KI im Garten- und Landschaftsbau.

Galabau ist ein Geschäft mit harten Rändern: kurze Hauptsaison von März bis November, Wetterabhängigkeit, knappe Fachkräfte und Kalkulationen, die sich an Quadratmetern, Bodenklassen und Pflanzenpreisen entlanghangeln. Die meisten Betriebe zwischen fünf und fünfzig Mitarbeitenden arbeiten mit einer Mischung aus Excel, Papier und einer Branchensoftware, die seit zehn Jahren weitgehend so läuft wie am ersten Tag. KI taucht in diesem Umfeld zunächst als Werbeversprechen auf — irgendwo zwischen Drohnenvermessung und Chatbot. Die ehrliche Antwort: An wenigen Stellen leistet KI heute schon spürbar etwas. An vielen Stellen ist sie für einen typischen Galabau-Betrieb noch zu teuer oder zu unausgereift. Dieser Artikel sortiert, wo der Einsatz sich konkret rechnet, wo er nur nett aussieht — und welche Reihenfolge sinnvoll ist, wenn Sie als Geschäftsführer die ersten Schritte machen möchten.

Warum Galabau ein besonderer KI-Fall ist.

Galabau-Betriebe sind handwerklich geprägt und gleichzeitig stark projektgetrieben. Jedes Bauvorhaben ist anders: ein Reihenhausgarten in Vaihingen, eine Außenanlage für eine Kindertagesstätte, die Pflege einer Wohnanlage über fünf Jahre. Die Wertschöpfung verteilt sich auf Aufmaß, Angebot, Materialbeschaffung, Tourenplanung, Ausführung, Dokumentation und Rechnung. In jeder dieser Phasen entstehen Daten — Mengen, Stunden, Bodenproben, Fotos, Lieferscheine. Genutzt wird davon erstaunlich wenig.

Hinzu kommt die Saisonalität. Zwischen März und November läuft der Betrieb am Anschlag, im Winter geht es um Pflege, Räumung und Vorbereitung des nächsten Jahres. Diese Verteilung erschwert jede Digitalisierung, weil im Sommer schlicht keine Zeit für neue Tools ist, im Winter aber die Personaldecke dünn wird. KI-Projekte scheitern in der Branche regelmäßig an diesem Rhythmus — nicht an der Technik.

Ein dritter Punkt: Die Marge ist eng. Ein Galabau-Betrieb mit zwölf Prozent EBIT-Marge gilt als gut geführt. Jede Investition muss sich nicht nur rechnen, sondern auch innerhalb von ein bis zwei Saisons zeigen. Lange Innovationszyklen, wie sie etwa Maschinenbau-Unternehmen sich leisten können, sind hier untypisch. Daraus folgt eine pragmatische Reihenfolge: zuerst dort einsetzen, wo Aufwand pro Auftrag direkt sinkt; später erst dort, wo strategische Effekte entstehen.

Angebotserstellung und Aufmaß.

Der größte unsichtbare Kostenblock liegt im Vertrieb: Aufmaß vor Ort, Pflanzenliste zusammensuchen, Preise prüfen, Leistungsverzeichnis formulieren, Kalkulation in Excel oder Branchensoftware übertragen. Ein erfahrener Bauleiter braucht für ein mittleres Privatgarten-Angebot leicht vier bis sechs Stunden. Bei Ausschreibungen für Kommunen oder Wohnungsbau geht es schnell um zwei Tage.

An zwei Stellen wirkt KI hier schon heute: bei der Erstellung von Leistungstexten und bei der Auswertung von Fotos oder einfachen Drohnenaufnahmen. Sprachmodelle nehmen einen kurzen Aufmaß-Notiz auf — etwa „240 m² Rasenfläche, alter Bestand, drei Bäume erhalten, Hauptzufahrt links“ — und liefern in Sekunden ein strukturiertes Leistungsverzeichnis mit Positionen, Mengen und üblichen Vorbemerkungen. Korrektur dauert zehn Minuten statt zwei Stunden Neuschrieb.

Bei der Bildauswertung sind die Tools weiter, als viele Betriebe annehmen. Aus Drohnenfotos lassen sich Flächen, Bestandsbäume und grobe Geländeverläufe heute mit akzeptabler Genauigkeit ableiten — keine Vermessungsgenauigkeit, aber gut genug für Erstkalkulationen. Wer das mit einem klassischen Aufmaß vor Ort kombiniert, spart etwa ein Drittel der Vorbereitungszeit.

Was bleibt: Die Kalkulation selbst — also die Frage, was Sie kostendeckend anbieten können — gehört weiter in die Hand des Bauleiters. KI liefert Bausteine, kein Urteil. Wer das umdreht, riskiert Angebote, die hübsch aussehen und am Ende Geld kosten.

Tourenplanung und Kolonnensteuerung.

