KI im GaLaBau 2026: 5 Use Cases für Garten- und Landschaftsbau-Betriebe

Wer einen GaLaBau-Betrieb mit 10 bis 30 Mitarbeitern führt, kennt den Rhythmus: morgens raus auf die Baustelle, abends Angebote schreiben, sonntags die Personalplanung. Zwischen März und Juli sind die Tage zu kurz, zwischen Dezember und Februar liegen die Aufträge brach. KI im GaLaBau ist 2026 ein nüchterner Hebel, der genau die Büro-Stunden halbiert, in denen kein Beet entsteht.

Auf einen Blick: Ein Garten- und Landschaftsbaubetrieb mit 10 bis 30 Mitarbeitern hat fünf konkrete KI-Hebel: Vor-Ort-Aufmaß zum Roh-Angebot, Kalkulation mit aktuellen Materialpreisen, standortgerechte Pflanzempfehlungen, Saison- und Personalplanung, personalisierte Mailings an Bestandskunden zweimal im Jahr. Realistische Zeitersparnis im Büro: 6 bis 12 Stunden pro Woche. Tools: Claude Pro oder Team für Pflanzenwissen, ChatGPT Team für Texte und Angebote, Microsoft Copilot für Excel-Kalkulationen, GaLaBau-Software wie PrintCalc oder BauerSoftware für Stammdaten. Investitionsrahmen 150 bis 600 Euro pro Monat. KI-Kompetenzpflicht nach Art. 4 EU AI Act seit dem 02.02.2025 in Kraft.

Warum GaLaBau 2026 ein dankbares KI-Feld ist

Garten- und Landschaftsbau gilt als digital-konservative Branche. Das stimmt für die Werkstattseite, dort wird mit Spaten, Bagger und Schubkarre gearbeitet wie vor 30 Jahren. Die Auftragsseite sieht anders aus. Eine typische Anfrage besteht aus Telefonat, Vor-Ort-Termin mit Skizze, Kalkulation, Angebot, Pflanzliste und Saisonplanung. Das ist Büroarbeit mit hohem Wiederholungsanteil, und genau Wiederholung ist der Stoff, aus dem brauchbare KI-Workflows entstehen.

Dazu kommt die ausgeprägte Saisonalität. Wer im März, April und Mai jede Stunde im Büro spart, gewinnt direkt Tage auf der Baustelle. Im Januar ist Luft, um Workflows einzuführen. Fünf Use Cases, die in einem Betrieb mittlerer Größe 2026 tragen.

Use Case 1: Vor-Ort-Aufmaß wird Roh-Angebot

Ein klassischer Termin läuft so: der Geschäftsführer oder ein Vorarbeiter fährt zum Kunden, macht Fotos, zeichnet eine Skizze auf einem Notizblock, notiert Maße und Wünsche. Zurück im Büro tippt die Bürokraft das ab, sucht Standardpositionen aus dem ERP, kalkuliert, schreibt das Angebot. Vom Vor-Ort-Termin bis zum versandfertigen Angebot vergehen häufig drei bis fünf Werktage.

Mit einem KI-Workflow auf Basis von ChatGPT Team oder Claude Team läuft das anders. Der Mitarbeiter macht beim Kundentermin Fotos, zeichnet die Skizze auf iPad oder Papier und fotografiert sie ab, diktiert dazu fünf Minuten Stichworte ins Smartphone (Maße, Wünsche, Bodenverhältnisse, Termin-Vorstellungen, Budget). Alles landet in einem geteilten Ordner. Im Büro liest die KI die Skizze als Bild, transkribiert das Voice-Memo, erkennt Positionen wie "Pflasterfläche 80 Quadratmeter, Granit grau, gebundene Bauweise" oder "Beetbepflanzung 15 Quadratmeter, sonniger Standort, pflegearm" und schlägt ein Roh-Angebot vor, gegliedert nach Gewerken (Erdarbeiten, Pflasterung, Bepflanzung, Bewässerung, Beleuchtung).

