Das neue Operating Model für den AI-Vertrieb
Mario Pufahl ·
PDF herunterladenWarum Copilot, CRM und einzelne AI-Use-Cases noch keine Transformation ergeben
Viele Unternehmen investieren derzeit intensiv in künstliche Intelligenz im Vertrieb.
Sie führen Copilots ein, testen automatisierte Gesprächszusammenfassungen, erstellen E-Mails mit generativer AI oder bauen erste Sales Agents. Die Zahl der Use-Cases wächst. Trotzdem bleibt der messbare Effekt häufig hinter den Erwartungen zurück.
Der Grund ist einfach: Einzelne AI-Anwendungen verändern noch kein Vertriebssystem.
Wer AI nachhaltig im Vertrieb verankern will, braucht mehr als Technologie. Er braucht ein neues Operating Model – also eine klare Logik dafür, wie Strategie, Prozesse, Menschen, Daten, AI Agents, Führung und Governance künftig zusammenspielen.
Die entscheidende Frage lautet deshalb nicht: Welche AI-Lösung sollen wir einführen?
Sondern: Wie muss unser Vertrieb organisiert sein, damit Menschen und AI gemeinsam bessere Ergebnisse erzielen?
Der klassische Vertrieb ist für eine andere Zeit gebaut
Viele Vertriebsorganisationen arbeiten noch immer nach einem Operating Model, das vor allem auf menschlicher Aktivität basiert.
Verkäufer recherchieren Accounts, bereiten Gespräche vor, dokumentieren Meetings, schreiben Follow-ups, pflegen Opportunities, erstellen Forecasts und koordinieren interne Experten.
CRM-Systeme unterstützen diese Arbeit, übernehmen sie aber nicht.
Die Konsequenz ist bekannt: Ein erheblicher Teil der Vertriebszeit fließt nicht in Kundeninteraktion, sondern in Administration, Recherche, Abstimmung und Dokumentation.
AI verändert diese Ausgangslage grundlegend: Sie kann Informationen zusammenführen, Kundenhistorien analysieren, Risiken in Opportunities erkennen, Gesprächsvorbereitungen erstellen, nächste Maßnahmen empfehlen und Teile der Kommunikation automatisieren.
Damit verschiebt sich jedoch nicht nur die Arbeitsteilung. Es verändert sich das gesamte System der Vertriebssteuerung.
Das Operating Model des AI-Vertriebs besteht aus sieben Bausteinen
Ein zukunftsfähiger AI-Vertrieb lässt sich nicht allein über Tools gestalten. Er benötigt sieben miteinander verbundene Elemente:
● Strategie und Zielbild
● Kundenzentrierte Vertriebsprozesse
● Daten und Wissen
● AI Agents und Automatisierung
● Rollen und Kompetenzen
● Führung und Steuerung
● Governance und kontinuierliche Verbesserung
Erst wenn diese Bausteine ineinandergreifen, entsteht aus einzelnen AI-Initiativen ein leistungsfähiges Vertriebsmodell.
1. Strategie: Welches Problem soll AI lösen?
Viele AI-Programme starten mit der Technologie. Das ist der falsche Ausgangspunkt.
Am Anfang muss ein klares geschäftliches Ziel stehen. Soll AI die Produktivität erhöhen? Die Abschlussquote verbessern? Vertriebszyklen verkürzen? Forecasts präziser machen? Bestandskundenpotenziale identifizieren? Oder die Qualität der Kundeninteraktion steigern?
Ohne Priorisierung entsteht schnell ein Sammelsurium aus Pilotprojekten.
Ein wirksames Zielbild beantwortet deshalb drei Fragen:
● Wo soll AI konkret Wert erzeugen?
● Welche Entscheidungen sollen besser oder schneller werden?
● Welche Aufgaben bleiben bewusst beim Menschen?
AI im Vertrieb ist kein Selbstzweck. Sie muss auf Umsatz, Marge, Kundenbindung, Geschwindigkeit oder Qualität einzahlen.
2. Prozesse: Nicht schlechte Abläufe automatisieren
Viele Vertriebsprozesse sind historisch gewachsen.
Sie enthalten Medienbrüche, redundante Freigaben, uneinheitliche Vorgehensweisen und hohe manuelle Aufwände. Wird AI einfach auf diese Prozesse gesetzt, automatisiert das Unternehmen im Zweifel nur bestehende Ineffizienz.
Deshalb gilt: Vor der Automatisierung kommt die Prozessentscheidung.
Jede Vertriebsorganisation sollte ihre zentralen Prozesse überprüfen:
● Lead-to-Opportunity
● Opportunity-to-Close
● Account Management
● Angebotsmanagement
● Forecasting
● Renewal und Expansion
● Vertriebsplanung
● Kundenübergabe an Delivery oder Service
Für jeden Prozess muss klar sein, welche Schritte standardisiert, unterstützt, automatisiert oder bewusst menschlich bleiben.
