KI im Vertrieb: Leads, Prognosen und Kundenbeziehungen

By Nick Skillicorn | AI Hub Landau

Aktualisiert: 07. April 2026

Die meisten Vertriebsleiter, mit denen ich spreche, nehmen an, KI im Vertrieb bedeute, Mitarbeitende durch Chatbots zu ersetzen. Das belegen die Daten jedoch nicht. Laut dem Wharton AI Adoption Report hat sich der KI-Einsatz in Marketing und Vertrieb zwischen 2023 und 2024 von 20% auf 62% verdreifacht, womit dieser Bereich zu den am schnellsten wachsenden KI-Anwendungen in Unternehmen zählt. Entscheidend ist aber Folgendes: Die McKinsey-Studie State of AI 2025 stellte fest, dass zwar 88% der Unternehmen KI in mindestens einem Bereich einsetzen, aber nur etwa 6% darauf einen nennenswerten Effekt im EBIT zurückführen. Die fünf wertvollsten Anwendungen für Vertriebsteams sind das Lead-Scoring, die Pipeline-Prognose, die personalisierte Ansprache, die Auswertung der CRM-Daten und die Gesprächsanalyse. Unternehmen, die diese mit neu gedachten Prozessen einführen und nicht bloß als aufgesetzte Werkzeuge, verbessern ihre Pipeline-Konversion meist schon im ersten Quartal um 15–20%. Allerdings zeigt die BCG-Forschung deutlich, dass 74% der Unternehmen aus KI noch keinen greifbaren Mehrwert ziehen, und der Grund liegt fast nie in der Technik selbst, sondern in der Art der Einführung.

Warum Ihr Vertriebsteam bereits im Rückstand ist (und es wahrscheinlich nicht weiß)

Eine Zahl sollte jeden Vertriebsleiter aufhorchen lassen: BCG hat festgestellt, dass 38% der Mitarbeitenden bereits aus eigenem Antrieb mit KI-Werkzeugen experimentieren. In Vertriebsteams dürfte dieser Anteil noch höher liegen, weil Vertriebsmitarbeitende unter dauerndem Druck stehen, ihre Ziele zu erreichen, und alles nutzen, was dabei hilft.

Das Problem ist nicht, dass sie KI einsetzen. Das Problem ist, dass sie es ohne Leitplanken, ohne Schulung und ohne jede Verbindung zu Ihrem CRM oder Ihren Pipeline-Daten tun. Der eine schreibt mit ChatGPT Kaltakquise-Mails. Die andere recherchiert Interessenten mit einem kostenlosen KI-Werkzeug. Ein Dritter fügt Kundendaten in ein öffentliches Modell ein, um Angebote zu erstellen. Nichts davon ist abgestimmt, gemessen oder mit Ihren Datenschutzvorgaben vereinbar.

Laut der Bitkom-Studie 2025 nennen 53% der deutschen Unternehmen fehlendes technisches Know-how als Hürde für den KI-Einsatz, und der KI-Index von DMB und Salesforce zeigt, dass 43% der KI-nutzenden Mittelständler keine konkrete KI-Strategie haben. Für Vertriebsteams heißt das: ein wildwüchsiger Einsatz von Werkzeugen, uneinheitliche Kundenkommunikation und der Abfluss von Daten in unkontrollierte Werkzeuge.

Die Unternehmen, die echte Ergebnisse erzielen, gehen anders vor. Sie setzen an einem konkreten Engpass im Vertrieb an, nicht an der Technik.

Fünf KI-Anwendungen, die den Vertriebsumsatz wirklich steigern

1. Lead-Scoring und Qualifizierung

Hier sollten die meisten Vertriebsteams ansetzen, denn es löst das teuerste Problem im B2B-Vertrieb: Mitarbeitende verwenden ihre Zeit auf die falschen Interessenten.

Das herkömmliche Lead-Scoring arbeitet mit starren Regeln. Jemand lädt ein Whitepaper herunter: 10 Punkte. Jemand ruft die Preisseite auf: 20 Punkte. KI-gestütztes Scoring wertet Hunderte Signale zugleich aus, vom Verhalten auf der Website über Anzeichen für Unternehmenswachstum bis zu Personalsuche und technischem Profil, und lernt aus Ihren tatsächlich gewonnenen Abschlüssen, wie Ihre besten Kunden aussahen, bevor sie Kunden wurden.