Die Bürokraft prüft fachlich, korrigiert eine Position, ergänzt einen Hinweis zum Liefertermin und versendet. Aus 90 Minuten Angebotsvorbereitung pro Anfrage werden 25 bis 35 Minuten. Bei 20 Anfragen pro Woche sind das 18 bis 22 Stunden Bürozeit, die anders genutzt werden können. Die fachliche Verantwortung bleibt beim Mensch. Die KI macht aus Fotos und Voice-Memo ein lesbares Dokument, sie ersetzt nicht das Augenmaß für Bodenbeschaffenheit oder Drainage-Fragen.

Use Case 2: Kalkulation mit aktuellen Materialpreisen

Materialpreise im GaLaBau schwanken stärker als in den meisten Gewerken. Pflanzen sind saisonabhängig, Natursteine kommen aus dem Ausland mit wechselnden Frachtkosten, Substrate werden seit 2022 regelmäßig nach oben angepasst. Wer seine Kalkulation einmal im Quartal aktualisiert, kalkuliert im Sommer mit Frühjahrspreisen und verliert Marge.

Die meisten Lieferanten verschicken aktuelle Preislisten als PDF oder Excel, oft monatlich oder bei größeren Preisanpassungen. Ein einfacher Workflow: die Listen landen in einem zentralen Ordner, ein Skript zieht sie an ChatGPT Team oder Claude Team, die KI gleicht sie mit deinen Materialstammdaten in PrintCalc oder BauerSoftware ab. Sie meldet, welche Positionen sich verändert haben und um wieviel Prozent: "Buchsbaum Sorte X von Lieferant Y, Einkaufspreis seit März von 4,20 Euro auf 5,10 Euro erhöht, das sind 21 Prozent. Empfehlung: Verkaufspreis von 12 Euro auf 13,80 Euro anpassen."

Die Entscheidung trifft die Geschäftsführung. Microsoft Copilot ergänzt das in Excel, wenn deine Stammdaten dort gepflegt werden. Praktisch verkürzt sich der wöchentliche Kalkulations-Review von zwei Stunden auf 30 bis 45 Minuten. Lieferanten-Preislisten sind oft vertraulich, ein AVV nach Art. 28 DSGVO mit dem Tool-Anbieter ist Pflicht. Public-Accounts mit Privatmail haben dort nichts verloren.

Use Case 3: Pflanzempfehlungen nach Standort

Pflanzenwissen ist die Königsdisziplin im GaLaBau. Welche Sorte verträgt Halbschatten und nassen Boden, welche Hecke wächst auf 1,80 Meter ohne ständigen Schnitt, welche Stauden blühen von April bis Oktober ohne Lücken. Das ist Wissen, das Vorarbeiter und Meister über Jahre aufbauen.

Claude Pro oder Team ist im Vergleich der gängigen KI-Tools 2026 am robustesten bei botanischen Fragen. Auf eine Anfrage wie "Welche Stauden für eine 25 Quadratmeter große Beetfläche in Bamberg, sonnig bis halbschattig, Boden lehmig, pflegearm, Blütezeit Mai bis September, Kunde mag warme Farben" kommt eine sortierte Liste mit 8 bis 15 Vorschlägen, jeweils mit Pflegehinweisen, Standortansprüchen und einer kurzen Begründung. ChatGPT Team liefert ähnliche Ergebnisse, ist aber bei seltenen Sorten oberflächlicher. Für die Spezialwünsche ist Claude die solidere Wahl.

Die Bürokraft oder ein Vorarbeiter formuliert die Anforderung aus dem Aufmaßgespräch, lässt sich eine Vorschlagsliste generieren, prüft sie fachlich und übergibt sie als Anhang zum Angebot. Aus einer Stunde botanischer Recherche pro mittelgroßem Pflanzauftrag werden 15 bis 20 Minuten Prüfung.