Mehrere Kolonnen, wechselnde Baustellen, Wetterabhängigkeit, Materiallieferungen, Krankheit, Maschinenausfall: Die tägliche Disposition ist im Galabau eines der härtesten Planungsprobleme überhaupt. In vielen Betrieben übernimmt das der Inhaber selbst, oft morgens um halb sechs am Küchentisch.

KI-gestützte Tourenplanung verändert das Bild dort, wo regelmäßige Pflegerouten existieren — etwa bei Wohnanlagen, Kommunen oder Gewerbeparks. Statt feste Wochenpläne pauschal abzuarbeiten, berechnen die Systeme tagesaktuell Reihenfolge und Bündelung, berücksichtigen Wetter, Materialverfügbarkeit und Kolonnenstärke. In typischen Konstellationen lassen sich zwischen acht und fünfzehn Prozent Fahrzeit einsparen — bei zwanzig Touren pro Tag ist das eine spürbare Größe.

Für reine Bau-Kolonnen ist der Effekt geringer, weil die Baustellen länger dauern und Wechsel selten sind. Hier hilft KI eher bei der Materialdisposition: Wer rechtzeitig erkennt, dass auf Baustelle B in vier Tagen sechs Tonnen Splitt fehlen, vermeidet teure Express-Lieferungen. Solche Vorhersagen funktionieren bereits mit einfachen Verbrauchsdaten und sind ein Anwendungsfall, der sich erfahrungsgemäß rasch amortisiert.

Eine technische Voraussetzung wird gern unterschätzt: Die Kolonnen müssen ihre Tagesleistungen digital melden — nicht ausführlich, aber konsistent. Ohne diese Datenbasis ist jede Optimierung Stochern im Nebel. Wer hier noch mit Stundenzetteln in Papierform arbeitet, sollte den Schritt zur App vor den Schritt zur KI setzen.

Materialdisposition und Pflanzenbestellung.

Pflanzen sind verderbliche Ware mit Vorlaufzeiten von Wochen bis Monaten. Wer im April einen Garten mit zwölf Hainbuchen pflanzen will, muss im Februar bestellen — und treffsicher schätzen, welche Aufträge bis dahin laufen. Das Risiko liegt nicht im Pflanzpreis, sondern im Lagerverlust und in der Bindung von Liquidität.

Hier helfen KI-gestützte Bedarfsprognosen, die aus der Auftragspipeline, dem Wetter und historischen Daten ableiten, welche Mengen wahrscheinlich gebraucht werden. Für Pflasterklinker, Substrate und Düngemittel funktioniert das gut, weil die Verbrauchsmuster stabil sind. Für Stauden und Gehölze ist die Prognose schwieriger, weil Kundenwünsche stark variieren — die Modelle liefern hier Korridore, keine Punktwerte. Trotzdem ist das mehr, als ein Bauleiter im Kopf rechnen kann.

• Klassische Schüttgüter: KI-Prognose mit etwa zehn Prozent Abweichung — gut nutzbar
• Pflasterware und Plattenbeläge: gut prognostizierbar, sobald Aufträge bestätigt sind
• Stauden und Pflanzen: nur als Korridor sinnvoll, finale Auswahl bleibt manuell
• Maschinen-Verbrauchsmaterial (Öle, Filter): kurzfristig sehr gut prognostizierbar

Wichtig ist der Anschluss an die Lieferantenwelt. Wer mit drei festen Baumschulen arbeitet, hat ohnehin enge Beziehungen. Hier ersetzt KI nicht das Telefonat, sie strukturiert es. Wer mit zwanzig Lieferanten arbeitet, profitiert deutlich mehr.

Kundenkommunikation und Dokumentation.

Galabau-Kunden sind anspruchsvoll: Privatkunden wollen Beratung in Wohlfühlsprache, Bauträger wollen Termine und Mengen, Kommunen wollen Pflegeprotokolle und Nachweise. Die Kommunikation frisst Zeit, oft nach Feierabend.

Für die schriftliche Kommunikation lohnt sich der Einsatz von Sprachmodellen am ehesten: E-Mails an Privatkunden, Angebotsanschreiben, Pflegeberichte, Bautagebücher. Ein Bauleiter diktiert ins Telefon: „Heute auf der Baustelle Müller den Rollrasen verlegt, 180 m², morgen Bewässerung anschließen, Kunde war kurz da, fragt nach Pflegetipps.“ — das System macht daraus einen sauberen Eintrag im Bautagebuch, eine E-Mail an den Kunden und eine Erinnerung für die Pflegehinweise. Aufwand: zwei Minuten statt zwanzig.

Im Beschwerdefall sollte KI nur unterstützen, nicht antworten. Ein Kunde, der sich über vertrocknete Pflanzen beschwert, will keinen Bot. Aber die strukturierte Vorbereitung — Auftrag prüfen, Wetterdaten der letzten vier Wochen ziehen, Pflegetermine auflisten — hilft dem Bauleiter, in zehn Minuten ein fundiertes Gespräch zu führen statt eine halbe Stunde Akten zu wälzen.

