KI im Vertrieb: Wo künstliche Intelligenz im Verkauf heute wirklich hilft

Wo künstliche Intelligenz Verkäufern heute Arbeit abnimmt – und wo sie nur Erwartungen weckt

Montagmorgen im Vertriebsinnendienst eines mittelständischen Herstellers: Im Postfach warten 60 neue E-Mails, darunter drei Angebotsanfragen als PDF, zwei Fragen nach Lieferterminen und eine Reklamation, die eigentlich in den Service gehört. Bevor jemand das erste Angebot schreibt, ist der halbe Vormittag mit Sortieren, Nachschlagen und Abtippen vergangen. Genau an solchen Stellen setzt künstliche Intelligenz im Vertrieb heute an – weniger spektakulär als in vielen Präsentationen, aber spürbar.

Als die erste Fassung dieser Seite Ende 2023 erschien, war vieles noch Versprechen. Inzwischen haben die großen CRM-Anbieter KI-Assistenten eingebaut, Sprachmodelle wie ChatGPT gehören in vielen Büros zum Werkzeugkasten, und mit der europäischen KI-Verordnung gibt es erste verbindliche Regeln. Die Frage lautet deshalb nicht mehr, ob KI im Vertrieb eine Rolle spielt, sondern wo sie sich lohnt, was sie voraussetzt und wo sie mehr Schaden als Nutzen stiftet.

Was „KI im Vertrieb“ heute eigentlich meint

Hinter dem Schlagwort stecken zwei sehr unterschiedliche Technikfamilien, die man auseinanderhalten sollte, weil sie ganz verschiedene Voraussetzungen haben.

• Vorhersagende KI: Verfahren des maschinellen Lernens – also Software, die aus vielen Beispielen statistische Muster ableitet – rechnen mit Ihren eigenen Vertriebsdaten. Sie schätzen etwa, wie wahrscheinlich eine Anfrage zum Auftrag wird oder wie viel Umsatz im Quartal zu erwarten ist. Ohne ausreichend saubere Daten aus der Vergangenheit liefern sie nur Zufallszahlen mit Nachkommastellen.
• Generative KI: Große Sprachmodelle (Large Language Models, kurz LLM) schreiben, fassen zusammen, übersetzen und beantworten Fragen in natürlicher Sprache. Sie brauchen keine jahrelange Datenhistorie, erfinden aber gelegentlich Dinge, die plausibel klingen und nicht stimmen.
• KI-Agenten: Seit Ende 2024 bieten die Hersteller zunehmend Programme an, die mehrere Arbeitsschritte selbstständig hintereinander ausführen – etwa eine Anfrage lesen, im CRM nachsehen, einen Antwortentwurf erstellen und eine Aufgabe anlegen. Technisch sind das Sprachmodelle mit Zugriff auf Werkzeuge und Daten.

Für die Praxis heißt das: Wer Prognosen will, muss zuerst seine Daten in Ordnung bringen. Wer Texte und Zusammenfassungen will, kann sofort anfangen, braucht aber klare Regeln, was in ein KI-Werkzeug eingegeben werden darf.

Lead-Qualifizierung: Welche Anfrage verdient zuerst Aufmerksamkeit?

Kein Vertriebsteam kann jeder Anfrage gleich viel Zeit widmen. Lead-Qualifizierung – die Bewertung von Interessenten danach, wie gut sie passen und wie weit sie in ihrer Entscheidung sind – ist deshalb eines der ältesten Einsatzfelder für KI im Vertrieb.

Regeln oder Lernverfahren

Klassisches Lead-Scoring arbeitet mit festen Punkten: Branche passt, plus zehn; Preisseite besucht, plus fünf; private E-Mail-Adresse, minus zwanzig. Solche Regeln sind nachvollziehbar, aber starr. Ein lernendes Verfahren leitet die Gewichtung dagegen aus Ihren abgeschlossenen Vorgängen ab: Welche Merkmale hatten die Anfragen, aus denen tatsächlich Aufträge wurden? Das funktioniert nur, wenn im CRM über Monate hinweg sauber erfasst wurde, welche Chancen gewonnen und welche verloren gingen – und warum.

Angenommen, ein Maschinenbauer erhält im Jahr einige Hundert Anfragen. Für ein belastbares statistisches Modell ist das wenig. Hier hilft oft schon ein einfaches Regelwerk, das ein Sprachmodell beim Lesen der Anfrage unterstützt: Es erkennt aus dem Freitext, um welches Produkt es geht, ob ein Termin genannt wird und ob die Anfrage von einem Händler oder einem Endkunden stammt.

