10 KI-Lösungen für Unternehmen, die sich 2026 wirklich rechnen
Zehn erprobte Anwendungen nach Unternehmensbereich, mit Beispielen aus Handel, Produktion, E-Commerce und Agentur

Die kurze Antwort: Diese KI-Lösungen für Unternehmen lohnen sich zuerst

KI-Lösungen für Unternehmen sind Software-Anwendungen, die wiederkehrende Arbeit mit Sprach-, Bild- oder Prognosemodellen übernehmen. Am schnellsten rechnen sich zehn davon: Content-Assistenz, Asset-Produktion, Lead-Qualifizierung, Angebots-Nachfassen, RAG-Chatbot, E-Mail-Triage, Dokumentenverarbeitung, Meeting-Protokolle, vorausschauende Wartung und Bedarfsprognose.

Die Auswahl entscheidet über den Erfolg. Laut ifo Institut (2026) nutzen 54,5 Prozent der deutschen Unternehmen KI in Geschäftsprozessen, ein Jahr zuvor waren es 40,9 Prozent. Der Zugang ist also gelöst. Ungelöst bleibt die Frage, welche Anwendung im eigenen Betrieb tatsächlich Stunden spart und welche nur ein weiteres Abo produziert.

Warum die meisten Unternehmen bei der Auswahl steckenbleiben

Du sitzt im Führungskreis. Jemand hat eine Liste mit 40 KI-Tools mitgebracht. Jedes verspricht Zeitersparnis, jedes kostet zwischen 20 und 300 Euro pro Nutzer und Monat. Am Ende der Sitzung ist niemand schlauer, aber alle sind erschöpft.

Das Problem ist nicht Mangel an Angebot. Das Problem ist, dass Anbieter ihre Lösungen nach Technologie sortieren, während du sie nach Prozess brauchst. Ein Sprachmodell ist keine Antwort auf die Frage, warum die Angebotserstellung im Vertrieb elf Tage dauert.

Dazu kommt der Zeitdruck. Laut KfW Research (Februar 2026) hat sich der Anteil mittelständischer Unternehmen mit KI-Einsatz von 4 Prozent im Zeitraum 2016 bis 2018 auf 20 Prozent im Zeitraum 2022 bis 2024 verfünffacht. Das entspricht knapp 780.000 Unternehmen. Wer wartet, verliert nicht sofort, aber stetig.

Der teuerste Fehler in dieser Situation ist der Blindstart. Ein Team testet ein Tool, findet es nett, verlängert das Abo und misst nie, ob sich etwas geändert hat. Nach zwölf Monaten stehen sechs Abos in der Buchhaltung und kein einziger Prozess ist schneller geworden.

Genau hier setzt dieser Artikel an. Er sortiert KI-Lösungen für Unternehmen nicht nach Anbieter, sondern nach Unternehmensbereich. Zu jeder Lösung findest du ein konkretes Branchenbeispiel und die Voraussetzung, die erfüllt sein muss, damit sie funktioniert.

Welche KI-Lösungen entlasten Marketing und Content-Produktion?

Im Marketing rechnen sich zwei Lösungen sofort: ein Content-Assistent mit hinterlegter Tonalität und eine KI-gestützte Asset-Produktion. Beide setzen an Arbeit an, die täglich anfällt und deren Qualität heute stark von der Tagesform abhängt.

Lösung 1: Content-Assistent mit eigener Tonalität

Ein Content-Assistent ist ein Sprachmodell, dem du Stilrichtlinien, Beispieltexte und Produktwissen fest hinterlegst. Er schreibt keine fertigen Texte, sondern Rohfassungen, die dein Team in 15 statt 60 Minuten finalisiert.

Beispiel aus einer Agentur mit 22 Mitarbeitern: Die Content-Abteilung produziert pro Woche 14 Kundenbeiträge. Mit hinterlegten Kundenprofilen sinkt die Erstellungszeit pro Beitrag von 75 auf 30 Minuten. Der Redaktionsprozess bleibt gleich, nur der leere Bildschirm verschwindet.

Voraussetzung: Du brauchst zehn bis zwanzig gute Referenztexte pro Zielgruppe. Ohne diese Beispiele liefert das Modell Durchschnitt.