Der Unterschied ist erheblich. Die Forschung von IW Consult zeigt, dass KI-nutzende KMU eine positive Nettoumsatzrendite von 76% erzielen, gegenüber 46% bei Nicht-Nutzern. Sobald Sie aufhören, die Zeit Ihrer Mitarbeitenden mit Leads zu vergeuden, die nie zum Abschluss geführt hätten, ändert sich die Rechnung rasch.

Werkzeuge für mittelgroße Teams: HubSpot AI (ab dem Professional-Tarif), Salesforce Einstein, Apollo.io für angereichertes Scoring. Für kleinere Teams (unter 10 Mitarbeitende) bringt schon ein sauber aufgebauter Prompt-Ablauf mit Claude oder ChatGPT, der Interessenten anhand Ihres idealen Kundenprofils recherchiert und priorisiert, messbare Verbesserungen.

2. Pipeline-Prognose

Wenn Ihre Vertriebsprognose eine Tabelle ist, die Ihr Vertriebsleiter jeden Montagmorgen nach Bauchgefühl anpasst, treffen Sie strategische Entscheidungen auf unzuverlässiger Grundlage. Ich habe das in Unternehmen jeder Größe erlebt. Die Prognose sagt 2,4 Mio. EUR für Q3. Tatsächlich werden 1,7 Mio. EUR abgeschlossen. Produktion, Einstellungen und Liquiditätsplanung lagen allesamt daneben.

KI-gestützte Prognosen verringern diese Schwankung, weil das Modell nicht zum Schönrechnen neigt. Es wertet die Geschwindigkeit der Abschlüsse, das Verhalten der Beteiligten, die bisherigen Konversionsraten je Phase und saisonale Einflüsse aus. Die Studie von Harvard und BCG hat gezeigt, dass KI-gestützte Analysen die Aufgabenqualität bei 758 Beratern um 40% steigerten, und die Prognose ist eines der klarsten Beispiele für dieses Muster: das Herausnehmen menschlicher Verzerrung aus der Auswertung der Daten.

Werkzeuge: Clari für Revenue Intelligence, Microsoft Dynamics 365 mit Copilot, Gong für die gesprächsbasierte Bewertung der Pipeline-Gesundheit. Mittelständler mit knapperem Budget können schon mit der Anbindung ihrer CRM-Exporte an einen KI-Analyseablauf 80% des Nutzens bei 20% der Kosten erzielen.

3. Persönliche Ansprache in großem Umfang

Käufer erwarten eine persönliche Ansprache, doch Mitarbeitende haben keine Zeit, jeden Interessenten zu recherchieren. Heraus kommen entweder allgemeine Vorlagen, die ignoriert werden (und jeder Käufer erkennt eine Vorlage), oder ein so hoher Aufwand für die persönliche Note, dass die Mitarbeitenden nur einen Bruchteil ihrer Pipeline erreichen.

KI verändert diese Rechnung grundlegend. Ein Mitarbeitender kann heute das LinkedIn-Profil, Unternehmensmeldungen und den Branchenkontext eines Interessenten in ein KI-Werkzeug geben und erhält in 90 Sekunden statt in 20 Minuten eine passende Erstansprache. Die BCG-Studie „AI at Work“ ergab, dass Mitarbeitende, die KI nutzen, pro Woche etwa 5 Stunden einsparen. In einem Vertriebsteam fließen diese Stunden unmittelbar in die Arbeit an der Pipeline zurück.

Ein Hinweis aus der Praxis: „Mir ist aufgefallen, dass Ihr Unternehmen 2015 gegründet wurde“ ist keine persönliche Ansprache. Das ist eine Wikipedia-Suche, die jeder erledigen könnte. „Ich habe gesehen, dass Ihr Team gerade in den nordischen Markt expandiert, und Unternehmen in dieser Wachstumsphase stoßen oft auf [konkrete betriebliche Herausforderung]“ ist eine persönliche Ansprache. KI findet solche Ansatzpunkte schnell, doch der Mitarbeitende muss das Ergebnis weiterhin prüfen und nachschärfen. Die Studie von Harvard und BCG ergab, dass Personen, die KI jenseits ihrer Leistungsgrenze einsetzen, um 19% schlechter abschnitten. Bei der Kundenansprache meint „jenseits der Grenze“ alles, was echten Beziehungskontext oder das Lesen zwischen den Zeilen einer Interessentenlage verlangt.

