KI im Vertrieb: Wo der ROI wirklich steckt (und wo nicht)

Wenn du heute auf einer Vertriebs-Konferenz nach KI fragst, hörst du wahrscheinlich vier Begriffe: Lead Scoring, Forecasting, Conversation Intelligence, hyperpersonalisierte Outreach. Drei davon liefern in unserer Erfahrung selten den versprochenen Ertrag — jedenfalls nicht im klassischen B2B-Mittelstand mit Außendienst und mittelfristigen Vertriebszyklen.

Wo die Effekte tatsächlich entstehen, ist weniger spektakulär: Recherche, Protokollierung, Angebotsvorbereitung. Diese drei Hebel sind die unauffälligen Gewinner — und gleichzeitig die unterinvestiertesten Bereiche, wenn ein Vertriebsleiter zum ersten Mal über KI nachdenkt. Dieser Beitrag erklärt, warum.

Die richtige Frage zuerst: Wo verliert dein Vertrieb Zeit?

Bevor du ein KI-Tool auswählst, lohnt sich eine sehr einfache Übung. Gib drei erfahrenen Außendienst-Mitarbeitern eine Woche lang ein Tagebuch: in 30-Minuten-Blöcken aufschreiben, womit sie ihre Zeit verbracht haben. Am Ende der Woche wertest du nach drei Kategorien aus: Kundenkontakt, Vorbereitung/Nachbereitung, Administration.

Im typischen B2B-Mittelstand liegen die Werte ungefähr bei 25 / 35 / 40. Kundenkontakt — also das, wofür ein Vertriebsmensch eigentlich da ist — füllt selten mehr als ein Viertel der Wochenzeit aus. Die größten Hebel für mehr Zeit am Kunden liegen damit nicht im Bereich Kundenkontakt selbst, sondern in den anderen 75 Prozent. Genau dort ist KI heute am wirkungsvollsten.

Diese Beobachtung dreht die übliche Diskussion um. Statt zu fragen “Wie kann KI mehr Abschlüsse generieren?”, wird die produktive Frage zu “Wie kann KI dafür sorgen, dass meine Vertriebsleute mehr Zeit beim Kunden verbringen?”. Die Antwort auf die zweite Frage führt zu konkreten, messbaren Projekten. Die Antwort auf die erste Frage führt meistens zu enttäuschenden Pilotprojekten.

Hebel 1: Recherche und Account-Vorbereitung

Vor jedem ernsthaften Kundentermin gehört eine Stunde Vorbereitung. Mitarbeiter recherchieren das Unternehmen, sichten die Bestellhistorie, lesen sich in offene Vorgänge ein, prüfen LinkedIn auf personelle Veränderungen. In der Praxis findet diese Stunde selten statt — sie ist die erste, die unter Zeitdruck wegfällt.

Ein gut konfigurierter Vertriebs-Assistent liefert diese Vorbereitung in zwei bis drei Minuten: ein einseitiger Briefing-Bogen mit Kerndaten, letzten Interaktionen, offenen Themen und drei Gesprächsanknüpfungspunkten. Das ersetzt keine echte Recherche bei strategischen Großkunden, aber es deckt 80 Prozent der mittelvolumigen Termine ab — und damit den Bereich, in dem heute am häufigsten unvorbereitet verkauft wird.

Erfahrungswert: Außendienst-Mitarbeiter, die mit einem solchen Briefing-Bogen arbeiten, berichten von höherer Gesprächsqualität in den ersten 15 Minuten und von mehr abschlussrelevanten Nebeninformationen pro Termin. Direkter Umsatz-Effekt ist schwer messbar — Pipeline-Conversion-Verbesserungen im einstelligen Prozentbereich sind nach sechs Monaten realistisch.

Hebel 2: Gesprächsprotokolle und CRM-Pflege

Wer mit zehn Vertriebsleitern spricht, hört zehn Klagen über die Datenqualität im CRM. Die Lücke entsteht selten aus Unwillen — sie entsteht, weil saubere CRM-Pflege nach einem zwölfstündigen Außendienst-Tag das Letzte ist, was eine müde Vertriebsperson zuverlässig erledigt.

Ein praxistauglicher KI-Einsatz ersetzt nicht das CRM, sondern den Pflegevorgang. Eine Sprachnotiz im Auto auf der Rückfahrt, drei Minuten lang, wird automatisch in einen strukturierten CRM-Eintrag übersetzt: Gesprächsteilnehmer, besprochene Themen, vereinbarte Nächste Schritte, identifizierter Bedarf. Der Mitarbeiter prüft den Entwurf am nächsten Morgen, korrigiert eventuell, gibt frei.

Der Effekt ist doppelt: CRM-Datenqualität steigt messbar (mehr Felder gefüllt, mehr Folgeaktivitäten dokumentiert), und die Mitarbeiter gewinnen ehrlich zwischen 30 und 60 Minuten pro Tag zurück. Letzteres ist die Zahl, die in Mitarbeiter-Befragungen am stärksten zur Akzeptanz beiträgt — und damit die Voraussetzung dafür, dass das Werkzeug nach drei Monaten überhaupt noch genutzt wird.

Hebel 3: Angebots- und Argumentationsentwürfe

Im B2B-Mittelstand entstehen Angebote oft in einer Mischung aus alten Vorlagen, Copy-Paste aus Vorgängerangeboten und individueller Anpassung. Der Aufwand pro Angebot liegt häufig zwischen vier und zwölf Stunden — verteilt auf Vertrieb, Innendienst, Technik.