Lösung 2: Bild- und Asset-Produktion

Bildmodelle erzeugen Produktumfelder, Social-Formate und Varianten für A/B-Tests. Der Nutzen liegt weniger im Kunstwerk als in der Menge: 12 Formatvarianten einer Kampagne entstehen in einer Stunde statt an einem Tag.

Beispiel aus dem E-Commerce: Ein Shop für Outdoor-Ausrüstung braucht pro Produkt vier Stimmungsbilder für Kategorie-Seiten und Ads. Statt Shootings für Nebenprodukte zu buchen, entstehen die Umfelder generativ. Fotos der Hauptprodukte bleiben echt, weil Vertrauen und Retourenquote daran hängen.

Rechtlicher Hinweis: Kennzeichnungspflichten und Nutzungsrechte prüfen. Details dazu stehen im Beitrag zum Urheberrecht bei KI-generierten Inhalten.

Wie helfen KI-Lösungen im Vertrieb und in der Lead-Bearbeitung?

Im Vertrieb liegt der Hebel nicht im Formulieren, sondern im Sortieren. Zwei Lösungen tragen hier: automatische Lead-Anreicherung und strukturiertes Nachfassen. Laut Statistischem Bundesamt (2025) setzen Unternehmen mit KI am häufigsten Technologien zur Textanalyse ein, 48 Prozent nutzen sie. Genau darauf bauen beide Anwendungen auf.

Lösung 3: Lead-Anreicherung und Qualifizierung

Ein Anreicherungs-Workflow liest eingehende Anfragen, ergänzt Firmengröße, Branche und Website-Signale und vergibt eine Priorität. Der Vertrieb bekommt keine Liste mehr, sondern eine Reihenfolge.

Beispiel aus dem produzierenden Gewerbe: Ein Maschinenbauer erhält pro Woche 60 Anfragen über das Kontaktformular. Rund 40 davon sind Materialanfragen ohne Kaufabsicht. Ein Workflow in n8n prüft Domain, Unternehmensgröße und Anfragetext und markiert die 12 relevanten Leads. Die Reaktionszeit auf gute Anfragen sinkt von zwei Tagen auf drei Stunden. Weitere Abläufe dieser Art findest du in der Übersicht der n8n-Workflows für KMU.

Voraussetzung: Ein CRM mit sauberen Feldern. Ohne Zielsystem entsteht nur eine bessere Excel-Liste.

Lösung 4: Angebots-Nachfassen automatisieren

Diese Lösung überwacht offene Angebote und erzeugt zum passenden Zeitpunkt einen personalisierten Entwurf für die Nachfass-Mail. Versendet wird erst nach Freigabe durch den Vertrieb.

Beispiel aus dem Großhandel: Von 180 offenen Angeboten pro Quartal wurden bisher rund 60 nie nachgefasst. Mit automatisierten Entwürfen liegt die Nachfassquote bei über 90 Prozent, ohne dass jemand eine zusätzliche Stunde investiert.

Wie du solche Abläufe technisch umsetzt, zeigt die Leistungsseite zur KI-Implementierung.

Was leisten KI-Lösungen im Kundenservice wirklich?

Im Kundenservice sind die Effekte am schnellsten messbar, weil Ticketvolumen und Bearbeitungszeit ohnehin erfasst werden. Zwei Lösungen dominieren: der RAG-Chatbot und die E-Mail-Triage. Laut Statistischem Bundesamt (2025) nutzen 47 Prozent der KI-einsetzenden Unternehmen Spracherkennung und 34 Prozent Technologien zur Erzeugung natürlicher Sprache.

Lösung 5: RAG-Chatbot auf eigener Wissensbasis

Ein RAG-Chatbot ist ein Assistent, der seine Antworten aus deinen eigenen Dokumenten zieht, statt aus dem allgemeinen Modellwissen zu raten. RAG steht für Retrieval Augmented Generation: Das System sucht erst die passende Textstelle, dann formuliert es die Antwort. Wie so eine Wissensdatenbank für KMU aufgebaut wird, beschreibt der zugehörige Artikel im Detail.

Beispiel aus dem E-Commerce: Ein Shop mit 4.000 Artikeln beantwortet Fragen zu Versand, Größen und Rücksendung über einen Bot, der auf FAQ, Versandbedingungen und Produktdatenblätter zugreift. Rund 45 Prozent der Erstanfragen werden ohne Mitarbeiter geklärt. Der Rest wird sauber übergeben, inklusive Gesprächsverlauf.

