Anwendungstechniker an.

Ein Modell eine solche Funktion aufrufen zu lassen heißt Tool-Calling, und aktuelle offene Modelle unterstützen es: Die Modellkarte von gpt-oss-120b nennt native Fähigkeiten für Function Calling und „Structured Outputs“; unser Leitfaden zum Tool-Calling in vLLM erklärt die Einrichtung für das IT-Team.

Pumpenkennlinien und andere Diagramme brauchen Sorgfalt. Wo die Datenbank die Kennlinie als Datenpunkte hält, nutzt die Suche sie. Wo sie nur als Bild in einem PDF existiert, kann die KI die Seite finden, sollte den Betriebspunkt aber nicht aus dem Bild ablesen; diese Prüfung bleibt bei einem Menschen, bis Ihre Kennlinien in der Datenbank stehen.

Preislisten, Zugriffsstufen und Händler

Preise bleiben außerhalb des Modells. Das Modell sieht weder Preislisten noch Rabattvereinbarungen. Preise kommen nach der Auswahl der Variante aus dem ERP, über den bestehenden Angebotsprozess und mit den Zugriffsrechten, die Sie schon haben. So kann keine Antwort die Konditionen eines anderen Kunden preisgeben, und kein Preis hängt davon ab, wie eine Frage formuliert war.

Zugriffsstufen. Der Innendienst darf alle Varianten, Sonderausführungen und internen Anwendungshinweise sehen; ein Händler sieht sein freigegebenes Programm und öffentliche Dokumente. Der Zugriffsfilter wirkt auf Suche und Retrieval, bevor das Modell etwas liest; das Modell bekommt also nie Text zu sehen, den der Nutzer nicht sehen darf. Protokollieren Sie jede Frage und Antwort mit dem Nutzer, für die Qualitätsprüfung und für den Fall, dass ein Kunde eine Empfehlung bestreitet.

Nutzern sagen, dass es eine KI ist. Artikel 50 der EU-KI-Verordnung gilt seit dem 2. August 2026, wie die Seite der Europäischen Kommission zu den Transparenzpflichten festhält. Er verlangt, dass Menschen, die mit einem KI-System interagieren, darüber informiert werden, sofern das nicht offensichtlich ist, und zwar spätestens zum Zeitpunkt der ersten Interaktion, wie es im Text von Artikel 50 beim AI Act Service Desk der Kommission heißt. Eine Zeile oben im Produktberater deckt das in der Praxis ab; ob Sie Anbieter im Sinne der Verordnung sind, wenn Sie das System auf einem offenen Modell aufbauen, und was sonst gilt, bestätigt Ihre Rechtsberatung. Unser Leitfaden zur EU-KI-Verordnung für Unternehmen, die LLMs nutzen, gibt den Hintergrund.

Wir liefern den Server für einen Produktberater, und unser Service Private AI/ML verbindet ihn mit Ihren Produktdaten, Regeln und Datenblättern; schicken Sie uns zehn typische Anfragen und die Systeme, in denen Ihre Produktdaten liegen, und unser Team antwortet mit einem Vorschlag für einen Pilotbetrieb.

Testen, bevor sich der Vertrieb darauf verlässt

Sammeln Sie 100 echte Anfragen aus dem Vertriebspostfach, mit der Variante, die Ihre Anwendungstechnik gewählt hat, und dem Grund. Schicken Sie sie durch den Produktberater und zählen Sie vier Dinge: die richtige Variante unter den ersten zwei, ein korrektes Datenblattzitat, eine Rückfrage, wo Angaben fehlten, und falsche Antworten, die mit Überzeugung gegeben wurden. Die letzte Zahl zählt am meisten, und die Regelschicht hält sie niedrig. Wiederholen Sie den Test nach jeder Änderung an Modell, Regeln oder Daten.

Planen Sie die Datenarbeit ein. Die Qualität der Auswahl hängt an den Parametern in der Datenbank: fehlende Temperaturgrenzen, uneinheitliche Einheiten und Baureihen, die es nur in PDFs gibt, zeigen sich im ersten Test. Unser Leitfaden zur Vorbereitung von Unternehmens­dokumenten für einen KI-Assistenten behandelt diese Vorarbeit.

Die Hardware: ein bescheidenes Modell auf einem gemeinsamen Server

Ein Produktberater liest kurze Anfragen, einige Datenblattseiten und die Suchergebnisse und schreibt kurze Antworten. Wir bemessen Gespräche mit 32.768 Token, was Platz für mehrere Datenblattseiten lässt. Nach unserer Regel für Nutzer je Karte, 90 Prozent des vom Treiber gemeldeten Speichers abzüglich 3 GiB je Karte, bleiben auf einer RTX PRO 6000 Server Edition mit 96 GB 83,0 GiB nutzbar; gpt-oss-120b belegt davon 60,8 GiB und je Gespräch 1,125 GiB Cache, sodass eine Karte 19 Gespräche gleichzeitig hält und ein Paar mit einer Kopie über beide Karten 93.

