DashVision
Fallstudien Beispielprojekte nach Branche
Demo-Daten

Vier Unternehmen. Vier Excel-Dateien.
Vier Wendepunkte.

So läuft ein DashVision-Projekt — von der ersten Datei bis zur monatlichen KI-Auswertung. Die Unternehmen hier gibt es nicht: Zahlen und Abläufe stammen aus unseren Branchen-Demos und zeigen, wie eine Auswertung aussieht — nicht, was ein bestimmter Kunde erreicht hat.

Rechenbeispiele mit Demo-Daten — Unternehmen und Kennzahlen frei erfunden

Weber & KollegenSteuerberatung · 14 Mitarbeiter · 214 Mandanten
Beispielprojekt

Ausgangslage

Die Kanzlei arbeitete mit DATEV-Auswertungen und gepflegten Excel-Mandantenlisten — wusste aber nicht, welche Mandanten sich wirklich rechnen. Die Auslastung der Teams wurde nach Gefühl verteilt, Fristen in einer separaten Tabelle überwacht.

Vorgehen

  1. Tag 1Eine Datei: mandanten_2025.xlsx. Kostenlose Erstanalyse mit drei Erkenntnissen innerhalb von 24 Stunden.
  2. Tag 5Kanzlei-Dashboard in den Kanzleifarben: Honorare, Auslastung, Fristen — mit persönlichem Zugang und App für die Partner.
  3. laufendMonatliche KI-Auswertung mit Handlungsempfehlungen, AVV und pseudonymisierter Verarbeitung.
+11,2 %Honorarumsatzim Jahr nach Einführung
12Honorare angepasstnach Aufwand-Ertrag-Analyse
0verpasste Fristenseit dem Fristen-Dashboard

Die entscheidende KI-Erkenntnis

12 Mandanten verursachten 31 % des Aufwands, erzeugten aber nur 9 % des Honorars — Team C war zugleich nur zu 64 % ausgelastet.

Der Zusammenhang, den keine Einzeltabelle zeigt

Die zwölf aufwendigsten Mandanten liegen fast alle bei Team C — demselben Team, das rechnerisch zu 64 % ausgelastet ist. Die Auslastungstabelle zählt Stunden, die Honorartabelle zählt Euro; keine von beiden sieht, dass hier viel Zeit in wenig Ertrag fließt. Erst nebeneinander wird daraus eine Entscheidung: Honorare anpassen oder Mandate abgeben.

Brandt & Söhne SHKSanitär · Heizung · Klima · 42 Mitarbeiter · 18 Baustellen
Beispielprojekt

Ausgangslage

Baustellen, Stunden und Material wurden in Excel geführt — nachkalkuliert wurde einmal im Jahr. Das Gefühl: „Irgendwo versickert Geld." Nur wo, konnte niemand sagen, solange die Zahlen über fünf Tabellen verteilt waren.

Vorgehen

  1. Tag 1Eine Datei: baustellen_q3.xlsx. Erstanalyse deckt Stunden-Soll-Ist-Abweichungen je Baustelle auf.
  2. Tag 5Baustellen-Controlling mit Deckungsbeitrag je Projekt, Materialkosten-Verlauf und offenen Nachträgen.
  3. laufendWöchentlicher Blick aufs Handy vor der Montagsrunde — plus monatliche KI-Empfehlungen.
46,3 T€Nachträge gestelltnach Stunden-Soll-Ist-Abgleich
3 WochenVerlustbaustelle gedrehtstatt Jahresend-Überraschung
wöchentlichMarge je Baustelle im Blickvorher: einmal im Jahr

Die entscheidende KI-Erkenntnis

Baustelle ‚Hafenkai' lag 22 % über den kalkulierten Stunden und machte 6 T€ Verlust — die Materialkosten stiegen doppelt so schnell wie geplant.

Der Zusammenhang, den keine Einzeltabelle zeigt

Die Stundenüberschreitung auf ‚Hafenkai' begann in derselben Woche, in der die Materialpreise für die Baustelle anzogen — beides steht in getrennten Tabellen, beides für sich unauffällig. Zusammen ergibt es eine Baustelle, die trotz voller Auslastung 6 T€ Verlust macht. Die Nachträge dafür waren vertraglich möglich, wurden aber nie gestellt, weil niemand den Anlass gesehen hat.

