B2B-RFQ-Automatisierung: Wie A2A-Delegation und OpenClaw die Angebotserstellung von Wochen auf Stunden verkürzen

Wesentliche Erkenntnisse

• Ein mittelständischer B2B-Distributor, der 200 RFQs pro Woche per E-Mail bearbeitet, verliert pro Zyklus 3 Tage durch manuelle Katalogsuche, Lieferantendisposition und Angebotsnormalisierung über inkompatible Formate hinweg.
• Traditionelle E-Mail-basierte RFQ-Zyklen dauern 15–30 Tage; dedizierte Beschaffungswerkzeuge mit paralleler Agentendisposition erreichen 3–7 Tage — eine Reduktion um 80 % (Ivalua, Beschaffungs-Benchmarking 2026).
• 94 % der Beschaffungsleitenden nutzen wöchentlich generative KI, aber nur 4 % haben großflächige Deployments erreicht — die Adoptionslücke ist in der Angebotserstellung am breitesten, wo A2A-Delegation direkt ansetzt (Art of Procurement, 2026).
• A2A-Aufgabendelegation erlaubt einem orchestrierenden Agenten, Lieferanten-RFQs, Vergleich und Compliance-Prüfungen parallel an spezialisierte Agenten zu dispatchen — die RFQ-Engine verwaltet den Lebenszyklus, OpenClaw dient als LLM-Inferenz-Backend, und der Mensch prüft die Vergabe.

Ein B2B-Distributor, der 200 RFQs pro Woche per E-Mail empfängt, hat ein mathematisches Problem, das keine Tabellenkunst löst. Jede RFQ trifft als PDF oder Portal-Export mit eigenem Positionsschema, Preisstufen und Lieferbedingungen ein. Ein Beschaffungs-Koordinator öffnet jede Anfrage, schlägt das Produkt im Katalog nach, prüft die Verfügbarkeit gegen das ERP, schickt Angebotsanfragen an 3–5 Lieferanten, wartet auf Antworten in inkompatiblen Formaten, normalisiert sie in eine Vergleichsmatrix und reicht die Vergabeempfehlung weiter. Dieser Prozess dauert 3 Tage pro RFQ-Charge. Über eine Woche mit 200 RFQs wird der Angeotsrückstau zu einem Dauerzustand.

Die Benchmarking-Daten zur Beschaffung 2026 setzen traditionelle E-Mail-basierte RFQ-Zyklen auf 15–30 Tage Ende-zu-Ende an. Führende Teams mit dedizierter Beschaffungsautomatisierung erreichen routinemäßig 3–7 Tage — eine Reduktion um 80 %. Der Unterschied ist nicht bessere Tabellen oder mehr Personal. Es ist eine andere Architektur: parallele Agentendisposition statt sequenzieller E-Mail, automatisierte Angebotsnormalisierung statt manueller Dateneingabe und A2A-Aufgabendelegation statt eines einzelnen Koordinators, der sich RFQ für RFQ durch eine Warteschlange arbeitet.

Dieser Artikel zeigt, wie ein KI-Agenten-Stack — gebaut auf A2A-Aufgabendelegation, einer RFQ-Engine für das Lebenszyklusmanagement und OpenClaw als LLM-Inferenz-Backend — diesen seriellen Angebotsmarathon in einen parallelen, prüfbaren B2B-Beschaffungsworkflow verwandelt. Die Referenzimplementierung ist ein Docker-Compose-Stack, der A2A an OpenClaw anbindet, aber das Muster ist es, worauf es ankommt: dieselbe Architektur gilt unabhängig davon, ob das Inferenz-Backend OpenClaw, Hermes Agent oder ein beliebiger OpenAI-kompatible Gateway ist.

Das Problem: serielle Angebotserstellung im B2B-Volumen

B2B-Angebotserstellung hat drei strukturelle Engpässe, die manuelle RFQ-Verwaltung unskalierbar machen:

Formatfragmentierung. Lieferantenangebote treffen als PDFs, Excel-Anhänge, EDI-Nachrichten und Portal-Exporte ein — jedes mit eigenem Positionsschema, Maßeinheitenkonventionen und Preisstufenstruktur. 200 Angebote pro Woche in eine Vergleichsmatrix zu normalisieren, ist ein Vollzeit-Dateneingabe-Job. Ein Koordinator, der 15 Minuten pro Angebot nur auf Normalisierung verwendet, verbraucht 50 Stunden pro Woche — die Kapazität einer eigens dafür eingestellten Dateneingabekraft, nicht einer Beschaffungsfachkraft.

