Tourenoptimierung mit KI: Wie Handwerk und Service mehr Aufträge pro Tag schaffen
Heizungsbauer, Elektriker, SHK-Betriebe, Pflegedienste, Servicetechnik im Maschinenbau: Sie alle teilen ein Problem, das in keiner Bilanz auftaucht, aber jeden Monat fünfstellig kostet – Fahrzeit. Aufträge werden in der Reihenfolge geplant, in der sie reinkommen, nicht in der, in der sie geographisch sinnvoll sind. KI-gestützte Tourenoptimierung ist 2026 einer der wenigen Use Cases, die im Handwerk fast immer positiven ROI liefern. Dieser Artikel zeigt, wann sie sich rechnet, und wann nicht.
Was Tourenoptimierung mit KI von klassischer Routenplanung unterscheidet
Klassische Routenplanung (TomTom, Google Maps, statische Tools) optimiert eine fixe Liste von Stops. Das ist nützlich, aber begrenzt. KI-basierte Tourenoptimierung berücksichtigt Faktoren, die im Tagesgeschäft tatsächlich darüber entscheiden, ob ein Termin gehalten wird:
- aktuelle Verkehrslage und Prognose für die nächsten Stunden
- Auftragsdauer aus historischen Daten (nicht aus Schätzungen)
- Materialbestand im jeweiligen Fahrzeug
- Skill-Matching zwischen Techniker:in und Auftrag
- Termin-Fenster der Kund:innen
- spontane Notfälle und Umplanung im Tagesverlauf
Eine moderne KI-Routenplanung schlägt nicht nur eine Reihenfolge vor – sie berechnet bei jedem neuen Auftrag innerhalb von Sekunden, wo er am besten reinpasst, und liefert der Disposition zwei bis drei Optionen mit Folgekosten.
Die Rechnung: Was Tourenoptimierung im Handwerk wirklich bringt
| Position | Wert |
|---|---|
| Reduktion Fahrzeit pro Tag | ca. 15 % |
| Gewonnene produktive Zeit pro Tag (8 Std.) | > 1 Std. |
| Realistisch zusätzlich abrechenbarer Auftrag | 1 / Tag |
| Ø Verrechnungssatz | 80 € |
| Mehrumsatz pro Woche / Fahrzeug | 400 € |
| Mehrumsatz pro Jahr / Fahrzeug | ca. 19.000 € |
| Bei 10 Fahrzeugen: Mehrumsatz / Jahr | 190.000 € |
| Implementierungskosten | 15.000–35.000 € einmalig |
| Laufende Kosten | 150–500 € / Monat |
Das ist eine ehrliche Bandbreite, kein Vertriebsversprechen. In meinen Projekten sehe ich diese Effekte in Betrieben mit 6 bis 60 Fahrzeugen reproduzierbar. Bei 1–3 Fahrzeugen lohnt sich der Aufwand selten, weil die Disposition den Ausschnitt im Kopf hält.
Wann Tourenoptimierung im Handwerk kippt
Die Technik ist 2026 nicht mehr das Problem. Wo Projekte scheitern:
- Disposition wird übergangen statt eingebunden. Erfahrene Disponent:innen haben Bauchwissen über Kund:innen, Verkehrsmuster und Mitarbeitende, das in keinem System steht. Wer das ignoriert, verliert das Projekt politisch in 4–6 Wochen.
- Stammdaten sind unvollständig. Auftragsdauern aus dem Bauchgefühl, fehlende Skill-Matrix, ungepflegte Kundendaten – die KI optimiert dann auf Basis von Müll.
- Zu viele Sonderregeln am Anfang. Jeder Betrieb hat „Kunde X bekommt Donnerstagvormittag immer zuerst". Drei dieser Regeln sind ok, fünfzehn killen jede Optimierung.
- Kein klarer KPI vor Start. Ohne Vorher-Messung von Fahrzeit, abrechenbarer Stunden und Termintreue ist der Erfolg nicht verteidigbar – und das Projekt stirbt im ersten Spar-Quartal.