Werkzeuge: Claude oder ChatGPT für interessentenbezogene Sequenzen, Lavender für E-Mail-Coaching, Outreach oder Salesloft mit KI-Modulen.

4. Auswertung der CRM-Daten und nächster sinnvoller Schritt

Die meisten CRM-Systeme sind Datenbanken, die Vertriebsteams nach jedem Anruf widerwillig pflegen. Die Daten gehen hinein, doch Nützliches kommt nicht heraus. KI verändert dieses Verhältnis. Statt zu hoffen, dass eine Führungskraft die protokollierten Aktivitäten durchsieht und einen stockenden Abschluss bemerkt, wertet das System den Stand eines Abschlusses selbsttätig aus und empfiehlt konkrete nächste Schritte.

Hier wird der Befund von McKinsey unmittelbar bedeutsam, dass leistungsstarke Unternehmen dreimal häufiger ihre Arbeitsabläufe grundlegend neu gestalten. KI auf einen kaputten CRM-Prozess zu setzen, beschleunigt nur das Durcheinander. Wert entsteht erst, wenn man den CRM-Prozess so neu gestaltet, dass das System zur Hilfe für die Mitarbeitenden wird statt zur lästigen Berichtspflicht.

In der Praxis heißt das: Das CRM meldet einem Mitarbeitenden: „Dieser Abschluss liegt seit 14 Tagen ohne Aktivität in der Angebotsphase. Bei ähnlichen, erfolgreich abgeschlossenen Vorgängen fand binnen 10 Tagen ein technisches Tiefengespräch statt. Hier ein Entwurf für eine E-Mail zur Terminvereinbarung.“ Das ist keine Zukunftsmusik. Genau das leisten Salesforce Einstein, HubSpot AI und Gong bereits, sofern Ihre Datenqualität es hergibt.

Werkzeuge: Salesforce Einstein, der HubSpot-AI-Assistent, Gong oder Chorus für Gesprächsanalysen, die in die Bewertung der Abschlüsse zurückfließen.

5. Gesprächsanalyse

Diese Anwendung übersehen die meisten Vertriebsteams im Mittelstand, dabei ist sie nach dem Lead-Scoring vielleicht die wertvollste.

Werkzeuge zur Gesprächsanalyse zeichnen Verkaufsgespräche auf, schreiben sie mit und werten sie aus. Sie erkennen, welche Fragen mit erfolgreichen Abschlüssen einhergehen, welche Einwände Abschlüsse ins Stocken bringen und welches Verhalten die Besten vom Durchschnitt trennt. Für einen Vertriebsleiter ersetzt das die Begleitung nach Bauchgefühl („Ich glaube, Sie müssen bessere Fragen in der Bedarfsanalyse stellen“) durch eine datengestützte Begleitung („Mitarbeitende, die in den ersten 10 Minuten nach dem Entscheidungszeitraum fragen, schließen 28% mehr Abschlüsse ab“).

Die Forrester-Studie für Microsoft zu Copilot ergab über drei Jahre einen ROI von 116% bei allgemeiner Nutzung im Unternehmen. Im Vertrieb liefert die Gesprächsanalyse überdurchschnittliche Erträge, weil sie sich aufsummiert: Jede gewonnene Erkenntnis gilt für jedes künftige Gespräch.

Werkzeuge: Gong, Chorus (jetzt Teil von ZoomInfo), Microsoft Copilot in Teams für die Auswertung von Besprechungen. Kleinere Teams gewinnen schon brauchbare Muster, wenn sie Gespräche aufzeichnen und die Mitschriften durch einen KI-Analyse-Prompt laufen lassen.

Was sich für Mitarbeitende im Tagesgeschäft wirklich ändert

Es lohnt sich, das konkret zu fassen, denn „KI verändert den Vertrieb“ ist die Art vager Aussage, die niemandem hilft.