Sequentielle Lieferantendisposition. Ein Koordinator, der 3–5 Lieferanten pro RFQ einzeln per E-Mail anschreibt, erzeugt einen seriellen Engpass. Der erste Lieferant erhält die RFQ am Montag. Der fünfte Lieferant erhält sie am Mittwoch. Der Vergleich kann erst beginnen, wenn alle Antworten vorliegen — und dann sind die frühesten Angebote bereits 48 Stunden alt, mit Preisen, die sich verschoben haben können. Der Beschaffungsleiter kann dies nicht manuell parallelisieren, weil E-Mail ein Eins-zu-Eins-Medium ist.

Kein Audit-Trail. E-Mail-basierte Angebotserstellung hinterlässt keinen strukturierten Nachweis darüber, wer was wann und auf welcher Grundlage angeboten hat. Wenn ein Lieferant eine Vergabe anficht, rekonstruiert das Beschaffungsteam die Entscheidung aus Posteingangs-Threads und Tabellenversionen. Für einen B2B-Distributor, der unter Lieferantendiversitätsanforderungen oder regulierten Beschaffungsregeln arbeitet, ist diese Rekonstruktionsübung eine Haftungsfrage, nicht nur eine Ineffizienz.

Die Art-of-Procurement-Umfrage 2026 fand, dass 94 % der Beschaffungsleitenden wöchentlich generative KI nutzen, aber nur 4 % großflächige Deployments erreicht haben. B2B-Angebotserstellung ist der Workflow, in dem diese Lücke am sichtbarsten ist — die Teams wissen, dass KI helfen könnte, aber sie haben das Integrationsmuster, das zu ihrer Angebots-Stack passt, noch nicht gefunden.

Die Agenten-orchestrierte Lösung: parallele RFQs mit A2A-Delegation und OpenClaw

Das passende Muster besteht aus drei Komponenten, die zusammenwirken:

Die RFQ-Engine verwaltet den Lebenszyklus jedes Angebots — RFQ-Ausstellung, atomare Verfügbarkeitsreservierungen im Bestand, Nachverfolgung von Lieferantenantworten, Vergleich der Angebote auf einem normalisierten Schema und Aufzeichnung der Vergabeentscheidung. Sie ist das System-of-Record für den Beschaffungsworkflow.

MCP-Connectormodule verbinden den Agenten mit dem B2B-Stack: dem ERP (NetSuite oder Brightpearl), der E-Commerce-Plattform (BigCommerce oder Shopify), dem Versand-System (ShipStation) und Lieferantenkatalog-APIs. Jedes Modul kapselt die API-Oberfläche eines realen Systems hinter einer konsistenten Tool-Schnittstelle, die der Agent aufrufen kann.

A2A-Aufgabendelegation ist die Koordinationsschicht. Ein orchestrierender Agent liest die eingehende RFQ, zerlegt sie in Teilaufgaben und dispatcht sie parallel an spezialisierte Agenten: Lieferantendisposition, Angebotsnormalisierung, Verfügbarkeitsprüfung und Compliance-Verifikation. Jede Teilaufgabe ist eine A2A-Nachricht — eine strukturierte Aufgabe an einen Agenten, der diese Domäne besitzt. Der orchestrierende Agent muss nicht wissen, wie der Normalisierungs-Agent ein PDF parst; er sendet die Lieferantenantwort und erhält einen strukturierten Angebotsdatensatz zurück.

OpenClaw dient als LLM-Inferenz-Backend. Der orchestrierende Agent delegiert Reasoning-Aufgaben — das Parsen unstrukturierter Lieferanten-E-Mails, das Extrahieren von Positionspreisen aus PDF-Anhängen, das Erstellen von Should-Cost-Modellen und das Entwerfen von Vergleichszusammenfassungen — an einen OpenAI-kompatiblen Inferenz-Endpunkt. OpenClaw verarbeitet diese Anfragen über seine /v1/chat/completions-API und gibt strukturierte Antworten zurück, die der Agent verwenden kann. Das A2A-Gateway verbindet die Aufgabendelegation über HTTP + SSE mit OpenClaw, sodass der Agent für langlaufende Reasoning-Aufgaben Streaming-Antworten erhält, ohne die Dispositions-Warteschlange zu blockieren.