Wir sehen bei unseren Teilnehmern aus dem GaLaBau regelmäßig die Sorge, dass damit das Pflanzenwissen erodiert. Die Erfahrung zeigt das Gegenteil. Der Vorarbeiter prüft die KI-Vorschläge mit seinem Wissen und wird durch die Auseinandersetzung oft auf Sorten gestoßen, die er selbst länger nicht im Blick hatte. Die Kompetenz bleibt beim Menschen, die Recherche-Routine fällt weg. Lokale Sortenkenntnisse, regionale Lieferantenbeziehungen, das Wissen um die Eigenheiten eines bestimmten Bodens nach 20 Jahren Erfahrung, das hat keine KI. Diese Punkte bleiben das Asset des Betriebs.

Use Case 4: Saison- und Personalplanung

GaLaBau ist eine der saisonalsten Branchen überhaupt. Hauptlast liegt zwischen März und Juli sowie zwischen September und Mitte November. Wer in der Hauptsaison falsch plant, lässt Aufträge liegen oder zahlt Überstunden.

Eine KI-gestützte Saisonplanung greift auf die Auftragsdaten der letzten drei bis fünf Jahre aus deinem ERP zurück. Ein Forecast-Modell, das ChatGPT Team mit Excel-Anbindung über Microsoft Copilot in einem Vormittag aufstellt, prognostiziert die Auftragslast pro Kalenderwoche, gegliedert nach Auftragstyp. Die Ausgabe sieht aus wie: "KW 18 voraussichtlich 95 Prozent Auslastung, vor allem Pflanzarbeiten, drei Trupps mit je vier Mann notwendig. KW 27 Sommerflaute, gute Phase für Aus- und Weiterbildung."

Die Personaleinsatzplanung wird zur Diskussionsgrundlage statt zur Frickelarbeit am Sonntagabend. Der Geschäftsführer entscheidet, die KI macht die Vorarbeit. Praktisch verkürzt sich die Personalplanung von vier auf eine Stunde pro Woche, dazu kommen weniger Überstunden in der Hauptsaison. Für die Auftragsreihenfolge gilt Ähnliches: wenn drei Pflanzaufträge mit Liefertermin April vorliegen und einer eine seltene Buchen-Sorte braucht, die nur in Quartal eins verfügbar ist, schlägt die KI eine Reihenfolge vor, die Liefer- und Vegetationszeiten berücksichtigt.

Use Case 5: Mailing an Bestandskunden

Ein GaLaBau-Betrieb hat in seinem ERP zwischen 200 und 2.000 Bestandskunden, die irgendwann einmal beauftragt haben. Die meisten davon hört man jahrelang nicht mehr, dabei fallen regelmäßig Pflege- oder Erweiterungsaufträge an: Heckenschnitt im Frühjahr, Herbstpflege im Oktober, Bewässerung-Wartung vor der Saison, Frostschutz im Spätherbst.

Zweimal im Jahr ein gezieltes Mailing an die Bestandskundschaft ist der einfachste Akquise-Hebel überhaupt, und genau hier scheitern die meisten Betriebe an der Texterstellung. Aus einem Briefing wie "Frühjahrsmailing an Bestandskunden mit Pool-Anlage, wir bieten Bewässerungswartung, Filtertausch und Beetneubepflanzung an, Tonalität persönlich aber sachlich, Zielgruppe Einfamilienhaus-Besitzer im Großraum Bamberg" entsteht über ChatGPT Team oder Claude Team in drei Minuten ein fertiger Vorschlag mit Betreffzeilen-Varianten und einem kurzen Folge-Mailing für Nicht-Reagierer.