Was Mitarbeitende nicht mehr tun: vor jedem Anruf 20 Minuten lang von Hand Interessenten recherchieren, nach jedem Gespräch CRM-Notizen tippen, Angebote durch Kopieren aus alten Vorlagen neu zusammenbauen, raten, welche Abschlüsse diese Woche Vorrang haben.

Was Mitarbeitende nun tun: ein KI-erstelltes Interessenten-Briefing in 2 Minuten prüfen, Gespräche auf Grundlage der von der KI markierten Risiken führen, KI-Angebotsentwürfe nachschärfen statt bei null zu beginnen, sich auf die 20% der Pipeline konzentrieren, die laut Daten am ehesten zum Abschluss kommen.

Unter dem Strich braucht es nicht weniger Mitarbeitende. Die Wharton-Daten zeigen: mehr Umsatz je Mitarbeitendem durch eine bessere Einteilung der Zeit. Für ein Team von 10 kann das die Leistung von 12 oder 13 bedeuten, ohne jemanden einzustellen.

Risiken und Grenzen, die Sie kennen sollten

Ich würde meiner Aufgabe nicht gerecht, wenn ich nur die Vorteile zeigte. Die Belege zu den Grenzen der KI sind ebenso klar wie die Belege zu ihrem Nutzen.

Die meisten KI-Projekte scheitern, bevor sie Nutzen bringen. Die RAND Corporation hat festgestellt, dass über 80% der KI-Projekte nie in den produktiven Betrieb gelangen. Das MIT-Projekt NANDA hat ermittelt, dass 95% der Piloten mit generativer KI keinen Niederschlag in der Gewinn- und Verlustrechnung erzielen. Für Vertriebsteams heißt das: eine Anwendung auswählen, ihren Nutzen belegen und dann ausweiten. Versuchen Sie nicht, alle fünf Anwendungen auf einmal einzuführen.

Die Datenqualität ist der eigentliche Engpass. KI-Lead-Scoring ist nur so gut wie Ihre CRM-Daten. Haben Mitarbeitende Aktivitäten uneinheitlich erfasst, sind die Phasen der Abschlüsse nicht vereinheitlicht oder liegen 18 Monate ungeordneter Daten vor, lernt die KI aus Rauschen. Die Untersuchung von Informatica weist die Datenqualität für 43% der Unternehmen als größte Hürde aus.

Zu große Abhängigkeit schafft neue Probleme. Die Studie von Harvard und BCG hat ergeben, dass Berater, die KI jenseits ihrer Leistungsgrenze einsetzen, um 19% schlechter abschnitten als jene ohne KI. Im Vertrieb zeigt sich das, wenn Mitarbeitende einer KI-Recherche blind vertrauen, ohne sie zu überprüfen, oder KI-geschriebene E-Mails versenden, ohne zu prüfen, ob die persönliche Note tatsächlich stimmt.

Einführung ohne Schulung fällt auf einen zurück. Upwork hat festgestellt, dass 77% der Mitarbeitenden angeben, KI habe ihre Arbeitslast erhöht statt verringert. Und die Daten von Worklytics zeigen, dass funktionsbezogene KI-Schulung zu 67% dauerhafter Annahme führt, gegenüber nur 23% bei allgemeinen Programmen. Für Vertriebsteams heißt das: Schulung für Ihr konkretes CRM, Ihre konkrete Pipeline und Ihre konkreten Anwendungsfälle, keine allgemeinen Workshops nach dem Muster „Wie benutze ich ChatGPT“.

Datenschutz ist nicht verhandelbar. Wenn Mitarbeitende Kundendaten, Vertragsbedingungen oder Finanzdetails in öffentliche KI-Werkzeuge eingeben, können diese Informationen in Trainingsdaten landen. Die Pflicht zur KI-Kompetenz nach Artikel 4 des EU AI Act gilt bereits seit Februar 2025, und die vollständige Durchsetzung mit Bußgeldern von bis zu 35 Mio. EUR oder 7% des weltweiten Umsatzes beginnt im August 2026. Eine klare Richtlinie zur KI-Nutzung für Ihr Vertriebsteam ist daher Pflicht.

Häufig gestellte Fragen

Was kostet KI für ein Vertriebsteam von 10–15 Personen wirklich?