Voraussetzung: Aktuelle Dokumente. Ein Bot auf veralteter Wissensbasis erzeugt mehr Beschwerden, als er löst.

Lösung 6: E-Mail-Triage und Antwortentwürfe

Die Triage klassifiziert eingehende Mails nach Anliegen, Dringlichkeit und Zuständigkeit und legt einen Antwortentwurf an. Der Mitarbeiter prüft, ergänzt, sendet.

Beispiel aus dem Handel: Ein Filialverbund mit acht Standorten erhält 400 Kundenmails pro Woche zentral. Nach Einführung der Triage landen Reklamationen direkt bei der zuständigen Filiale. Die durchschnittliche Erstreaktionszeit fällt von 26 auf 6 Stunden.

Diese Lösung eignet sich besonders für den Einstieg, weil sie niemanden ersetzt, sondern nur vorsortiert. Die Akzeptanz im Team ist entsprechend hoch.

Welche KI-Lösungen sparen im Backoffice die meiste Zeit?

Das Backoffice ist der unterschätzte Gewinner. Laut ifo Institut (2026) kommt KI besonders häufig in der Verwaltung, bei der Datenanalyse und im Schriftverkehr zum Einsatz. Zwei Lösungen stechen heraus.

Lösung 7: Dokumentenverarbeitung für Rechnungen und Lieferscheine

Diese Lösung liest PDF- und Papierbelege, extrahiert Beträge, Positionen und Steuersätze und übergibt sie an die Buchhaltungssoftware. Anders als klassische Texterkennung versteht sie auch unstrukturierte Layouts.

Beispiel aus dem produzierenden Gewerbe: Ein Zulieferer verarbeitet 900 Eingangsrechnungen pro Monat in 14 unterschiedlichen Layouts. Die manuelle Erfassung band eine halbe Stelle. Nach der Umstellung fließen 85 Prozent der Belege ohne Eingriff durch, der Rest geht in eine Prüfliste.

Voraussetzung: Ein definierter Freigabeprozess. Automatisierte Buchung ohne Vier-Augen-Regel ist ein Compliance-Risiko.

Lösung 8: Meeting-Protokolle und Aufgabenverteilung

Ein Transkriptions- und Zusammenfassungsdienst erstellt aus Meetings ein Protokoll mit Entscheidungen, Aufgaben und Verantwortlichen. Die Aufgaben landen automatisch im Projekttool.

Beispiel aus einer Agentur: Bei 18 Kundenterminen pro Woche entfielen bisher rund 4,5 Stunden auf Protokolle. Diese Zeit fällt fast vollständig weg. Wichtiger ist der zweite Effekt: Aufgaben gehen seltener verloren, weil sie nicht mehr aus dem Gedächtnis rekonstruiert werden.

Datenschutzhinweis: Vor dem Einsatz Auftragsverarbeitungsvertrag, Speicherort und Einwilligung der Teilnehmer klären.

Wo rechnen sich KI-Lösungen in Produktion und Logistik?

In Produktion und Logistik ist der Einstieg aufwendiger, der Effekt aber am größten, weil Ausfallkosten hoch sind. Zwei Lösungen sind auch für Mittelständler realistisch.

Lösung 9: Vorausschauende Wartung und automatische Sichtprüfung

Vorausschauende Wartung wertet Sensordaten aus und meldet Abweichungen, bevor eine Maschine ausfällt. Die automatische Sichtprüfung erkennt Fehlteile über Kameras direkt in der Linie.

Beispiel aus dem produzierenden Gewerbe: Ein Betrieb mit 60 Mitarbeitern rüstet drei kritische Anlagen mit Schwingungssensoren aus. Ungeplante Stillstände sind der teuerste Posten in der Instandhaltung, in der Automobilfertigung liegen die Kosten je nach Linie im vier- bis fünfstelligen Bereich pro Minute. Schon zwei vermiedene Ausfälle pro Jahr tragen die Investition.

Voraussetzung: Historische Daten oder mindestens sechs Monate Messbetrieb. Ohne Vergleichswerte gibt es kein Muster.

Lösung 10: Bedarfsprognose und Retourenreduktion

Prognosemodelle schätzen Absatzmengen je Artikel und Standort. Im Onlinehandel senken Größen- und Passform-Assistenten zusätzlich die Retourenquote.

