KI im Vertrieb: Wo sie heute Zeit spart und wo ihre Grenzen liegen

Was kann KI im Vertrieb heute wirklich?

Kaum ein Thema wird im Vertrieb gerade so laut besprochen wie künstliche Intelligenz, kurz KI. Die Versprechen reichen vom selbst schreibenden Angebot bis zum digitalen Verkäufer, der rund um die Uhr Kunden gewinnt. Wer einen Betrieb mit fünf oder fünfzig Mitarbeitern führt, braucht eine nüchternere Frage: Welche Arbeit nimmt mir das heute ab, und was kostet mich die Kontrolle?

Gemeint ist hier vor allem generative KI. Das sind Sprachmodelle, die auf eine Eingabe hin Texte erzeugen, zusammenfassen oder umformulieren. Sie sind stark bei allem, was mit Sprache zu tun hat, und sie haben eine Schwäche, die im Vertrieb teuer werden kann: Sie formulieren auch dann überzeugend, wenn der Inhalt falsch ist.

Die Forschung dazu ist jung. Rodriguez und Peterson (2024) fanden in einer Auswertung der Fachliteratur 79 Studien zu KI und Vertrieb, von denen sich nur 13 mit dem Verkaufsprozess im Geschäftskundenvertrieb befassten. Aus dieser Literatur und Daten von 62 Vertriebsfachleuten leiten sie einen Rahmen ab, der Wirkungen auf drei Felder vorschlägt: die Wirksamkeit des Verkaufsprozesses, die Effizienz bei Verwaltungsarbeit und die Leistung beim Kunden. Belegt ist damit ein Denkmodell, noch keine gemessene Wirkung. Dieser Beitrag geht der Leitfrage deshalb Schritt für Schritt nach: Zuerst zeigen wir, an welchen Stellen im Vertriebsprozess KI ansetzt und wo sie am meisten Zeit spart, rechnen das an einem Beispiel durch und benennen dann die Grenzen. Am Ende stehen die KI-Ampel für die Verteilung der Aufgaben und die Voraussetzungen, die ein Betrieb dafür braucht.

KI liefert im Vertrieb Entwürfe. Die Verantwortung für das, was beim Kunden ankommt, bleibt beim Menschen.

An welchen Stellen im Vertriebsprozess setzt KI an?

Einen Überblick gibt eine Literaturauswertung von Fehrenbach, Herrando und Österle (2026). Sie ordnet KI-Anwendungen sechs Stufen des Verkaufstrichters im Geschäftskundenvertrieb zu. Bisher wird KI demnach vor allem genutzt, um Interessenten zu qualifizieren und bestehende Kunden zu betreuen. Ungenutztes Potenzial sehen die Autoren für generative KI beim Eröffnen der Kundenbeziehung und beim Präsentieren der Verkaufsbotschaft.

Welche Rolle die KI dabei spielt, beschreiben Wang und Kollegen (2026) mit drei Begriffen: Assistent, Analyst und Coach. Jede Rolle bringt nach ihrer Darstellung eigene Fähigkeiten mit und birgt eigene Risiken. Die Beispiele in der folgenden Tabelle sind eine eigene Zuordnung für kleine und mittlere Betriebe und stammen nicht aus der Studie.

Für die meisten Betriebe ist die Rolle des Assistenten der richtige Einstieg. Sie verlangt keine Anbindung an andere Systeme, und das Ergebnis lässt sich sofort beurteilen. Wie sie sich von regelbasierter Automatisierung unterscheidet, zeigt der Beitrag Vertrieb automatisieren: Dort führt eine Maschine eine feste Regel aus, hier erzeugt sie einen Vorschlag.

E-Mails, Recherche, Gesprächsnotizen: Wo spart KI am meisten Zeit?

Drei Einsatzfelder sind heute ohne großes Projekt nutzbar. Der Vergleich verwendet für alle dieselben Kriterien und beschreibt das Einsatzfeld, nicht einzelne Produkte.

E-Mails: Der Nutzen liegt im ersten Entwurf. Wer zwanzig Anfragen in der Woche beantwortet, schreibt zwanzigmal Ähnliches. Die KI liefert den Rohtext, der Verkäufer ergänzt, was nur er weiß: den Preis, den Termin, die Besonderheit dieses Kunden.

