Mural CRO erklärt, wo Umsatzleiter bei KI falsch liegen – und wie man es besser macht
Entdecken Sie, wie ein SaaS-CRO KI einsetzt, um Umsatz-Workflows neu zu gestalten, Prognosen und Kontorecherchen zu verbessern und Teams dabei zu helfen, schneller zu arbeiten, ohne Urteilsvermögen oder Qualität zu verlieren.
Karriereweg: Bill Dwoinen betont, dass ein Vertriebs-Karriereweg oft nicht linear verläuft, sondern durch viele kleine fortlaufende Entscheidungen geprägt ist.
KI-Integration: Die Integration von KI in Workflows kann die Präzision und Konsistenz im Vertrieb erhöhen, ersetzt jedoch nicht das menschliche Urteilsvermögen.
Erneuerungsstrategie: KI kann Erneuerungsstrategien in proaktive Workflows verwandeln und Risiken rechtzeitig vor kritischen Fristen kennzeichnen.
Datenbedeutung: Der erfolgreiche Einsatz von KI hängt von einer soliden Datenbasis und konsistenten, vertrauenswürdigen Informationen ab.
Workflow-Neugestaltung: Das wahre Potenzial von KI liegt darin, wertvolle Workflows neu zu denken und zu gestalten – weit über das Beseitigen von Reibungspunkten hinaus.
Bill Dwoinen ist der CRO des wachstumsstarken B2B-SaaS-Unternehmens Mural. Er arbeitet seit 20 Jahren im Revenue-Bereich und verantwortet jetzt Vertrieb, Customer Success, Revenue Operations und GTM-Systeme — und er setzt voll auf KI.
Wir haben mit Bill darüber gesprochen, warum Revenue-Führungskräfte aufhören müssen, nur einzelne Friktionspunkte mit KI zu beheben, und stattdessen ganze Arbeitsabläufe neu gestalten sollten. Hier erzählt er uns davon.
Niemals ein geradliniger Weg ins C-Level
Ich bin Bill Dwoinen, CRO bei Mural. Ich habe etwa 20 Jahre im Vertrieb und in Führungspositionen im Vertrieb verbracht. Angefangen habe ich im Bereich Human Capital bei CareerBuilder, bin dann zu SaaS bei LinkedIn gewechselt und habe dann fast fünf Jahre das Enterprise-Geschäft von Slack bei Salesforce im strategischen Technologie-Segment geleitet. Anfang 2025 habe ich den CRO-Posten bei Mural übernommen.
Want more from The CRO Club?
Create a free account to continue reading and join modern revenue leaders using proven playbooks, peer insights, and AI-driven strategies to build predictable pipeline and scalable growth.
Have an account? Log In
Mein Weg war nie geradlinig. Das erzähle ich auch immer den Schüler:innen an den Schulen, wenn ich dort Vorträge halte. Und ich meine es ernst: Das Leben verläuft nicht in geraden Linien, und das gilt genauso für eine Vertriebs-Karriere. Ich habe als Einzelmitarbeiter angefangen, bin in die Führung gewechselt, weil mir die Menschen um mich herum wichtiger waren als eigener Erfolg, und habe mir so im Lauf der Zeit die Erfolge aufgebaut, die den Zugang zum C-Level ermöglichen. Viele kleine, konsequente Entscheidungen über 20 Jahre — darum geht es.
Die Führung der Revenue-Organisation
Ich leite die gesamte Revenue-Organisation bei Mural, einem wachsenden B2B-SaaS-Unternehmen mit Abonnement-Modell und einer wachsenden Services-Sparte durch unsere LUMA-Partnerschaft. Zur Organisation gehören Vertrieb, Customer Success, Revenue Operations und GTM-Systeme. Ich habe GTM-Systeme bewusst ins Revenue-Team geholt, damit unsere Systeme, Daten und Prozesse sich daran orientieren, wie unsere Kunden kaufen, einführen und mit uns wachsen – und nicht weiter in Silos optimiert werden.
Wir bedienen Unternehmenskunden weltweit, mit dem stärksten Fokus in Nord- und Südamerika (AMER) sowie EMEA. Unser Go-to-Market-Ansatz fokussiert sowohl auf Neukundengewinnung als auch auf Expansion bei Bestandskunden, und wir erschließen laufend neue Anwendungsfälle sowie neue Käufer-Personas, die über den klassischen Mural-Rahmen hinausgehen.
Was für mich am wichtigsten ist: Die Revenue-Organisation muss als eine verbundene Einheit funktionieren. Neugeschäft, Bindung und Ausbau dürfen keine getrennten Agenden sein. Meine Aufgabe ist es, dafür zu sorgen, dass das Betriebsmodell dies widerspiegelt und jedes Teammitglied – vom ersten Vertriebsgespräch bis zur langfristigen Wertschöpfung beim Kunden – in die gleiche Richtung arbeitet.
