Über künstliche Intelligenz im Maschinenhandel wird viel versprochen. Ein nüchterner Blick darauf, was heute tatsächlich funktioniert, wo die Grenzen liegen, und welche Versprechen man ignorieren sollte.
Was heute zuverlässig funktioniert
Inserate aus Fotos erstellen
Das ist der Bereich mit dem klarsten Nutzen. Moderne Bilderkennung erkennt auf Fotos einer Baumaschine den Typ, in vielen Fällen Hersteller und Baureihe, den groben Zustand und sichtbare Schäden. Daraus lässt sich ein Inseratsentwurf erzeugen, den ein Mensch nur noch prüft und ergänzt.
Der Zeitgewinn ist real: Was vorher eine halbe Stunde Tipparbeit war, wird zu wenigen Minuten Kontrolle. Wichtig bleibt die Kontrolle, die Erkennung ist gut, aber nicht unfehlbar, besonders bei selteneren Modellen und bei Maschinen, die umgebaut wurden.
Übersetzen
Maschinelle Übersetzung ist bei Fachtexten so gut geworden, dass die Zweisprachigkeit kein Kostenfaktor mehr ist. Für den Gebrauchtmaschinenmarkt, der stark exportorientiert ist, ist das der praktisch größte Einzeleffekt.
Suchen, ohne die richtigen Wörter zu kennen
Klassische Suchen vergleichen Zeichenketten. Wer „kompakter Bagger für enge Innenhöfe" eingibt, findet nichts, weil kein Inserat genau diese Wörter enthält.
Semantische Suche vergleicht stattdessen Bedeutungen: Sie ordnet jeden Text einer Position in einem Bedeutungsraum zu und findet, was inhaltlich nah dran ist. Der Minibagger wird gefunden, obwohl im Inserat „Minibagger 2,7 t, Gummiketten" steht. Für einen Markt, in dem jeder Betrieb andere Begriffe benutzt, ist das ein spürbarer Unterschied.
Wo die Grenzen liegen
Preisbewertung ist nur so gut wie die Vergleichsdaten
Hier wird am meisten versprochen und am wenigsten geliefert. Ein Sprachmodell kann keinen Marktpreis „wissen". Es kann nur auswerten, was man ihm an Vergleichsdaten gibt.
Und genau da liegt das Problem: Die großen Anzeigenportale führen zu ihren Inseraten kein strukturiertes Baujahr und keine Betriebsstunden. Ein Durchschnitt darüber vermischt eine Maschine von 2012 mit einer von 2023, und häufig noch den passenden Löffel dazu, weil er unter derselben Typenbezeichnung inseriert ist.
Eine belastbare Bewertung braucht Vergleichsdaten mit denselben Merkmalen wie die zu bewertende Maschine. Wo die fehlen, ist die ehrliche Antwort „dafür reichen die Daten nicht", nicht eine erfundene Zahl mit zwei Nachkommastellen.
Erfundene Details
Sprachmodelle füllen Lücken. Fehlt eine Angabe, wird sie im Zweifel plausibel ergänzt statt weggelassen, aus 2,7 Tonnen wird schnell eine Breite von 2,7 Metern. Bei technischen Daten ist das gefährlich, weil eine falsche Zahl im Inserat später ein Gewährleistungsproblem wird.
Der Umgang damit ist keine Zauberei, sondern Handwerk: Das Modell darf nur Werte nennen, die ihm vorliegen. Alles andere muss es weglassen.
Verhandeln und einschätzen
Ob ein Interessent es ernst meint, ob eine Maschine zum Betrieb passt, ob der Zeitpunkt für den Verkauf günstig ist, dafür braucht es Markterfahrung. Da hilft keine Automatisierung.
Was 2026 praktisch anders ist als vor drei Jahren
Drei Entwicklungen zusammen machen den Unterschied:
- Bilderkennung ist alltagstauglich geworden. Was 2022 noch Demo-Charakter hatte, funktioniert heute an gewöhnlichen Handyfotos.
- Semantische Suche ist bezahlbar geworden. Die Kosten für das Verarbeiten eines Inserats liegen im Bereich von Bruchteilen eines Cents.
- Die Modelle laufen in Europa. Für Betriebe, die Kundendaten verarbeiten, ist das der Unterschied zwischen „interessant" und „einsetzbar".
Was das für einen Händlerbetrieb bedeutet
Der Nutzen liegt nicht im Spektakulären, sondern in der wegfallenden Routinearbeit. Ein Betrieb mit dreißig Maschinen im Bestand verbringt ohne Hilfsmittel mehrere Tage im Jahr allein mit dem Verfassen und Pflegen von Inseraten. Diese Zeit lässt sich heute weitgehend einsparen, bei besserer Textqualität, weil ein automatisch erzeugter Text vollständiger ist als einer, der am Feierabend nebenbei entsteht.
Was bleibt: die Maschine anschauen, den Preis festlegen, verhandeln, verkaufen. Also der Teil, für den man den Beruf gelernt hat.