Recherche: Vor einem Erstgespräch lohnt ein Blick auf Website, Branche und Neuigkeiten des Interessenten. Eine KI kann das zusammentragen. Sie kann aber Angaben vermischen oder erfinden, deshalb gehört zu jeder Aussage die Quelle. Welche Fragen du vor dem Gespräch klären solltest, beschreibt der Beitrag zur Lead-Qualifizierung.

Gesprächsnotizen: Aus Stichworten oder einer Mitschrift entsteht eine geordnete Notiz mit Vereinbarungen und nächsten Schritten. Das ist das Einsatzfeld mit dem geringsten Risiko für den Kunden, weil das Ergebnis im Betrieb bleibt. Sein Wert hängt daran, dass die Notiz an einem festen Ort landet. Dazu mehr im Leitfaden CRM einführen.

Wie viel Zeit spart KI im Vertrieb in einem Rechenbeispiel?

Verlässliche, allgemein gültige Zahlen zur Zeitersparnis im Vertrieb kleiner Betriebe gibt es nicht. Du kannst sie aber für deinen Betrieb in zehn Minuten überschlagen. Das folgende Beispiel zeigt die Rechnung für einen Verkäufer. Alle Werte sind frei gewählte Annahmen. Entscheidend ist die Spalte mit der Prüfzeit, die in den meisten Versprechen fehlt.

Wo liegen die Grenzen von KI im Vertrieb?

• Richtigkeit: Sprachmodelle können falsche Angaben in überzeugendem Ton liefern. Preise, Lieferzeiten, technische Daten und Zusagen müssen aus deinen Unterlagen kommen und geprüft sein.
• Beziehung: Vertrauen entsteht durch Zuhören, Nachfragen und gehaltene Zusagen. Ein glatter Text ersetzt das nicht, und Kunden merken, wenn eine Nachricht austauschbar klingt.
• Einschätzung: Ob eine Anfrage zum Betrieb passt, ob ein Nachlass sinnvoll ist, ob man einen Auftrag besser ablehnt: Das sind Entscheidungen mit Folgen, die ein Mensch verantworten muss.
• Lernen: Wer jede Einwandbehandlung von der KI schreiben lässt, lernt sie selbst nicht. Für neue Verkäufer ist das ein echter Nachteil.
• Vertraulichkeit: Was du in ein KI-Werkzeug eingibst, verlässt unter Umständen deinen Betrieb. Das gilt für Kundendaten ebenso wie für Kalkulationen.

Wie Verkäufer mit Vorschlägen einer KI umgehen sollten, haben Hart, Burrell, Valle und Harper (2026) in einer Literaturübersicht geordnet. Ihr Ausgangspunkt ist die Gefahr, sich bei Entscheidungen im Kundenkontakt zu sehr auf automatische Empfehlungen zu verlassen. Ein Vorschlag kann statistisch plausibel sein und trotzdem zum falschen Zeitpunkt kommen, die Beziehung belasten, ethisch fragwürdig sein oder auf lückenhaftem Wissen über den Kunden beruhen. Die Autoren schlagen deshalb vier Prüffilter vor: die Deutung im Zusammenhang, die Wirkung auf die Beziehung, die ethische Bewertung und die Frage, was der Verkäufer dabei lernt. Daraus ergeben sich fünf mögliche Reaktionen: übernehmen, anpassen, verwerfen, offenlegen oder an jemanden weitergeben, der entscheiden darf. Die Autoren begründen das damit, dass beratendes Verkaufen von Deutung, Kundenvertrauen, ethischem Urteil und wachsender Erfahrung lebt. Es ist ein aus der Literatur abgeleitetes Modell und keine Messung.

Auch die Seite der Mitarbeiter verdient Beachtung. Childs und Kollegen (2026) stellen fest, dass sich die Forschung zu KI im Vertrieb bisher unverhältnismäßig stark auf Produktivität richtet und das Wohlbefinden der Verkäufer vernachlässigt. Sie fordern Untersuchungen dazu, wann KI-gestütztes Coaching stärkt und wann es zur Quelle von Technikstress wird. Zur rechtlichen Seite des KI-Einsatzes gibt der Beitrag EU AI Act in Vertrieb und Marketing eine Einordnung.

Welche Aufgaben gibst du an die KI, welche nicht?

