Leiter Umsatz eines Start-ups darüber, wie schlagkräftige Teams mit KI große Hebel schaffen können

Ich habe eng mit Gründern zusammengearbeitet, den Go-to-Market-Prozess von Grund auf mitgestaltet und in Umgebungen ohne große Teams, perfekte Playbooks oder die Möglichkeit, sich hinter Prozessen zu verstecken, gearbeitet. Mein Fokus liegt darauf, einfallsreich zu sein, schnell zu handeln und Unklarheiten in konkrete Aktionen umzusetzen.

Derzeit leite ich den Umsatz bei einem Seed-Stage-B2B-KI-Startup mit einem abonnementsbasierten SaaS-Modell. Das Team ist schlank, im Revenue-Team sind eine oder zwei Personen, weshalb ich bei der GTM-Strategie, im Outbound, bei der Pipeline-Generierung, im Vertrieb und im Kundenfeedback sehr hands-on aktiv bin. Unser GTM-Ansatz ist Gründer-zentriert und iterativ ausgerichtet – wir konzentrieren uns darauf, frühzeitig Kunden zu gewinnen, schnell zu lernen und eine wiederholbare Dynamik in kundenorientierten und umsatzrelevanten Märkten aufzubauen.

Gerade in der Seed-Phase basiert der Umsatzerfolg stark auf Gründerintuition, vereinzelten Gesprächen, manuellen Nachfassaktionen und Erfahrungswissen. Deshalb hat es mich besonders interessiert, wie KI Startups helfen kann, diese Signale früher zu erfassen, das Vorgehen von Top-Performern operationalisierbar zu machen und schlanken Teams Hebelwirkung zu geben, ohne dafür eine große Organisation zu benötigen.

Für mich ersetzt KI im Revenue-Bereich keine Menschen und schafft auch keine zusätzliche Komplexität. Sie hilft kleinen, dynamischen Teams dabei, über ihre Gewichtsklasse hinauszuwachsen. Sie ermöglicht es Startups, schneller zu agieren, schneller zu lernen und bessere Systeme früher als sonst aufzubauen. Ich liebe es, KI zu nutzen, um bei Seed-Stage-Unternehmen aus Chaos Struktur, Einblicke in Aktionen und Umsatzwachstum ohne Geschwindigkeitseinbußen zu schaffen.

Wie KI Fokus und Geschwindigkeit in Umsatzprozessen erhöht

Für mich erzeugt KI Fokus, Geschwindigkeit und Hebelwirkung.

Die von mir entwickelten Agenten haben uns geholfen, die Zielmarktauswahl zu schärfen, Accounts mit höherer Kaufabsicht früher zu identifizieren und eine sehr schlanke Umsatzfunktion präziser agieren zu lassen. Das bedeutete weniger verschwendete Energie für schwache Accounts, schnellere Umsetzung bei Ansprache und Nachverfolgung sowie bessere Sichtbarkeit, wo wir Kaufsignale erkennen konnten. Außerdem konnten wir schneller Messaging testen, die Annahmen zum Ideal Customer Profile (ICP) verfeinern und Ressourcen auf Segmente mit stärkerer Kaufabsicht umschichten.

Das deutlichste messbare Ergebnis war Effizienz: Durch KI konnten wir Recherche-, Accountpriorisierung und GTM-Vorbereitung um über 50 % reduzieren, was uns deutlich mehr Verkaufskapazität ohne zusätzliches Personal verschaffte. Das führte zu fokussierterer Ansprache, mehr Qualität in Terminen und weniger vergeudeter Energie im gesamten Funnel.

In manchen Fällen zeigte sich der Effekt vor allem operativ und nicht nur im Umsatz. Aufgaben, die früher Stunden manueller Recherche erforderten, konnten deutlich schneller erledigt werden, was mehr Zeit für Verkauf und Entscheidungsfindung schuf. Auch fühlte sich der Workflow weniger reaktiv an. Statt allem nachzulaufen, konnten wir bewusster Zeit investieren.

Gerade in Startups ist dieser Hebel wichtig, weil er hilft, intelligenter hochzuskalieren, bevor tatsächliche Skalierung erreicht ist.

Wie KI die Pipeline-Generierung verbessern kann

Hier ein Beispiel für einen Workflow: Ich habe KI genutzt, um zu präzisieren, wie wir die Pipeline generieren, indem wir herausfanden, welche Website-Besucher und Accounts Kaufbereitschaft zeigten. Früher arbeiteten wir mit breiteren ICP-Annahmen, manueller Recherche und begrenzten Intent-Daten. Das führte dazu, dass wir Zeit für Accounts verwendeten, die auf dem Papier passten, aber nicht zwangsläufig aktuell am Markt waren.

Das haben wir geändert, indem wir KI einsetzten, um eindeutige Besucher zu identifizieren, deren Engagement-Verhalten zu analysieren und Accounts anhand ihrer Kaufwahrscheinlichkeit zu bewerten. So konnten wir unseren Fokus stärker auf Marktsegmente und Unternehmen mit echter Kaufabsicht legen.