Warum KI ein Geschenk für CROs ist
Ich habe immer an Prozesse geglaubt: Prognosegenauigkeit, Disziplin im Pipeline-Management, Verständnis für die wichtigsten Frühindikatoren. KI beschleunigt nun alles, worauf meine Führungsphilosophie basiert.
Teams, die früher händisch die Pipeline geprüft und aus dem Bauch heraus entschieden haben, erhalten jetzt schneller Signale, agieren mit mehr Sicherheit und können gezielter coachen. Für einen CRO ist das keine Bedrohung; es ist ein Geschenk.
Die Führungskräfte, die jetzt erfolgreich sein werden, haben keine Angst davor. Ich hatte nie Angst zu scheitern, und auch davor habe ich keine Angst. Bei Mural arbeite ich daran, eine Revenue Engine zu schaffen, in der KI verstärkt, was großartige Menschen bereits leisten – aber nicht Urteilsvermögen, Beziehungen oder unsere Kultur ersetzt. Das ist jetzt die Aufgabe, und ich bin voll darauf fokussiert.
Wie KI hochwertige Revenue-Arbeit neu gestaltet
Ich habe KI dafür genutzt, die Arbeit an hochwertigen Umsatztätigkeiten neu zu gestalten, speziell bei Account-Research, POV-Entwicklung und Kommunikation.
Diese Arbeit ist näher am Umsatz, als viele denken. Sie beeinflusst, wie gut das Team gegenüber den Kunden auftritt, wie relevant die Ansprache ist und wie konsistent der Wertbeitrag dargestellt wird. Bisher war es zu viel Handarbeit, zu ungleichmäßig verteilt und zu stark vom einzelnen Mitarbeiter abhängig. Die besten Reps machen das hervorragend. Andere nutzen eher generische Ansätze. Das schafft nicht nur ein Produktivitätsproblem, sondern auch ein Qualitätsproblem.
Meine neuen Workflows sind maßgeschneiderte GPTs für spezifische kommerzielle Anwendungsfälle. Das ist keine breit angewandte generische KI, sondern Werkzeuge, die sich daran orientieren, wie wir Accounts betrachten, wie wir Wert erfassen und wie ein starker kommerzieller Output in unserem Kontext aussieht.
Spezifität schafft Hebelwirkung. Generische Werkzeuge erzeugen generische Ergebnisse.
Das klarste Beispiel ist unser Workflow für Account-Research und Vorbereitung auf die Ansprache. Ein Mitarbeiter gibt den Account, den relevanten Kontext und das Ziel ein. Der Workflow erzeugt eine strukturierte Account-Übersicht: Was passiert vermutlich im Unternehmen, wo liegen die Prioritäten und Pain Points, welche Signale sind relevant und wie lässt sich unser Wert in der konkreten Situation positionieren.
KI bei Account-Research und Ansprache-Vorbereitung
Der Mitarbeiter erhält einen echten Standpunkt, der um den Kunden herum aufgebaut ist – kein recyceltes Template. Arbeit, für die früher 10 bis 30 Minuten nötig waren, dauert jetzt eher drei Minuten und das ohne Qualitätsverlust. Und die Qualität ist über das ganze Team hinweg beständiger – unabhängig davon, wer den Prozess anstößt.
Arbeiten, die früher 10 bis 30 Minuten dauerten, benötigen jetzt eher drei Minuten, ohne dass die Qualität darunter leidet. Und die Qualität ist im gesamten Team konsistenter, unabhängig davon, wer es ausführt.
KI in Prognose-Workflows
Ein weiteres Beispiel ist das Forecast Center, ein benutzerdefinierter GPT, den ich entwickelt habe, um die Vorbereitung und Durchführung von Prognose-Besprechungen für Führungskräfte zu verändern. Das Problem: Die meisten Prognose-Calls verkommen dazu, dass Führungskräfte Daten in den Raum vorlesen, anstatt daraus strategische Maßnahmen abzuleiten. Das Forecast Center nimmt operative Geschäftsdaten, Pipeline-Eingaben und Kundeninformationen und hilft Führungskräften, daraus eine klare Story und eine verteidigungsfähige Perspektive zu entwickeln – noch bevor sie überhaupt in den Call gehen.
Unser interner Standard ist einfach: Wenn es sich so anhört, als hätte ein GPT eine Tabelle zusammengefasst, ist es noch nicht fertig. Es sollte klingen wie ein CRO, der seine Hausaufgaben gemacht hat und das Geschäft voranbringen will.
