SaaS-VP für Umsatzoptimierung warnt: KI-Tool-Wildwuchs ist der versteckte Kostenfaktor, den niemand misst
Erfahren Sie, warum Mollie Bodensteiner sagt, dass KI im Bereich Revenue Operations nur dann erfolgreich ist, wenn solide Daten, disziplinierte Prozesse und menschliches Urteilsvermögen an erster Stelle stehen.
Mollie Bodensteiner
mollie-bodensteiner
KI-Auswirkungen: KI stellt die traditionelle CRM-Abhängigkeit infrage und setzt den Fokus auf Interaktionen in Echtzeit statt auf herkömmliche Datenprotokolle.
Bewertung von Geschäftsabschlüssen: KI analysiert vielfältige Signale und verbessert die Bewertung der Gesundheit von Geschäftsabschlüssen über klassische CRM-Felder hinaus.
Produktivitätswandel: Die Reduzierung des Tool-Wildwuchses erhöht die Produktivität und verlagert KI-Integrationen in die zentralen Arbeitsbereiche.
Datenbasis: Eine starke Datenbasis ist entscheidend, bevor KI implementiert wird, um präzise Ergebnisse zu gewährleisten.
Menschliches Urteilsvermögen: KI liefert Erkenntnisse, aber Menschen müssen die Entscheidungsfindung für kontextspezifische Ergebnisse behalten.
Mollie Bodensteiner ist VP of Revenue Operations bei ZoomInfo, einem börsennotierten SaaS-Unternehmen, das weltweit Enterprise-Kunden betreut. Sie ist außerdem die Gründerin von The RevTech Review.
Wir haben uns mit Mollie zusammengesetzt, um zu verstehen, wie sie mit KI Bewertungs- und Prognoseprozesse für Deals verändert. Das hat sie uns erzählt.
KI prüft, ob Ihre Daten- und Prozessgrundlagen belastbar sind
Ich leite den Bereich Revenue Operations bei einem börsennotierten SaaS-Unternehmen im Enterprise-Bereich, das weltweit Mid-Market- und Enterprise-Kunden bedient. Unser föderiertes Modell umfasst Pipeline Operations, Sales Operations, CX Operations, Partnership Operations und Go-to-Market-Systeme zur Unterstützung einer komplexen, vielschichtigen Go-to-Market-Organisation.
Möchten Sie mehr vom The CRO Club?
Erstellen Sie ein kostenloses Konto, um weiterzulesen und sich modernen Umsatzverantwortlichen anzuschließen, die mit bewährten Playbooks, Einblicken von Gleichgesinnten und KI-gesteuerten Strategien einen planbaren Pipeline-Aufbau und skalierbares Wachstum erreichen.
Have an account? Log In
Wir arbeiten mit einem abonnementbasierten, nutzungsabhängigen SaaS-Modell und verfolgen mehrere Vertriebsstrategien: neue Geschäftsabschlüsse, Expansionen und Verlängerungen in den Bereichen Self-Service, Mid-Market und Enterprise. Mein RevOps-Team besteht aus etwa 20 Personen, die die gesamte Go-to-Market-Organisation unterstützen.
Ich blicke auf über 15 Jahre Erfahrung im Go-to-Market-Bereich zurück: RevOps, Systeme, Vergütung, Automatisierung, Gebiets- und Zielplanung, Datenarchitektur und Engineering. Ich habe diese Funktionen bei mehreren Hyperwachstums-Einhörnern aufgebaut und skaliert – Unternehmen, in denen sich das Geschäft schneller bewegt als die Systeme, die es unterstützen sollen.
Dieses ständige Umgestalten hat meine Denkweise geprägt. Immer wenn sich die Unternehmensgröße verdoppelte, hörten die Systeme, die gestern noch funktionierten, heute auf zu funktionieren. Ich habe gelernt, für Skalierung zu designen, bevor die Skalierung sie fordert.