Ein Beispiel: Bei einer komplexen Opportunity kann AI die Account-Situation analysieren, Stakeholder-Lücken erkennen, Risiken markieren und nächste Schritte vorschlagen.
Die politische Bewertung des Buying Centers, die Beziehung zum Entscheider und die Verhandlung bleiben jedoch menschliche Aufgaben.
Das Ziel ist nicht maximale Automatisierung. Das Ziel ist die optimale Arbeitsteilung.
3. Daten und Wissen: Die eigentliche Infrastruktur der AI
Ein AI-Vertrieb ist nur so gut wie seine Datenbasis.
Fehlende CRM-Einträge, veraltete Ansprechpartner, widersprüchliche Produktinformationen oder unstrukturierte Dokumente führen nicht zu intelligenteren Ergebnissen. Sie beschleunigen lediglich schlechte Entscheidungen.
Das neue Operating Model benötigt deshalb eine verlässliche Wissensarchitektur.
Dazu gehören:
● CRM-Daten
● Kundeninteraktionen
● Angebots- und Vertragsinformationen
● Produkt- und Leistungswissen
● Referenzen und Use-Cases
● Markt- und Wettbewerbsinformationen
● Preis- und Margenlogiken
● interne Expertenprofile
● Governance- und Compliance-Regeln
Entscheidend ist nicht, möglichst viele Daten zu sammeln. Entscheidend ist, die relevanten Daten im richtigen Kontext verfügbar zu machen. Datenqualität wird damit von einer administrativen Aufgabe zu einer strategischen Vertriebsfähigkeit.
4. AI Agents: Vom Assistenten zum digitalen Teammitglied
Die nächste Entwicklungsstufe geht über einzelne Copilot-Funktionen hinaus.
AI Agents können Aufgaben eigenständig analysieren, vorbereiten und innerhalb definierter Grenzen ausführen.
Im Vertrieb könnten spezialisierte Agents beispielsweise folgende Rollen übernehmen:
● Account Research Agent
● Meeting Preparation Agent
● Opportunity Risk Agent
● Proposal Agent
● CRM Documentation Agent
● Forecast Agent
● Renewal Agent
● Sales Coaching Agent
● Pricing Agent
● Next-Best-Action Agent
Dabei sollte nicht ein einzelner Super-Agent alles übernehmen.
Sinnvoller ist eine Architektur aus spezialisierten Agents mit klaren Verantwortlichkeiten, Datenzugriffen und Eskalationswegen.
Der Verkäufer arbeitet dann nicht mehr nur mit Software. Er orchestriert ein digitales Vertriebsteam inklusive Agenten.
Das verändert auch die Anforderungen an die Technologiearchitektur. CRM, Collaboration-Plattform, Wissensmanagement, Datenplattform und AI Layer müssen miteinander verbunden sein.
CRM bleibt wichtig. Es ist aber nicht mehr das alleinige Zentrum des Vertriebs.
5. Rollen und Kompetenzen: Der Verkäufer wird zum Orchestrator
Wenn AI Recherche, Dokumentation und Analyse übernimmt, verliert der Verkäufer nicht automatisch an Bedeutung. Seine Bedeutung verschiebt sich.
Wert entsteht künftig stärker durch Fähigkeiten, die sich nur begrenzt automatisieren lassen:
● Vertrauen aufbauen
● wirtschaftlichen Mehrwert erklären
● komplexe Entscheidungen moderieren
● politische Dynamiken erkennen
● Stakeholder zusammenführen
● Veränderungen begleiten
● Prioritäten setzen
● Verantwortung übernehmen
Gleichzeitig entstehen neue Kompetenzen. Verkäufer müssen lernen, AI-Ergebnisse zu bewerten, gute Arbeitsaufträge zu formulieren, Daten kritisch zu hinterfragen und digitale Agents zielgerichtet einzusetzen. AI Literacy wird damit so selbstverständlich wie heute CRM-Kompetenz. Aber sie reicht allein nicht aus.
Der erfolgreiche Verkäufer der Zukunft verbindet AI-Kompetenz mit Business Acumen, Branchenverständnis und Beziehungskompetenz.
6. Führung: Vom Aktivitätsmanagement zur Systemsteuerung
Auch Vertriebsführung verändert sich. In klassischen Modellen steuern Führungskräfte häufig Aktivitäten: Anzahl der Gespräche, Termine, Angebote oder CRM-Einträge. Im AI-Vertrieb verliert reine Aktivität an Aussagekraft.
Wenn Agents E-Mails erstellen, Accounts recherchieren oder Daten aktualisieren, lässt sich Leistung nicht mehr sinnvoll über manuelle Aktivitätsmengen bewerten.
Führung muss stattdessen das Gesamtsystem incl. AI Agents steuern.
Dazu gehören:
● Qualität der Opportunity-Entscheidungen
● Nutzung und Akzeptanz der AI
● Geschwindigkeit im Vertriebsprozess
● Datenqualität
● Forecast-Genauigkeit
● Kundennutzen
● Win Rate
● Marge
● Ausbau strategischer Accounts
Der Vertriebsleiter wird damit stärker zum Architekten eines leistungsfähigen Systems. Er muss entscheiden, wo standardisiert wird, wo Freiräume notwendig sind und wie Mensch und Maschine zusammenarbeiten.