Ein KI-Werkzeug, das aus strukturierten Eingaben (Kunde, Bedarf, Volumen, gewünschtes Lösungsbild) einen vollständigen Angebotsentwurf erstellt, halbiert diesen Aufwand in den meisten Fällen. Voraussetzung ist nicht die Modellqualität — die ist heute hinreichend — sondern die Disziplin, die Eingabe sauber zu strukturieren und einen verlässlichen Review-Schritt einzuplanen.

Der eigentliche Gewinn liegt nicht in der Zeit, sondern in der Konsistenz. Angebote werden vergleichbarer, Argumentationsketten stringenter, Preisstrukturen einheitlicher. Damit verbessert sich nicht nur die interne Effizienz — Kunden treffen Entscheidungen über bessere, klarere Vergleichsgrundlagen.

Was meistens überschätzt wird: Lead Scoring

Lead Scoring auf Basis von KI gehört zu den am häufigsten gepitchten Anwendungsfeldern. Die Realität im Mittelstand: Die Daten, die für ein tragfähiges Scoring nötig wären, fehlen meistens.

Ein KI-gestütztes Scoring lebt davon, dass historische Daten klar zwischen “wurde Kunde” und “wurde nicht Kunde” trennen und dass die Merkmale, die diesen Unterschied erklären, in den eigenen Systemen vorhanden sind. Wer im B2B-Mittelstand drei Vertriebszyklen pro Jahr durchläuft und 50 Abschlüsse pro Jahr hat, hat nicht genug Datenpunkte, damit ein Modell verlässlich generalisieren kann.

Das heißt nicht, dass Scoring nichts bringt. Es heißt, dass ein menschlich gepflegtes Scoring-System (vier bis sechs klare Kriterien, jede Woche aktualisiert) in dieser Größenordnung meistens genauere und nachvollziehbarere Ergebnisse liefert als ein Modell. Wer die Daten dafür ohnehin sammeln muss, sollte sie für die KI-Anwendungen aus den Hebeln 1 bis 3 nutzen — nicht für ein Scoring-Experiment.

Was meistens überschätzt wird: Forecasting

Vertriebs-Forecasting per KI verspricht in vielen Tool-Pitches eine Prognosegenauigkeit, die in der Praxis selten erreicht wird. Der Grund ist nicht das Modell, sondern die strukturelle Eigenheit des B2B-Geschäfts: Wenige große Deals dominieren das Quartalsergebnis, und genau diese großen Deals sind diejenigen, deren Verlauf weniger von Mustern als von Einzelentscheidungen abhängt.

Was funktioniert: Ein gut moderierter wöchentlicher Pipeline-Review mit klaren Verantwortlichkeiten pro Deal. Was nicht funktioniert: Ein Modell, das aus historischen Aktivitätsdaten den Quartalsabschluss prognostiziert. Wir empfehlen Kunden in diesem Bereich konsequent, kein Budget für KI-Forecasting auszugeben, bevor nicht ein menschlicher Forecast-Prozess sauber etabliert ist — der ist günstiger, ehrlicher und in den meisten Fällen genauer.

Was meistens überschätzt wird: Der KI-Vertriebsbot

Der dritte populäre Anwendungsfall, der enttäuscht: Ein Chatbot auf der Website, der angeblich automatisch qualifiziert, terminiert und nachfasst. In bestimmten Konstellationen funktioniert das (kurzer Sales-Cycle, transaktionales Geschäft, klare Produktkategorien). Im klassischen B2B-Mittelstand mit beratungsintensivem Verkauf ist die Erfolgsquote gering.

Der Grund ist meistens nicht die Bot-Qualität. Es ist die Beobachtung, dass Käufer im erklärungsbedürftigen Geschäft im entscheidenden Moment nicht mit einem Bot reden wollen — sondern mit einer Person, die das Problem wirklich versteht. Ein Bot, der diesen Moment verzögert, kostet Konversion. Ein Bot, der ihn vorbereitet, kann helfen — aber das ist ein anderer Use-Case als das, was häufig verkauft wird.

Wie du den richtigen Startpunkt findest

Wenn du überlegst, wo du im Vertrieb mit KI anfangen sollst, hilft eine kurze Diagnose-Frage: An welcher Stelle würde dein Vertriebsteam, gefragt nach dem nervigsten Teil der Woche, einstimmig dieselbe Antwort geben? Diese einstimmige Antwort ist dein erster Use-Case.

In sieben von zehn Fällen lautet die Antwort: CRM-Pflege oder Angebotsvorbereitung. Beide sind solide Einstiegspunkte und passen gut in eine übergeordnete KI-Strategie. Beide haben messbare Vorher/Nachher-Größen. Beide entlasten direkt die Personen, die das Werkzeug am Ende nutzen sollen — und damit ist die Akzeptanzfrage zum Großteil schon vor dem Projektstart beantwortet.

Wenn du für deinen Vertrieb prüfen möchtest, welcher der drei Hebel den größten Ertrag verspricht und wie eine schlanke Einführung aussehen könnte, sprich uns an. Wir nehmen uns eine Stunde, hören uns deine Vertriebsstruktur an und nennen dir einen realistischen Startpunkt — oder, falls keiner sinnvoll ist, sagen wir das ebenso ehrlich.