Bei Pflegeverträgen mit jährlicher Berichtspflicht — etwa für Wohnungsverwaltungen — sind die Effizienzgewinne am größten. Aus den Bautagebüchern lassen sich Jahresberichte weitgehend automatisch erstellen. Das spart pro Vertrag oft einen Arbeitstag im Winter.

Was sich heute rechnet, was nicht.

Für einen Betrieb mit zehn bis fünfzig Mitarbeitenden ist die Reihenfolge klar: zuerst die Anwendungsfälle, die täglich anfallen und auf vorhandenen Daten aufsetzen. Erst danach komplexere Vorhaben mit eigenen Modellen oder spezialisierter Software.

Die ehrliche Größenordnung: Ein gut aufgestellter Galabau-Betrieb mit zwanzig Mitarbeitenden kann mit überschaubaren Investitionen — Lizenzen und Einrichtung im niedrigen vierstelligen Bereich pro Jahr — innerhalb von zwölf Monaten zwischen 15.000 und 40.000 Euro an Effizienz heben. Mehr ist möglich, wenn die Datenbasis stimmt und die Belegschaft die Tools annimmt.

Was KI im Galabau nicht leistet.

Es gehört zur Aufrichtigkeit, auch die Grenzen klar zu benennen. KI ersetzt keinen erfahrenen Bauleiter. Sie ersetzt keine Pflanzenkenntnis. Sie ersetzt nicht das Gespür dafür, wann ein Boden zu nass ist oder ein Kunde gerade zickig wird.

Drohnenvermessung ersetzt keine echte Vermessung, wenn ein vermessungstechnisches Aufmaß rechtlich gefordert ist — etwa bei Grenzfragen oder Abrechnungen mit der öffentlichen Hand. Wer hier in Werbung gerät, erlebt böse Überraschungen.

Auch sind die meisten KI-Tools nicht für die Baustelle gemacht. Eine App, die im Büro perfekt funktioniert, scheitert bei Regen, Handschuhen und schlechtem Mobilfunkempfang im Außenbezirk. Wer KI im Galabau einführt, muss die Bedienung auf Baustellen-Realität prüfen — nicht in der schicken Demo des Anbieters.

Und schließlich: KI löst keine Akzeptanzprobleme. Wenn die Polier-Generation, die seit zwanzig Jahren mit Papier arbeitet, kein Smartphone nutzen will, hilft auch das beste Modell nichts. Erfolgreiche Einführungen verbinden Technik und Generationswechsel — mit Geduld, klaren Spielregeln und einem Vorgesetzten, der selbst mitmacht. Wer das überspringt, verbrennt Geld und Vertrauen gleichzeitig. Eine sauber gemachte KI-Readiness-Prüfung vor der Einführung kostet wenig und erspart Lehrgeld.

Wie Sie konkret starten.

Wenn Sie heute überlegen, wo Sie anfangen, helfen drei Fragen. Welche Aufgabe in Ihrem Betrieb nervt Sie am meisten — und kostet täglich Stunden? Welche Daten haben Sie bereits, ohne dass Sie es vielleicht so wahrnehmen — Stundenzettel, Lieferscheine, Bautagebücher? Und welche Mitarbeitenden würden ein neues Tool mittragen, statt es zu sabotieren?

Aus diesen drei Antworten ergibt sich meist ein klarer Startpunkt. In der Praxis lohnt es sich, mit Angebotstexten und Bautagebuch zu beginnen. Beides nutzt vorhandene Sprache und braucht keine neue Datenbasis. Beides zeigt innerhalb von vier Wochen messbare Effekte. Und beides ist umkehrbar, wenn es nicht passt — kein langer Vertrag, keine teure Hardware.

Im zweiten Schritt folgt die Tourenplanung — sofern Sie regelmäßige Pflegeaufträge haben. Dieser Schritt braucht eine saubere Auftragsdatenbank und mindestens drei Monate Datenhistorie, um ernst gemeint zu sein. Hier ist es klüger, einen Spezialanbieter aus dem Galabau-Umfeld zu wählen statt einer Allzweck-Plattform.

Im dritten Schritt — frühestens nach einer vollen Saison — kommt die Materialdisposition und gegebenenfalls die Bildauswertung. Bis dahin sollte sich die Organisation an digitale Arbeitsweise gewöhnt haben, sonst überholt die Technik den Betrieb. Wer diese Reihenfolge einhält, hat nach zwei Saisons eine deutlich produktivere Organisation — ohne dass ein einziges großes Projekt gestartet werden musste.

Sie wollen für Ihren Galabau-Betrieb herausfinden, wo KI heute schon spürbar entlastet? Unverbindlich anfragen — wir schauen gemeinsam auf Ihre Auftragsstruktur, die Datenbasis und mögliche erste Schritte.