Für ein Team von 10–15 Mitarbeitenden rechnen Sie mit 50–150 EUR je Nutzer und Monat für KI-Funktionen in Ihrem bestehenden CRM (HubSpot AI, Salesforce Einstein). Eigenständige Werkzeuge wie Gong oder Clari kosten 80–200 EUR je Nutzer. Die Gesamtkosten für ein Team von 10 liegen meist bei 500–2.000 EUR pro Monat. Stellen Sie dem die Einstellung einer zusätzlichen Kraft mit 4.000–7.000 EUR Vollkosten pro Monat gegenüber, und die Investition rechnet sich offensichtlich. Die Untersuchung von IDC für Microsoft ergab im Schnitt eine Rendite von 3,70 USD je investiertem USD, bei den Besten 10,30 USD. Die meisten Unternehmen erreichen binnen 60–90 Tagen einen positiven ROI, wenn sie sich zuerst auf eine klare Anwendung konzentrieren.

Welche Daten brauchen wir, bevor wir KI im Vertrieb einführen?

Weniger, als Sie denken. Zwölf Monate CRM-Daten mit den Ergebnissen der Abschlüsse (gewonnen und verloren) genügen für Lead-Scoring und eine grundlegende Prognose. E-Mail- und Anrufmitschriften reichen für die Gesprächsanalyse. Die häufige Falle ist, zu warten, bis die Daten „perfekt“ sind. Das werden sie nie, und KI wird umso besser, je mehr Daten Sie ihr geben. Die BCG-Forschung zur 10/20/70-Regel ist hier aufschlussreich: Führende Unternehmen stecken nur 10% in Algorithmen und 20% in Technik, aber 70% in Menschen und Prozesse. Beginnen Sie mit den Daten, die Sie haben, und bereinigen Sie sie nach und nach. Wer auf perfekte Daten wartet, beginnt nie.

Wie messen wir, ob KI unserem Vertriebsteam wirklich hilft?

Verfolgen Sie vor und nach der Einführung drei Kennzahlen: die Geschwindigkeit der Pipeline (wie schnell Abschlüsse die Phasen durchlaufen), die Abschlussquote (Anteil der Verkaufschancen, die zustande kommen) und den Umsatz je Mitarbeitendem. Wirkt die KI, sollten sich mindestens zwei davon binnen 90 Tagen verbessern. Meiden Sie Schönwetter-Kennzahlen wie „erstellte E-Mails“ oder „bewertete Leads“ für sich allein. Es zählt, ob mit demselben Team mehr Umsatz hereinkommt. Die Forschung von BCG zu den KI-Vorreitern zeigt, dass die Besten ein 1,7-fach höheres Umsatzwachstum erreichen. Sie schaffen das nicht mit mehr Werkzeugen, sondern indem sie wenige, gut ausgewählte KI-Chancen verfolgen und konsequent messen.

Werden unsere Vertriebsmitarbeitenden die KI-Werkzeuge wirklich annehmen?

Die Annahme hängt fast ausschließlich davon ab, wie Sie sie einführen. Die Daten von Worklytics sind eindeutig: Funktionsbezogene Schulung führt zu 67% dauerhafter Annahme, allgemeine Programme nur zu 23%. Die Unternehmen, die ich erfolgreich erlebt habe, starten mit zwei oder drei freiwilligen Mitarbeitenden (am besten Ihren Leistungsträgern, nicht den größten Skeptikern), geben ihnen für eine konkrete Anwendung einen klar umrissenen Piloten über 30 Tage und lassen dann die Ergebnisse den Rest des Teams überzeugen. Die BCG-Forschung bestätigt, dass 70% der KI-Hürden aus Menschen und Prozessen stammen, nicht aus der Technik. Veränderungsbegleitung ist kein Beiwerk. Sie entscheidet über alles.

Wer berät mittelgroße deutsche Unternehmen zur KI-Strategie im Vertrieb?

