Der digitale Schrauber im Hintergrund

KI-Chatbots sind im Fahrradhandel kein Zukunftsversprechen mehr. Sie sind Werkzeuge, die heute funktionieren, wenn man sie richtig aufsetzt. Nicht als digitale Deko auf der Website, sondern als stille Mitarbeiter, die Werkstatttermine koordinieren und Kundenfragen beantworten, während das Team Räder verkauft oder in Ruhe schraubt. Der globale Markt für konversationelle KI wird 2026 auf knapp 18 Milliarden US-Dollar geschätzt. Während Großkonzerne längst ganze Serviceabteilungen automatisieren, steht der Fachhandel vor einer einfachen Frage: Mitmachen oder zusehen?
Zunächst muss man sich klarmachen, dass nur, wer die Funktionsweise versteht, den Nutzen ernten wird. Ein KI-Bot ist kein Mensch und kein klassisches FAQ-Menü. Moderne Systeme basieren auf großen Sprachmodellen wie GPT, Claude oder quelloffenen Alternativen wie Gemma 4. Sie verstehen natürliche Sprache, erkennen Absichten und formulieren eigenständig Antworten. Das unterscheidet sie fundamental von den Klick-Bots der Vergangenheit, die bei jeder unvorhergesehenen Frage kapitulierten. Heute erkennt ein gut trainierter Bot, ob jemand nach Öffnungszeiten fragt, ein Ersatzteil sucht oder einen Werkstatttermin braucht. Der Schlüssel liegt im System-Prompt: einer Arbeitsanweisung, die dem Bot erklärt, welche Rolle er spielen soll, was er in dieser Rolle leisten kann und wo seine Grenzen liegen.
Gerade im Werkstattgeschäft entfalten Chatbots ihre größte Wirkung. Die Terminvergabe über Whatsapp ist ein Paradebeispiel. Ein Kunde schreibt: »Mein Schaltwerk hakt, kann ich morgen vorbeikommen?« Der Bot prüft die verfügbaren Slots, schlägt Zeiten vor, bestätigt den Termin und trägt ihn ins System ein. Kein Telefonat, kein Zettel, keine vergessene Rückrufbitte. Wer die Whatsapp-Business-API nutzt, kann diesen Prozess direkt im Messenger abbilden, den die meisten Kunden ohnehin täglich verwenden. Und das Beste: Genau diesen Bot kann jeder Händler mit sehr überschaubarem Aufwand selbst bauen. Er braucht dafür keine Programmierkenntnisse und nur einen Nachmittag Zeit. Das Werkzeug dafür heißt n8n.
n8n ist eine quelloffene Automatisierungsplattform, die Arbeitsabläufe visuell zusammenbaut – per Drag-and-drop auf einer Oberfläche, die an ein Flussdiagramm erinnert. Jeder Baustein heißt »Node« und erfüllt eine Aufgabe: eine Nachricht empfangen, eine KI befragen, einen Kalender prüfen, eine Antwort senden. Verbunden ergibt sich ein Workflow, der automatisch abläuft. n8n lässt sich kostenlos auf dem eigenen Server betreiben oder als Cloud-Dienst ab rund 24 Euro monatlich nutzen. Zum Testen genügt die 14-tägige Cloud-Testversion unter n8n.io.

Schritt eins: Konto anlegen und Workflow erstellen.

Nach der Registrierung auf n8n.io öffnet sich die Arbeitsfläche, das sogenannte Canvas. Oben links klickt man auf »New Workflow« und gibt dem Workflow einen sprechenden Namen, etwa »Whatsapp-Werkstatt-Bot«. Das klingt banal, zahlt sich aber aus, wenn später zehn verschiedene Workflows nebeneinander laufen. Auf dem leeren Canvas beginnt nun der eigentliche Aufbau.

Schritt zwei: Den Trigger setzen.

Jeder Workflow braucht einen Auslöser, also das Ereignis, das den Prozess startet. Für einen Whatsapp-Bot ist das der Node »WhatsApp Trigger«. Man findet ihn über die Suchleiste links, zieht ihn auf die Arbeitsfläche und verbindet ihn mit den eigenen Whatsapp-Business-Zugangsdaten. Ab sofort lauscht n8n auf eingehende Nachrichten. Alternativ funktioniert auch ein »Webhook«-Node, der Nachrichten von der eigenen Website empfängt, etwa aus einem Chat-Widget. Für den Einstieg empfiehlt sich Whatsapp, weil die meisten Kunden den Kanal bereits nutzen und die Hemmschwelle minimal ist.

