KI im Vertrieb: Wie der Mittelstand Lead-Qualifizierung, Angebote und CRM-Pflege automatisiert

Ein durchschnittlicher B2B-Vertriebsmitarbeiter in Deutschland verbringt laut Salesforce nur 28 Prozent seiner Arbeitszeit mit echtem Verkaufen⁷. Der Rest geht fuer CRM-Pflege, Recherche, Angebotsentwuerfe, Reporting und internes Abstimmen drauf. In Zahlen: von 40 Stunden Wochenzeit bleiben weniger als 12 Stunden fuer Kundenkontakt.

Gleichzeitig wird der Vertriebsdruck groesser. Einkaeufer recherchieren 67 Prozent der Kaufentscheidung online, bevor sie ueberhaupt mit einem Hersteller sprechen. Pipeline-Volumen, das frueher pro Verkaeufer pro Monat erzielt wurde, reicht heute nicht mehr. Und die DIHK meldet 109.000 offene IT-Stellen sowie einen anhaltenden Fachkraefte-Engpass im B2B-Vertrieb⁶.

An dieser Stelle kommt KI ins Spiel. Nicht als Buzzword, sondern als konkrete Entlastung fuer genau die Routine-Aufgaben, die den Verkaeufer vom Verkaufen abhalten. Dieser Leitfaden zeigt dem deutschen Mittelstand: welche Use Cases heute funktionieren, welche Tools sich rechnen, was DSGVO und Betriebsrat dazu sagen, und wie ein realistischer 90-Tage-Einfuehrungsplan aussieht.

Der Vertriebs-Engpass im Mittelstand

Der deutsche Mittelstand hat ein strukturelles Vertriebsproblem, das sich durch klassische Massnahmen nicht mehr loesen laesst. Mehr Personal ist nicht da, mehr Zeit gibt es nicht, und die Kundenerwartungen steigen. Die Zahlen erzaehlen eine klare Geschichte.

• 28 Prozent echtes Verkaufen - Nur etwas ueber ein Viertel der Zeit eines B2B-Verkaeufers geht in tatsaechliche Kundenarbeit. Der Rest ist Admin, Pflege und Reporting⁷.
• 67 Prozent vorab online - Einkaeufer haben zwei Drittel der Entscheidung bereits getroffen, bevor Sales ueberhaupt ins Spiel kommt. Wer spaet kommt, redet nur noch ueber Preis.
• 109.000 offene IT-Stellen und 83 Prozent Fachkraeftemangel - Der DIHK-Report zeigt: auch im Vertrieb faellt es zunehmend schwer, qualifiziertes Personal zu halten oder nachzubesetzen⁶.
• Datenqualitaet als Dauerproblem - 40 Prozent aller CRM-Datensaetze im Mittelstand sind unvollstaendig, veraltet oder doppelt vorhanden. Forecasts auf dieser Basis sind Zufallsschaetzungen.
• Lange Sales Cycles - B2B-Verkaufszyklen im Mittelstand dauern im Schnitt 3 bis 9 Monate. Jeder Lead, der in dieser Zeit nicht sauber nachverfolgt wird, bedeutet verlorenen Umsatz.
• Pipeline-Druck steigt - Quoten wachsen, Leads pro Kanal werden teurer, Marketing-Budgets bleiben gedeckelt. Die Produktivitaet pro Verkaeufer muss steigen, sonst scheitert die Planzahl.

Das Paradox ist: Mittelstaendler haben oft das beste Produkt, die tiefste Branchenexpertise und die loyalsten Kunden. Aber ihr Vertrieb arbeitet mit Werkzeugen und Prozessen aus den frueren 2010er Jahren. Die Luecke zwischen operativer Exzellenz und Vertriebseffizienz wird zum Umsatzrisiko.

Was KI im Vertrieb heute wirklich kann

Der Begriff KI wird im Vertrieb sehr unscharf verwendet. Jeder Regel-basierte Workflow, der einen Trigger auf eine Aktion abbildet, wird heute als KI verkauft. Praezision hilft beim Auswaehlen der richtigen Werkzeuge.