Recherche und Anreicherung

Generative KI mit Websuche kann vor dem Erstkontakt öffentlich verfügbare Informationen zusammentragen: Was macht das Unternehmen, gab es kürzlich Pressemitteilungen, wurden Stellen ausgeschrieben, die auf ein neues Werk hindeuten? Das spart Recherchezeit. Die Ergebnisse sind aber ein Ausgangspunkt, kein Faktenblatt – Quellen müssen nachgeprüft werden, bevor sie ins Gespräch einfließen.

Ein Risiko wird oft übersehen: Ein Scoring-Modell lernt aus dem bisherigen Verhalten des Vertriebs. Wurden bestimmte Kundengruppen bisher vernachlässigt, bewertet das Modell sie schlecht, sie bekommen noch weniger Aufmerksamkeit – und das Modell sieht sich bestätigt. Prüfen Sie deshalb regelmäßig, ob niedrig bewertete Anfragen nicht doch gelegentlich zu Aufträgen werden.

KI-Assistenten im CRM: Die Daten bleiben, wo sie hingehören

Der größte praktische Fortschritt der vergangenen zwei Jahre ist, dass KI-Funktionen direkt im CRM-System angekommen sind – der Software, in der Kontakte, Termine, Angebote und Verkaufschancen verwaltet werden. Salesforce bündelt seine Funktionen unter dem Namen Agentforce, Microsoft bietet Copilot in Dynamics 365 Sales und einen Vertriebsagenten in Microsoft Copilot, der auch in Outlook und Teams arbeitet, HubSpot hat den Breeze Assistant und eigene KI-Agenten eingeführt.

Im Alltag nutzen Vertriebsteams diese Assistenten vor allem für:

• Zusammenfassungen: Was ist bei diesem Kunden in den letzten drei Monaten passiert – Mails, Termine, offene Angebote, Reklamationen?
• Nächste Schritte: Welche Verkaufschancen haben seit Wochen keine Aktivität mehr, welche Angebote laufen bald ab?
• Entwürfe: Nachfass-Mails und Begleittexte, die sich auf den tatsächlichen Gesprächsverlauf beziehen statt auf eine allgemeine Vorlage.
• Datenpflege: Kontaktdaten aus Mail-Signaturen übernehmen, Termine und Gesprächsnotizen dem richtigen Vorgang zuordnen.

Der Vorteil gegenüber dem Kopieren von Kundendaten in ein allgemeines Chatprogramm liegt auf der Hand: Die Daten verlassen das System nicht, Zugriffsrechte gelten weiter, und die Ergebnisse landen gleich am richtigen Vorgang. Der Nachteil: Diese Funktionen kosten in der Regel zusätzliche Lizenzen, und sie sind nur so gut wie die Daten im CRM. Ein Assistent, der aus lückenhaften Einträgen eine Zusammenfassung baut, erzeugt eine gut formulierte Lücke.

Wie Sie ein allgemeines Sprachmodell für Gesprächsvorbereitung, Mail-Entwürfe und Einwandtraining nutzen, ohne Kundendaten preiszugeben, zeigen die acht Tipps zu ChatGPT im Vertrieb.

Umsatzprognosen und Pipeline: Wie belastbar sind KI-Vorhersagen?

Jede Vertriebsleitung kennt das Ritual: Zum Monatsende schätzt jeder Verkäufer, welche Aufträge noch kommen, und die Summe ist meist zu optimistisch. KI-gestützte Prognosen versprechen hier mehr Nüchternheit. Sie werten aus, wie sich vergleichbare Vorgänge in der Vergangenheit entwickelt haben: Wie lange hat es von der Angebotsabgabe bis zur Entscheidung gedauert? Wie oft wurden Chancen in dieser Phase noch verloren? Wie verändert sich die Abschlussquote, wenn der letzte Kontakt länger als drei Wochen zurückliegt?

Gut funktionieren solche Prognosen, wenn das Geschäft gleichförmig ist – viele ähnliche Vorgänge, wiederkehrende Kunden, stabile Preise. Schwach werden sie bei neuen Produkten, bei wenigen großen Projekten im Jahr und bei Marktbrüchen, die in den historischen Daten nicht vorkommen. Ein Modell, das mit den Jahren vor einer Krise trainiert wurde, weiß nichts von der Krise.