Wer Tourenoptimierung am stärksten braucht
| Branche | Typischer Effekt | Besonderheit |
|---|---|---|
| SHK / Heizungsbau | 1 Auftrag mehr / Tag | hohe Notfallquote, dynamische Umplanung wichtig |
| Elektrohandwerk | 12–18 % weniger Fahrzeit | viele kurze Stops, Materialbestand kritisch |
| Pflegedienste | 15–25 % mehr Klienten / Tour | Skill- und Sprach-Matching essenziell |
| Servicetechnik Industrie | 20–30 % weniger Anfahrten | Skill-Matching auf Maschinentyp |
| Außendienst Vertrieb | 1 zusätzlicher Termin / Tag | Termin-Fenster der Kund:innen führend |
In allen fünf Bereichen gilt: Tourenoptimierung wirkt nur, wenn die Auftragsdaten in einem System gepflegt werden – nicht in WhatsApp-Threads oder Whiteboards.
Wie eine Tourenoptimierung im Handwerk in 8–12 Wochen produktiv geht
- Wochen 1–2: Datencheck. Auftragsdaten aus dem ERP / Branchen-SaaS exportieren, Auftragsdauern, Skills, Fahrzeugzuordnung sichten. Disposition als Schlüssel-Stakeholder onboarden.
- Wochen 3–4: Pilotaufbau mit 2–3 Fahrzeugen. KI-Vorschläge laufen parallel zur bestehenden Planung – noch ohne Eingriff.
- Wochen 5–6: Vergleich. Wo schlägt die KI besser, wo schlechter? Die Disposition entscheidet, welche Vorschläge übernommen werden.
- Wochen 7–8: Roll-out auf die gesamte Flotte, KPIs werden offiziell erhoben.
- Wochen 9–12: Tuning. Sonderregeln einbauen, Skill-Matching schärfen, Notfall-Workflow definieren.
Nach 12 Wochen liegt in den meisten Betrieben ein belastbarer Vorher-/Nachher-Vergleich vor. Stop-or-Scale-Entscheidung wird datenbasiert getroffen, nicht aus dem Bauch.
FAQ: Tourenoptimierung mit KI
Ab wie vielen Fahrzeugen lohnt sich Tourenoptimierung mit KI? Realistisch ab 4–6 Fahrzeugen oder ab 20 Aufträgen pro Tag. Darunter ist die Disposition meist schneller im Kopf, als jedes Tool sein kann.
Brauche ich neue Hardware (Tablets, GPS) im Fahrzeug? In der Regel nicht. Smartphones der Mitarbeitenden reichen, sofern eine App oder Web-Oberfläche genutzt werden kann. Investitionen in Tablets sind eher Komfort- als Pflichtthema.
Was passiert bei spontanen Notfällen? Eine gute KI-Routenplanung berechnet bei jedem neuen Auftrag binnen Sekunden Optionen, wer ihn am günstigsten übernimmt. Die Entscheidung trifft die Disposition – die KI liefert nur die Optionen.
Lassen sich Tourenoptimierungen mit DATEV, Lexware oder Branchen-SaaS verbinden? Ja, in der Regel über REST-APIs oder Standard-Konnektoren. Aufwand für die Integration: 5–15 Personentage, je nach Sauberkeit der Schnittstellen.
Was sagen Mitarbeitende dazu? Akzeptanz steigt deutlich, wenn die Tour weniger sinnlose Fahrten enthält und Termin-Fenster realistischer werden. Killerthema: wenn KI-Vorschläge ungeprüft an die Belegschaft durchgereicht werden. Die Disposition muss als Filter dazwischen bleiben.
Fazit
Tourenoptimierung mit KI ist im Handwerk 2026 einer der unstrittigsten KI-Use-Cases mit positivem ROI. Bedingung: gepflegte Stammdaten, eingebundene Disposition, klare KPIs vor Projektstart. Konkreter nächster Schritt heute: Notiere für die letzten zehn Arbeitstage, wie viele produktive Stunden pro Fahrzeug abgerechnet wurden – und vergleiche das mit den geplanten 8 Stunden. Die Lücke ist dein realistisches Effizienzpotenzial.
Über den Autor: Philip Bolz implementiert seit 2023 KI-Systeme in mittelständischen Unternehmen im DACH-Raum. Schwerpunkt: Dienstleister und Handwerk, 10 bis 500 Mitarbeiter. Keine Folien, keine Roadmap-Verkäufe – sondern produktive Systeme, die nach dem Go-Live laufen. Mehr unter ai-implement.de.