Das ist der Weg, der mich zu meiner jetzigen Position in der Revenue-Führung gebracht hat: KI nicht als Trend hinterherzujagen, sondern sie als nächsten Belastungstest für das eigene Fundament zu begreifen.
Wie KI-gestützte Workflows die Deal-Bewertung und Prognose verbessern
Im RevOps-Bereich haben viele ihre Karriere darauf aufgebaut, dass das CRM als einzig wahrer System-of-Record gilt. Was nicht in Salesforce steht, ist nicht passiert, und die Prognose ist nur so gut wie das, was eingetragen wurde.
KI hat dieses Konzept für mich aufgebrochen. Das CRM war nie die wirkliche Quelle der Wahrheit. Es spiegelte immer nur das wider, was ein Vertriebler dokumentiert hat – gefiltert durch Erinnerungen, Prioritäten und alles, was man nicht zugeben möchte. Das eigentliche Signal befand sich woanders: im Meeting, in E-Mails, darin, wie ein Käufer reagiert hat – verglichen mit dem, was der Vertriebler später aufschrieb.
Wir haben daher geändert, was wir von den Vertriebsmitarbeitenden verlangen. Sie müssen keine Notizen mehr manuell erfassen oder Felder ausfüllen, die eine KI direkt aus dem Gespräch ableiten kann. Ihr Fokus hat sich verlagert: weg von Dateneingabe, hin zum Verkaufen – und vom Verteidigen ihrer Phasen und Abschlussdaten hin zur tatsächlichen Auseinandersetzung mit dem, was die Daten ihnen sagen.
Auch der Prognoseprozess hat sich geändert. Früher startete er mit den Eingaben der Vertriebsmitarbeitenden und wurde nachträglich validiert. Jetzt beginnt alles mit sämtlichen verfügbaren Signalen, und das CRM ist lediglich ein Teilaspekt, der gegen die übrigen Quellen abgeglichen wird.
Sobald Sie alle Informationen in eine einzige Kontextschicht einfließen lassen, ist das CRM nicht mehr der System-of-Record, sondern nur noch ein Input davon. Das "System of Record" ist heute das Gesamtbild – nicht mehr das einzelne Feld, das ein Vertriebler vor seinem nächsten Anruf ausgefüllt hat.
Ein KI-gestützter Agent für die Deal-Bewertung in der Praxis
Wir haben einen Agenten entwickelt, der Chancen während ihres Verlaufs durch den Vertriebsfunnel überprüft und sowohl Signale aus erster Hand – CRM-Aktivitäten, Gesprächsnotizen, E-Mails – als auch Drittanbieter-Signale – Intent-Daten, Buying-Committee-Recherchen und Markt-Kontext – zusammenführt.
Dieser bewertet die Deal-Gesundheit auf Basis von tatsächlicher Stimmung und Engagement, nicht bloß anhand ausgefüllter Methodik-Felder. Ein Deal kann jeden MEDDPICC-Punkt erfüllen und trotzdem abkühlen. Oder er kann ein Feld vermissen und dennoch heiß sein.
Das Modell blickt über befüllte Felder hinaus auf das eigentliche Gesprächsgeschehen: Nehmen Käufer an Meetings teil oder spricht der Vertrieb nur mit einem Champion, der nicht unterschreiben kann? Welche Arten von Widerstand oder Nachfragen gibt es? Sind sie taktisch und erwartbar oder Anzeichen dafür, dass der Käufer seine Entscheidung überdenkt? Wird der Ton im Zeitverlauf wärmer oder kühler? Ist das Abschlussdatum realistisch, oder entspricht es nur dem Wunsch des Vertrieblers und nicht einer tatsächlichen Bestätigung durch den Käufer?
Gerade Letzteres wird oft unterschätzt. Es gibt eine echte Lücke zwischen dem, was im Gespräch gesagt wurde, und dem, was ein Vertriebler hört und notiert – sie stellt einen der stärksten Risikofaktoren dar. Das Modell erkennt diese Lücke, indem es Gesprächsprotokolle und Notizen mit den CRM-Dokumentationen der Vertriebsmitarbeitenden vergleicht.