Der eigentliche Nutzen liegt deshalb weniger in der Zahl selbst als in den Hinweisen: Das System markiert Vorgänge, bei denen Einschätzung des Verkäufers und Datenlage auseinanderklaffen. Darüber lohnt sich das Gespräch zwischen Vertriebsleitung und Team. Die Entscheidung, welcher Auftrag realistisch ist, bleibt beim Menschen – und sollte es auch.

Gespräche vorbereiten und nachbereiten

Ein gutes Kundengespräch beginnt mit Vorbereitung, und die kostet Zeit. KI kann aus CRM-Historie, letzter Korrespondenz und öffentlichen Informationen ein kurzes Briefing erstellen: Wer sitzt am Tisch, was wurde zuletzt besprochen, welche Fragen sind offen, welche Einwände kamen beim letzten Mal? Für Außendienstler, die zwischen zwei Terminen im Auto sitzen, ist das eine echte Hilfe.

Nach dem Gespräch fassen Transkriptionsfunktionen in Videokonferenz- und CRM-Programmen Besprechungen zusammen, schlagen Aufgaben vor und tragen sie auf Wunsch ins CRM ein. Sogenannte Conversation-Intelligence-Software wertet zusätzlich viele Gespräche aus, etwa welche Einwände häufig kommen oder wie hoch der Redeanteil des Verkäufers ist.

Zwei Punkte sind dabei nicht verhandelbar. Erstens: Aufzeichnen nur mit Zustimmung aller Beteiligten – die heimliche Aufnahme nichtöffentlich gesprochener Worte ist in Deutschland strafbar. Zweitens: Wer Gespräche systematisch auswertet, kann damit auch Leistung und Verhalten der Mitarbeitenden überwachen. Wo ein Betriebsrat besteht, hat er bei solchen technischen Einrichtungen ein Mitbestimmungsrecht. Klären Sie das, bevor die Software läuft, nicht danach.

KI im Vertriebsinnendienst: Wo die meiste Routine steckt

Der Innendienst ist der Bereich, in dem KI heute oft den schnellsten und messbarsten Nutzen bringt, weil dort viel wiederkehrende Text- und Datenarbeit anfällt. Typische Einsatzfelder:

• Posteingang sortieren: Ein Sprachmodell erkennt, ob eine Mail eine Anfrage, eine Bestellung, eine Reklamation oder eine Terminfrage ist, und leitet sie an die richtige Stelle weiter.
• Bestellungen und Anfragen erfassen: Dokumentenerkennung liest Artikelnummern, Mengen und Liefertermine aus PDF-Bestellungen und bereitet sie für das ERP-System – die Software für Aufträge, Lager und Rechnungen – vor. Ein Mensch prüft und bestätigt, statt abzutippen.
• Standardfragen beantworten: Liefertermin, Bestellstatus, Verfügbarkeit – wenn der Assistent Zugriff auf die aktuellen Daten aus dem ERP hat, entsteht in Sekunden ein Antwortentwurf.
• Technische Rückfragen: Ein Assistent, der in Ihren Produktdatenblättern, Handbüchern und Preislisten sucht, bevor er antwortet, liefert deutlich verlässlichere Antworten als ein allgemeines Sprachmodell. Fachleute nennen das Verfahren Retrieval-Augmented Generation (RAG): erst die passenden Dokumente heraussuchen, dann auf ihrer Grundlage formulieren.
• Angebote vorbereiten: Begleittexte, Zusammenfassungen der Anforderungen aus langen Ausschreibungsunterlagen, Vergleich mit früheren Angeboten an denselben Kunden.

Für die Kommunikation nach außen gibt es zusätzlich Chatbots auf der Website und Sprachassistenten am Telefon. Seit dem 2. August 2026 gilt nach der europäischen KI-Verordnung, dass Menschen erkennen können müssen, wenn sie mit einem KI-System sprechen. Was Telefonbots heute leisten und woran sie scheitern, beschreibt der Beitrag über KI-Telefonbots im Vertrieb.

Wo KI im Verkauf an Grenzen stößt

So nützlich die Werkzeuge sind: Einige Erwartungen erfüllen sie nicht, und manche Risiken werden unterschätzt.

Erfundene Fakten

Sprachmodelle formulieren auch dann flüssig, wenn sie etwas nicht wissen. Ein falsch zitierter Liefertermin, ein erfundenes Produktmerkmal oder ein Rabatt, den es nicht gibt, kann im Verkauf teuer werden – im schlimmsten Fall ist das Unternehmen an die Aussage gebunden. Alles, was an Kunden geht, braucht deshalb eine menschliche Freigabe, solange der Assistent nicht nachweislich nur aus geprüften Quellen antwortet.