Schritt drei: Die KI anbinden.

Jetzt wird es spannend. Man zieht den Node »AI Agent« auf das Canvas und verbindet ihn mit dem Trigger. Der AI-Agent ist das Herzstück: Er empfängt die Kundennachricht, verarbeitet sie mit einem Sprachmodell und formuliert eine Antwort. In den Einstellungen des Nodes wählt man das gewünschte Modell, etwa GPT-4o von OpenAI oder Claude von Anthropic. Dafür braucht man einen API-Schlüssel, den man beim jeweiligen Anbieter in wenigen Minuten erstellt. Für diesen entstehen in der Folge weitere Kosten, wenn das Modell genutzt wird. Dann folgt der wichtigste Teil: der System-Prompt. Das ist die Anweisung, die dem Bot seine Persönlichkeit und Aufgaben gibt. Ein Beispiel für den Fahrradhandel: »Du bist der digitale Assistent von Radhaus Müller. Du hilfst Kunden bei der Werkstatt-Terminvergabe. Du bist freundlich, kompetent und antwortest auf Deutsch. Wenn du eine Frage nicht beantworten kannst, verweise auf die Telefonnummer 0711-123456. Du buchst keine Termine eigenständig, sondern schlägst verfügbare Zeiten vor und fragst nach Bestätigung.« Je präziser diese Anweisung, desto besser arbeitet der Bot.

Schritt vier: Den Kalender verbinden.

Damit der Bot freie Termine vorschlagen kann, braucht er Zugriff auf den Werkstattkalender. Dafür zieht man einen »Google-Calendar«-Node auf das Canvas und verbindet ihn als »Tool« mit dem AI-Agent. Der AI-Agent erkennt automatisch, wann er den Kalender befragen muss, und ruft die Abfrage selbstständig auf. Man konfiguriert den Node mit den eigenen Google-Zugangsdaten, wählt den richtigen Kalender und legt fest, dass der Bot die verfügbaren Slots der kommenden drei Werktage abruft.
Ab jetzt kann der Bot auf die Frage »Wann kann ich vorbeikommen?« eine echte Antwort geben.

Schritt fünf: Termin eintragen.

Wenn der Kunde einen vorgeschlagenen Termin bestätigt, soll dieser automatisch im Kalender landen. Dafür fügt man einen zweiten Google-Calendar-Node hinzu, diesmal mit der Funktion »Event erstellen«. Auch diesen verbindet man als Tool mit dem AI-Agent. Im System-Prompt ergänzt man die Anweisung: »Wenn der Kunde einen Termin bestätigt, trage ihn in den Werkstattkalender ein. Verwende den Kundennamen als Titel und die Problembeschreibung als Notiz.« Der Bot übernimmt den Rest: Er erkennt die Bestätigung, extrahiert die relevanten Informationen und erstellt den Kalendereintrag.

Schritt sechs: Die Antwort zurücksenden.

Am Ende des Workflows steht ein »WhatsApp«-Node (diesmal kein Trigger, sondern die Sende-Funktion), der die Antwort des AI-Agents an den Kunden zurückschickt. Die Verbindung ist simpel: Der Output des AI-Agents fließt in den Whatsapp-Node, der die Chat-ID des Kunden aus dem ursprünglichen Trigger übernimmt und die Nachricht zustellt. Der gesamte Workflow besteht damit aus vier bis fünf Nodes, die auf dem Canvas übersichtlich verbunden sind – vom Trigger über die KI und den Kalender bis zur Antwort.

Schritt sieben: Testen und scharfschalten.