Die Adressdaten kommen aus dem CRM. Da CRM-Daten personenbezogen sind (Kundennamen, Mail-Adressen, oft Grundstücksdaten), gehören sie nicht in einen Public-Account mit Privatmail. Wer ChatGPT Team oder Claude Team mit AVV nach Art. 28 DSGVO einsetzt und die Aussteuerung der Mails über das eigene CRM oder einen DSGVO-konformen Mailing-Dienst macht, ist auf der sicheren Seite. Praktisch laufen zwei Mailings pro Jahr in 4 bis 6 Stunden Zeitaufwand, früher waren das zwei Tage. Rücklauf-Quoten von 8 bis 15 Prozent bei Bestandskunden sind realistisch, das macht 20 bis 60 zusätzliche Aufträge pro Mailing aus.

Praxis-Beispiel: GaLaBau Grüngarten GmbH aus Bamberg

Die (fiktive) GaLaBau Grüngarten GmbH aus Bamberg zeigt, wie das in einer Hausnummer wirkt: 22 Mitarbeiter, 4,1 Millionen Euro Umsatz, Schwerpunkt Privatgärten und kleinere Gewerbeanlagen in Oberfranken, drei Vorarbeiter, eine Bürokraft, Geschäftsführerin und Ehemann als Inhaber.

Vorher liefen 9 Stunden pro Woche für die Angebotsvorbereitung, verteilt auf Bürokraft und Geschäftsführerin. Dazu 2 Stunden Pflanzlisten-Recherche pro mittelgroßem Pflanzauftrag (im Schnitt drei pro Woche), 4 Stunden Personalplanung am Sonntagabend, eine halbe Woche pro Mailing-Aktion.

Die Geschäftsführerin hat im Februar 2026 angefangen, im Bürowinter. Erste Woche Bestandsaufnahme, Use Case 1 (Aufmaß-zu-Angebot) priorisiert, weil dort der Engpass am größten war. Zweite Woche ChatGPT Team für drei Arbeitsplätze (etwa 75 Euro pro Monat) plus Claude Pro für die Geschäftsführerin (20 Euro) eingerichtet, einen einfachen Workflow gebaut, bei dem Fotos und Voice-Memos in einen geteilten Ordner landen. Dritte Woche Pilot mit zwei Aufträgen, vierte Woche Regelbetrieb. Sechs Wochen später: Angebotsvorbereitung 3 Stunden pro Woche statt 9. Die Bürokraft hatte plötzlich Zeit für Mahnwesen und Lieferantenkoordination.

Im Mai folgte Use Case 3 (Pflanzempfehlungen), im August Use Case 5 (erstes Mailing). Use Case 2 (Materialpreise) und Use Case 4 (Saisonplanung) sind für das Winterquartal geplant. Die Geschäftsführerin retrospektiv: "Die ersten zwei Wochen waren mühsam, weil wir die Vorschläge mehrfach komplett überarbeitet haben. Ab Woche vier waren die Roh-Angebote so präzise, dass die Bürokraft nur noch fachlich geprüft hat. Das größte Geschenk war, dass wir im Mai vier zusätzliche Aufträge angenommen haben, die wir sonst aus Kapazitätsgründen abgelehnt hätten."

Datenschutz und EU AI Act

Kundenadressen, Grundstücksdaten und Skizzen mit Lageplänen sind personenbezogene Daten nach DSGVO. Wer sie in ein KI-Tool gibt, braucht eine Rechtsgrundlage nach Art. 6 DSGVO und einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO mit dem Anbieter. Public-Accounts (ChatGPT Plus mit Privatmail, Claude Pro auf Privatkonto) haben im Betriebsalltag nichts verloren. Stattdessen ChatGPT Team, Claude Team oder Microsoft Copilot for Microsoft 365 mit den passenden Datenschutz-Zusicherungen. Beim AVV auf drei Punkte achten: Vertragspartner (OpenAI Ireland, Anthropic PBC, Microsoft Ireland), kein Training auf deinen Daten, EU-Server oder gesicherter Drittlandtransfer.