Datenqualität

Fast jedes KI-Projekt im Vertrieb stößt früher oder später auf dasselbe Problem: doppelte Kontakte, veraltete Ansprechpartner, Verkaufschancen, die nie geschlossen wurden. KI macht diese Mängel nicht unsichtbar, sondern sichtbarer. Der Aufwand für Datenpflege ist der Teil der Einführung, der in Angeboten am häufigsten fehlt.

Gleichklang und Vertrauen

Wenn alle Anbieter einer Branche ihre Mails mit denselben Werkzeugen schreiben, klingen am Ende alle gleich. Kunden merken, wenn eine Nachricht zwar perfekt formuliert, aber austauschbar ist. Im B2B-Vertrieb, wo Entscheidungen oft Monate dauern und von mehreren Personen getroffen werden, bleibt Vertrauen in einen konkreten Ansprechpartner der wichtigste Faktor. Den kann keine Software ersetzen.

Automatisierte Kaltakquise

Agenten, die selbstständig Hunderte personalisierte Mails verschicken, sind technisch kein Problem mehr. Rechtlich schon: Werbung per E-Mail braucht in Deutschland grundsätzlich die vorherige ausdrückliche Einwilligung des Empfängers, auch gegenüber Geschäftskunden; eine eng begrenzte Ausnahme gilt nur für Bestandskunden. Daran ändert KI nichts – sie macht Verstöße nur schneller und massenhafter.

Datenschutz und Recht: Worauf Sie achten müssen

Vertriebsdaten sind fast immer personenbezogene Daten: Namen, Funktionen, Telefonnummern, Gesprächsinhalte. Für den Einsatz von KI gelten deshalb die Regeln der Datenschutz-Grundverordnung (DSGVO). Die wichtigsten Punkte, allgemein und ohne Anspruch auf Rechtsberatung:

• Rechtsgrundlage: Für die Verarbeitung im Rahmen einer Geschäftsbeziehung kommen vor allem die Vertragserfüllung und das berechtigte Interesse in Betracht (Art. 6 Abs. 1 Buchst. b und f DSGVO). Ob eine davon für ein bestimmtes KI-Verfahren trägt, sollte der Datenschutzbeauftragte bewerten.
• Auftragsverarbeitung: Wer einen Cloud-Dienst nutzt, braucht mit dem Anbieter einen Vertrag zur Auftragsverarbeitung (Art. 28 DSGVO). Die Geschäftstarife der großen Anbieter sehen das vor, private Konten nicht.
• Training mit Ihren Daten: Klären Sie, ob der Anbieter Eingaben zum Training seiner Modelle verwendet. Bei den Geschäftstarifen der großen Anbieter ist das standardmäßig ausgeschlossen, bei privaten Konten – auch bezahlten – oft voreingestellt.
• Automatisierte Entscheidungen: Trifft ein System allein Entscheidungen, die Menschen erheblich beeinträchtigen, gelten besondere Regeln (Art. 22 DSGVO). Ein Lead-Score, der nur die Reihenfolge der Bearbeitung beeinflusst, ist in der Regel unkritischer als ein automatisches Ablehnen von Anfragen.
• KI-Verordnung: Für die meisten Vertriebsanwendungen gelten vor allem die Transparenzpflichten – etwa die Kennzeichnung von Chatbots. Hochrisiko-Anwendungen wie die Kreditwürdigkeitsprüfung von Privatpersonen sind ein eigenes Thema; die Pflichten dafür gelten nach dem Digital Omnibus zur KI ab dem 2. Dezember 2027.

Meine Empfehlung: Legen Sie eine kurze, verständliche Regel fest, welche Daten in welches Werkzeug dürfen, und schulen Sie das Team darin. Eine Seite mit klaren Beispielen hilft im Alltag mehr als ein langes Regelwerk, das niemand liest.