Außerdem verfolgt das Modell die Reaktionsgeschwindigkeit der Käufer über die Zeit und nicht nur als Momentaufnahme. Ein Käufer, der vor einem Monat schnell geantwortet hat, jetzt aber seit zwei Wochen abgetaucht ist, signalisiert etwas anderes als ein durchgehend stabiles Geschäft.
All das fließt in eine Risikokategorie ein, die das Geschäft in der Prognose gewichtet. Ein Geschäft, bei dem der richtige Käufer eingebunden ist, echte Dringlichkeit besteht und ein belegbares Abschlussdatum gesetzt ist, hat echtes Gewicht. Ein Deal, bei dem nur der Vertriebsmitarbeiter optimistisch hinsichtlich des Zeitplans ist, wird abgewertet – unabhängig von der Phase.
Das ist der Wandel: Früher spiegelte die Gewichtung der Pipeline die Phase eines Geschäfts im Prozess wider. Jetzt widerspiegelt sie, was tatsächlich passiert.
Ein Geschäft, bei dem der richtige Käufer eingebunden ist, echte Dringlichkeit besteht und ein belegbares Abschlussdatum gesetzt ist, hat echtes Gewicht. Ein Deal, bei dem nur der Vertriebsmitarbeiter hinsichtlich des Zeitplans optimistisch ist, wird abgewertet – unabhängig von der Phase.
Wie die Abhängigkeit von KI zu blinden Flecken führt
Wenn ein Agent ein Geschäft bewertet, ein Risiko markiert oder einen nächsten Schritt empfiehlt, folgen Vertriebsmitarbeitende dieser Empfehlung oft, ohne zu hinterfragen, ob sie für diesen spezifischen Käufer passend ist.
Das Risiko ist nicht, dass die KI manchmal falsch liegt. Das Problem ist, wenn die Mitarbeitenden aufhören zu überprüfen. Sie lagern nicht nur die Aufgabe, sondern auch das Denken aus – und das merkt man erst, wenn ein als sicher geltender Deal wegen eines Grunds scheitert, den das Modell nie erkannt hätte.
Genau das unterschätzen viele Führungskräfte. KI soll das Urteilsvermögen schärfen, nicht ersetzen. Wenn Ihr Team nicht erklären kann, warum ein Deal "gesund" ist – außer mit "Das Modell hat es gesagt" – dann wurde ein blinder Fleck gegen einen anderen eingetauscht.
Wie KI Umsatzprozesse verbessert
Hier sind die Ergebnisse, die ich insgesamt beobachte.
Das Positive: Die Prognoseabweichung ist gesunken, wodurch die Pipeline-Abdeckung verbessert wurde. Wir sind über einfache Analysen hinausgewachsen und verfügen nun über Erkenntnisse und Intelligenz, die den Mitarbeitenden nicht nur sagen, was passiert ist, sondern auch, was als Nächstes zu tun ist. Außerdem haben wir durch einen Kontextgraphen, der bei jeder Interaktion die passenden Informationen im richtigen Moment liefert, bessere Botschaften und Materialien zur Ansprache entwickelt – statt generischen Gesprächsleitfäden.
Das Negative: Die Einführung von KI hat zunächst für Wildwuchs gesorgt, bevor sie Vorteile brachte. Mehr Tools bedeuteten mehr Orte, an denen sich Mitarbeitende informieren mussten – eine Zeit lang sank dadurch die Produktivität statt zu steigen. Zudem haben wir gelernt: Ein Agent, der mit schlechten Daten gebaut wurde, scheitert nicht unauffällig. Er scheitert mit Überzeugung, und selbstbewusst falsch zu liegen ist schlimmer, als es gar nicht zu wissen.
Die Erfolge waren real, zeigten sich aber erst, nachdem wir das Fundament korrigiert hatten. Jeder Erfolg, der wie ein KI-Sieg aussah, war letztlich ein Daten- und Prozesssieg, der ein KI-Etikett trug.