Beispiel aus dem Handel: Laut EHI Retail Institute (2026) nutzen bislang nur 7,3 Prozent aller Händler KI im Retourenmanagement, obwohl die Quoten im Modebereich hoch sind. Bei einem getesteten Größenassistenten sank die Retourenquote für Damenoberbekleidung um mehr als zwei Prozentpunkte. Bei 40.000 Sendungen im Jahr sind das rund 800 vermiedene Rücksendungen.

Voraussetzung: Saubere Artikelstammdaten. Ohne konsistente Größen- und Kategoriedaten liefert das Modell Rauschen.

Die zehn KI-Lösungen im Überblick

Bereich	KI-Lösung	Branchenbeispiel	Voraussetzung
Marketing	1. Content-Assistent	Agentur, 22 Mitarbeiter	10 bis 20 Referenztexte je Zielgruppe
Marketing	2. Bild- und Asset-Produktion	E-Commerce, Outdoor-Shop	Kennzeichnung und Nutzungsrechte geklärt
Vertrieb	3. Lead-Anreicherung	Maschinenbau, 60 Anfragen pro Woche	CRM mit sauberen Feldern
Vertrieb	4. Angebots-Nachfassen	Großhandel, 180 Angebote pro Quartal	Angebotsstatus im System gepflegt
Kundenservice	5. RAG-Chatbot	E-Commerce, 4.000 Artikel	Aktuelle FAQ- und Produktdokumente
Kundenservice	6. E-Mail-Triage	Filialhandel, 8 Standorte	Definierte Zuständigkeiten
Backoffice	7. Dokumentenverarbeitung	Zulieferer, 900 Belege pro Monat	Freigabeprozess mit Vier-Augen-Regel
Backoffice	8. Meeting-Protokolle	Agentur, 18 Termine pro Woche	AVV und Einwilligung der Teilnehmer
Produktion	9. Vorausschauende Wartung	Fertigung, 3 kritische Anlagen	Historische Daten oder 6 Monate Messbetrieb
Logistik	10. Bedarfsprognose	Modehandel, 40.000 Sendungen	Saubere Artikelstammdaten

Standardlösung oder eigener Workflow: was passt zu deinem Unternehmen?

Für 8 der 10 Lösungen ist ein fertiges Produkt die richtige Wahl. Laut ifo Institut (2026) nutzen knapp drei Viertel der Unternehmen kostenpflichtige externe KI-Lösungen, während nur 18,7 Prozent eigene Systeme entwickeln. Diese Verteilung ist kein Zufall, sondern wirtschaftlich vernünftig.

Ein eigener Workflow lohnt sich in zwei Fällen: wenn mehrere Systeme verbunden werden müssen, die kein Anbieter zusammen abdeckt, oder wenn Daten das Haus nicht verlassen dürfen. Beides trifft häufig auf Lead-Anreicherung und Dokumentenverarbeitung zu. Werkzeuge wie n8n verbinden hier CRM, ERP und Sprachmodell in einem selbst gehosteten Ablauf.

Die Entscheidung sollte nie mit dem Tool beginnen. Sie beginnt mit dem Prozess, den Mengen und den Kosten pro Vorgang. Wie du diese Auswahl systematisch triffst, beschreibt der Leitfaden zur Use-Case-Auswahl für KMU.

Was die Zahlen über KI-Lösungen in deutschen Unternehmen zeigen

Die Datenlage 2026 ist eindeutig: Der Einstieg ist geschafft, die Wirkung ist es nicht.