7. Governance: Autonomie braucht klare Grenzen
Je stärker AI in Entscheidungen und Prozesse eingreift, desto wichtiger wird Governance. Nicht jede Aufgabe darf autonom ausgeführt werde:
● Ein Pricing Agent darf beispielsweise Preisempfehlungen erstellen. Er sollte aber nicht ohne definierte Grenzen individuelle Rabatte freigeben.
● Ein Proposal Agent darf Angebotsentwürfe erzeugen. Rechtlich oder kommerziell relevante Aussagen müssen jedoch überprüfbar bleiben.
● Ein Customer Communication Agent kann Follow-ups vorbereiten. Bei sensiblen Kunden, Eskalationen oder Vertragsfragen ist ein Human-in-the-Loop erforderlich.
Governance beantwortet unter anderem:
● Auf welche Daten darf ein Agent zugreifen?
● Welche Entscheidungen darf er vorbereiten?
● Welche Aufgaben darf er eigenständig ausführen?
● Wann ist eine menschliche Freigabe erforderlich?
● Wie werden Ergebnisse dokumentiert?
● Wer trägt die Verantwortung?
● Wie werden Fehler erkannt und korrigiert?
Governance darf dabei nicht als Bremse verstanden werden. Gute Governance schafft Vertrauen und ermöglicht erst eine kontrollierte Skalierung.
Das Zielbild: Ein hybrides Vertriebsmodell
Das Operating Model der Zukunft ist weder vollständig menschlich noch vollständig autonom.
Es ist hybrid:
● AI übernimmt vor allem Aufgaben, die datenintensiv, repetitiv, regelbasiert oder zeitkritisch sind.
● Menschen übernehmen Aufgaben, die Urteilskraft, Empathie, Verantwortung, Kreativität und Beziehungsarbeit erfordern.
Die Stärke entsteht aus der Kombination:
● AI sorgt für Geschwindigkeit, Skalierbarkeit und analytische Tiefe.
● Der Mensch sorgt für Kontext, Vertrauen und Entscheidungskraft.
Unternehmen sollten deshalb nicht versuchen, den Verkäufer zu ersetzen. Sie sollten ihn systematisch verstärken.
Wie Unternehmen starten sollten
Ein neues Operating Model entsteht nicht durch einen Big Bang. Sinnvoll ist ein schrittweises Vorgehen.
Stufe 1: Assistenz
Zunächst werden klar abgegrenzte Aufgaben unterstützt:
● Meeting-Zusammenfassungen
● Gesprächsvorbereitung
● CRM-Dokumentation
● E-Mail-Entwürfe
● Lead-Qualifizierung
Das Ziel ist schnelle Produktivität bei geringem Risiko.
Stufe 2: Intelligenz
Anschließend analysiert AI komplexere Situationen:
● Opportunity-Risiken
● Stakeholder-Lücken
● Cross-Selling-Potenziale
● Forecast-Abweichungen
● Next-Best-Actions
Das Ziel ist eine bessere Entscheidungsqualität.
Stufe 3: Automation
Danach können definierte Prozessschritte automatisiert werden:
● Datenaktualisierung
● Standard-Follow-ups
● interne Informationsbeschaffung
● Angebotsbausteine
● Renewal-Erinnerungen
Das Ziel ist Skalierung.
Stufe 4: Orchestrierung
In der höchsten Reifestufe arbeiten mehrere Agents über den gesamten Vertriebsprozess zusammen.
Der Mensch führt, bewertet und entscheidet.
Das Ziel ist nicht Autonomie um jeden Preis, sondern ein intelligentes Zusammenspiel.
Die neuen KPIs des AI-Vertriebs
Ein neues Operating Model benötigt neue Kennzahlen.
Neben klassischen Größen wie Umsatz, Marge und Win Rate werden künftig weitere KPIs wichtig:
● eingesparte administrative Vertriebszeit
● Verkürzung des Sales Cycles
● Qualität und Aktualität der CRM-Daten
● Forecast Accuracy
● AI Adoption Rate
● Nutzung empfohlener Next-Best-Actions
● Conversion Rate je Prozessstufe
● Anteil automatisierter Prozessschritte
● Qualität der Opportunity-Bewertung
● Umsatz pro produktiver Vertriebsstunde
Entscheidend ist, Technologieeinsatz nicht mit Erfolg zu verwechseln.
Die Zahl der verwendeten Agents ist kein Business-KPI.
Relevant ist nur, ob sie bessere Vertriebsergebnisse ermöglichen.
Mario Pufahl. Erstveröffentlicht am 31.07.2026 in Digital Adventures. Kostenloser Fachartikel.
Original auf LinkedIn lesen · sales-decoded.com
Herausforderung besprechenÜber den Autor: Mario Pufahl