Ergebnisse
Beides funktioniert nicht wegen des Modells, sondern wegen des Workflow-Designs, dem eingebauten Kontext und unserem Anspruch daran, wie gutes Ergebnis aussehen muss. Vertreter*innen und Führungskräfte behalten weiterhin die Entscheidungsgewalt. KI nimmt ihnen lediglich die lästige Vorbereitung ab – so können sie schärfer, schneller und konsistenter auftreten als zuvor.
Wir stehen noch am Anfang, daher warne ich vor voreiligen Aussagen zum Umsatzeffekt. Aber schon jetzt haben wir durch diese und weitere Workflows Schnelligkeit und Reaktionsfähigkeit deutlich erhöht – ohne Qualitätseinbußen. Teams kommen schneller zum Kunden, weil sie nicht mehr auf Meetings oder aufwendige Recherche warten müssen, um sich ein Bild vom Kunden zu machen, den Kontext zu schaffen und eine Position zu entwickeln. Die Vorbereitung ist besser, die Einheitlichkeit der Kundenarbeit hat zugenommen und die Umsatzorganisation arbeitet effektiver mit Accounts.
Warum Verlängerungen ein KI-Redesign brauchen
Auch Verlängerungen benötigen einen Neustart.
In den meisten Umsatzorganisationen werden Verlängerungen noch immer reaktiv behandelt. Kurz vor dem Termin wird der Health Score geprüft und hektisch versucht, die relevanten Beziehungen abzudecken.
Doch zu diesem Zeitpunkt sind die Teams eigentlich schon zu spät. Ich plädiere dafür, Verlängerungs-Intelligenz als kontinuierlichen Prozess und nicht als vierteljährlichen Alarm zu denken. KI ist dafür bestens geeignet, weil sie Risiken erkennt, Lücken aufzeigt und Führungskräften hilft, frühzeitig zu erkennen, wo Handlungsbedarf besteht – bevor das Zeitfenster zu ist.
Warum die größte Chance von KI nicht das ist, was man erwartet
Denken Sie daran: Die größte Chance von KI liegt nicht darin, einzelne Engpässe zu beheben. Sie liegt darin, den Workflow selbst neu zu denken.
Anfangs war ich wohl zu sehr darauf fokussiert, akute Probleme zu lösen. Das brachte zwar Wert, war in manchen Fällen aber eher inkrementell statt wirklich transformativ.
Hätte ich das früher verstanden, hätte ich weniger Zeit damit verbracht, isolierte Aufgaben zu optimieren, und mehr Wert darauf gelegt, die wichtigsten Workflows ganzheitlich neu zu gestalten – klar ausgerichtet an Go-to-Market-Prioritäten und messbarem Geschäftsnutzen von Anfang an.
So hätte ich viele fragmentierte Experimente vermeiden können. Sie führen zwar zu hilfreichen Tools, bringen aber keinen echten strategischen Vorteil.
Die Erkenntnis: KI stiftet dann den größten Wert, wenn sie daran ansetzt, wie ein Unternehmen Umsatz generiert– nicht bloß, wo Mitarbeiter*innen aktuell Schmerzen spüren.
Wo KI Umsatzaufgaben beeinflusst
Ich setze KI vor allem dort ein, wo bessere Zusammenführung und schnellere Vorbereitung echten Mehrwert bringen: etwa bei Account-Research, Entwicklung von Positionen, Messaging, Kommunikation und Mustererkennung in großen Informationsmengen. Sie ist hervorragend darin, Eingaben zu verarbeiten, das Denken zu strukturieren sowie Qualität und Konsistenz der Umsetzung im Unternehmen zu steigern.
Menschen kommen dort ins Spiel, wo echtes Urteilsvermögen und Verantwortlichkeit gefragt sind: Prognosen, Preisgestaltung, finale Pipeline-Einschätzungen, Gebietsentscheidungen und wichtige Entscheidungen bezüglich Kundenrisiko oder Investitionen. KI kann diese Gespräche unterstützen, ersetzt jedoch nicht das Urteilsvermögen der Führungsebene.
Der Grund dafür ist offensichtlich. Ich möchte, dass KI uns hilft, besser zu denken und schneller zu agieren, nicht aber, dass sie Entscheidungen übernimmt, bei denen Nuancen, Kontext und Verantwortlichkeit entscheidend sind. In einer Vertriebsorganisation zählt Geschwindigkeit, aber Urteilsvermögen bleibt das Unterscheidungsmerkmal.