• Laut ifo Institut (Juni 2026) nutzen 54,5 Prozent der Unternehmen in Deutschland KI in ihren Geschäftsprozessen, nach 40,9 Prozent im Vorjahr. Weitere 16 Prozent planen den Einsatz.
• Laut KfW Research (Fokus Volkswirtschaft Nr. 533, Februar 2026) stieg der Anteil KI-nutzender Mittelständler von 4 Prozent (2016 bis 2018) auf 20 Prozent (2022 bis 2024), das sind knapp 780.000 Unternehmen. Bei Betrieben über 50 Beschäftigten liegt die Quote bei 36 Prozent.
• Laut Statistischem Bundesamt (2025) nutzten 26 Prozent der Unternehmen KI. Bei 10 bis 49 Beschäftigten waren es 23 Prozent, bei 50 bis 249 Beschäftigten 36 Prozent und ab 250 Beschäftigten 57 Prozent.
• Laut EHI Retail Institute (2026) bewerten 67 Prozent der befragten KI-Verantwortlichen im Handel ihre Datenintegration als schlecht oder eher schlecht, nur 13 Prozent als gut. Lediglich jedes dritte Unternehmen erzielt einen messbaren Nutzen.
• Laut Institut der deutschen Wirtschaft (2025) sehen 49 Prozent der Unternehmen fehlende KI- und Digitalkompetenzen als größte Hürde, während 84 Prozent erwarten, dass KI-Kompetenzen in ihrer Branche binnen fünf Jahren wichtig werden.

Zwei Muster fallen auf. Erstens klafft zwischen amtlicher Statistik (26 Prozent) und Umfragedaten (54,5 Prozent) eine große Lücke. Das liegt an unterschiedlichen Definitionen: Destatis erhebt EU-harmonisiert nach Technologieklassen, das ifo Institut fragt nach Nutzung im Geschäftsprozess. Wer ChatGPT im Schriftverkehr einsetzt, zählt in der einen Statistik, in der anderen nicht.

Zweitens verschiebt sich der Engpass. Vor drei Jahren fehlte der Zugang zu Modellen. Heute fehlen Datenqualität und Kompetenz. Die EHI-Zahl zur Datenintegration und die IW-Zahl zu fehlenden Kompetenzen beschreiben denselben Befund aus zwei Richtungen.

Für die Auswahl bedeutet das: Bewerte eine KI-Lösung nicht nach ihrem Funktionsumfang, sondern danach, ob die Daten, die sie braucht, bei dir sauber vorliegen.

Was du aus diesen zehn Lösungen für deine Auswahl mitnimmst

Aus über 30 Einführungsprojekten mit KMU lassen sich fünf Muster ableiten, die unabhängig von Branche und Tool gelten.

• Starte im Bereich mit dem höchsten Volumen, nicht mit der spannendsten Technologie. 400 Kundenmails pro Woche schlagen jedes Innovationsprojekt.
• Wähle Lösungen, die vorsortieren statt zu entscheiden. Sie werden schneller akzeptiert und sind rechtlich unkritischer.
• Miss vorher. Ohne Ausgangswert für Bearbeitungszeit oder Kosten pro Vorgang kannst du später keinen Nutzen belegen.
• Rechne mit drei Monaten bis zur Wirkung. Zwei Wochen Einrichtung, sechs Wochen Einlaufphase, vier Wochen Feinschliff.
• Plane die Datenpflege als Daueraufgabe ein. Ein RAG-Chatbot ist so gut wie das Dokument, das ihn füttert.

Wie du den Nutzen belastbar berechnest, zeigt der Beitrag zur ROI-Messung bei KI-Projekten.

Checkliste vor der Entscheidung für eine KI-Lösung:

• Habe ich den Prozess dokumentiert, den die Lösung übernehmen soll?
• Kenne ich das monatliche Mengengerüst und die heutige Bearbeitungszeit?
• Liegen die benötigten Daten aktuell, vollständig und maschinenlesbar vor?
• Ist geklärt, wer die Lösung nach der Einführung fachlich betreut?
• Sind Auftragsverarbeitungsvertrag, Speicherort und Löschfristen geprüft?
• Habe ich definiert, welcher Wert sich nach 90 Tagen verändert haben muss?
• Wissen die betroffenen Mitarbeiter, was sich für sie konkret ändert?

KI-Lösungen wirken dort, wo der Prozess schon steht

KI-Lösungen für Unternehmen sind 2026 keine Frage der Verfügbarkeit mehr. Über die Hälfte der deutschen Unternehmen setzt sie ein, die Werkzeuge sind ausgereift und bezahlbar. Die Unterschiede entstehen an einer anderen Stelle: bei der Auswahl und bei der Datengrundlage.

Die zehn beschriebenen Lösungen decken die Bereiche ab, in denen KMU heute realistisch Zeit gewinnen: Marketing, Vertrieb, Kundenservice, Backoffice, Produktion und Logistik. Keine davon braucht ein eigenes Data-Science-Team. Alle brauchen einen Prozess, der vorher verstanden wurde.

