Nacharbeitsquoten im Handwerk mit KI vorhersagen

Eine schief montierte Zarge, eine vergessene Aussparung, eine ungenaue Messung: Nacharbeit auf der Baustelle ist sichtbar und leicht zuzuordnen. Ein erheblicher Teil der Kosten entsteht jedoch früher, in Angebot, Planung und Materialdisposition, lange bevor am Bau überhaupt gearbeitet wird. Wer Nacharbeit vorhersagen will, muss deshalb weiter vorne im Prozess ansetzen als nur bei der Ausführungsqualität.

Definition: KI-gestützte Vorhersage von Nacharbeitsquoten bezeichnet die Auswertung von Angebots-, Auftrags-, Material- und Reklamationsdaten in Handwerks- und Baubetrieben, um Aufträge mit erhöhtem Nacharbeitsrisiko frühzeitig zu erkennen. Ziel ist es, Fehlerquellen vor der Ausführung sichtbar zu machen statt sie erst in der Nachkalkulation zu entdecken.

Nacharbeit kostet Geld, unabhängig von Gewerk und Betriebsgröße. Auswertungen realer Projektdaten zeigen, dass Nacharbeitskosten vor Fertigstellung 0,38 Prozent der Vertragssumme ausmachen; unter Einbeziehung nachträglicher Korrekturen steigt der Wert auf 0,76 Prozent (American Society of Civil Engineers, 2026, https://www.asce.org/publications-and-news/civil-engineering-source/article/2026/01/22/how-much-does-field-rework-in-construction-actually-cost). Eine ältere Fallstudienauswertung australischer Bauprojekte durch Love und Sohal kam auf deutlich höhere Werte von 3,15 beziehungsweise 2,4 Prozent der Vertragssumme (Managerial Auditing Journal, Love/Sohal, 2003, https://ro.ecu.edu.au/ecuworks/3143/). Beide Studien zeigen: Nacharbeit ist projektabhängig unterschiedlich hoch, aber in keinem der untersuchten Fälle vernachlässigbar.

Der Einsatz von KI in der Baubranche steht dabei noch am Anfang. Die Bauwirtschaft zählt laut dem Institut der deutschen Wirtschaft (IW Köln) zu den Branchen mit besonders geringer KI-Nutzung von unter 25 Prozent der Unternehmen (IW Köln, 2025, https://www.iwkoeln.de/studien/barbara-engels-marc-scheufen-edgar-schmitz-kuenstliche-intelligenz-als-wettbewerbsfaktor-fuer-die-deutsche-wirtschaft.html). Im Handwerk lag der Anteil laut einer gemeinsamen Erhebung von Bitkom und dem Zentralverband des Deutschen Handwerks (ZDH) bereits 2022 bei nur 1 Prozent (Bitkom/ZDH, 2022, https://www.bitkom.org/Presse/Presseinformation/Handwerk-wird-digitaler). Für Elektrobetriebe, Sanitär- und Heizungsfirmen, Schreinereien und Bauunternehmen bedeutet das vor allem eines: Es gibt noch wenig etablierte Praxis, an der man sich orientieren kann. Ein nüchterner Blick auf die verfügbaren Wege lohnt sich deshalb.

Weg 1: Nachkalkulation nach Projektabschluss

Der klassische Weg ist die Nachkalkulation: Nach Projektabschluss werden die tatsächlichen Kosten mit dem ursprünglichen Kostenvoranschlag verglichen, Abweichungen werden dem Material, der Arbeitszeit oder externen Faktoren zugeordnet. Der Aufwand ist gering, weil die Zahlen ohnehin aus Buchhaltung und Zeiterfassung vorliegen.

Die Schwäche liegt im Zeitpunkt: Die Erkenntnis kommt, wenn der Auftrag längst abgeschlossen ist. Für das laufende Projekt hilft sie nicht mehr, und Muster über mehrere Aufträge hinweg fallen nur auf, wenn jemand sie manuell zusammenträgt. Wer wenige, gut überschaubare Baustellen im Jahr hat, kann mit Nachkalkulation trotzdem arbeiten und Auffälligkeiten im Kopf behalten. Bei mehreren parallelen Baustellen und wechselnden Kolonnen wird das schnell unübersichtlich. Wie sich diese Auswertung strukturierter automatisieren lässt, beschreiben wir im Beitrag zur KI-gestützten Nachkalkulation im Handwerk.

Weg 2: Digitale Checklisten und Vorlagen

Der zweite Weg setzt auf digitale Baustellendokumentation: standardisierte Abnahmeprotokolle, Foto-Checklisten pro Gewerk, feste Vorlagen für Übergaben. Das kann die Abhängigkeit von der Erfahrung einzelner Meister verringern und macht Wissen im Team leichter zugänglich, ein Vorteil gerade angesichts des Fachkräftemangels, wenn erfahrene Kollegen den Betrieb verlassen.

Die Grenze dieses Wegs: Eine Checkliste findet nur, was in der Checkliste steht. Systemische Muster zwischen Materialkombinationen, Auftragsarten und Reklamationen bleiben unsichtbar, solange niemand die gesammelten Daten auswertet. Zudem braucht dieser Weg Disziplin bei der täglichen Erfassung, sonst verkommt die Checkliste zur Formalie. Für Betriebe mit hoher Fluktuation im Team oder vielen Aushilfen auf der Baustelle ist dieser Weg trotzdem ein sinnvoller erster Schritt, bevor überhaupt an Vorhersagemodelle gedacht wird. Mehr dazu im Beitrag zur KI-gestützten Baustellendokumentation im Handwerk.