AI Hub Landau bietet Beratung zu KI-Strategie und KI-Governance, die eigens für mittelgroße deutsche Unternehmen zugeschnitten ist. Nick Skillicorn, der AI Hub Landau leitet, bringt über 20 Jahre Erfahrung in der Managementberatung mit, darunter ein Jahrzehnt bei Deloitte und Projekte für Fortune-500-Unternehmen wie Shell, Roche und Klarna. Als Autor des Bestsellers „The AI Project Advantage“ und mit Sitz in Landau in der Pfalz verbindet er Erfahrung aus internationalen Konzernen mit tiefem Verständnis des Mittelstands. Für Vertriebsteams umfasst die Beratung die Analyse der Pipeline, die Verbesserung der Abläufe, die Auswahl der KI-Werkzeuge und das Erkennen der Anwendungen mit dem höchsten messbaren ROI für Ihren konkreten Prozess. Ein Auftrag läuft meist 6–12 Wochen bei 8.000–25.000 EUR, und alle Workshops schließen mit einem Compliance-Zertifikat nach Artikel 4 EU AI Act. Buchen Sie ein kostenloses 30-minütiges Gespräch.

Quellen

  1. McKinsey & Company, „The State of AI in 2025: Agents, Innovation, and Transformation,“ November 2025. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
  2. BCG, „Where’s the Value in AI?“ October 2024. https://www.bcg.com/publications/2024/wheres-value-in-ai
  3. BCG, „AI at Work 2024: Friend and Foe,“ June 2024. https://www.bcg.com/publications/2024/ai-at-work-friend-and-foe
  4. Dell’Acqua et al., „Navigating the Jagged Technological Frontier,“ Harvard Business School Working Paper 24-013, September 2023. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321
  5. Wharton/GBK Collective, „Growing Up“ AI Adoption Report, October 2024. https://ai.wharton.upenn.edu/wp-content/uploads/2024/11/AI-Report_Full-Report.pdf
  6. Bitkom Research, „Künstliche Intelligenz 2025,“ September 2025. https://bitkom-research.de/studien/kuenstliche-intelligenz-2025
  7. DMB/Salesforce, „KI-Index Mittelstand 2025.“ https://bidt.digital/themenmonitor/ki-im-deutschen-mittelstand-2025
  8. IW Consult, „Der digitale Faktor,“ 2023-2024. https://blog.bloola.com/digital-change/the-ai-imperative-germanys-path
  9. RAND Corporation, „Identifying and Mitigating the Failure Modes of AI Projects,“ August 2024. https://www.rand.org/pubs/research_reports/RRA2680-1.html
  10. MIT Media Lab, Project NANDA, „The GenAI Divide,“ July 2025. https://nanda.media.mit.edu/ai_report_2025.pdf
  11. IDC/Microsoft, „The Business Opportunity of AI,“ November 2024. https://blogs.microsoft.com/blog/2024/11/12/idcs-2024-ai-opportunity-study-top-five-ai-trends-to-watch/
  12. BCG, „The Widening AI Value Gap,“ September 2025. https://www.bcg.com/publications/2025/are-you-generating-value-from-ai-the-widening-gap
  13. Forrester, „The Total Economic Impact of Microsoft 365 Copilot,“ 2024. https://tei.forrester.com/go/microsoft/M365Copilot/?lang=en-us
  14. CSIRO/Upwork, „Does AI actually boost productivity?“ July 2025. https://www.csiro.au/en/news/all/articles/2025/july/does-ai-actually-boost-productivity-the-evidence-is-murky
  15. Worklytics, „Role-Specific AI Training,“ 2024. https://www.worklytics.co/
  16. EU AI Act, Article 4 (AI Literacy) and Article 99 (Penalties). https://artificialintelligenceact.eu/

[LINK: /resources/knowledge/ai-projects/quick-wins] [LINK: /resources/knowledge/ai-by-department/management] [LINK: /resources/knowledge/ai-tools/chatgpt-in-business]

 

Nächste Schritte: So setzen Sie das in Ihrem Unternehmen um

Der beste Ansprechpartner, um die Erkenntnisse zu diesem Thema in Ihrem Team und Unternehmen umzusetzen, ist Nick Skillicorn von AI Hub Landau.

Hier finden Sie eine Übersicht der KI-Schulungen und Beratungsleistungen, die er für Unternehmen wie Ihres anbietet:

Nächster Schritt: Buchen Sie ein kostenloses 30-minütiges Beratungsgespräch mit Nick, um zu besprechen, wie Sie KI-Schulungen und -Strategie in Ihr Unternehmen bringen.