Der Workflow, Schritt für Schritt:

1. RFQ-Eingang und Parsing. Eine RFQ trifft per E-Mail oder Portal ein. Der orchestrierende Agent liest sie, extrahiert die Positionen und prüft den Katalog über das NetSuite-MCP-Modul. Wenn ein Produkt nicht im Katalog steht, fragt der Agent den Wissensgraphen nach Substituten und Kompatibilitätsinformationen ab. Dieser Schritt, der einen Koordinator 20 Minuten pro RFQ kostet, läuft in Sekunden.

2. Parallele Lieferantendisposition. Die RFQ-Engine stellt gleichzeitig eine Angebotsanfrage an 3–5 qualifizierte Lieferanten. Jede Disposition ist eine A2A-Aufgabe an einen lieferantenseitigen Agenten. Die RFQ-Engine umschließt jedes Angebot mit einer atomaren Verfügbarkeitsreservierung, sodass der Lieferant weiß, dass der Bestand für das Antwortfenster reserviert ist. Anstatt Lieferanten sequenziell über 3 Tage per E-Mail anzuschreiben, werden alle 600–1.000 Lieferanten-Positionspaare für eine Woche RFQs in einer einzigen Charge dispatched.

3. Gleichzeitige Angebotsnormalisierung und -vergleich. Wenn Lieferantenantworten eintreffen — in welchem Format der Lieferant auch verwendet — delegiert der orchestrierende Agent die Normalisierung an einen spezialisierten Agenten. OpenClaw parst die unstrukturierte Antwort (PDF, Excel, E-Mail-Text), extrahiert die Positionspreise und Lieferzeiten und gibt einen strukturierten Angebotsdatensatz zurück. Der Vergleichs-Agent rangiert die normalisierten Angebote nach Preis, Lieferzeit und Compliance-Score. Diese beiden Teilaufgaben laufen gleichzeitig — der Beschaffungsleiter wartet nicht auf alle Antworten, bevor der Vergleich beginnt.

4. Compliance- und Should-Cost-Verifikation. Ein Compliance-Agent prüft jede Lieferantenantwort gegen Vertragsbedingungen, Zertifizierungsanforderungen und Lieferantendiversitätsregeln. Ein Should-Cost-Agent führt ein komponentenbasiertes Kostenmodell für hochwertige Positionen aus und markiert Lieferanten, deren Preis die Should-Cost-Schwelle um mehr als 15 % übersteigt. Beide laufen parallel zum Vergleich.

5. Vergabeempfehlung. Der orchestrierende Agent stellt eine rangierte Empfehlung zusammen: für jede Position die Top-2–3-Lieferanten nach Preis, Lieferzeit und Compliance-Score, mit der Should-Cost-Delta notiert. Der Beschaffungsleiter prüft die Empfehlung und trifft die Vergabe. Der Mensch bleibt in der Entscheidung — der Agent erledigt alles davor und danach.

Das A2A-Protokoll ist es, was den Parallelismus möglich macht. Jede Teilaufgabe ist eine JSON-RPC-2.0-Nachricht an einen Agenten, der diese Domäne besitzt, mit SSE-Streaming für langlaufende Reasoning-Aufgaben. Die Referenzimplementierung — ein Docker-Compose-Stack mit einem A2A-Gateway, OpenClaw und PostgreSQL — demonstriert dieses Muster mit 11 verifizierten Ende-zu-Ende-Tests, die Health, Agent-Card-Discovery, Task-Dispositions, Streaming, Stornierung und Fehlerpfaden abdecken. Aber die Architektur ist es, worauf es ankommt: das A2A-Gateway übernimmt Agent-Discovery, Task-Routing und Zustandspersistenz; OpenClaw übernimmt das LLM-Reasoning; die RFQ-Engine übernimmt den Beschaffungslebenszyklus.

B2B-RFQ-Automatisierung: serieller E-Mail-Workflow vs. agenten-orchestrierte parallele Angebotserstellung mit A2A und OpenClaw.