Bevor der Bot auf echte Kunden losgelassen wird, klickt man auf »Test Workflow« und schickt eine Testnachricht per Whatsapp. Im Canvas lässt sich live verfolgen, wie die Nachricht durch jeden Node wandert und was die KI antwortet. Typische Fehlerquellen sind falsch formatierte Zugangsdaten, ein zu vager System-Prompt oder ein Kalender-Node, der den falschen Zeitraum abfragt. Alles lässt sich direkt korrigieren. Wenn alles funktioniert, aktiviert man den Workflow über den Schalter oben rechts – ab diesem Moment läuft der Bot automatisch, rund um die Uhr.
Der Bot wird besser, wenn er mehr weiß. n8n bietet dafür eine eingebaute Wissensdatenbank, den sogenannten Vector Store. Dort hinterlegt man PDFs oder Textdateien, etwa die eigene Preisliste, häufig gestellte Fragen, Informationen zu Marken und Ersatzteilen. Der AI-Agent durchsucht diese Wissensbasis automatisch, bevor er antwortet. So kann der Bot auch Fragen beantworten wie »Was kostet eine Inspektion?« oder »Habt ihr Shimano-XT-Schaltwerke auf Lager?«. Dafür zieht man einen »Vector Store Tool«-Node auf das Canvas und verbindet ihn mit dem AI-Agent. Das Befüllen dauert eine halbe Stunde und macht den Bot vom Terminplaner zum echten Berater.
Und wie viel Ersparnis kommt dabei wirklich rum? Ein Fahrradhändler, der täglich 20 bis 40 Kundenanfragen per Messenger erhält, kann durch einen gut konfigurierten Bot realistisch 10 bis 15 Arbeitsstunden pro Woche einsparen. Bei einem Stundensatz von 30 Euro sind das 1.200 bis 1.800 Euro monatlich – bei laufenden Kosten von 50 bis 100 Euro für n8n-Cloud und API-Nutzung. Die Amortisation erfolgt also schon im ersten Monat. Hinzu kommen weiche Faktoren: schnellere Reaktionszeiten, weniger Routinebelastung im Team und durchgehende Erreichbarkeit außerhalb der Geschäftszeiten. Wer auf Eigenhosting bei einem deutschen Anbieter wie Hetzner setzt, reduziert die Infrastrukturkosten auf unter 10 Euro monatlich.

Am konkreten Beispiel Whatsapp-Terminvereinbarung zeigt sich, wo und wie man sich das Leben einfacher machen kann.

Was die Technologie betrifft, lohnt ein Blick auf die Open-Source-Szene. Modelle wie Gema 4 und Qwen erreichen bei vielen Aufgaben das Niveau der kommerziellen Spitzenmodelle von OpenAI oder Anthropic. Wer Datenschutz priorisiert, kann quelloffene Modelle auf europäischen Servern betreiben, und das vollständig DSGVO-konform. n8n unterstützt diese Modelle direkt. Wichtig zu wissen: Sobald ein Sprachmodell per API angebunden wird, verlassen Daten den eigenen Server. Wer das vermeiden will, hostet das Modell lokal. Das ist technisch anspruchsvoller, aber machbar und für datensensible Betriebe die sauberste Lösung.
Und die Zukunft? Die steht bereits vor der Tür. Das Stichwort heißt Agentic AI, also KI-Systeme, die nicht nur antworten, sondern eigenständig handeln. Statt auf eine Kundenanfrage zu warten, könnte ein Bot künftig Kunden proaktiv kontaktieren, deren Inspektion fällig ist. Oder Nachbestellungen auslösen, wenn Lagerbestände unter einen Schwellenwert fallen. Tools wie OpenClaw ermöglichen es bereits, KI-Agenten plattformübergreifend einzusetzen. Das funktioniert noch nicht immer alles narrensicher, aber die Werkzeuge werden besser, die Einstiegshürden niedriger. Wer heute den ersten Bot aufsetzt, baut nicht nur ein Werkzeug: Man baut eine Kompetenz auf, die in zwei Jahren selbstverständlich sein wird.
Am Ende gilt: Ein Chatbot ist kein Ersatz für gute Beratung, sondern ein Verstärker. Er befreit das Team von Routinefragen, damit es sich auf das konzentrieren kann, was Kunden wirklich in den Laden bringt: Kompetenz, Leidenschaft und persönlicher Service. Wer das beherzigt, schafft mehr als einen digitalen Helfer. Er schafft Freiraum, und das ist im Fahrradhandel die beste Voraussetzung für Geschwindigkeit. //

Dr. Moritz Brandauer...

… ist Senior-Berater bei der BBE Handelsberatung in München und spezialisiert auf Digitalisierung, Strategie und Technologie in Handelsunternehmen. Zudem ist er Dozent für die Vorlesung
KI-Management und zertifizierter Qualitätsbeauftragter.