KI im CRM-Projekt: Vertriebs-Use-Cases richtig priorisieren

Die Liste kam am Dienstag. Dreiundzwanzig Punkte, die meisten mit Ausrufezeichen, alle mit dem Wort „KI“. Auf die Frage, was genau der Vertrieb damit erledigen soll, kam erst Schweigen und dann „irgendwas mit Automatisierung“. Genau an diesem Punkt wird ein CRM-Projekt teuer.

Und zwar nicht nur, weil eine falsche Entscheidung Geld kostet. Zeit, Budget und Aufmerksamkeit fließen dann in Funktionen, die möglicherweise nichts zu den Zielen beitragen, für die die Vertriebsleitung tatsächlich geradesteht: Umsatz, eine verlässliche Pipeline und Zahlen, mit denen sich Entscheidungen treffen und gegenüber der Geschäftsführung begründen lassen.

Die zentrale Frage lautet deshalb: Welche KI-Anwendungen helfen uns tatsächlich, unsere Vertriebsleistung zu verbessern?

(Bildquelle: mit KI generiert)

Warum KI vor der CRM-Auswahl geklärt werden sollte

Wenn die Systementscheidung ohne Klarheit über KI fällt, wird KI später als Zusatzmodul verhandelt, das irgendwie noch rein muss. Dann gewinnt der Anbieter mit der schönsten Demo und nicht der mit dem passenden Ablauf. Eine KI-Funktion allein ist deshalb kein tragfähiger Grund für ein CRM. Sie ist ein Werkzeug, das nur so gut ist wie die Daten, der Prozess und die Person, die es nutzt.

Die grundsätzlichen Fragen vor dem Anbietervergleich beschreibe ich im Beitrag CRM-Auswahl: Was vor dem Anbietervergleich geklärt sein muss. KI-Anforderungen bauen darauf auf und sollten nicht parallel zu einer Featureliste entstehen.

KI-Anforderungen leiten sich aus konkreten Vertriebsabläufen ab, nicht aus einem Katalog. Wer fragt „Was kann die KI?“, bekommt eine Antwort, die jeder Anbieter geben kann. Wer fragt „Wo verlieren wir pro Woche die meisten Stunden, und was davon könnte ein System übernehmen?“, bekommt eine Anforderung.

Wie KI im Forecast Pipelines bereinigt, habe ich im Oktober-Beitrag KI im Vertriebsforecast: Pipeline bereinigen und 2027 besser planen gezeigt. Hier geht es um die Frage davor: Was muss geklärt sein, bevor überhaupt ein System ausgewählt wird?

Vom allgemeinen KI-Wunsch zum klaren Anwendungsfall im Vertrieb

„Wir wollen den Vertrieb entlasten“ ist ein Wunsch, kein Anwendungsfall. Er klingt gut, lässt sich aber nicht prüfen. Entlastung von wem, wobei, und woran merkt man, dass sie da ist?

Ein brauchbarer Anwendungsfall beschreibt vier Dinge: die Arbeitsaufgabe und die Rolle, die sie erledigt; die Information, die dafür gebraucht wird, und woher sie kommt; die erwartete Ausgabe; und die Person, die das Ergebnis prüft.

Ein Beispiel: Ein Außendienstler bereitet einen Kundentermin vor. Er braucht die letzten Kontakte, offene Angebote und Reklamationen. Heute sucht er das in drei Systemen und im Outlook-Postfach zusammen. Die Ausgabe wäre eine kurze Zusammenfassung mit Quellenangabe. Geprüft wird sie vom Außendienstler selbst, bevor er losfährt. Das ist ein Anwendungsfall. „KI soll den Außendienst unterstützen“ ist keiner.

Der Nutzen steckt dabei nicht nur in der gesparten Zeit. Stell Dir vor, die Zusammenfassung ist sauber formatiert und erwähnt trotzdem die offene Reklamation nicht, oder sie übersieht die Rückmeldung, die der Kunde seit zwei Wochen erwartet, oder die Sonderabsprache aus dem letzten Gespräch.

Dann wird aus der schnelleren Vorbereitung ein schlechteres Kundengespräch. Im ungünstigsten Fall ist die Verkaufschance gefährdet, weil der Kunde den Eindruck gewinnt, dass niemand zuhört. Der Nutzen eines Anwendungsfalls liegt also in zwei Richtungen: weniger Suchaufwand und bessere Gespräche. Genauso wichtig ist die Frage, was passiert, wenn die Ausgabe unvollständig ist.