Das Ergebnis: Priorisierung, Relevanz und Conversion-Effizienz haben sich verbessert. Wir verbrachten weniger Zeit mit Raten und konnten mehr nach Signalen handeln, wodurch unser GTM-Prozess zielgerichteter und fokussierter wurde.

Der größte Wandel war, den Sprung von „wer sieht auf dem Papier passend aus“ zu „auf wen sollte man jetzt wirklich setzen“ zu machen. Genau dorthin müssen mehr CROs gehen.

Warum KI für junge Unternehmen gefährlich sein kann

Der Nachteil ist: KI ist nur so gut wie ihre Inputs, Logik und Leitplanken. Ich habe erlebt, dass KI manchmal zu stark auf verrauschte Signale setzt, falsche positive Ergebnisse liefert oder ein Vertrauensniveau vermittelt, das die zugrundeliegenden Daten nicht verdient haben. In frühen Unternehmensphasen kann das gefährlich sein, weil die Datensätze kleiner sind, der Markt sich noch entwickelt und man sich leicht einreden kann, eine Mustererkennung sei stichhaltiger als sie ist. Ein negatives Ergebnis ist verschwendete Energie, wenn KI einen auf vielversprechende Accounts oder Signale lenkt, denen aber echte Überzeugung fehlt.

Ich habe auch beobachtet, dass KI uns dazu verleiten kann, zu viel, zu früh zu automatisieren. Wenn man nicht vorsichtig ist, kann das zu mehr Aktivität, aber nicht unbedingt zu besseren Urteilen führen.

Wir sind noch weit davon entfernt, strategische Umsatzentscheidungen vollständig zu automatisieren. KI kann bei der Recherche unterstützen, Signale aufzeigen und die Umsetzung beschleunigen, aber sie ist bei der Prognose, der Deal-Strategie oder der sicheren Vorhersage, welche Chancen abgeschlossen werden, noch nicht durchgängig zuverlässig. Sie bringt einen zu 90 % ans Ziel; die restlichen 10 % muss ein Mensch erfüllen. Gerade in frühen Phasen fehlt der KI meist genügend saubere historische Daten, um diese Entscheidungen auf dem gewünschten Niveau zu treffen.

KI ist also ein Multiplikator für Recherche, Priorisierung und Umsetzung. Sie ersetzt aber nicht die Intuition des Praktikers oder die Nähe zum Kunden. Strategie, Urteilsvermögen und beziehungsbasierte Entscheidungsfindung müssen menschlich bleiben. Ich treffe immer noch die endgültigen Entscheidungen zu Marktfokus, Messaging, Priorisierung, Preismodell und Steuerung von Deals.

Wie man reagiert, wenn KI im Messaging versagt

Hier ist ein Beispiel, wo KI für mich nicht überzeugen konnte.

Wir haben KI genutzt, um Outbound-Text schneller zu generieren und zu verfeinern, aber vieles klang zu generisch oder zu geschliffen und sprach die Käufer nicht an. Es klang zwar gut, spiegelte aber nicht immer die tatsächlichen Marktgegebenheiten wider oder das, worauf Käufer reagieren würden.

Um das zu verbessern, habe ich aufgehört, KI-generiertes Messaging als Endergebnis zu betrachten, und es eher als Entwurfsbasis genutzt. Die endgültige Positionierung, Tonalität und Schärfe blieb menschlich. KI hat den Prozess beschleunigt, aber das Urteilsvermögen musste weiterhin von jemandem mit Kundennähe kommen.

Warum die Messung des KI-Einflusses für Umsätze entscheidend ist

Nicht jede Implementierung von KI ist tatsächlich hilfreich. Ich messe den Einfluss von KI genauso, wie ich jede andere GTM-Investition messen würde. Jeder KI-Workflow, den ich einführe, muss eine der folgenden Anforderungen erfüllen:

• Output erhöhen
• Entscheidungsqualität verbessern
• Zeit bis zum Umsatzergebnis verkürzen

Wenn keines dieser drei Ziele verbessert wird, erzeugt es wahrscheinlich nur unnötigen Lärm.

Grundsätzlich bewerte ich, ob uns KI hilft, mehr Pipeline zu schaffen, bessere Chancen zu priorisieren und das Team effizienter zu machen. Da ich KI stark für Recherche und GTM-Agents nutze, verfolge ich Kennzahlen wie gesparte Zeit bei der Account-Recherche, Geschwindigkeit beim Listenaufbau, Geschwindigkeit bis zur ersten Ansprache und wie viel zielgerichteter unser Outbound ist. Wenn KI funktioniert, sollte das Team weniger Zeit mit Informationsbeschaffung und mehr Zeit mit der Bearbeitung der richtigen Chancen verbringen.

