Python-Automatisierung für Unternehmen: 5 Workflows die sofort Zeit sparen

Das klassische Szenario: Zahlen aus dem CRM, dem Warenwirtschaftssystem und Google Analytics manuell in eine Excel-Tabelle übertragen — jeden Montag, jede Woche. Ein Python-Skript ersetzt diese Arbeit vollständig.

Das Skript verbindet sich mit allen Datenquellen per API oder Datenbank, aggregiert die Kennzahlen, formatiert einen fertigen Report und verschickt ihn automatisch per E-Mail oder legt ihn in einem geteilten Ordner ab:

import pandas as pd
import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.base import MIMEBase
from email import encoders

# Daten aus verschiedenen Quellen laden
crm_data = pd.read_sql("SELECT * FROM deals WHERE close_date >= CURDATE()-7", crm_conn)
shop_data = pd.read_csv("woocommerce_export.csv")

# Zusammenführen und aggregieren
weekly_revenue = shop_data["total"].sum()
new_deals = len(crm_data[crm_data["status"] == "won"])

# Report als Excel generieren
report = pd.DataFrame({
    "KPI": ["Wochenumsatz", "Neue Abschlüsse", "Conversion Rate"],
    "Wert": [f"€{weekly_revenue:,.0f}", new_deals, f"{(new_deals/len(crm_data)*100):.1f}%"]
})
report.to_excel("wochenbericht.xlsx", index=False)

# Per E-Mail versenden
# ... (SMTP-Versand-Code)

Ein volles Postfach kostet täglich Stunden. Python verbindet sich per IMAP mit Ihrem Postfach, liest neue E-Mails aus, schickt sie an eine KI-API zur Klassifizierung und setzt automatisch Labels, Ordner oder Weiterleitungen:

import imaplib
import email
import openai

# IMAP-Verbindung aufbauen
mail = imaplib.IMAP4_SSL("imap.gmail.com")
mail.login("ihre@email.de", "app_passwort")
mail.select("INBOX")

# Ungelesene E-Mails holen
_, messages = mail.search(None, "UNSEEN")

for msg_id in messages[0].split():
    _, msg_data = mail.fetch(msg_id, "(RFC822)")
    msg = email.message_from_bytes(msg_data[0][1])
    
    subject = msg["Subject"]
    body = # ... Body extrahieren
    
    # KI-Klassifizierung
    response = openai.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": 
            f"Klassifiziere: Betreff: {subject}\n{body[:300]}\n"
            f"Antworte: hochpriorität|normal|newsletter|spam"}]
    )
    kategorie = response.choices[0].message.content.strip()
    
    # Aktion basierend auf Kategorie
    if kategorie == "hochpriorität":
        mail.store(msg_id, "+FLAGS", "\\Flagged")

Das Ergebnis: täglich 45–60 gesparte Minuten, keine wichtigen Anfragen mehr im Rauschen vergraben. Mehr Details zu diesem Thema finden Sie in unserem Artikel E-Mail-Automatisierung mit KI: So sortiert sich Ihr Postfach selbst.

Wissen Sie wann Ihr Konkurrent den Preis senkt? Mit Python-Web-Scraping überwachen Sie beliebig viele Produkte rund um die Uhr und erhalten sofortige Benachrichtigungen bei relevanten Preisänderungen:

import requests
from bs4 import BeautifulSoup
import json, smtplib
from datetime import datetime

PRODUKTE = [
    {"name": "Produkt A", "url": "https://shop-xyz.de/produkt-a", 
     "selector": ".price", "letzter_preis": None},
]

for produkt in PRODUKTE:
    response = requests.get(produkt["url"], 
        headers={"User-Agent": "Mozilla/5.0..."})
    soup = BeautifulSoup(response.text, "lxml")
    preis_text = soup.select_one(produkt["selector"]).get_text(strip=True)
    
    # Preis normalisieren (€12,99 → 12.99)
    preis = float(preis_text.replace("€","").replace(",",".").strip())
    
    if produkt["letzter_preis"] and abs(preis - produkt["letzter_preis"]) > 0.5:
        # Benachrichtigung senden
        send_alert(produkt["name"], produkt["letzter_preis"], preis)
    
    produkt["letzter_preis"] = preis

# Alle 6 Stunden via Cronjob ausführen

Für einen tieferen Einstieg in dieses Thema empfehle ich unseren ausführlichen Guide: Web Scraping mit Python: Preise automatisch überwachen.

Eingehende PDF-Rechnungen per Hand in die Buchhaltungssoftware tippen ist einer der teuersten manuellen Prozesse in kleinen Unternehmen. Python mit OCR-Bibliotheken und KI-Extraktion löst das:

import pytesseract
from pdf2image import convert_from_path
import openai, json, csv

def verarbeite_rechnung(pdf_pfad):
    # PDF → Bild → Text (OCR)
    seiten = convert_from_path(pdf_pfad)
    text = " ".join([pytesseract.image_to_string(s, lang="deu") 
                     for s in seiten])
    
    # KI extrahiert strukturierte Daten
    response = openai.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": 
            f"Extrahiere aus dieser Rechnung:\n{text}\n\n"
            f"JSON: {{lieferant, rechnungsnummer, datum, netto, mwst, brutto}}"}]
    )
    daten = json.loads(response.choices[0].message.content)
    
    # In Buchhaltungs-CSV exportieren
    with open("buchungen.csv", "a") as f:
        writer = csv.DictWriter(f, fieldnames=daten.keys())
        writer.writerow(daten)
    
    return daten

# Ordner überwachen (watchdog-Bibliothek)
# Bei neuer PDF → verarbeite_rechnung() aufrufen

Nach jedem Kundengespräch oder jeder E-Mail sollte das CRM aktualisiert werden — Status ändern, Notizen hinzufügen, nächsten Schritt setzen. In der Praxis passiert das unregelmäßig oder gar nicht. Python automatisiert den Datenfluss:

• Neue E-Mail an Kunden-Adresse → CRM-Kontakt automatisch als „Kontaktiert" markieren
• Kalendertermin mit Kunde → CRM-Notiz mit Datum und Thema anlegen
• Angebot erstellt → Deal-Status auf „Angebot gesendet" setzen + Follow-up-Aufgabe in 5 Tagen
• Zahlung eingegangen (aus Buchaltungs-API) → Deal als „Gewonnen" abschließen

Die meisten modernen CRM-Systeme (HubSpot, Pipedrive, Salesforce) haben Python-SDKs. Der Aufbau: Trigger-Quelle überwachen → CRM-API aufrufen → Status aktualisieren. Einmal aufgesetzt läuft der Workflow komplett autonom.