KI-native CRO erklärt seinen wirkungsvollsten KI-Workflow (und wo KI sich nicht lohnt)

Dhiraj Khare ist ein CRO mit technischem Hintergrund und Denkweise. Derzeit gestaltet er die Umsatzprozesse beim KI-nativen Cybersecurity-Unternehmen Matters.AI neu.

Wir haben uns mit Dhiraj zusammengesetzt, um herauszufinden, welche KI-Workflows einen echten Mehrwert bieten – und welche nicht. Das hat er uns erzählt.

Umsatz aus der Perspektive eines Ingenieurs

Ich bin Dhiraj Khare, CRO bei Matters.AI, einem KI-nativen Cybersecurity-Unternehmen mit Fokus auf Unternehmensdaten. Ich habe meine Karriere in der Softwareentwicklung begonnen, bevor ich in den Enterprise Sales gewechselt bin – das hat meine Sichtweise auf Umsatz geprägt. Technisch ausgebildete Menschen bleiben so lange am Problem, bis sie es wirklich verstanden haben; Vertriebsteams werden häufig darauf trainiert, loszulegen, bevor das Problem komplett verstanden ist. In dieses Modell habe ich nie vollständig hineingepasst. 

Ich war bei Unternehmen wie MongoDB, SentinelOne und PingSafe tätig. Unterschiedliche Firmen, andere Phasen, aber das Muster blieb gleich. Cybersecurity-Teams arbeiteten bereits mit maschineller Geschwindigkeit, Einnahmenteams nicht.

Im Bereich Cybersecurity gab es Echtzeitinformationen, Verhaltensanalysen und automatisierte Reaktionssysteme. GTM-Teams steckten hingegen weiterhin in Tabellenkalkulationen fest, mit voneinander getrennten Tools, manueller Recherche und Pipeline-Reviews voller Optimismus, der als Prognose getarnt war. 

Diese Diskrepanz ist mir immer aufgefallen. Viele Menschen rahmen KI im Umsatzbereich als Produktivitätsgeschichte. Schnellere E-Mails. Mehr Outbound. Mehr Sequenzen. Ich glaube, das greift viel zu kurz. 

Das Problem im modernen GTM ist nicht ein Mangel an Aktivität, sondern zu viel Lärm. Der Großteil des Outbounds ist heute teurer Spam, der sich als Personalisierung ausgibt. Käufer merken das sofort. Jeder verfügt jetzt über dieselbe Automatisierung – Volumen ist daher schon seit einiger Zeit kein echter Vorteil mehr. 

Entscheidend ist der Kontext. Warum dieses Konto? Warum jetzt? Was hat sich im Unternehmen verändert, sodass dieses Gespräch heute relevant ist und nicht erst vor sechs Monaten?

Das hat mich zu einer KI-gesteuerten Umsatzführung gebracht. Bei Matters.AI bauen wir eine intelligenzgetriebene GTM-Organisation auf, in der KI hilft, Recherche zu beschleunigen, fragmentierte Signale zu verbinden, Timing-Indikatoren sichtbar zu machen und operative Bremsen zu entfernen, damit Teams mehr Zeit haben, klar zu denken und intelligent zu agieren.

Dhirajs Gedanken

Jeder hat jetzt dieselbe Automatisierung – Volumen ist daher schon seit einiger Zeit kein echter Vorteil mehr… Entscheidend ist der Kontext. Warum dieses Konto? Warum jetzt? Was hat sich im Unternehmen verändert, sodass dieses Gespräch heute relevant ist und nicht erst vor sechs Monaten?

Eine schlanke GTM-Organisation

Die GTM-Organisation von Matters.AI ist bewusst schlank gehalten. Wir agieren in Enterprise Sales, strategischem Outbound, Partnerschaften, Lösungsengineering und KI-gestützten Arbeitsprozessen, doch die Philosophie dahinter ist einfach: Skaliere Intelligenz, bevor du das Personal skalierst. 

Viele Unternehmen versuchen immer noch, Wachstum durch pure Aktivität zu erzwingen. Mehr SDRs, mehr Sequenzen, mehr Touchpoints. Wir gehen praktisch den entgegengesetzten Weg. 

Uns ist die Signaldichte wichtiger als die Aktivitätsdichte. Es geht darum zu erkennen, wo tatsächlich Dringlichkeit besteht, wo das Timing passt und wo der Kundenkontext stark genug ist, um eine Ansprache zu rechtfertigen. 

Ein Großteil unserer Arbeit dreht sich aktuell um KI-Governance, Datensicherheit, Compliance-Bereitschaft und Unternehmensrisikomanagement in Branchen wie BFSI, SaaS, Technologie und regulierten Industrien. 