Die drei Ebenen von KI im Vertrieb

1. Predictive KI - Klassische Machine-Learning-Modelle, die aus historischen Daten Wahrscheinlichkeiten ableiten. Beispiele: Lead-Scoring, Churn-Prognose, Next-Best-Action. Gibt es seit ueber 10 Jahren, ist heute ausgereift und in jedem grossen CRM eingebaut.
2. Generative KI - Large Language Models wie GPT, Claude oder Gemini, die Text, E-Mails, Zusammenfassungen und Angebotsentwuerfe erzeugen. Der Durchbruch seit 2023, heute in Microsoft Copilot, Salesforce Einstein GPT, HubSpot Breeze und vielen Point-Tools verfuegbar.
3. Agentische KI - KI-Systeme, die Ziele selbststaendig in Aktionsketten uebersetzen und ueber Tools hinweg ausfuehren. Beispiel: ein Agent, der einen Inbound-Lead recherchiert, ein Personalisierungs-Dossier erstellt, den Erstkontakt entwirft, den Termin vorschlaegt und den CRM-Eintrag anlegt. Seit 2025 produktionsreif, aber noch nicht ueberall eingefuehrt.

Wo die Grenzen liegen

KI ist kein Allheilmittel. Es lohnt sich, die Grenzen frueh zu verstehen.

• Halluzinationen - Generative Modelle erfinden Fakten, wenn die Datengrundlage luckenhaft ist. Bei Angeboten und Vertraegen toedlich. Loesung: strukturierte Quellen vorgeben, keine freie Generierung zulassen.
• Kalte Daten - KI kann nur aus dem lernen, was im CRM steht. Was der Verkaeufer im Kopf hat, bleibt unsichtbar. Die KI ist nur so gut wie die Dokumentationsdisziplin.
• Emotion und Verhandlung - KI versteht Preisgespraeche und schwierige Kunden nur oberflaechlich. Abschluss und Eskalation bleiben beim Menschen.
• Neuartige Situationen - Wenn es noch keinen aehnlichen Fall in den Trainingsdaten gibt, rateen die Modelle. In dynamischen Maerkten ein echtes Risiko.
• Erklaerbarkeit - Viele KI-Entscheidungen sind eine Blackbox. Bei regulierter B2B-Kundschaft (Finance, Healthcare) ein Compliance-Thema.

6 Use Cases im Vertrieb mit belastbarem ROI

Nicht jeder KI-Anwendungsfall im Vertrieb lohnt sich. Manche sparen messbar Zeit und Geld, andere sind Spielerei. Hier die sechs Faelle, die sich im Mittelstand konsistent rechnen.

1. Lead-Recherche und Anreicherung

Bevor ein Verkaeufer mit einem Prospect spricht, sollte er verstehen, mit wem er es zu tun hat. Branche, Groesse, aktuelle Nachrichten, Tech-Stack, Entscheiderstruktur. Manuell dauert das 15 bis 45 Minuten pro Lead, KI kann es in 2 Minuten.

• Zeitersparnis - 20-40 Minuten pro recherchiertem Lead. Bei 20 Leads pro Woche sind das 7-13 Stunden Zeitgewinn pro Verkaeufer.
• Datenquellen - Firmendaten (Unternehmensregister, LinkedIn, Bundesanzeiger), News (Google, Branchen-Portale), Tech-Stack (BuiltWith, Wappalyzer), Signale (Hiring, Funding, Pressemeldungen).
• Typische Tools - Clay, Apollo, Cognism, ZoomInfo, Echobot (deutsch-fokussiert), LinkedIn Sales Navigator mit KI-Filterung.
• Output-Format - 1-Seiten-Briefing mit Firmenprofil, drei aktuellen Kauf-Signalen, Entscheiderstruktur und Anknuepfungspunkten.
• ROI-Faustregel - Ab 50 zu recherchierenden Leads pro Monat pro Verkaeufer rechnet sich das Tool nach 3 Monaten.

2. Lead-Scoring und Qualifizierung

Nicht jeder Lead verdient denselben Aufwand. Historische Daten verraten, welche Merkmale Abschluesse vorhersagen. KI-Modelle gewichten diese Merkmale automatisch und aktualisieren das Modell laufend.