Wichtig ist die Abgrenzung: Unterstützung bei Vorbereitung, Zusammenfassung oder Strukturierung ist nicht dasselbe wie eine autonome Vertriebsentscheidung. Ein System, das Kundenhistorien zusammenfasst, hat keine Preise verhandelt. Ein System, das Rabatte selbst freigibt, schon. Beides in einem Projekt zu vermischen, führt zu Diskussionen, die niemand führen will.

Fünf Kriterien zur Priorisierung von KI-Use-Cases

Ein einfacher Rahmen trennt attraktive Ideen von umsetzbaren Vorhaben. Er soll keine Punktzahl liefern, die nach Rechnung aussieht, sondern die offenen Fragen sichtbar machen. Wer bei einem dieser Kriterien keine überzeugende Antwort hat, sollte genauer hinschauen. Auch ein vielversprechender Anwendungsfall kann an einer einzigen ungeklärten Voraussetzung scheitern.

1. Fachlicher Nutzen: Welcher konkrete Engpass im Vertrieb wird beseitigt, und welche Auswirkung hat er auf Vertriebsleistung, Abschlusschancen oder Forecast-Qualität? Hilfreiche Leitfragen: Wie häufig tritt das Problem auf? Lässt sich der Nutzen an Zeitaufwand, an einer Vertriebskennzahl oder an einer konkreten Verbesserung festmachen? Zeitersparnis ist ein legitimer Nutzen. Sie muss nur beschrieben oder gemessen werden. „Zeit sparen“ allein reicht nicht.
   
   
2. Datenbasis: Sind die nötigen Informationen zugänglich, ausreichend und verlässlich?
   
   
3. Prozesspassung: Lässt sich die Ausgabe in den bestehenden Ablauf integrieren, oder muss dafür erst ein neuer Prozess erfunden werden?
   
   
4. Prüfbarkeit: Kann eine zuständige Person das Ergebnis fachlich bewerten?
   
   
5. Verantwortung und Risiko: Sind Datenzugriff, Freigabe und Umgang mit Fehlern geklärt?

Die Datenbasis ist der Punkt, an dem die meisten Ideen scheitern. Wer Kundendaten in drei Excel-Listen, im ERP und in den Köpfen der Außendienstler hat, braucht keine KI, sondern erst einmal eine Antwort auf die Frage, welche Zahl eigentlich stimmt.

Was Du konkret brauchst, erkläre ich im Beitrag Datenbasis für KI im Vertrieb: Welche CRM-Daten Du wirklich brauchst.

Prüfbarkeit ist das zweite Problem. Eine Zusammenfassung lässt sich prüfen, wenn der Leser den Kunden kennt. Eine Lead-Priorisierung lässt sich nur prüfen, wenn jemand weiß, nach welchen Kriterien sie entstanden ist. Ohne diese Information wird das Ergebnis entweder blind übernommen oder ignoriert. Beides ist schlecht.

Eine Mini-Priorisierung:
Drei Anwendungsfälle im Vergleich

Wie das in der Praxis aussieht, zeigt ein Vergleich von drei typischen KI-Anwendungen im Vertrieb:

Welche Anwendung den größten Nutzen verspricht, hängt davon ab, wo der Vertrieb gerade seine größten Probleme hat. Fehlt die Zeit für die Bearbeitung neuer Kontakte, kann eine KI-gestützte Lead-Priorisierung helfen. Sind dagegen die Forecasts unzuverlässig und Abschlüsse gefährdet, liegt der größere Hebel möglicherweise an anderer Stelle.

Allerdings setzt die Erkennung von Forecast-Risiken eine Pipeline voraus, der man bereits traut. Ohne die ist KI nur ein sehr schneller Blick auf eine unsichere Zahl. Die Terminvorbereitung wirkt dagegen weniger spektakulär. Sind die benötigten Kundeninformationen zugänglich, lässt sich hier häufig vergleichsweise einfach prüfen, ob KI tatsächlich entlastet und bessere Gespräche ermöglicht.

Der Anwendungsfall mit dem größten theoretischen Hebel gehört deshalb nicht automatisch zuerst auf die Liste. Entscheidend ist die Kombination aus geschäftlichem Nutzen, Datenverfügbarkeit, Umsetzbarkeit und beherrschbarem Risiko. Das ist keine exakte Bewertungsmatrix. Es ist die Abwägung, die eine Vertriebsleitung ohnehin treffen muss, nur mit klareren Fragen.