Ich analysiere auch Umsatzkennzahlen, die sich nicht nur auf Aktivität, sondern auf Qualität beziehen. Dazu zählen Conversion-Raten vom Zielaccount zum Termin, vom Termin zur Gelegenheit, von der Gelegenheit zum Abschluss, Rücklaufquoten bei KI-basierten Ansprachen und Pipeline aus Accounts mit höherer Kaufbereitschaft. Wenn KI uns hilft, besser passende Accounts zu identifizieren oder Messaging zu optimieren, erwarte ich, dass sich das in hochwertigere Gespräche und höhere Abschlussquoten niederschlägt.

Operativ bewerte ich Präzision und Nutzen. Zum Beispiel: Hat der Agent die richtigen Accounts identifiziert, relevanten Kontext bereitgestellt oder geholfen, den richtigen Marktbereich zu fokussieren? Wenn die Ergebnisse schnell, aber nicht hilfreich sind, bringt das nichts. Deshalb bleibt ein Teil der Bewertung qualitativ: Sind die Erkenntnisse vertrauenswürdig genug und verändern sie unser Arbeiten wirklich?

Warum KI keine Strategie ist

KI ist keine Strategie, sondern ein Hebel.

Jeder CRO sollte das vor dem Start verstehen, denn wenn ICP, Messaging, Sales-Methode und Kernprozess schwach sind, kann KI sie nicht reparieren. Sie hilft dann nur, die falschen Dinge schneller zu tun.

Unternehmen, die am meisten von KI profitieren, nutzen sie, um Urteilsvermögen zu schärfen, Lernen zu beschleunigen und manuelle Arbeiten zu eliminieren – nicht, um das Denken zu ersetzen. Wenn Sie KI als Verstärker betrachten und nicht als magische Lösung, können Sie sie viel effektiver implementieren.

Was Sie wissen sollten, bevor Sie KI in Umsatzteams einführen

Saubere Eingaben und klare Leitplanken sind wichtig. Ich habe das bereits angesprochen, aber es lohnt sich zu wiederholen, weil ich mir gewünscht hätte, ich hätte es früher erkannt.

Gerade am Anfang ist es leicht, sich von den Möglichkeiten der KI begeistern zu lassen, aber wenn die Daten unstrukturiert, der Prompt unklar oder der Workflow nicht präzise definiert ist, wirkt das Ergebnis besser, als es tatsächlich ist. Das kann zu falscher Sicherheit und unnötigen Aktivitäten führen.

Hätte ich das früher gewusst, hätte ich weniger Zeit damit verbracht, glänzenden Ergebnissen nachzujagen, und mehr Zeit darauf verwendet, den genauen Use-Case, Erfolgskennzahlen und die menschliche Kontrollinstanz von Anfang an zu definieren. Das hätte geholfen, Lärm, Fehlalarme und viele Nacharbeiten zu vermeiden.

Ich habe aus meinem Fehler gelernt und wurde deutlich disziplinierter im Umgang mit Umfang, Eingaben und Überprüfung.

Zuerst habe ich jede KI-Initiative auf eine bestimmte Aufgabe eingegrenzt, statt zu versuchen, zu viel auf einmal zu verlangen. Dann habe ich die Eingaben standardisiert – konsistente Datenfelder, klarere Anweisungen, präzisere Definitionen von „gut“ und weniger Abhängigkeit von unvollständigen oder chaotischen Informationen. Außerdem habe ich klare Leitplanken gesetzt, die festlegen, wo KI unterstützen darf und wo der Mensch die endgültige Entscheidung treffen muss.

Zudem habe ich eine Überprüfungsschleife eingebaut. Ich habe die Ergebnisse mit echten Resultaten verglichen, festgestellt, wo die KI Störungen oder falsches Vertrauen verursacht hat, und daraufhin nachgebessert. Der größte Wandel war, KI weniger als Magie und mehr als ein Betriebssystem zu betrachten, das Struktur, Qualitätssicherung und Einschränkungen braucht, um wirklich nützlich zu sein.

Warum CROs KI als grundlegende Veränderung im operativen Geschäft akzeptieren sollten

Zusammenfassend hier mein Rat.

Behandeln Sie KI nicht wie die Einführung eines Tools. Betrachten Sie es als operative Umstellung.

Starten Sie mit einem klaren Umsatzproblem, bei dem Geschwindigkeit, Signalverarbeitung oder manuelle Arbeitslast das Team ausbremsen. Nutzen Sie KI zunächst an dieser Stelle, um neuen Spielraum zu schaffen. Halten Sie den Umfang eng, messen Sie die Wirkung und bauen Sie Neuerungen auf echten Arbeitsabläufen auf – nicht auf Hype.

Am wichtigsten: Lagern Sie Ihr Urteilsvermögen nicht aus. Die besten CROs nutzen KI, um schneller zu werden, klarer zu sehen und bessere Entscheidungen zu treffen – nicht, um den menschlichen Kontext zu ersetzen, der auch weiterhin für exzellente GTM-Führung sorgt.

Bleiben Sie dran

Sie können Waleed Shaaranis Weg auf LinkedIn verfolgen, während er weiterhin Umsatzorganisationen im Startup-Bereich führt.

Weitere Experten-Interviews folgen demnächst im The CRO Club!