• Durchschnittlicher Uplift - +50 Prozent Conversion-Rate bei Firmen, die KI-Lead-Scoring systematisch einsetzen¹.
• Effizienzgewinn - Bis zu 35 Prozent hoehere Vertriebseffizienz, weil Zeit in qualifizierte Leads fliesst¹.
• Besonderheit Mittelstand - Oft reichen weniger Datenpunkte als im Enterprise, weil die Kundenbasis homogener ist. Ein Scoring-Modell kann schon ab 200 historischen Abschluessen sinnvolle Aussagen treffen.
• Integration - Laeuft im CRM, Score-Feld pro Lead, automatisches Routing an die richtige Verkaeuferin je nach Score und Branche.
• Risiko - Wenn das Modell auf schiefen historischen Daten lernt, verstetigt es Vorurteile. Regelmaessiges Re-Training und Bias-Check sind Pflicht.

3. Outreach-Personalisierung

Cold-E-Mails mit Copy-Paste-Template haben im B2B-Mittelstand Antwortraten unter 1 Prozent. Personalisierte E-Mails, die auf konkrete Kauf-Signale oder Pain Points des Empfaengers eingehen, erreichen 8-15 Prozent. Manuell dauert das zu lange. KI macht den Unterschied.

• Personalisierungs-Datenpunkte - Branche, aktuelle Rolle-Aenderungen, Unternehmensnews, gemeinsame Kontakte, Content-Engagement, Branchen-Events.
• Workflow - KI analysiert den Lead, schlaegt eine E-Mail mit drei Varianten vor, Verkaeuferin waehlt und passt an, Versand.
• Antwortrate - Personalisierte KI-unterstuetzte Sequenzen erreichen im Durchschnitt 3-5x hoehere Antwortraten als generische Templates.
• Tools - Lavender, Outreach, Salesloft, Apollo, oder CRM-native Funktionen wie HubSpot Breeze.
• Warnung - Vollautomatische Massen-KI-E-Mails sind rechtlich problematisch und landen im Spam. KI schlaegt vor, Mensch freigibt. Volumen-Limits pro Tag einhalten.

4. CRM-Automatische Pflege

Der klassische Hassjob jedes Verkaeufers: nach dem Kundengespraech 15 Minuten ins CRM tippen, wer was gesagt hat und was der naechste Schritt ist. Bei 5 Calls pro Tag sind das 75 Minuten manuelle Doku. KI reduziert das auf unter 5 Minuten Review.

• Conversation Intelligence - Tools wie Gong, Chorus oder Avoma transkribieren Gespraeche, extrahieren Pain Points, Entscheidungskriterien und Next Steps, und schreiben direkt ins CRM.
• Zeitersparnis - 60-80 Prozent weniger Zeit fuer CRM-Pflege nach Kundengespraechen. Bei einem 5-Personen-Team rund 15-20 Stunden pro Woche zusaetzliche Verkaufskapazitaet.
• Qualitaets-Uplift - Datenvollstaendigkeit steigt von typisch 60 auf ueber 90 Prozent. Forecasts werden praeziser, Handover zwischen Personen nahtlos.
• Compliance-Thema - Call-Recording braucht Einwilligung beider Seiten, DSGVO-konforme Speicherung, Betriebsvereinbarung zur Nutzung.
• Quick Win - Meistens der Use Case mit der schnellsten Akzeptanz im Team, weil er sofort Arbeit abnimmt, die niemand gerne macht.

5. Angebotsentwuerfe

Standard-Angebote mit fuenf Positionen schreiben sich noch manuell. Aber komplexe B2B-Angebote mit Stuecklisten, Varianten, Optionen und technischen Spezifikationen binden oft halbe Arbeitstage. KI zieht aus dem Produktkatalog, der Preisliste und Referenzprojekten einen 80-Prozent-Entwurf.

• Geschwindigkeit - Ein Angebot, das frueher 4 Stunden dauerte, ist in 20 Minuten bei 80 Prozent Qualitaet fertig. Verkaeuferin macht die 20 Prozent Feintuning.
• Konsistenz - Automatisch korrekte Produkt-Specs, richtige Konditionen, aktuelle Preisstufen. Schluss mit 2 Jahre alten Copy-Paste-Angeboten.
• Revenue-Uplift - Teams, die schneller Angebote rausschicken, gewinnen messbar mehr Deals. Jeder Tag frueher reduziert die Wahrscheinlichkeit, dass der Wettbewerb zuerst liefert.
• Integration - CPQ-Systeme (Configure-Price-Quote) wie Salesforce CPQ, Conga oder DealHub kombiniert mit generativer KI fuer den Anschreiben-Teil.
• Wichtig - Preise und Konditionen kommen aus dem Master-System, nicht aus der KI. Die KI formuliert und strukturiert, sie entscheidet nicht ueber Rabatte.