Weg 3: KI-gestützte Vorhersage von Nacharbeitsrisiken

Der dritte Weg verbindet beide vorherigen Datenquellen mit den Angebotsdaten: Auftragsart, Kalkulationsgrundlage, eingesetztes Material, beauftragte Kolonne und bisherige Reklamationshistorie fließen in ein Modell, das Aufträge mit erhöhtem Nacharbeitsrisiko markiert, bevor die erste Rechnung geschrieben wird. Das betrifft direkt die Angebotserstellung und die Materialdisposition, also zwei zentrale Zeitfresser im Tagesgeschäft vieler Betriebe.

KImpuls analysiert Geschäftsprozesse, findet Ineffizienzen und berechnet Optimierungspotenziale mit ROI; die Plattform wird dabei auf die Abläufe des jeweiligen Betriebs konfiguriert. Für Handwerksbetriebe bedeutet das: Auftrags-, Material- und Reklamationsdaten lassen sich in eben dieser Form auswerten, sofern sie strukturiert vorliegen.

Ein Rechenbeispiel (hypothetisch): Ein Handwerksbetrieb mit 2 Millionen Euro Jahresumsatz und einer angenommenen Nacharbeitsquote von 0,76 Prozent der Vertragssumme (ASCE, 2026) käme rechnerisch auf rund 15.200 Euro Nacharbeitskosten im Jahr, unabhängig davon, ob die Fehler bei der Übergabe auffallen oder erst später als Reklamation zurückkommen.

Eine ehrliche Grenze gehört dazu: KI-gestützte Vorhersage ersetzt keine Qualitätskontrolle auf der Baustelle. Ob eine Naht sauber verschweißt oder eine Leitung korrekt verlegt ist, entscheidet weiterhin der Mensch vor Ort. Wir raten davon ab, ein Vorhersagemodell als Ersatz für Abnahmeprotokolle einzuführen. Es ergänzt die Kontrolle, indem es zeigt, wo genauer hingeschaut werden sollte, ersetzt sie aber nicht. Wer zuerst belastbare Angebotsdaten braucht, findet einen Einstieg im Beitrag zur KI-gestützten Kostenvoranschlagserstellung im Handwerk.

Vergleich: Welcher Weg zu welchem Betrieb passt

Die folgende Übersicht fasst die drei Wege zusammen und ordnet sie ehrlich ein, inklusive ihrer Schwächen.

Weg	Erkennungszeitpunkt	Aufwand	Schwäche	Passt zu
Nachkalkulation	Nach Projektabschluss	Gering	Kommt zu spät fürs laufende Projekt	Kleine Betriebe, wenige parallele Baustellen
Digitale Checklisten	Während der Ausführung	Mittel	Erfasst nur vordefinierte Punkte	Teams mit hoher Fluktuation, viel Aushilfspersonal
KI-gestützte Vorhersage	Vor Auftragsstart	Höher, Dateneinrichtung nötig	Ersetzt keine Vor-Ort-Kontrolle	Betriebe mit mehreren parallelen Aufträgen und wiederkehrenden Mustern

Keiner der drei Wege funktioniert isoliert am besten. Nachkalkulation und Checklisten liefern die Daten, mit denen ein Vorhersagemodell später überhaupt aufgesetzt werden kann. Wer bei null anfängt, sollte deshalb zuerst die Dokumentation strukturieren, bevor eine Vorhersage sinnvoll aufgesetzt wird.

Fazit: Wo die Vorhersage wirklich Zeit spart

Angebot, Materialdisposition und die Übergabe von Erfahrungswissen bei wechselndem Personal spielen bei Nacharbeit im Handwerk eine wichtige Rolle, neben der Ausführung auf der Baustelle selbst. Nachkalkulation und digitale Checklisten liefern dafür die Grundlage, KI-gestützte Vorhersage macht daraus ein Frühwarnsystem, das bereits vor Auftragsstart ansetzt. Für Betriebe mit wenigen, klar überschaubaren Aufträgen kann strukturierte Dokumentation bereits ausreichen. Sobald mehrere Baustellen parallel laufen und Muster über Jahre kaum noch im Kopf zu behalten sind, wird eine Vorhersage auf Basis vorhandener Daten zur echten Entlastung, ohne die Kontrolle vor Ort zu ersetzen.

Häufig gestellte Fragen

Was sind Nacharbeitsquoten im Handwerk? Nacharbeitsquoten beschreiben den Anteil der Vertragssumme, der durch nachträgliche Korrekturen, Reklamationen oder Mängelbeseitigung entsteht. Sie lassen sich vor und nach der Fertigstellung eines Auftrags getrennt betrachten und unterscheiden sich je nach Projekt und Gewerk.

Ab welcher Betriebsgröße lohnt sich KI-gestützte Vorhersage? Ein Modell braucht ausreichend historische Auftrags- und Reklamationsdaten, um Muster zu erkennen. Betriebe mit mehreren parallelen Baustellen und wiederkehrenden Auftragsarten sammeln diese Datengrundlage schneller als Einzelbetriebe mit sehr wenigen, individuellen Projekten pro Jahr.

Ersetzt KI-Vorhersage die Qualitätskontrolle auf der Baustelle? Nein. Sie zeigt, welche Aufträge ein erhöhtes Risiko tragen, ersetzt aber nicht die Abnahme, die Zwischenprüfung oder die handwerkliche Kontrolle vor Ort. Beide Ebenen ergänzen sich.

Welche Daten braucht ein Handwerksbetrieb für eine Nacharbeitsprognose? Sinnvoll sind Angebots- und Kalkulationsdaten, Materiallisten, eingesetzte Kolonnen beziehungsweise Mitarbeiter sowie die Historie bisheriger Reklamationen und Nachbesserungen. Je strukturierter diese Daten bereits vorliegen, etwa aus digitaler Baustellendokumentation, desto eher lässt sich ein Modell darauf aufsetzen.