Warum KI den Umsatz-Verstand nicht ersetzen kann

Ich nutze KI für Priorisierung von Accounts, Stakeholder-Mapping, Deal-Scoring, Engagement-Analysen, Forecasting-Unterstützung, Churn-Erkennung und Pipeline-Risikoanalysen.

Maschinen sind Menschen bei der Verarbeitung fragmentierter operativer Signale in großem Maßstab deutlich überlegen. Das ist mittlerweile offensichtlich.

Doch Entscheidungen, die Executive-Alignment, Verhandlungen und Vertrauen betreffen, bleiben menschlich. Strategische Urteilsfähigkeit bleibt definitiv beim Menschen. 

Beschaffungsentscheidungen im Bereich Unternehmenssicherheit sind im Kern emotional, auch wenn viele das gern hinter Tabellen und Beschaffungsprozessen verstecken. Ein Deal kann operativ gesund aussehen, während das Vertrauen im Account ganz leise zerbricht.

Genau an dieser Ebene scheitert KI noch. Daher glaube ich nicht, dass KI Umsatz-Urteilsvermögen ersetzt – vielmehr reduziert sie operative Blindheit.

Wie KI eine intelligentengeleitete Interaktion ermöglicht

Die größte Veränderung, die ich vorgenommen habe, war der Wechsel von aktivitätsgesteuerter Outbound-Arbeit hin zu intelligentengeleiteter Interaktion. 

Früher sah Outbound so aus, wie es die meisten Unternehmen heute noch tun: eine Mischung aus großen Account-Listen, statischen Sequenzen, manueller Recherche, breit gehaltenen Personalisierungsvorlagen und viel vergeudetem Aufwand, der Präzision nur vortäuscht.

Wir haben einen KI-unterstützten Workflow zur Priorisierung von Accounts entwickelt, der stundenlange Recherche auf wenige Minuten reduziert hat. 

Jetzt aggregiert KI kontinuierlich Signale aus Einstellungsaktivitäten, Veränderungen der Sicherheitslage, Cloud-Adoption, Compliance-Druck, Wechseln im Führungsteam, Finanzierungsmustern, organisatorischen Veränderungen und Indikatoren für Technologieadoption. 

Anschließend werden diese Signale zu Kontext-bezogenen Account-Narrativen zusammengefasst. Dieser Teil ist entscheidend, denn rohe Signale allein sind nutzlos. Vertriebler benötigen nicht mehr Dashboards, sondern ein klareres Verständnis. 

Sobald der Kontext vorliegt, validiert der Verkäufer die Informationen manuell, prüft deren Relevanz, personalisiert die Ansprache und entscheidet, ob der Zeitpunkt eine Kontaktaufnahme wirklich rechtfertigt. Nach Meetings hilft KI bei der Zusammenfassung, Extraktion von To-dos, Stakeholder-Analyse, Verfolgung der Interaktion und Risikobeobachtung im gesamten Deal-Zyklus. 

Wichtig ist nicht, die Ansprache zu automatisieren, sondern zu erkennen, ob der Account tatsächlich Aufmerksamkeit verdient. Das hat die Pipeline-Qualität unmittelbar verbessert.

Die Gespräche wurden fokussierter. Die Discovery-Phasen verkürzten sich. Die Einbindung von Führungskräften verbesserte sich, weil die Ansprache auf echtem Kontext und nicht auf konstruierten Personalisierungen basierte. 

Wie KI die Unternehmenskultur verändert

Die Vorteile von KI wurden ziemlich schnell offensichtlich, und vieles davon habe ich bereits erwähnt.

Die größere Veränderung war jedoch kulturell. Die Menschen begannen, analytischer über die Umsatzumsetzung nachzudenken. Gespräche wurden weniger meinungsgetrieben und stärker faktenbasiert. Dieser Wandel ist bedeutender als die meisten Tool-Diskussionen, die derzeit am Markt geführt werden. 

Ein Nachteil ist, dass KI sehr leicht zu falscher Sicherheit führen kann. Das wird oft unterschätzt. 

Oft wirken KI-Ergebnisse so ausgefeilt, dass sie vertrauenswürdig erscheinen, auch wenn die zugrunde liegenden Annahmen schwach oder unvollständig sind. Führungskräfte sollten nicht vergessen, dass KI probabilistisch und nicht allwissend ist. Urteilsvermögen bleibt entscheidend. Die Erfahrung der Anwender zählt weiterhin.

In vielerlei Hinsicht wird kritisches Denken in einer KI-geprägten Umgebung noch wichtiger. 