Die KI-Kompetenzpflicht nach Art. 4 KI-VO gilt seit dem 02.02.2025. Jeder Betrieb, der KI einsetzt, muss sicherstellen, dass die Mitarbeiter mit ausreichender KI-Kompetenz arbeiten, eine dokumentierte Schulung sollte vorliegen. Transparenzpflichten nach Art. 50 KI-VO greifen ab 02.08.2026: ein KI-Chatbot für Kundenanfragen muss als solcher erkennbar sein, KI-generierte Marketing-Bilder müssen gekennzeichnet werden. Hochrisiko-Pflichten aus Anhang III greifen erst ab 02.12.2027 (Trilog 07.05.2026), für GaLaBau-Standardanwendungen nicht einschlägig.

Tools, Investition und ein realistischer Workflow

Die Toolauswahl hängt vom vorhandenen Stack ab. Wer mit Microsoft 365 arbeitet, kommt mit Microsoft Copilot am schnellsten in Bewegung, weil die Einbindung in Outlook, Word und Excel ohne Zusatzaufwand läuft. Wer Tiefe in Texten oder Pflanzenwissen braucht, fährt mit ChatGPT Team und Claude Team besser. In der Praxis ist Claude bei botanischen Fragen die robustere Wahl, ChatGPT bei reinen Texten und Workflow-Automatisierung leicht voraus. Wer beides parallel laufen lässt, zahlt rund 80 Euro pro Monat mehr und hat die jeweils bessere Engine für jeden Fall.

GaLaBau-spezifische Software wie PrintCalc oder BauerSoftware bleibt das Rückgrat für Stammdaten, Kalkulationsvorlagen und Auftragsabwicklung. Beide haben in den aktuellen Versionen API-Schnittstellen, über die n8n oder Make Workflows bauen, die KI-Vorschläge ins ERP einspielen. Investitionsmäßig liegt ein Betrieb mit 22 Mitarbeitern bei ChatGPT Team oder Claude Team etwa 60 Euro pro Monat für drei aktive Büroarbeitsplätze, Microsoft Copilot 22 Euro pro Mitarbeiter pro Monat (nur für Bürokräfte, nicht für Vorarbeiter), plus ggf. ein CRM-Update. Gesamtbudget realistisch 150 bis 600 Euro pro Monat.

Der Praxis-Workflow, der bei unseren Teilnehmern am verlässlichsten greift: quartalsweise einen neuen Use Case einführen. Erstes Quartal die Angebotsvorbereitung, zweites Quartal die Pflanzempfehlungen, drittes Quartal das Mailing, viertes Quartal die Saisonplanung. Wer alle fünf gleichzeitig startet, hat nach vier Wochen frustrierte Mitarbeiter und kein einziges sauber laufendes System.

GaLaBau-Betriebe überschätzen häufig die Hemmschwelle und unterschätzen die Einsparung im Büro. Nach den ersten zwei Wochen wird die KI als Fremdkörper-Werkzeug erlebt, ab Woche vier als selbstverständlicher Teil des Arbeitsalltags, ab Woche acht ist sie nicht mehr wegzudenken.

Förderung und Handwerks-Parallelen

Der KfW-Förderkredit 067 ist auch für Digitalisierungsprojekte einsetzbar, mit Laufzeiten bis 20 Jahre und reduzierten Zinssätzen, Antragsweg über die Hausbank. Die Forschungszulage nach FZulG fördert seit 28.03.2024 KMU mit 35 Prozent (Bemessungsgrundlage maximal 10 Millionen Euro pro Jahr, befristet bis 31.12.2029). Das greift, wenn die KI-Implementierung wirklich F+E-Charakter hat, nicht beim reinen Einsatz von Standard-Tools. Auf Landesebene fördert Bayern KI-Transfer Plus KMU mit bis zu 50 Prozent bei Projektvolumen bis 200.000 Euro, der Digitalbonus Bayern Plus deckt einen Teil der Software-Lizenzkosten, NRW und andere Bundesländer haben eigene Programme. Vor Projektstart kurz prüfen, einen Überblick liefert die Förder-Übersicht.