Wie viele Gespräche gleichzeitig laufen, hängt von der Nutzung ab, nicht von der Kopfzahl. Mit den Beispielwerten unseres Leitfadens zur Bemessung eines privaten ChatGPT-Servers nach Unternehmens­größe, 40 Prozent der Nutzer in der stärksten Stunde aktiv, je 6 Fragen pro Stunde, 30 Sekunden je Antwort einschließlich Suche und zwei Modellaufrufen und ein Spitzenfaktor von 2, ergeben 40 Außendienstmitarbeiter und 200 Nutzer bei Händlern nach unserer Schätzung in der Spitze etwa 10 gleichzeitige Gespräche. Ihre Gateway-Protokolle ersetzen diese Werte nach dem Pilotbetrieb.

Unsere Schätzungen nach der Regel für Nutzer je Karte, Cache in 16 Bit, Gewichte von gpt-oss-120b etwa 65 GB (60,8 GiB) laut Dateiliste auf Hugging Face (gelesen am 25. Oktober 2026); Leistung wie beim Einstiegsserver und beim Inferenzknoten mit vier Karten auf unserer Seite zu KI-Servern (Karten mit 600 W, zwei EPYC-Prozessoren, plus 15 Prozent).

Der Produktberater braucht also etwa eine halbe Karte. Der Rest des Einstiegsservers, zwei Karten der RTX PRO 6000 Server Edition, zwei AMD-EPYC-Prozessoren, 384 GB DDR5-ECC-Speicher und zwei NVMe-Laufwerke, dient anderen Abteilungen: dem Unternehmensassistenten, dem KI-gestützten Angebotsschreiben für Maschinen- und Anlagenbauer, der Auftragserfassung oder dem Serviceassistenten. Das spricht dafür, den Produktberater auf einem KI-Server des Unternehmens zu betreiben statt als eigenes Produkt: ein Server, mehrere Abteilungen, ein Ort für Zugriffsrechte und Protokolle. Ein kleineres Modell kann Auswahlfragen ebenso gut beantworten, weil Datenbank und Regeln den schwierigen Teil übernehmen; testen Sie es im Pilotbetrieb. Das Embedding-Modell für die Datenblattsuche, etwa Qwen3-Embedding-0.6B unter Apache 2.0 mit Unterstützung für mehr als 100 Sprachen, ist klein und läuft neben dem Sprachmodell.

Der Einstiegsserver läuft nach unserer Schätzung mit etwa 1,8 kW an einem 230-V-Stromkreis mit 16 A und gehört in einen Serverraum oder ein Rack. Kommen Fragen von Händlern außerhalb Ihres Netzes, sitzt der Produktberater hinter Ihrem bestehenden Webzugang mit Anmeldung, und der Server selbst bleibt intern.

Hinweise für das IT-Team

1. Produktdaten. Stellen Sie eine lesende Suchfunktion über die Produktdatenbank mit benannten Parametern und Einheiten bereit; das KI-Konto bekommt keine Schreibrechte. Unser Leitfaden zu Text-to-SQL behandelt Rollen mit reinem Lesezugriff, falls Sie Abfragen vorziehen.
2. Regeln. Führen Sie die Kompatibilitätsregeln in einer Regeltabelle oder in der Logik des Konfigurators, versioniert und mit einem Verantwortlichen je Regel; der Produktberater ruft sie als Funktion auf und erhält bestanden, nicht bestanden und den Grund.
3. Datenblätter. Indizieren Sie die gültigen Datenblätter mit Dokumentnummer, Revision und Sprache; nehmen Sie überholte Revisionen am Tag ihrer Rücknahme aus dem Index. Für Tabellen und Kennlinien in PDFs siehe unseren Leitfaden zum PDF-Parsing für RAG.
4. Zugriff. Bilden Sie Rollen (intern, Händler, Region) auf Filter für Suche und Retrieval ab; testen Sie, dass ein Händlerkonto keine internen Dokumente erreicht.
5. Serving. Betreiben Sie das Modell mit vLLM hinter einem LLM-Gateway mit Schlüsseln und Protokoll; der Schalter --api-key von vLLM schützt nur Pfade unter /v1, /v2, /inference und /cohere (Sicherheitsleitfaden von vLLM 0.32.0), halten Sie die Engine deshalb in einem internen Netz.
6. Sprachen. Testen Sie den Produktberater in jeder Sprache Ihrer Händler mit Anfragen, die diese selbst geschrieben haben, bevor Sie ihn für diesen Markt öffnen.

Was wir liefern

Sie können dieses System bei uns kaufen: Unser Team bemisst die Konfiguration nach Ihrer Arbeitslast und Ihrem Budget und antwortet innerhalb eines Werktages. Wir bauen KI-Server mit zwei oder vier Karten der RTX PRO 6000 Server Edition auf Bestellung, vor der Lieferung montiert und getestet, auf Wunsch mit Betriebssystem, NVIDIA-Treiber, CUDA und Container-Laufzeit, mit einem EU-Vertrag und einer Rechnung und mit Herstellergarantie auf jede Komponente, die über uns abgewickelt wird; Mengen und Lieferzeit werden mit dem Angebot schriftlich bestätigt. Unser Service Private AI/ML, mit unserem Engineering-Partner Vixen.UNO, verbindet das Modell mit Ihren Produktdaten, Regeln und Datenblättern; beschreiben Sie Ihr Produktprogramm und wo seine Daten liegen, und wir schlagen einen Pilotbetrieb mit Ihren eigenen Anfragen vor.

FAQ