VelomarktE-Commerce · Fahrräder & Zubehör · Shop, Amazon, eBay
Beispielprojekt

Ausgangslage

Der Umsatz wuchs, der Gewinn nicht. Shopify-, Amazon- und Werbe-Exporte lagen getrennt vor; Retouren wurden nirgends gegen die Margen gerechnet. Das Werbebudget wurde nach Gefühl auf die Kanäle verteilt.

Vorgehen

  1. Tag 1Eine Datei: shopify_export.csv. Erstanalyse rechnet Deckungsbeiträge nach Retouren je Produkt.
  2. Tag 5Shop-Dashboard: Umsatz vs. Werbekosten, Kanal-Verteilung, Bestseller-Margen, Retourenquote.
  3. laufendWöchentliches Retouren-Monitoring, monatliche KI-Auswertung fürs Werbebudget.
4×günstigere LeadsNewsletter statt Paid Social
+9,8 %Umsatzbei umgeschichtetem Werbebudget
Woche 1Bestseller-Preis korrigiertschwächste Marge nach Retouren

Die entscheidende KI-Erkenntnis

Das meistverkaufte Produkt ‚Gravel X' hatte nach Retouren den schwächsten Deckungsbeitrag im Sortiment — Newsletter-Kunden kauften 4× günstiger ein als Paid-Social-Kunden.

Der Zusammenhang, den keine Einzeltabelle zeigt

‚Gravel X' steht in der Verkaufsliste ganz oben und in der Retourenliste ebenfalls — nur stehen beide Listen in verschiedenen Dateien. Der Umsatz stimmt, der Deckungsbeitrag nach Retouren ist der schwächste im Sortiment. Gleichzeitig floss das meiste Werbebudget genau auf dieses Produkt, über den Kanal mit den teuersten Kunden.

Glanzwerk GebäudeserviceGebäudereinigung · 118 Mitarbeiter · 64 Objekte
Beispielprojekt

Ausgangslage

Objektliste, Einsatzpläne und Stundenzettel lagen in getrennten Tabellen — die Stunden kamen handschriftlich von den Objektleitern und wurden monatlich abgetippt. Kalkuliert wurde bei Vertragsabschluss, nachgerechnet nie. Die Geschäftsführung wusste, dass der Rohertrag seit zwei Jahren sinkt. Woran, ließ sich aus den Zahlen nicht ablesen.

Vorgehen

  1. Tag 1Eine Datei: objekte_stunden_2025.xlsx. Die Erstanalyse stellt zum ersten Mal Ist- gegen Soll-Stunden je Objekt.
  2. Tag 6Objekt-Controlling mit Deckungsbeitrag je Objekt, Teamauslastung, Krankenstand und Reklamationen — alles auf denselben Zeitraum bezogen.
  3. laufendMonatliche Auswertung, die meldet, welches Objekt in die Verlustzone kippt — bevor es der Jahresabschluss tut.
46,8 T€Verlust pro Jahr sichtbarein einziges Objekt
11 von 64Objekte über Kalkulationvorher: keines bekannt
≈ 200 T€nicht berechnete Stundenim Gesamtjahr

Die entscheidende KI-Erkenntnis

Klinik Nord verbraucht 22 % mehr Reinigungsstunden als kalkuliert — 148 Stunden im Monat, die niemand in Rechnung stellt. Bei 26,50 € Verrechnungssatz sind das 3.900 € pro Monat. Der Vertrag stammt aus 2022, das Leistungsverzeichnis wurde seither zweimal erweitert, ohne den Preis anzupassen.

Der Zusammenhang, den keine Einzeltabelle zeigt

Team Süd hat mit 13,8 % den doppelten Krankenstand der übrigen Teams — und betreut vier der fünf Objekte mit wiederholten Reklamationen. Die Beschwerden sind kein Qualitätsproblem der Mitarbeiter, sondern eine Folge der Vertretungslücke. Sichtbar wird das erst, wenn Krankenstand, Objektzuordnung und Reklamationen nebeneinanderliegen.