Führungskräfte im Vertrieb müssen einen genauen Blick auf KI-Mangelware haben
Manchmal erzeugt KI mehr Output statt besseren Output. Das deutlichste Beispiel ist KI-Mangelware: generische Ansprache, generische Nachrichten, generische Sichtweisen und viele Aktivitäten, die produktiv erscheinen, aber die kommerzielle Qualität nicht verbessern. In diesen Fällen erzeugt KI Lärm, keinen Hebel.
Ich habe auch gesehen, dass KI in Bereichen übermäßig eingesetzt wird, in denen Urteilsvermögen, Kontext und Nuancen wichtiger sind als Geschwindigkeit. Wenn die Eingaben schwach oder die Standards niedrig sind, behebt KI das nicht. Sie verstärkt es.
Das Problem liegt weniger in der Technologie selbst, sondern darin, wie leicht Menschen Volumen mit Wert verwechseln können. Das ist das Fehlermuster, das ich am genauesten beobachte, da es zu Vertrauensverlust führt.
Ich behebe dies, indem ich unternehmensweit einen klaren Standard setze, mit gutem Beispiel vorangehe und die Disziplin, mit der ich meine eigenen Workflows aufgebaut habe, skaliere. Das bedeutet, zu betonen, dass KI das Denken schärfen soll, nicht es ersetzen, und dass Kontext, Iteration und Urteilsvermögen weiterhin zählen.
Das ist es, was Vertriebsteams, die durch KI echten Hebel gewinnen, von denen unterscheidet, die nur für mehr Lärm sorgen.
Warum Skalierung nicht immer mit einem Qualitätsverlust einhergeht
Ich dachte immer, Skalierung gehe zwangsläufig mit einem Qualitätsverlust einher. Im Go-to-Market bedeutete Automatisierung in der Vergangenheit meistens mehr Output, jedoch meist auf Kosten von Relevanz, Urteilsvermögen und Qualität.
KI hat meine Annahme geändert, dass dieser Zielkonflikt unumgänglich ist. Wenn sie richtig eingesetzt wird – mit dem passenden Kontext, Workflow-Design und hohen Standards – kann KI Geschwindigkeit und Skalierung erhöhen, ohne automatisch die Messlatte zu senken.
Das beste Beispiel sind die zuvor erwähnten Workflows zur Kontorecherche und Vorbereitung. Das passiert nicht von alleine, aber es ist möglich. Und es bedeutet eine deutliche Veränderung gegenüber den bisher meisten Erfahrungen von Automatisierung in Vertriebsorganisationen.
Wenn sie gut eingesetzt wird und mit dem richtigen Kontext, Workflow-Design und Standards, kann KI Geschwindigkeit und Skalierung erhöhen, ohne automatisch die Messlatte zu senken.
Warum gute Daten entscheidend für eine erfolgreiche KI-Einführung sind
Gute Daten sind wichtiger als Software-Tools. Wenn Daten unvollständig, inkonsistent oder schwer vertrauenswürdig sind, löst KI dieses Problem nicht. Sie verstärkt es.
Man erzielt vielleicht schnelleren, aber nicht besseren Output. Das war für mich eine der wichtigsten Erkenntnisse.
Erfolgreiche KI-Einführung bedeutet weit mehr als Zugang zum richtigen Modell. Es braucht ein solides Datenfundament, Disziplin in der Arbeitsweise und Vertrauen in die eigenen Eingaben, um das Modell effektiv zu nutzen. Die Tools spielen eine Rolle, aber gute Daten sind die Voraussetzung, damit irgendetwas davon funktioniert.
Wie CROs KI-getriebene Veränderungen angehen sollten
Ich rate CROs, KI dazu zu nutzen, das Denken zu schärfen, die Umsetzung zu verbessern und Urteilsvermögen zu skalieren – nicht, um das Unternehmen mit noch mehr Output zu überschwemmen.
Starten Sie dort, wo Geschwindigkeit und Synthese echten Hebel schaffen: Kontorecherche, Entwicklung von Sichtweisen, Messaging und Mustererkennung in der gesamten Vertriebsmaschine. Seien Sie klar, worüber KI informieren soll und was menschlich bleiben muss. Setzen Sie den Standard früh hoch – andernfalls gibt es generischen Output, der zwar produktiv wirkt, aber die kommerzielle Qualität nicht verbessert.
Die größten Nutznießer werden nicht die Führungskräfte sein, die behaupten, alles bereits verstanden zu haben. Es werden die sein, die sich ernsthaft damit befassen, KI umsichtig einsetzen und ständig die Anforderungen daran erhöhen, was KI für das Unternehmen leisten soll.
Bleiben Sie dran
Sie können Bill Dwoinens Arbeit auf LinkedIn verfolgen.
Weitere Experteninterviews folgen beim CRO Club!