Eine einfache Einteilung hilft, im Team einheitlich zu entscheiden. Sie heißt hier die KI-Ampel und ordnet jede Aufgabe einer von drei Farben zu. Maßstab ist, wer den Schaden trägt, wenn das Ergebnis falsch ist, und wie leicht sich der Fehler erkennen lässt.

Welche Voraussetzungen braucht KI im Vertrieb?

KI verstärkt, was sie vorfindet. Ein Betrieb mit klaren Stufen im Verkaufsprozess, gepflegten Notizen und guten Vorlagen bekommt brauchbare Entwürfe. Ein Betrieb ohne diese Grundlagen bekommt schneller mehr Text, und das ist kein Fortschritt. Der Grundsatz aus Prozess vor Tool gilt hier ohne Abstriche.

• Der Verkaufsprozess hat benannte Stufen, und jede Verkaufschance hat einen nächsten Schritt mit Datum.
• Es gibt gute eigene Beispiele: drei bis fünf E-Mails und Angebote, die den Ton des Betriebs treffen.
• Es ist festgelegt, welche Daten in ein KI-Werkzeug eingegeben werden dürfen und welche nicht.
• Jeder im Team kennt die KI-Ampel und die Unterschrift-Regel.
• Es gibt eine Zahl, an der der Nutzen gemessen wird, etwa Minuten je Woche oder Antwortzeit auf Anfragen.

Die Empfehlung, den Nutzen selbst zu messen, stützt eine Untersuchung zu einer verwandten Technik. Habel, Hartmann, Wiseman, Ahearne und Vaid (2025) prüften automatisierte Lead-Pflege im Geschäftskundenvertrieb an drei Datensätzen: 748 Leads eines Softwareanbieters, 13.525 Leads eines Lieferanten für Schutzkleidung und 5.040 Leads eines Konferenzveranstalters, die per Zufall der Automatisierung oder dem üblichen E-Mail-Marketing zugeteilt wurden. Nur beim Lieferanten für Schutzkleidung stieg die Abschlusswahrscheinlichkeit im Schnitt, dort um 23 Prozentpunkte. In den beiden anderen Fällen gab es mehr Gesprächstermine oder mehr Besuche auf der Website, im Durchschnitt aber keine zusätzlichen Abschlüsse. Am ehesten half die Technik bei neuen Interessenten, kurzen Verkaufszyklen und kleineren Aufträgen. Der Rat der Autoren, Herstellerangaben im eigenen Umfeld zu überprüfen, lässt sich auf KI-Werkzeuge übertragen. Die Studie selbst untersucht automatisierte E-Mail-Pflege und keine generative KI.

Gute eigene Texte sind dabei der wichtigste Rohstoff. Wer Fachbeiträge und Antworten auf häufige Kundenfragen bereits geschrieben hat, kann sie als Vorlage nutzen. Wie solche Inhalte entstehen, zeigt der Beitrag Content Marketing im B2B.

Der nächste Schritt

1. Wähle eine Aufgabe aus der grünen Gruppe, am besten Gesprächsnotizen oder E-Mail-Entwürfe.
2. Miss eine Woche lang, wie viel Zeit sie heute kostet.
3. Lege fest, welche Daten eingegeben werden dürfen, und kläre offene Fragen zum Datenschutz.
4. Arbeite eine Woche mit KI und miss erneut, einschließlich der Zeit für die Prüfung.
5. Entscheide anhand der beiden Zahlen, ob die Aufgabe dauerhaft so läuft, und nimm erst dann die nächste dazu.

So bleibt KI im Vertrieb ein Werkzeug mit überprüfbarem Nutzen. Die Gespräche, in denen ein Kunde Vertrauen fasst, führst du weiterhin selbst. Wie du sie strukturierst, auch wenn du ungern verkaufst, steht im Beitrag Verkaufen als Inhaber.

Gefragt war, welche Arbeit KI im Vertrieb heute abnimmt und was die Kontrolle kostet. Sie spart vor allem Schreib- und Sucharbeit, also E-Mail-Entwürfe, Recherche vor Gesprächen und Gesprächsnotizen. Von jeder Ersparnis geht allerdings die Zeit für die Prüfung ab, und ohne klaren Ablauf und saubere Daten beschleunigt KI vor allem die Unordnung. Ob sich der Einsatz lohnt, zeigt deshalb erst die eigene Messung einer Aufgabe vor und nach der Umstellung.