Wir haben die manuelle Lead-Bearbeitung und die E-Mail-basierten Kundenprozesse durch einen Next.js-Webshop auf einem WooCommerce-Katalog und einen n8n + OpenAI Lead-Klassifikator ersetzt. Der Vertrieb gewann pro Person täglich 30–40 Minuten Verwaltungszeit zurück.
Hintergrund
Der Kunde ist ein mitteleuropäisches Automotive-KMU mit 25–30 Mitarbeitenden, einem B2B-Teilekatalog und einer Beratungssparte. Am Markt stark aufgestellt, aber im digitalen Kundenprozess dem Wettbewerb hinterher: Der Katalog lag als PDF vor, Leads kamen per E-Mail herein, und das Vertriebsteam klassifizierte sie von Hand.
Beim ersten Meeting nannte der Geschäftsführer drei Probleme: 1) 40–60 % der neuen Leads wurden nicht innerhalb von 24 Stunden nachverfolgt, 2) die Vertriebsassistenz verbrachte 8–10 Stunden pro Woche mit E-Mail-Sortierung, 3) die Pflege des bestehenden Katalogs band Entwicklerzeit.
Herausforderung
Das Kernproblem war für den Kunden nicht klar umrissen. Man wusste, dass die Lead-Bearbeitung langsam war, aber es wurde nicht gemessen. In den ersten Wochen investierten wir Zeit in die Prozessanalyse: Wir rekonstruierten eine typische Lead-Journey aus Vertriebsgesprächen, aus bislang ungenutzten CRM-Daten und aus der Analyse des Angebotsprozesses.
Es zeigte sich, dass die Lead-Typen gut segmentiert waren (technische Frage, kommerzielle Anfrage, Reklamation, Partnerschaftsangebot) und das Vertriebsteam je Typ ein anderes SLA erwartete. Der bestehende Prozess unterstützte das nicht. Die Katalogseite, eine WordPress-basierte Informationsseite, führte keine Echtzeit-Bestandsdaten, was zusätzlichen E-Mail-Verkehr erzeugte.
Vorgehen
Nach der Analysephase liefen zwei Stränge parallel: 1) ein Next.js-Webshop mit der WooCommerce-API, damit der Katalog mit aktuellem Bestand angezeigt wird und Leads über ein strukturiertes Formular eingehen, 2) ein n8n-Workflow mit OpenAI-Integration, der eingehende Formulare (und das bestehende E-Mail-Archiv) in vier Kategorien einordnet.
Wir hielten den Umfang bewusst eng: kein vollständiger CRM-Aufbau, keine Migration von allem, kein Umkrempeln des Vertriebsworkflows. Wir erweiterten die bestehende Outlook- + Excel-Routine um zwei neue Ebenen, die Zeit freisetzten.
Lösung
Die Lösung besteht aus drei Komponenten. (1) Next.js-Webshop-Frontend (App Router, TypeScript, Tailwind) mit vorgerenderten Katalogseiten und Live-Bestand aus der WooCommerce REST API. Statische Regenerierung jede Stunde bringt Lighthouse auf 96/100 mobil. (2) Ein strukturiertes Lead-Formular, von jeder Produktseite aus erreichbar, das beim Absenden auf einem n8n-Webhook landet. (3) Der n8n-Workflow ruft OpenAI GPT-4o auf, um den Lead zu klassifizieren, entwirft eine Follow-up-E-Mail für die Vertriebsassistenz und legt einen Eintrag in der passenden HubSpot-Pipeline an.
Der OpenAI-Prompt wird versioniert im Git-Repository verwaltet, mit einem Eval-Set aus 60 realen, manuell gelabelten Leads. Der Regressionstest läuft bei jeder Prompt-Änderung, und fällt die Genauigkeit unter 90 %, blockiert er das Deployment.
Technische Entscheidungen
Wir haben uns für Next.js statt WordPress entschieden, weil die Katalog-Inhalte strukturierte Daten sind (Produkt, Preis, Bestand) — ideal für statische Generierung + ISR, nicht für dynamische CMS-Veröffentlichung. WooCommerce haben wir beibehalten, weil das Backoffice-Team es seit Jahren nutzt und nicht wechseln wollte — wir konsumieren lediglich die API.
Wir haben n8n gegenüber Make oder Zapier gewählt, weil der Workflow selbst gehostet läuft (auf dem DigitalOcean-VPS des Kunden) und wir den vollständigen Code in Git exportieren können. OpenAI GPT-4o kam letztlich in Produktion, weil es ohne Few-Shot-Beispiele bereits eine gute Präzision bei den vier Lead-Kategorien lieferte. Anthropic Claude war eine Alternative, aber das Preis-Genauigkeits-Verhältnis von OpenAI war für diesen Anwendungsfall besser.
Stolpersteine
Zwei zentrale Schwierigkeiten. Erstens: Das Vertriebsteam vertraute der KI-Klassifizierung anfangs nicht. In den ersten Wochen schlug der Workflow nur eine Kategorie vor, während die Vertriebsassistenz manuell prüfte. Nach zwei Wochen und 80 Leads lag die Präzision stabil bei 94 %, und das Team begann, den Prozess automatisch laufen zu lassen.
Zweitens: Wir stießen in Spitzenzeiten an das Rate-Limit der WooCommerce-API. Wir fügten eine Edge-Cache-Schicht mit Vercel KV hinzu und aktualisieren den Bestand nur alle 10 Minuten. Der Kunde war einverstanden, da Echtzeitbestand für den B2B-Käufer nicht kritisch ist — die Feinjustierung erfolgt im Vertriebsgespräch.
Ergebnisse
Drei Monate nach Go-live maßen wir die Ergebnisse. Die mediane Lead-Reaktionszeit sank von 18 Stunden auf 4 Stunden (der Anteil unter 90 Minuten stieg von 12 % auf 41 % aller Leads). Die Klassifizierungsgenauigkeit stabilisierte sich bei 94 % (im Eval-Set). Die Vertriebsassistenz gewann 35–40 Minuten tägliche E-Mail-Sortierzeit zurück.
Der Webshop startete mit einem mobilen Traffic-Anteil von 22 %; nach 90 Tagen lag er bei 38 %. Lighthouse-Score 96/100 mobil, 99/100 Desktop. Die organische Suchposition für die Kern-Produktkategorien verbesserte sich um 8–12 Plätze (Search-Console-Daten).
Stack
Die klügste Entscheidung war, nicht den gesamten Prozess auf einmal umkrempeln zu wollen. Wir konnten die kleinen Schritte messen, und das Team übernahm den KI-Baustein, sobald es mit eigenen Augen sah, dass er funktioniert.
Geschäftsführer — Automotive-KMU
Das Zitat steht stellvertretend für typisches Kundenfeedback; es handelt sich nicht um ein wörtliches Zitat.
Weitere
Ein RAG-Chatbot mit pgvector und OpenAI GPT-4o, integriert in einen bestehenden Shopify-Storefront. 38 % der Support-Tickets schließen sich automatisch; die Kundenzufriedenheit sank nicht.
Details lesenWir haben die Landingpage eines 12-köpfigen ungarischen B2B-SaaS-Startups mit Next.js, statischer Generierung, hreflang HU/EN und PostHog-A/B-Tests neu aufgebaut. Die Free-Trial-Conversion stieg in 6 Wochen von 2,1 % auf 3,4 %.
Details lesenDie Case Studies basieren auf realen Projekten und wurden auf Wunsch unserer Kunden anonymisiert. Die Zahlen sind Näherungswerte; konkrete Geschäftsdaten bleiben vertraulich.