6. Forecasting und Pipeline-Hygiene

Die meisten Mittelstands-Forecasts sind Daumen-mal-Pi Rechnungen auf Excel-Basis. KI-Modelle analysieren historische Abschluss-Muster, aktuelle Pipeline-Bewegung und externe Signale und liefern praezisere Prognosen mit Konfidenzintervallen.

• Genauigkeit - Typische Verbesserung der Forecast-Genauigkeit von +/-25 Prozent auf +/-10 Prozent in der 90-Tage-Sicht.
• Pipeline-Hygiene - KI erkennt Deals, die stagnieren, zu lange in derselben Stage haengen, oder bei denen Signale auf Verlust hindeuten. Automatische Warnungen an den Vertriebsleiter.
• Root-Cause - Nicht nur "wird knapp" sondern "wird knapp, weil 30 Prozent der Deals in Stage 4 seit 45+ Tagen ohne Aktivitaet stehen".
• Tools - Clari, Gong Forecast, Salesforce Einstein Forecasting, BoostUp.
• Voraussetzung - Mindestens 18 Monate saubere CRM-Historie. Ohne Datengrundlage produzieren die Modelle Zufallsergebnisse.

Die Tool-Landschaft: Native CRM-KI, Point-Tools und Custom

Der Markt fuer Vertriebs-KI ist unuebersichtlich geworden. Grob lassen sich drei Kategorien unterscheiden, und die meisten Mittelstaendler kombinieren am Ende alle drei.

Native CRM-KI

Grosse CRM-Anbieter haben ihre KI-Funktionen 2024/2025 deutlich ausgebaut. Fuer einen Grossteil der Use Cases genuegen diese Bord-Mittel, wenn man sie konsequent nutzt.

• Salesforce Einstein / Agentforce - Predictive Scoring, Einstein GPT fuer generative Aufgaben, seit 2025 Agentforce fuer agentische Workflows. Sehr maechtig, aber oft Einstein-Lizenz zusaetzlich zu Sales Cloud noetig. Ab rund 75 Dollar/User/Monat zusaetzlich.
• HubSpot Breeze - Breeze Intelligence fuer Anreicherung, Breeze Copilot fuer Assistenz, Breeze Agents fuer Automatisierung. Im Sales Hub Professional teils enthalten, Erweiterungen ab 50 Euro/User/Monat.
• Microsoft Dynamics 365 Sales + Copilot - Tief in Office 365 integriert, Copilot fuer E-Mail-Assistenz und CRM-Pflege. Ideal fuer Microsoft-lastige Mittelstaendler. Copilot-Lizenz ab 30 Dollar/User/Monat.
• Pipedrive AI - Schlanke Loesung fuer kleinere Teams, AI Email Composer, Smart Contact Data. Im Professional-Plan enthalten ab 49 Euro/User/Monat.
• SAP Sales Cloud mit Joule - Fuer Unternehmen mit tiefer SAP-Landschaft, Integration mit S/4HANA-Daten. Pricing individuell.

Spezialisierte Point-Tools

Fuer jede der sechs Use Cases gibt es spezialisierte Best-of-Breed-Tools, die in ihrer Nische tiefer sind als jede native CRM-Funktion. Sie werden per API oder iPaaS (Zapier, Make, Workato) an das CRM angebunden.

• Prospecting und Anreicherung - Clay (fuer komplexe Datenflows), Apollo, Cognism, Echobot (deutsche Datentiefe), ZoomInfo.
• Outreach und Sequenzen - Outreach, Salesloft, Apollo, Lavender (E-Mail-Coaching), Instantly.
• Conversation Intelligence - Gong, Chorus (jetzt ZoomInfo), Avoma, Modjo (europaeisch), tl;dv.
• Forecasting und Revenue Intelligence - Clari, BoostUp, Gong Forecast, Revenue Grid.
• CPQ und Angebotsautomatisierung - DealHub, Conga, PandaDoc, Qwilr, Salesforce CPQ.
• Chatbots und Inbound-Qualifizierung - Drift, Qualified, Intercom Fin, HubSpot Breeze Chat.