CRM-Auswahl und Pilot sind zwei verschiedene Schritte

Vor der CRM-Entscheidung muss die Vertriebsleitung wissen, welche Anwendungsfälle besonders relevant sein könnten. Daraus folgen Anforderungen an Daten, Integration und die Möglichkeiten des Systems. Ob ein konkreter Anwendungsfall mit den vorhandenen Daten funktioniert und den erwarteten Nutzen bringt, zeigt sich erst in einem späteren Pilot.

Nicht jede KI-Idee muss also vor der Systementscheidung ausgearbeitet oder getestet sein. Das würde das Projekt nur blockieren. Wichtig ist, dass die relevanten Anforderungen bekannt sind, damit das System sie überhaupt abbilden kann. KI soll die CRM-Einführung nicht verkomplizieren. Sie soll nur verhindern, dass man ein System kauft, das die Fragen des Vertriebs nicht beantworten kann.

Was vor einem Pilot geklärt sein muss

Ein begrenzter Pilot kann Annahmen prüfen. Er kann aber auch zeigen, dass niemand wusste, was getestet werden sollte. Damit er aussagekräftig ist, sollten vorher ein paar Dinge feststehen:

• Ziel und Abgrenzung: Was soll der Test zeigen, und was ausdrücklich nicht? Schriftlich, nicht im Kopf.
  
  
• Datenquelle, Zugriff und Verantwortung: Welche Daten fließen ein, wer darf darauf zugreifen, und wer steht für das Ergebnis gerade?
  
  
• Menschliche Prüfung und Korrektur: Wer prüft, wie werden fehlerhafte Ergebnisse gemeldet, und was passiert mit ihnen?
  
  
• Rückmeldung der Nutzenden: Wer aus dem Vertrieb wird wann und mit welchen Kriterien befragt?

Der letzte Punkt wird fast immer vergessen. Dabei entscheidet er, ob der Pilot am Ende als Erfolg oder als Ärgernis gilt. Wer ihn nicht einplant, bekommt im besten Fall ein Lob für die Idee und im schlechtesten eine Excel-Liste mit „KI-Ideen“, die niemand mehr öffnet.

Fazit:Erst den Vertriebsfall klären, dann die KI bewerten

Die Frage „Welche KI wollen wir?“ führt selten zu einer brauchbaren Antwort. Entscheidend ist eine andere Frage: Welche Probleme hindern uns daran, unsere Vertriebsziele zuverlässig zu erreichen, und wo kann KI konkret helfen?

Daraus entstehen sinnvolle Anwendungsfälle. Erst daraus lassen sich relevante Anforderungen für die CRM-Auswahl ableiten. Wir müssen also nicht möglichst viel KI in das neue System bekommen. Wir müssen herausfinden, wo KI unsere größten Vertriebsprobleme tatsächlich lösen kann, und das bei der CRM-Auswahl berücksichtigen.

Ehrlich gesagt bin ich skeptisch, wenn ein KI-Versprechen am Anfang eines CRM-Projekts steht. Meistens verschwindet dann das eigentliche Problem hinter dem Versprechen. Wer zuerst den Vertriebsfall beschreibt, spart sich viel Diskussion und vermutlich ein paar Monate.

Für die Vertriebsleitung heißt das konkret: Nimm Dir zwei oder drei Abläufe vor, die Dich jede Woche Zeit, Nerven oder Verkaufschancen kosten. Wo bleiben Angebote liegen? Wo stimmen Informationen nicht? Wo fehlt Deinem Team der Überblick?

Beschreibe für jeden Ablauf, welche Informationen gebraucht werden, was KI konkret liefern soll und wer das Ergebnis prüft. Damit hast Du eine Grundlage, auf der sich KI-Anwendungsfälle sinnvoll priorisieren lassen.

Du stehst vor einer CRM-Entscheidung und willst verhindern, dass KI-Features zur teuren Schein-Priorität werden? 

In unserem kostenfreien Webinar zeigen wir Dir, wie Du Deine Prozesse, Datenbasis und echten KI-Anforderungen von Anfang an richtig strukturierst – damit Du am Ende ein CRM wählst, das Deinem Vertrieb tatsächlich Zeit spart.