Warum die Kosten des Tool-Wildwuchses wichtiger sind als die Tools selbst
Lassen Sie uns mehr über Wildwuchs sprechen. Zu Beginn führte die Einführung weiterer KI-Tools und Funktionen zu einer größeren Oberfläche, nicht zu einer kleineren. Es gab mehr Orte, an denen Mitarbeitende nachsehen mussten, mehr Systeme mit Signalen und mehr Dashboards, die vorgaben, den nächsten Schritt zu kennen. Die Tools, die eigentlich unterstützen sollten, sorgten für mehr Ablenkung und hemmten die Umsetzung.
Deshalb haben wir die Arbeitsumgebung der Mitarbeitenden bewusst fokussiert. Statt bei jedem gelösten Problem ein weiteres Tool hinzuzufügen, haben wir uns gefragt, wo die Vertriebsmitarbeitenden täglich leben sollten – und die KI samt Erkenntnissen in diese eine Oberfläche integriert, anstatt immer neue zu bauen.
Das Ergebnis: Die Mitarbeitenden verbrachten weniger Zeit damit, nachzusehen, wo sie nach Informationen suchen sollten, und konnten sich mehr auf die Umsetzung konzentrieren. Die Produktivität ist nicht gestiegen, weil wir mehr KI hatten, sondern weil wir die vorhandene KI endlich nutzbar gemacht haben. Wildwuchs war der versteckte Kostenfaktor, den niemand gemessen hat – und seine Beseitigung war wichtiger als jedes einzelne Tool, das wir eingeführt haben.
Warum KI nur Empfehlungen aussprechen sollte
KI kann Empfehlungen geben, was zu tun ist. Sie kann jedoch nicht für das Ergebnis verantwortlich gemacht werden. Trägt eine Entscheidung ernste Konsequenzen für Menschen oder Beziehungen, muss die Verantwortung beim Menschen liegen – nicht beim Modell.
Deshalb unterstützt KI Entscheidungen, die von großflächiger Mustererkennung profitieren:
- Pipeline-Bewertung
- Deal-Gesundheit
- Prognose-Zusammenfassungen
- Anzeichen für Kündigungsrisiken
KI kann mehr Signale verarbeiten, als jeder Mensch jemals verfolgen könnte – und das, was Aufmerksamkeit verdient, hervorheben.
Das menschliche Urteilsvermögen bleibt entscheidend für Entscheidungen, die Abwägungen erfordern, welche Daten allein nicht vollständig abbilden. Dazu gehören:
- Entscheidungen darüber, wie mit einem leistungsschwachen Vertriebsmitarbeiter im Vergleich zu einem schwachen Gebiet umgegangen wird
- Preisausnahmen, bei denen Beziehungen und nicht nur die Mathematik berücksichtigt werden
- POMP-Plan-Gestaltung, bei der Anreize das Verhalten auf eine Weise beeinflussen, die Modelle nicht vorhersehen können
- Personalentscheidungen — wer ist bereit für mehr Verantwortung, wer benötigt Unterstützung und bei wem besteht Abwanderungsgefahr im Vergleich zu jemandem, der nur ein schwieriges Quartal hat
Warum Umsatzverantwortliche hinterfragen müssen, ob „mehr“ überhaupt nötig ist
KI-generierte Massen-Outbound-Aktivitäten haben enttäuscht. Das Versprechen war Skalierung: mehr E-Mails, mehr Personalisierung bei großen Mengen, mehr Pipeline. Geliefert wurde Lärm. Käufer merken, wenn eine Nachricht für jeden generiert und für niemanden personalisiert wurde – und die Rücklaufquoten belegen das.
Die weitergehende Lehre daraus ist, dass KI darin exzellent ist, Bewährtes zu skalieren. Es fällt ihr schwer, Relevanz aus dem Nichts zu erschaffen. Das Volumen war im Outbound niemals die Einschränkung. Es war die Relevanz. Relevanz erfordert immer noch eine menschliche Entscheidung darüber, wer wichtig ist und warum, bevor die KI die Nachricht bearbeitet.