Custom-Loesungen

Fuer Prozesse, die wettbewerbsdifferenzierend sind oder keiner Standardloesung folgen, lohnt sich ein gebauter KI-Workflow. Typisch im Mittelstand: produktspezifische Angebotskonfiguration, branchenspezifisches Lead-Scoring mit regulatorischen Randbedingungen, oder Integration mit einem alten ERP-System.

• Einsatzbereich - Wenn Standard-Tools nur 60 Prozent der Anforderungen abdecken und die restlichen 40 Prozent wertschoepfend sind.
• Typische Kosten - 30.000 bis 80.000 Euro fuer den ersten Use Case, danach sinkende Grenzkosten fuer weitere Use Cases auf derselben Infrastruktur.
• Zeithorizont - 8-12 Wochen bis produktiv, weitere 4-8 Wochen bis Feintuning abgeschlossen.
• Architektur - LLM (OpenAI, Anthropic, lokale Modelle) plus Retrieval aus strukturierten Quellen (Produktkatalog, CRM, ERP), plus Output in bestehende Systeme.
• Entscheidungsfrage - Wird der Prozess, den Sie automatisieren wollen, in Ihrer Branche Standard, oder ist er spezifisch fuer Ihr Unternehmen? Bei Standard kaufen, bei spezifisch bauen.

DSGVO, Betriebsrat und die EU-KI-Verordnung

KI im Vertrieb verarbeitet personenbezogene Daten. In Deutschland heisst das: DSGVO, BDSG, BetrVG und ab August 2026 die EU-KI-Verordnung sind der rechtliche Rahmen. Wer das nicht sauber aufsetzt, baut sich ein Bussgeld-Risiko.

DSGVO in drei Schritten

1. Rechtsgrundlage identifizieren - Bei B2B-Kontakten meist berechtigtes Interesse nach Artikel 6 Absatz 1 lit. f DSGVO. Bei Bestandskunden vertragliche Grundlage. Bei Newsletter-Abgleich Einwilligung. Dokumentieren Sie pro Verarbeitung.
2. AV-Vertrag abschliessen - Mit jedem KI-Anbieter, der personenbezogene Daten sieht. OpenAI, Anthropic, Salesforce, HubSpot, Clay, Gong - alle bieten AVV an. EU-Datenresidenz pruefen, wenn moeglich dort hosten.
3. Zweckbindung und Speicherfrist - KI-Tool so konfigurieren, dass nur der dokumentierte Zweck erfuellt wird. Historische Chats und Transkripte nach definierter Frist loeschen. Kein Training auf Ihren Daten zulassen (Enterprise-Stufe).

Betriebsrat: wo 87 BetrVG greift

Tools, die die Leistung einzelner Mitarbeitender messen oder ihr Verhalten auswerten koennen, loesen Mitbestimmungsrechte aus. Im Vertrieb trifft das auf viele KI-Tools zu.

• Conversation Intelligence - Gong, Chorus und aehnliche erfassen pro Mitarbeitender, wer wie oft, wie lange, mit welcher Tonalitaet spricht. Klar mitbestimmungspflichtig.
• E-Mail-Tracking - Wer oeffnet, wer antwortet, wer klickt. Auch das eine Leistungsmessung.
• Forecasting pro Person - Wenn die KI pro Verkaeufer Prognosen rechnet und das Management darauf Druck macht, ist der Betriebsrat mit im Boot.
• Activity-Tracking - Tools, die messen, wie viele Calls, Mails, Termine pro Mitarbeiter pro Tag - klassischer Mitbestimmungs-Fall.
• Praktischer Weg - Frueh informell mit dem Betriebsrat sprechen, Nutzungszweck klar machen, Monitoring-Grenzen vereinbaren, in einer schlanken Betriebsvereinbarung festhalten.

EU-KI-Verordnung: was ab August 2026 gilt

Fuer die meisten Vertriebs-KI-Anwendungen: wenig. Vertriebs-KI faellt in der Regel in die Kategorie "begrenztes Risiko" oder "minimales Risiko".