So führen Sie KI im Vertrieb ein, ohne sich zu verzetteln

Die meisten gescheiterten KI-Projekte im Vertrieb scheitern nicht an der Technik, sondern daran, dass zu viel auf einmal gewollt wird. Bewährt hat sich ein schrittweises Vorgehen:

1. Ein konkretes Problem wählen: nicht „KI im Vertrieb einsetzen“, sondern „Angebotsanfragen sollen innerhalb eines Arbeitstags beantwortet werden“.
2. Den Ausgangswert messen: Wie lange dauert es heute? Ohne Vergleichswert lässt sich später nicht sagen, ob sich die Lizenz lohnt.
3. Die Datenlage prüfen: Sind die nötigen Informationen im CRM oder ERP vorhanden und aktuell?
4. Klein testen: Mit einem Teil des Teams über einige Wochen, mit klaren Regeln für Datenschutz und Freigaben.
5. Auswerten und entscheiden: Ausweiten, anpassen oder bewusst beenden – alle drei Ergebnisse sind in Ordnung.

Wie KI in den größeren Umbau des Vertriebs passt – von der Kundenreise über das CRM bis zu Kennzahlen und Rollen –, beschreibt der Beitrag Digitale Transformation im Vertrieb in sechs Schritten.

Was das für Ihren Vertrieb bedeutet

Für die meisten Vertriebsteams lohnt sich KI heute zuerst im Innendienst und bei der Vor- und Nachbereitung von Gesprächen. Dort fällt viel Routine an, der Nutzen ist schnell messbar, und das Risiko bleibt überschaubar, wenn ein Mensch das Ergebnis prüft. KI-Assistenten im CRM sind der nächste Schritt, sofern die Daten stimmen und die Lizenzkosten durch eingesparte Zeit gedeckt sind.

Überschätzt werden dagegen vollautomatische Prognosen bei kleinen Datenmengen und Agenten, die ohne Kontrolle mit Kunden kommunizieren. Beides kann funktionieren, braucht aber mehr Vorbereitung, als Hersteller in ihren Präsentationen zeigen.

Der wichtigste Erfolgsfaktor ist nicht das Werkzeug, sondern die Fähigkeit des Teams, gute Anweisungen zu formulieren und Ergebnisse kritisch zu prüfen. Wie das an echten Aufgaben aus dem Verkaufsalltag aussieht, ist Inhalt des Seminars ChatGPT für Verkauf und Vertrieb.

Häufige Fragen zu KI im Vertrieb

Ersetzt KI Verkäuferinnen und Verkäufer?

Nicht im erklärungsbedürftigen Geschäft. KI übernimmt Recherche, Dokumentation und Textentwürfe und schafft so Zeit für Gespräche. Wo Produkte einfach und Preise transparent sind, etwa im Onlinehandel, verlagert sich der Verkauf allerdings weiter zu Selbstbedienung und automatisierter Beratung.

Lohnt sich KI auch für einen kleinen Vertrieb mit drei Leuten?

Ja, aber mit anderen Schwerpunkten. Für Prognosen und lernendes Lead-Scoring fehlen meist die Datenmengen. Ein Geschäftszugang zu einem Sprachmodell für Texte, Zusammenfassungen und Recherche bringt dagegen schon bei wenigen Nutzern spürbar Zeit.

Darf ich Kundendaten in ChatGPT eingeben?

Nur über einen Unternehmenszugang mit Vertrag zur Auftragsverarbeitung, und auch dann nur so viel wie nötig. Besser ist es, KI-Funktionen zu nutzen, die direkt im CRM arbeiten, oder Namen und Kontaktdaten vorher zu entfernen.

Wie fange ich im Vertriebsinnendienst am besten an?

Mit einer Aufgabe, die täglich vorkommt und klar abgegrenzt ist – zum Beispiel dem Sortieren eingehender Anfragen oder Antwortentwürfen zu Lieferterminen. Messen Sie vorher, wie viel Zeit sie heute kostet, und vergleichen Sie nach einigen Wochen.

Welche Daten braucht eine KI-gestützte Umsatzprognose?

Vor allem eine saubere Historie abgeschlossener Verkaufschancen: Wann wurde eine Chance angelegt, welche Phasen hat sie durchlaufen, mit welchem Wert und mit welchem Ergebnis wurde sie geschlossen? Dazu Aktivitäten wie Termine, Mails und Angebote. Fehlen verlorene Chancen, weil sie nie als verloren markiert wurden, rechnet jedes Modell zu optimistisch. Ein halbes Jahr konsequente Datenpflege ist oft die wichtigste Vorarbeit.

Muss ich Kunden sagen, dass KI im Spiel ist?

Wenn Kunden direkt mit einem KI-System sprechen oder chatten, ja – das verlangt die KI-Verordnung. Für eine Mail, die ein Verkäufer mit KI-Hilfe entworfen, geprüft und selbst verschickt hat, gibt es keine allgemeine Kennzeichnungspflicht.