Das Ergebnis: Zykluszeit, Kostenersparnis und Audit-Trail

Die messbaren Verbesserungen der agenten-orchestrierten B2B-Angebotserstellung sind konkret:

Zykluszeit. Der RFQ-Zyklus komprimiert sich von 15–30 Tagen auf 3–7 Tage — eine Reduktion um 80 %. Der Beschaffungsleiter erhält eine rangierte Empfehlung noch am selben Geschäftstag, an dem die RFQs ausgestellt wurden, nicht drei Wochen später. Die Preise sind aktuell, nicht veraltet.

Kostenersparnis. Führende Teams erzielen 8–12 % jährliche Ersparnis der Gesamtausgaben, wenn Source-to-Pay digitalisiert ist. Die Should-Cost-Analyse markiert Lieferanten, deren Preis über dem Komponentenmodell-Schwellwert liegt, und verschafft dem Chef in Verhandlungen Hebel, den der manuelle Vergleich nicht bietet. Jeder zusätzliche Dollar, der unter Management gebracht wird, bringt in der anfänglichen Vertragsperiode 6–12 % Ersparnis.

Audit-Trail. Jede A2A-Aufgabe — Lieferantendisposition, Angebotsnormalisierung, Vergleich, Compliance-Prüfung, Should-Cost — wird mit Zeitstempel, Task-ID und Ergebnis protokolliert. Die Vergabeentscheidung ist der einzige menschliche Schritt, und die Empfehlung dahinter ist vollständig nachvollziehbar. Für einen B2B-Distributor, der unter Lieferantendiversitätsanforderungen arbeitet, ist dieser Audit-Trail nicht optional; er ist der Unterschied zwischen einer vertretbaren Vergabe und einer angefochtenen.

Freigesetzte Personalstunden. Die 50-Stunden-pro-Woche-Normalisierungsübung, die sequenzielle Lieferantendisposition und die manuelle Vergleichsmatrix sind allesamt automatisiert. Ein Beschaffungsteam von drei kann ein Angebotsvolumen bewältigen, das bisher ein Team von sechs erforderte — die freigewordene Kapazität fließt in Lieferantenbeziehungsmanagement und Verhandlung, nicht in Dateneingabe.

Die Adoptionslücke von 94 % zu 4 % ist die Spannung, die es zu schließen gilt. Der B2B-Distributor, der sie zuerst schließt, gewinnt einen Angebotsgeschwindigkeitsvorteil, der sich mit jedem Zyklus potenziert: schnellere Reaktion auf Kunden-RFQs, engere Preise und eine Compliance-Position, die einem Audit standhält.

Verwandte Lektüre

• Von E-Mail-Ketten zur Agenten-Delegation: B2B-RFQ-Automatisierung mit A2A und Hermes Agent — der Begleitartikel dazu, wie sich A2A-Delegation auf den gesamten RFQ-Lebenszyklus mit Hermes Agent abbildet
• RFQ-Engine-Architektur: Verfügbarkeitsreservierungen und Stornierungs-Snapshots — die technische Architektur der RFQ-Engine, die Angebotslebenszyklus und atomare Bestandsreservierungen verwaltet
• MCP + A2A: Die beiden Protokolle hinter jedem produktiven Agentic-AI-System — wie MCP und A2A in einem produktiven Agenten-Stack zusammenwirken

---

Ein mittelständischer Industriedistributor, der 200 RFQs pro Woche empfing, brauchte Angebote ausgestellt, normalisiert und vergeben innerhalb von 48 Stunden, um seine SLA mit Unternehmenskunden einzuhalten. Der Build nutzte die RFQ-Engine für das Angebotslebenszyklusmanagement, MCP-Module für NetSuite- und Lieferantenkataloganbindung und ein A2A-Gateway, das an ein OpenClaw-Inferenz-Backend für parallele Lieferantendisposition und Angebotsnormalisierung anband. Die Referenzimplementierung — ein Docker-Compose-Stack mit dem A2A-Gateway, OpenClaw und PostgreSQL — ist auf GitHub verfügbar.

Einen begleiteten Build anfragen. Eine Woche Discovery. Sie erhalten ein Systeminventar, eine Workflow-Karte und einen festen Umfang — unabhängig davon, ob Sie mit uns bauen.