• Artikel 4 KI-Kompetenz - Ab August 2026 muessen Mitarbeitende, die KI beruflich einsetzen, grundlegend geschult sein¹². Im Vertrieb heisst das: 2-4 Stunden Erstschulung zu Prompting, Datenschutz und Output-Pruefung.
• Artikel 50 Transparenz - Wenn Ihr Chatbot oder Outreach-Agent mit Kunden kommuniziert, muss die KI-Natur offengelegt werden. Keine Pflicht zur Neutralisierung, aber Ehrlichkeit.
• KMU-Sonderregeln - Kleinere Unternehmen haben Zugang zu kostenfreien regulatorischen Sandkaesten, niedrigere Bussgeldobergrenzen, vereinfachte Dokumentation.

Der 90-Tage-Einfuehrungsplan

Scheitern tun fast alle KI-Projekte im Vertrieb am gleichen Muster: zu breit gestartet, zu wenig Change-Management, zu spaete Datenaufraeumung. Der 90-Tage-Plan schneidet genau diese Risiken ab.

Phase 1: Vorbereitung (Wochen 1-3)

1. Woche 1: Use Case waehlen - Nicht sechs, sondern einen. Kriterien: hohes Volumen (taeglich/woechentlich wiederkehrend), klarer KPI (Zeit, Conversion, Forecast-Fehler), datenverfuegbar im CRM. Top-Kandidat fuer die meisten Mittelstaendler: CRM-Pflege durch Conversation Intelligence.
2. Woche 2: Datencheck - Datenqualitaet im CRM pruefen, doppelte Datensaetze bereinigen, Pflichtfelder definieren, historischer Zeitraum festlegen. Wenn die Datenbasis unter 70 Prozent Vollstaendigkeit liegt, erst aufraeumen, dann KI.
3. Woche 3: Compliance und Betriebsrat - AVV pruefen, Datenschutzfolgenabschaetzung bei Profilbildung, informelles Gespraech mit Betriebsrat fuehren. Parallel Baseline-Messung des KPI starten.

Phase 2: Einfuehrung (Wochen 4-8)

4. Wochen 4-5: Tool einfuehren - Tool beim Pilot-Team installieren, Integration ins CRM testen, Konfiguration an eigene Prozesse anpassen. Bei nativen CRM-Tools oft nur Aktivierung und Einstellung, bei Point-Tools vollstaendige API-Anbindung.
5. Wochen 6-7: Pilot mit Champions - 3-5 erfahrene Verkaeuferinnen aus dem Team nutzen das Tool taeglich, geben waechentliches Feedback. Prompt-Templates, Workflows und Ausnahmen iterieren. Erste Quick Wins an Leadership kommunizieren.
6. Woche 8: Feintuning und Schulung - Lessons Learned in Standard-Prozess einarbeiten, Rollout-Schulung fuer das gesamte Team konzipieren, Change-Management-Kommunikation vorbereiten.

Phase 3: Rollout und Messung (Wochen 9-12)

7. Woche 9: Team-Rollout - Vollstaendiges Vertriebsteam geschult, Tool bei allen aktiv, Champions unterstuetzen Neulinge. Woechentliche Office Hours fuer Fragen.
8. Wochen 10-11: Nutzung stabilisieren - Nutzungsraten ueberwachen, Wer nutzt wie, blockierende Faktoren identifizieren und beseitigen. Zielmarke: ueber 80 Prozent aktive Nutzung im Team.
9. Woche 12: Messung und Entscheidung - KPI gegen Baseline vergleichen. Wenn Ziel getroffen: naechsten Use Case priorisieren. Wenn nicht: Ursachen analysieren, nachsteuern oder abbrechen. Ehrlich berichten, nicht schoenfaerben.

KPIs, Messung und typische Fallen

Ohne saubere Messung laesst sich nicht beurteilen, ob KI im Vertrieb funktioniert. Hier die KPIs, die wirklich zaehlen, und die Fallen, in die viele Unternehmen tappen.

Vier KPI-Ebenen

• Aktivitaets-KPIs - Zeit pro CRM-Eintrag, Zeit pro Angebot, Leads recherchiert pro Woche, E-Mails versendet pro Tag. Messen den Input und zeigen, wo die Zeit hinlaeuft.
• Qualitaets-KPIs - Datenvollstaendigkeit im CRM, Prozentsatz der Leads mit gepflegtem Buyer-Persona, Qualitaet der Angebote nach interner Review-Skala.
• Output-KPIs - Lead-to-SQL-Rate, SQL-to-Opportunity-Rate, Win-Rate, durchschnittliche Abschlussdauer, Deal-Size. Zeigen, ob die Aktivitaet zu mehr Umsatz fuehrt.
• Wirtschafts-KPIs - Umsatz pro Vertriebsmitarbeiter, CAC pro Kanal, ROI der KI-Tools nach 6 und 12 Monaten. Die Zahlen, die der CFO sehen will.

