Vertriebstraining mit KI: Lead-Scoring, Gesprächsanalyse, Outreach

Was bringt KI im Vertrieb tatsächlich?

Im Vertrieb wird viel KI-Marketing betrieben — aber drei Bereiche haben echten Hebel: Lead-Qualifizierung mit Scoring, Gesprächsanalyse aus aufgezeichneten Calls (Conversation Intelligence) und KI-gestützte Recherche für personalisierte Ansprache. Vieles andere — vollautomatische Verkaufs-Bots, KI-generierte Cold-Emails ohne Review — bringt kurzfristig Volumen, langfristig Schaden.

Wann lohnt es sich?

Lead-Scoring lohnt sich, wenn du mehr Leads bekommst als dein Team gut bearbeiten kann. Bei einer typischen B2B-Pipeline mit 200–500 Leads pro Monat hilft ein Scoring-Modell, die heißesten 20–30 Prozent zu priorisieren. Das verkürzt die Time-to-Contact und erhöht die Conversion. Bei 50 Leads pro Monat braucht es kein Modell — das schafft ein Mensch mit Erfahrung besser.

Conversation Intelligence zahlt sich ab etwa 30 aufgenommenen Calls pro Woche aus. Dann ergeben sich Muster, aus denen Vertriebs-Coaching tatsächlich Erkenntnisse zieht. Bei zehn Calls pro Woche ist die manuelle Analyse durch den Vertriebsleiter ehrlich gesagt günstiger und besser.

KI-gestützte Recherche lohnt sich fast immer, sobald dein Vertrieb mehr als zehn personalisierte Kontaktaufnahmen pro Woche macht.

Typische Use-Cases

Lead-Scoring auf Basis von CRM-Daten: Modell lernt aus historischen Abschlüssen, welche Merkmale (Branche, Größe, Engagement) für Conversion sprechen.
Conversation Intelligence aus Sales-Calls: Auswertung von Einwänden, Preisfragen, Abbruchpunkten — Coaching-Material für das Team.
Account Research: Vor einem Termin: LinkedIn, Firmen-News, kürzliche Investments — alles auf einer Seite zusammengefasst.
E-Mail-Drafts mit Recherche-Kontext: KI schlägt erste Mail-Version basierend auf Account-Research vor — Vertriebler editiert.
Pipeline-Health: Welche Deals stagnieren, wo droht Slippage — Frühwarnsystem statt End-of-Quarter-Schock.

Worauf achten

Datenbasis ehrlich prüfen. Wenn das CRM nur halb gepflegt ist, bringt KI-Scoring nichts. Erste Frage: Sind die letzten 500 Deals sauber dokumentiert? Wenn nein, ist Daten-Hygiene der wichtigere Schritt.

Vertrieb mitnehmen. KI-Tools sind nur so gut wie ihre Akzeptanz im Team. Wenn der erfahrene Vertriebler den Lead-Score ignoriert, weil er ihm nicht vertraut, war alles umsonst. Wir bauen Modelle, deren Empfehlungen erklärbar sind — keine Black Box.

Modelle altern. Ein Lead-Score-Modell, das vor zwei Jahren trainiert wurde, ist nicht mehr aktuell — die Märkte und Buyer Personas haben sich verschoben. Re-Training-Zyklus von 6–12 Monaten einplanen.

DSGVO und Aufnahmen

Verkaufsgespräche aufzunehmen ist datenschutzrechtlich heikel. Die Standard-Konfiguration: Hinweis zu Beginn des Gesprächs (“Dieses Gespräch wird zur Qualitätssicherung aufgenommen — wenn Sie nicht einverstanden sind, sagen Sie bitte Bescheid”), Widerspruchsmöglichkeit ohne Nachteil, Aufbewahrung mit klarer Frist (typisch 6–12 Monate). Bei B2B etwas pragmatischer als bei B2C — aber heimliche Aufnahmen bleiben strafbar.

Wie wir helfen

Wir starten mit einer Bestandsanalyse: Welche Daten habt ihr schon, welche Tools nutzt ihr, wo ist der größte Hebel? Daraus entsteht ein Pilot-Vorschlag mit klar definiertem KPI (Conversion-Rate, Time-to-Contact, Show-Up-Rate). Vier bis acht Wochen Pilot, dann entscheiden wir gemeinsam: Ausbauen, anpassen oder beerdigen. Wir verkaufen ungern Vertriebs-KI an Unternehmen, deren CRM-Daten noch nicht reif dafür sind — dann macht ein Daten-Audit zuerst mehr Sinn.

Häufige Fragen

Bringt KI-Lead-Scoring wirklich mehr Abschlüsse?

Ja, aber nur mit ausreichend Daten. Du brauchst mindestens 500–1.000 historische Leads mit Outcome (gewonnen/verloren), bevor ein Modell sinnvoll trainiert. Mit weniger arbeitest du eher mit regelbasierten Heuristiken — die sind oft genauso gut. Studienlage: 20–35 Prozent höhere Conversion ist ein realistischer Wert, wenn das Setup stimmt. Wer 'plus 200 Prozent' verspricht, vermarktet.

Wie funktioniert Conversation Intelligence?

Verkaufsgespräche werden aufgenommen (mit Einwilligung), transkribiert, von einem LLM ausgewertet. Das System erkennt Muster — wie oft kommt die Preisfrage, an welcher Stelle bricht der Kunde ab, welche Einwände tauchen wieder auf. Tools: Gong, Chorus, Salesloft. Wir setzen für Mittelstand auch eigene Setups mit Whisper plus Claude — günstiger und DSGVO-freundlicher.

Personalisierte Outreach-Mails per KI — funktioniert das?

Bedingt. Generische Massenmails mit ChatGPT-Touch erkennt jeder. Was funktioniert: KI als Recherche-Assistent (LinkedIn-Profil, Firmen-News, gemeinsame Kontakte), Mensch schreibt die Mail. Vollautomatisches Outreach ohne Review hat schlechte Antwortquoten und schadet langfristig der Sender-Reputation. Hybrid-Workflows sind die Realität, die Hebel hat.

Was ist mit Cold Calls per Voice Agent?

Heikel. Outbound-Anrufe per KI sind in Deutschland ohne ausdrückliche Einwilligung nicht erlaubt (UWG). B2B ist es etwas weicher, aber rechtlich angreifbar. Wir empfehlen Voice Agents für Inbound — eingehende Anrufe mit Lead-Qualifizierung. Outbound nur bei Bestandskunden mit klarer Einwilligungsgrundlage.

Wie integriert sich das ins CRM?

Gut, wenn das CRM eine API hat. Salesforce, HubSpot, Pipedrive sind unproblematisch. Wir schreiben Lead-Scores, Gesprächs-Zusammenfassungen und Next-Action-Vorschläge direkt in den Datensatz. Bei alten On-Premise-Systemen wird es trickreicher — manchmal lohnt eher ein Dashboard als CRM-Integration.

Was kostet ein Vertriebs-KI-Setup?

Ehrlich: Stark abhängig vom Umfang. Lead-Scoring-Pilot mit bestehenden CRM-Daten: 8.000–15.000 Euro Setup, 200–500 Euro pro Monat Betrieb. Conversation Intelligence mit 50 Gesprächen pro Tag: 12.000–25.000 Euro Setup, 800–1.500 Euro pro Monat. Vollautomatisches Outreach setzen wir nur in seltenen Fällen — meistens funktionieren Hybrid-Workflows besser.