Der erste Schritt kostet dich einen Nachmittag. Nimm die drei Tätigkeiten, die in deinem Unternehmen das höchste Volumen haben, und notiere für jede: Menge pro Monat, Zeit pro Vorgang, benötigte Daten. Aus dieser Liste ergibt sich die Reihenfolge fast von selbst. Wenn du diese Einordnung strukturiert mit Zahlen und Priorisierung machen willst, ist ein KI-Audit der passende Rahmen.

Häufige Fragen zu KI-Lösungen für Unternehmen

Welche KI-Lösungen lohnen sich für kleine Unternehmen zuerst?

E-Mail-Triage, Dokumentenverarbeitung und Meeting-Protokolle lohnen sich zuerst. Sie greifen in Prozesse ein, die täglich anfallen, brauchen keine eigene Entwicklung und lassen sich innerhalb weniger Wochen einführen. Der Nutzen ist über Bearbeitungszeiten direkt messbar.

Was kosten KI-Lösungen für Unternehmen im Monat?

Standardlösungen liegen typischerweise zwischen 20 und 60 Euro pro Nutzer und Monat. Prozessautomatisierungen über eigene Workflows kosten je nach Umfang 1.500 bis 15.000 Euro einmalig plus Hosting. Entscheidend ist der Vergleich mit den heutigen Personalkosten pro Vorgang.

Brauche ich für KI-Lösungen eigene IT-Fachkräfte im Unternehmen?

Für Standardlösungen nicht. Für eigene Workflows brauchst du eine fachlich verantwortliche Person, keine Entwicklerin. Laut Institut der deutschen Wirtschaft (2025) nennen 49 Prozent der Unternehmen fehlende Kompetenzen als größte Hürde, lösbar ist das meist über Schulung statt Neueinstellung.

Welche KI-Lösung eignet sich für den Kundenservice im Mittelstand?

Ein RAG-Chatbot auf der eigenen Wissensbasis kombiniert mit E-Mail-Triage. Der Chatbot klärt wiederkehrende Standardfragen, die Triage sortiert komplexe Anliegen an die richtige Stelle. Voraussetzung sind aktuelle FAQ- und Produktdokumente.

Sind KI-Lösungen für Unternehmen DSGVO-konform einsetzbar?

Ja, bei korrekter Umsetzung. Nötig sind ein Auftragsverarbeitungsvertrag mit dem Anbieter, ein Serverstandort in der EU oder ein gültiger Übermittlungsmechanismus, dokumentierte Löschfristen und eine Regelung, welche Daten eingegeben werden dürfen.

Wie lange dauert die Einführung einer KI-Lösung im Unternehmen?

Rechne mit drei Monaten bis zur messbaren Wirkung. Standardlösungen sind in ein bis zwei Wochen eingerichtet, danach folgen etwa sechs Wochen Einlaufphase und vier Wochen Feinschliff. Eigene Workflows brauchen zusätzlich zwei bis vier Wochen Entwicklungszeit.

Woran erkenne ich, dass sich eine KI-Lösung nicht rechnet?

Wenn nach 90 Tagen weder Bearbeitungszeit noch Fehlerquote noch Durchsatz messbar besser sind. Häufigste Ursache ist eine schlechte Datengrundlage. Laut EHI Retail Institute (2026) erzielt nur jedes dritte Unternehmen einen messbaren Nutzen aus seinen KI-Projekten.

Quellen

ifo Institut: Mehr als die Hälfte der Unternehmen in Deutschland nutzt Künstliche Intelligenz (Juni 2026)

KfW Research: Einsatz von Künstlicher Intelligenz vor allem in größeren Mittelständlern, Fokus Volkswirtschaft Nr. 533 (Februar 2026)

Statistisches Bundesamt: Unternehmen mit Nutzung von Technologien der Künstlichen Intelligenz nach Beschäftigtengrößenklassen (2025)

EHI Retail Institute: Studie KI im Handel 2026, Reifegrad und Mehrwert

Institut der deutschen Wirtschaft: KI als Wettbewerbsfaktor, empirische Befunde und Handlungsempfehlungen (2025)

Fraunhofer IWU: Predictive Maintenance, intelligente cloudbasierte Instandhaltung von Pressen und Werkzeugmaschinen