Sieben typische Fallen

1. Baseline vergessen - Ohne Vorher-Messung kein Vorher-Nachher-Vergleich. Mindestens 4 Wochen vor Tool-Einfuehrung Baseline dokumentieren.
2. Datenqualitaet ignoriert - Wer auf schmutzigem CRM KI einfuehrt, produziert schnellere Fehler. Immer zuerst aufraeumen.
3. Zu breit gestartet - Sechs Use Cases gleichzeitig scheitern alle. Ein Use Case erfolgreich und dann ausweiten.
4. Champions uebersprungen - Top-down Rollout ohne interne Fuersprecher scheitert. Erst 3-5 Champions, dann der Rest.
5. Kein Change Management - Tool einfuehren reicht nicht. Training, Rituale, Incentives muessen das Tool verstaerken.
6. KPIs nicht an Tool geknuepft - Wenn das Verkaufsteam nach Leads pro Tag bezahlt wird, aber das KI-Tool die Qualitaet pro Lead erhoehen soll, entsteht Konflikt. Vergutungsmodell anpassen.
7. Erfolg nicht sichtbar gemacht - Zeiteinsparung passiert leise. Monatliche Team-Showcases, in denen Champions ihre Ergebnisse zeigen, verstaerken die Adoption.

Wie Superkind passt

Superkind baut individuelle KI-Loesungen fuer KMU und mittelstaendische Unternehmen. Im Vertriebs-Kontext heisst das: wir schauen, wo native CRM-KI und Point-Tools ausreichen, und wo ein eigenes Setup Wettbewerbsvorteil bringt. Der Ansatz ist prozessorientiert, nicht technologiegetrieben.

• Prozess-Discovery zuerst - Wir gehen in Ihr Haus, sprechen mit den Verkaeufern, die den Job jeden Tag machen, und mappen den realen Prozess - nicht die Folien-Version. Dann entscheiden wir gemeinsam, was gekauft und was gebaut wird.
• Sitzt auf Ihrem Stack - Wir integrieren mit Ihrem CRM (Salesforce, HubSpot, Pipedrive, Dynamics, SAP), Ihrem ERP und Ihren Datenbanken. Keine neue Plattform, die Ihr Team lernen muss.
• Live in Wochen - Erste Use Cases sind in 8-12 Wochen produktiv. Ihr Vertriebsteam arbeitet vom ersten Tag an mit, gibt Feedback, und die Loesung wird scharf.
• Outcome-Pricing - Keine grossen Lizenz-Vorauszahlungen oder Mehrjahresvertraege. Preise pro Use Case mit klaren, messbaren KPIs, die vor dem Bau festgelegt werden.
• Ihr Team bleibt in Kontrolle - Menschliche Freigaben an den richtigen Stellen, Audit-Trails fuer kritische Entscheidungen, keine Blackbox-Systeme.
• Kontinuierliche Verbesserung - Wir liefern nicht ab und verschwinden. Wir iterieren. Use Case fuer Use Case, bis der Prozess auf Autopilot laeuft.
• Enterprise-Security - Daten bleiben in Ihrer Infrastruktur oder in EU-Residenz. Verschluesselte API-Verbindungen. AVV mit allen Beteiligten. DSGVO- und Compliance-ready.
• Ueber Vertrieb hinaus - Dieselbe Integrationsebene skaliert auf Service, Marketing, Operations. Investition zahlt sich mehrfach aus.

Haeufig gestellte Fragen

Henri Jung

Co-Founder von Superkind. Henri hilft KMU und mittelstaendischen Unternehmen, KI-Loesungen einzufuehren, die zu ihrem Vertrieb, ihrem Service und ihrer Produktion passen. Vor Superkind hat er jahrelang mit Mittelstaendlern an Digitalisierungs-Projekten gearbeitet und aus erster Hand gesehen, warum so viele KI-Initiativen scheitern - sie starten bei der Technologie statt beim Prozess. Er ist ueberzeugt: Der Mittelstand hat alles, was er braucht, um bei KI vorn zu stehen. Was fehlt, ist der richtige Ansatz.