GaLaBau steht dem klassischen Handwerk näher als dem reinen Dienstleister. Werkzeug, Werkstoff, Wettererfahrung brauchen jahrzehntelange Praxis. Genau deshalb profitiert ein GaLaBau-Betrieb stark: die KI nimmt das Büro-Drumherum weg, die Werkstatt- und Baustellenarbeit bleibt unangetastet. Pflanzenkenntnis, Bodenverständnis, das Augenmaß für die richtige Höhe eines Geländers bleiben beim Vorarbeiter. Ähnliche Muster sehen wir quer durch das Handwerk, im SHK-Bereich mit Wartungsverträgen, in der Tischlerei mit Angebots-Klassikern, im Maler-Gewerbe mit Renovierungsanfragen. Wir haben das in einem eigenen Artikel beschrieben, siehe KI im Handwerk für kleine Betriebe. Die Hebel sind die gleichen, die Tools sind die gleichen, nur die konkreten Workflows ändern sich.

Häufige Fragen

Ersetzt KI das Pflanzenwissen meines Vorarbeiters? Nein. Die KI liefert Vorschlagslisten nach Standort, Boden und Kundenwunsch, der Vorarbeiter prüft sie mit seinem Erfahrungswissen. Lokale Sortenkenntnisse, regionale Lieferantenbeziehungen und das Gespür für einen konkreten Boden nach 20 Jahren Erfahrung bleiben das Asset deines Betriebs. KI macht den Routine-Anteil der Recherche schneller, sie ersetzt das Fachwissen nicht.

Was ist mit lokalen Sortenkenntnissen und regionalen Eigenheiten? Die KI kennt die gängigen Sorten verlässlich. Was sie nicht weiß: welcher Buchsbaum vor zehn Jahren in Bamberg vom Zünsler befallen war, welche Linden-Sorte in einer bestimmten Straßenlage wegen Tausalz schlecht wächst, welcher Lieferant aus der Nähe besonders winterharte Stauden zieht. Diese Details bleiben beim Menschen.

Wie steht es mit der Anbindung an meine GaLaBau-Software? PrintCalc, BauerSoftware und die meisten anderen GaLaBau-ERPs haben API-Schnittstellen, über die n8n oder Make Workflows bauen, die KI-Vorschläge zurück ins ERP schreiben. Eine native KI-Integration in die ERPs selbst gibt es 2026 noch nicht flächendeckend, kommt aber in den nächsten ein bis zwei Jahren. ChatGPT Team und Claude Team funktionieren unabhängig vom ERP.

Was passiert mit den Lieferanten-Preislisten, wenn sie sich monatlich ändern? Genau dafür ist Use Case 2 da. Die KI gleicht aktuelle Preislisten gegen deine Stammdaten ab und meldet Veränderungen mit Prozentangabe. Praktisch reduziert sich der wöchentliche Kalkulations-Review von zwei Stunden auf 30 bis 45 Minuten.

Was kostet das Setup wirklich? Tool-Lizenzen 150 bis 600 Euro pro Monat. Dazu einmalig ein bis zwei Tage interne Arbeit für die Workflow-Definition, Schulung der Mitarbeiter ein halber Tag pro Person. Im Verhältnis zur eingesparten Bürozeit amortisiert sich das in den ersten drei Monaten.

Wer das Team systematisch befähigen will, findet im Lehrgang zum Digitalisierungsmanager den passenden Werkzeugkasten. Wer erst einmal in Ruhe ausprobieren will, ob KI für den eigenen Betrieb taugt, ist mit dem KI-Schnupperkurs gut bedient. Beides liefert das Werkzeug, mit dem aus den fünf Use Cases ein eingespielter Betriebsalltag wird.