Weitere Branchen — kompakt.

Gleiches Vorgehen, gleiche 24-Stunden-Erstanalyse. Jede Karte verlinkt Demo und Beispieldatei.

Lagerwerk24Großhandel

1,84 Mio € Lagerwert, aber niemand wusste, wo das Kapital schläft — bis die Warenwirtschafts-Excel im Dashboard lag.

92 TageReichweite aufgedeckt112Ladenhüter identifiziert3Lieferanten neu verhandelt

„Kategorie ‚Befestigung' bindet 92 Tage Kapital — 3 Lieferanten erhöhten Preise doppelt so stark wie der Markt."

Nordwerk GmbHProduktion

Die Ausschussquote stieg schleichend — die Maschinendaten-CSV zeigte in Minuten, wo genau.

41 %des Ausschusses von einer LinieSpätschichtals Muster erkanntWartunggezielt vorgezogen

„Linie 3 verursacht 41 % des gesamten Ausschusses — überwiegend in der Spätschicht."

TransRheinLogistik

Kraftstoffkosten liefen aus dem Ruder — die Touren-Excel machte Leerkilometer je Route sichtbar.

12 %Leerfahrten auf Route Nord24 %Kraftstoff über Plan erkanntRückladungenüber Frachtbörse gefüllt

„Route Nord fährt 12 % Leerkilometer — die Rückfahrten sind unpaarig geplant."

HV SteinmannImmobilienverwaltung

412 Einheiten, Mieteingänge in Monats-Tabellen — der Leerstand versteckte sich im Durchschnitt.

61 %des Leerstands in einem Objekt412Einheiten täglich im BlickMahnläufeautomatisiert

„Objekt ‚Stadttor' steht für 61 % des gesamten Leerstands — Mietausfälle konzentrieren sich auf 4 Mieter."

Auto Falk GmbHAutohaus

Der DMS-Export zeigte, was der Hof verschwieg: Standtage fressen Marge — besonders bei einem Antrieb.

118 TageØ Standzeit E-Autos640 T€gebundenes Kapital71 %DB aus Gebrauchten

„E-Fahrzeuge stehen 2,5× länger als der Rest — Gebrauchtwagen tragen 71 % des Deckungsbeitrags."

CityFitFitnessstudio

1.847 Mitglieder in einer CSV — aber Kündigungen kamen „aus dem Nichts". Bis die Stammzeiten sichtbar wurden.

94 %Auslastung 18–21 Uhr68 %der Kündigungen ein SegmentOff-PeakTarif eingeführt

„68 % der Kündigungen kommen aus dem überfüllten Abend-Segment — vormittags steht das Studio leer."

Ristorante MilanoRestaurant

Volle Tische, dünner Gewinn — der Kassen-Export zeigte die Margen je Kategorie zum ersten Mal ehrlich.

38 %schwächste Marge (Fisch)83 %stärkste (Getränke)−41 %Dienstag erkannt & bespielt

„Fisch-Gerichte haben nach Wareneinsatz die schwächste Marge — dienstags liegt die Auslastung 41 % unter dem Schnitt."

Café MorgenrotCafé

Welche Karte läuft wirklich? Der Kassenbericht je Artikel beantwortete es — Luckin-Coffee-Prinzip fürs Eck-Café.

6×unter Schnitt: Matcha Special41 %Umsatz aus 2 ArtikelnKartenach Daten gestrafft

„Der ‚Matcha Special' bindet teure Zutaten bei 460 Verkäufen — Cappuccino und Franzbrötchen tragen den Laden."

Praxis Dr. SommerArztpraxis

Keine Patientendaten nötig: Schon TerminIDs und Abrechnungsarten zeigten, wo die Praxis Geld liegen lässt.

32 %Kapazität frei am Freitag4.100 €No-Show-Kosten/MonatSMSErinnerungen aktiviert

„Freitags bleiben 32 % der Termine ungenutzt, montags ist überbucht — No-Shows kosten 4.100 € im Monat."

Ihr Unternehmen könnte die vierte Fallstudie sein.

Neun Klicks, zwei Minuten — und Sie sehen, welches Dashboard zu Ihrem Betrieb passt. Kostenlos und unverbindlich.