Zwei Systeme. Live. Mit echten Zahlen.

Fassadenklar: vom CRM-Deal zum bepreisten Angebot — das Gebäude aus amtlichen Daten gemessen

Kunde: Fassadenklar (fassadenklar.de) — Fassadenreinigung und -beschichtung, Deutschland. Was wir gebaut haben: Pipedrive-Deal → automatische Gebäudemessung aus amtlichen 3D-Stadtdaten → Angebotsentwurf in sevDesk. Status: seit 16./17. September 2026 in Produktion. Die Claude-Gegenprüfung läuft seit dem 23. September 2026 auf dem Livedienst (Deployment v85, im laufenden System geprüft).

Die Ausgangslage

Ein Fassadenangebot braucht die Fläche. Also fährt jemand hin, misst auf der Karte oder schätzt — und das Angebot wartet. Bei jeder Anfrage. Der langsame Teil ist nicht die Arbeit, sondern der Papierkram davor.

Dazu kam ein zweites Problem: Die gewünschte Angebotssoftware gab den API-Zugang nie frei. Die Anfrage lag fünf Monate offen. Eine Pipeline, die vom Wohlwollen eines Anbieters abhängt, ist keine Pipeline.

Was wir gebaut haben

1. Ein Deal wird in Pipedrive für ein Angebot markiert. Ein Webhook startet den Rest.
2. Das Gebäude wird aus amtlichen LoD2-Stadtmodellen gemessen — denselben öffentlichen 3D-Daten, die die Vermessungsämter veröffentlichen. Keine Vor-Ort-Begehung, kein Nachzeichnen.
3. Ein Vision-Modell klassifiziert die Flächen: Geschosse, Balkone, Zugänglichkeit, Konfidenzwert.
4. Bei niedriger Konfidenz schauen zwei Modelle auf dasselbe Satellitenbild — Gemini und Claude. Das Gebäude wird nur dann neu gewählt, wenn beide dasselbe nennen. Sind sie uneins, bleibt alles stehen und der Deal wird markiert. Ein „weiß nicht“ ist besser als ein falsches Ergebnis, das sicher klingt.
5. In sevDesk entsteht ein Angebotsentwurf, Positionen und Preise aus einer festen Vorlage. Kein Modell schreibt einen Preis. Ein Angebot ist ein Vertragsdokument — die vertraglichen Teile sind bewusst deterministisch.
6. Ein Mensch prüft und versendet. Nichts erreicht einen Kunden unbeaufsichtigt.

Statt weiter auf den blockierten Anbieter zu warten, kamen die ersten Angebotsentwürfe über sevDesk in derselben Woche aus dem System. Ein Gegenprüfungslauf kostet rund 0,06 € auf den Deals, bei denen er greift.

Zwei Läufe auf dem Livesystem

Beides waren Testläufe auf dem Produktivsystem mit echten Daten, vor den ersten Kundenentwürfen:

• Leonberg — zwei Gebäude, 245,18 m² und 187,36 m², ein Angebot: 3.460,32 € netto.
• Berlin — 849,42 m², eine 112,35 m² große Grenzwand korrekt aus der Abrechnung ausgenommen. Angebot: 6.795,36 €. Eine Grenzwand steht auf der Grundstücksgrenze und darf nicht berechnet werden. Das System erkennt das — um 20 Uhr ist das leicht zu übersehen.

Woche eins, ehrlich erzählt

Die Strecke ist wenige Tage alt, deshalb das ganze Bild statt der schönen Hälfte: saubere Entwürfe auf Produktivläufen, ein Hausnummernbereich, der als neun einzelne Gebäude gemessen wurde — gefunden und analysiert, Fix eingeplant — und ein Webhook, der während eines Hosting-Ausfalls verloren ging. Eine validierte Genauigkeitsquote gibt es noch nicht, und wir veröffentlichen keine, bevor die Stichprobe belastbar ist.

So sieht Woche eins eines Produktivsystems aus. Wer nur die gute Hälfte zeigt, zeigt eine Demo.

Als Nächstes: der Fix für Hausnummernbereiche, Kalibrierung gegen vermessene Referenzflächen und der von Claude geschriebene Einleitungsabsatz im Angebot. Der läuft bereits — regelgeprüft: Beim Berliner Lauf nannte er eine Zahl, also hat der Wächter ihn verworfen und das Angebot ging ohne ihn raus. Genau dafür ist er gebaut — die Regel entscheidet, nicht das Modell.

Fusion Dental Implants: Patientenkommunikation rund um das bestehende Salesforce

Kunde: Fusion Dental Implants, Nordkalifornien — Sofortimplantate, zwei Standorte (Roseville, El Dorado Hills). Was wir gebaut haben: die Ebene für Patientennachrichten, Terminbestätigungen und Anrufe rund um das bestehende Salesforce. Status: in Produktion. Die Zahlen unten decken Mai–August 2026 ab, lesend aus der Produktionsdatenbank und dem Live-Salesforce gezogen am 21. September 2026.

Die Ausgangslage

Eine Praxis für Sofortimplantate lebt von Reaktionsgeschwindigkeit. Wer dienstagabends fragt und donnerstags eine Antwort bekommt, hat längst woanders angerufen. Nur konkurriert jede eingehende Nachricht mit einem Empfang, der gerade Patienten betreut — und die Nachrichten kommen über alle Kanäle gleichzeitig.

Was wir gebaut haben

• Eine Nachrichtenstrecke, die Patientennachrichten verschickt und nachfasst.
• Terminbestätigungen, die automatisch rausgehen und ins CRM zurückschreiben.
• Telefonie für ausgehende Anrufversuche, protokolliert an denselben Datensätzen.
• Alles im bestehenden Salesforce verankert, nicht als zweites System daneben.

Die Nachrichtenwege laufen im aktuellen Code über Claude-Modelle; Teile der Anrufauswertung nutzen weiterhin einen anderen Anbieter. Wir sagen das genau so, weil das System so aussieht — nicht, weil es so am besten klingt.

Was in den Monaten passiert ist

Mai bis August 2026 hat das Produktivsystem protokolliert:

• 5.917 ausgehende Nachrichtenzeilen
• 1.093 Terminbestätigungen
• 7.199 angelegte Salesforce-Leads (über alle Geschäftsbereiche)
• 1.089 Anrufzeilen — ausgehende Anrufversuche, an denselben Datensätzen protokolliert

Das ist protokollierte Aktivität. Es ist keine Behauptung, die KI hätte jede davon allein erledigt.

Was wir nicht behaupten, und warum das zählt

Wir können für dieses System keinen belastbaren Vorher-Nachher-Vergleich zeigen — und erfinden keinen. Unsere eigene Protokollierung eingehender Nachrichten hat sich mitten im Zeitraum geändert, damit fehlt die Basislinie, die jede Verbesserungsaussage bräuchte. Also kein „40 % schnellere Antworten", keine „eingesparten Stunden".

Diese Zurückhaltung ist die Methode, nicht eine Entschuldigung. Bevor eine Zahl auf eine Folie kommt, gehen wir zurück in die Produktionsdatenbank und versuchen, sie zu widerlegen. Ein System, das man nicht prüfen kann, ist eines, dem man nicht trauen kann.

Was als Nächstes kommt: pro Nachricht festhalten, wer geantwortet hat — Mensch oder Modell. Dann lässt sich die Wirkungsfrage in einigen Monaten mit Belegen beantworten statt mit Meinung.