Warum KI-Personalisierung oft hinter den Erwartungen bleibt

KI-generierte Personalisierung blieb am Anfang weit hinter den Erwartungen zurück. Nicht wegen schwacher Technologie, sondern weil Käufer enorm gut darin geworden sind, vorgetäuschte Relevanz zu erkennen. Die meisten KI-generierten Outbound-Botschaften wirken heute zwar ausgefeilt, aber emotional leer. Sie spiegeln zwar die Struktur von Personalisierung, erfassen den Kunden aber nicht tiefgründig genug, um auch wirklich Relevantes zu sagen. 

Es gibt einen Unterschied zwischen Kontext einbringen und echtes Verständnis zeigen. Die meisten KI-Systeme tun sich mit diesem Unterschied immer noch schwer. Wir haben schnell gelernt, dass synthetische Personalisierung nicht dasselbe ist wie echte Erkenntnis. 

Ironischerweise wird Authentizität wichtiger, je stärker KI-generierte Ansprache skaliert. 

Warum KI die Unsicherheit bei Prognosen nicht beseitigen kann

Mit KI wurden unsere Prognosen disziplinierter. Aber ich will diesen Aspekt nicht überbewerten, denn Unternehmensprognosen bleiben von Natur aus unübersichtlich.

Große Unternehmensabschlüsse bewegen sich meist aus Gründen, die in standardisierten Systemen kaum sauber erfasst werden. Budget-Zeitpunkte ändern sich. Interne Fürsprecher verlieren an Einfluss. Strategische Prioritäten in der Führungsebene ändern sich leise. Beschaffungsprobleme treten plötzlich auf. Politische Allianzen brechen unbemerkt weg.

KI hat Schwierigkeiten mit diesen unsichtbaren Ebenen. Sie können starke Engagement-Messwerte, aktive Meetings, gesunde Rücklaufquoten und positive Stakeholder-Beteiligung haben, während das Geschäft intern bereits ins Stocken gerät.

KI sorgt für mehr Sichtbarkeit. Sie beseitigt aber nicht auf magische Weise Unsicherheit.

Dhirajs Gedanken

Die Ironie ist, dass mit zunehmender KI-generierter Ansprache Authentizität immer wertvoller wird, nicht weniger…KI sorgt für mehr Sichtbarkeit. Sie beseitigt aber nicht auf magische Weise Unsicherheit.

Wie sich die Kompetenzen im Revenue-Bereich verändern

KI automatisiert zunehmend repetitive operative Aufgaben, daher braucht ein moderner Revenue-Spezialist heute ein ganz anderes Kompetenzprofil. Analytisches Denken, kontextuelles Storytelling, systemisches Denken, Kommunikation mit Entscheidungsträgern, Anpassungsfähigkeit und KI-Kompetenz stehen heute deutlich stärker im Vordergrund als früher.

Die besten Verkäufer:innen von heute werden zu Orchestratoren von Intelligenz. Sie wissen, wie sie Signale validieren, Kontext zusammenfassen, bessere Fragen stellen und schneller strategisches Vertrauen aufbauen können. 

Reines, aktivitätsbasiertes Verkaufen wird zur Massenware. Der menschliche Unterschied verlagert sich auf Urteilsvermögen, Kreativität und erzählerische Klarheit. 

Warum KI als Veränderung des Betriebsmodells behandelt werden muss

Mein Rat ist, KI als Veränderung des Betriebsmodells zu betrachten, nicht als einfaches Tool-Upgrade.

Das ist der Fehler, den derzeit die meisten Unternehmen machen. Sie setzen KI auf kaputte Prozesse auf und nennen das Transformation. Meistens führt das nur zu noch schnellerer Verwirrung. 

Wenn Ihre Positionierung schwach, Ihre CRM-Disziplin inkonsequent, Ihre Arbeitsabläufe fragmentiert oder Ihr Kundenverständnis oberflächlich ist, verstärkt KI das Chaos. Sie rettet Sie nicht davor. 

Die Unternehmen, die am meisten von KI profitieren, sind in der Regel diejenigen, die bereits starke Grundlagen haben.

Wo Revenue-Teams mit KI anfangen sollten

Beginnen Sie mit den operativen Reibungen und Engpässen: Rechercheüberlastung. Pipeline-Inspektion. Wissensabruf. Prognose-Transparenz. Account-Priorisierung. CRM-Fragmentierung.

Das sind echte operative Probleme, die gelöst werden sollten. Ich würde auch deutlich mehr Zeit in KI-Kompetenz stecken als die meisten Unternehmen heute. Die technische Implementierung ist meist der leichtere Teil. Die größere Herausforderung ist es, Teams dabei zu unterstützen, ihre Arbeitsweise zu überdenken, ohne ihnen das Gefühl zu geben, ersetzt zu werden.

Bleiben Sie dran

Sie können Dhiraj Khare auf LinkedIn folgen. Und schauen Sie sich Matters.AI an.

Weitere Experteninterviews folgen im The CRO Club!