Das ist das Muster, auf das ich jetzt achte. Wenn wir KI einsetzen, um von etwas mehr zu tun, frage ich, ob „mehr“ wirklich das Problem war. Meist ist es das nicht.
Warum Datenfundamente bei KI-Transformationen am wichtigsten sind
KI repariert kein defektes Datenfundament – sie entlarvt es. Jeder CRO, mit dem ich spreche, möchte mit dem aufregenden Teil beginnen: dem Agent, dem Copilot, dem Tool, das verspricht, das Verhalten der Reps über Nacht zu verändern. Aber wenn die darunterliegenden Daten fragmentiert oder nicht vertrauenswürdig sind, automatisiert die KI einfach die Dysfunktion schneller und mit mehr Selbstbewusstsein.
Am Ende sind es nicht die CROs, die zu langsam gehandelt haben, die „verbrannt“ werden. Es sind die, die das Tool gekauft haben, bevor sie das Fundament saniert haben, dann das Vertrauen ihres Teams verloren, als das Ergebnis falsch war und niemand mehr darauf vertraute.
Dieses Vertrauen ist schwer wieder aufzubauen, wenn es einmal verloren ist.
Wie man Perfektionismus davon abhält, die KI-Einführung zu entgleisen
Perfekt sein zu wollen war der falsche Impuls. Ich habe zu Beginn viel zu viel Zeit damit verbracht, jeden Einzelfall zu bedenken, bevor überhaupt etwas live ging. Wochenlang haben wir Dinge gebaut, die niemand brauchte, und es dauerte viel länger, bis die Reps tatsächlich Vertrauen fassten.
Jetzt suchen wir uns ein eng umrissenes Problem, stellen es ein paar Reps zur Verfügung und lassen deren Nutzung entscheiden, was als Nächstes gebaut wird.
Wir verfolgen die tatsächliche Nutzung, nicht Umfragen zur Zufriedenheit. Haben die Reps es geöffnet? Haben sie das umgesetzt, was es ihnen gesagt hat? Sind sie zurückgekehrt? Das sagt uns in einer Woche mehr als jede Planungssitzung.
Wenn etwas von den Reps nicht genutzt wird, wird es entfernt – schnell. Selbst wenn es bereits gebaut wurde. Versunkene Kosten sind kein Grund, daran festzuhalten.
Und wir skalieren in kleinen Schritten. Sobald die kleinste Version funktioniert und das Vertrauen der Reps gewonnen ist, weiten wir den Rollout schrittweise aus und fügen das nächste Element hinzu, statt direkt die vollständige Vision auszurollen.
Kurz gesagt: Schnell handeln, schnell lernen und das, was funktioniert, skalieren.
Ratschläge für Umsatzverantwortliche
Die Aufgabe ist es nicht, Entscheidungen von Menschen zu automatisieren. Sondern Menschen schneller bessere Informationen zu liefern, damit die verbleibenden Entscheidungen präziser getroffen werden können.
Hier mein Rat an Umsatzverantwortliche:
- Bringen Sie Ihre Daten in Ordnung, bevor Sie ein weiteres Tool kaufen.
- Widerstehen Sie dem Druck, alles auf einmal einzuführen. Die richtige KI, am richtigen Ort, die von den Mitarbeitern tatsächlich genutzt wird – das ist das Ziel.
- Urteilen Sie nicht vorschnell. Die Aufgabe ist nicht, Entscheidungen dem Menschen wegzunehmen. Es geht darum, Menschen schneller bessere Informationen zu liefern, sodass die Entscheidungen, die sie weiterhin treffen müssen, durchdachter sind. Diese Unterscheidung ist im Moment der ganze Job.
Bleiben Sie dran
Sie können Mollie Bodensteiner auf LinkedIn folgen. Und schauen Sie sich The RevTech Review an.
Weitere Experteninterviews folgen im The CRO Club!
