KI im Vertrieb heißt in kleinen B2B-Unternehmen vor allem, dass ein Sprachmodell Lese-, Schreib- und Sortierarbeit übernimmt, die bisher an Menschen hing. Es ordnet Anfragen ein, bereitet Termine vor, schreibt Besuchsberichte und entwirft Nachfass-Mails. Solche Aufgaben lassen sich heute mit Standardwerkzeugen umsetzen, solange ein Mensch das Ergebnis prüft, bevor es bei Kund:innen ankommt. Schwieriger wird es überall dort, wo die KI selbstständig handeln oder aus vielen historischen Deals lernen soll. Die zwölf Beispiele in diesem Beitrag zeigen, wo diese Grenze für Unternehmen mit 10 bis 250 Beschäftigten verläuft.
Das Wichtigste in Kürze
- Laut Bitkom setzen 57 % der deutschen Unternehmen ab 20 Beschäftigten KI ein. Von diesen nutzen erst 14 % KI im Vertrieb, nach 5 % im Vorjahr (Bitkom Research, September 2026).
- Bewährt sind Aufgaben mit Text als Eingabe und einer Freigabe durch dein Team: Anfrage-Triage, Gesprächsvorbereitung, Besuchsberichte, Nachfass-Hinweise und Auftragserfassung.
- Im Kommen sind Angebotsentwürfe, Ausschreibungen, Wissensassistenten und Frühwarnungen bei Bestellrückgang. Sie funktionieren, brauchen aber gepflegte Daten.
- Eher Hype für kleine Teams sind KI-Kaltakquise per E-Mail (in Deutschland auch im B2B grundsätzlich nur mit Einwilligung erlaubt), Lead-Scoring per Machine Learning und KI-Agenten, die selbstständig verkaufen.
Wie stark wird KI im Vertrieb schon genutzt?
Noch wenig, aber der Anteil steigt schnell. In der Bitkom-Befragung von 603 Unternehmen ab 20 Beschäftigten nutzen 57 % KI, 2025 waren es 36 %. Gefragt nach dem Einsatzbereich nennen nur 14 % der KI-nutzenden Unternehmen den Vertrieb (Bitkom Research, 2026, Basis: 343 KI-nutzende Unternehmen). Der Kundenkontakt liegt mit 72 % weit vorn, Marketing und Kommunikation folgen mit 54 %.
KI-Einsatz nach Bereich, Anteil der KI-nutzenden Unternehmen ab 20 Beschäftigten (2026: n=343). Quelle: Bitkom Research 2026, Auswahl von 5 der 12 abgefragten Bereiche
Die KfW ergänzt das Bild für den Mittelstand. Dort nutzten in den Jahren 2022 bis 2024 insgesamt 20 % der Unternehmen mindestens eine KI-Technologie. Am häufigsten waren mit 14 % Technologien, die Sprache erzeugen, KI zur Datenanalyse setzten nur 3 % ein (KfW Research, Fokus Nr. 554, Juli 2026). Textbasierte KI ist im Mittelstand also deutlich weiter verbreitet als datengetriebene, und daran orientiert sich auch die Einstufung der Beispiele.
Wie die Beispiele bewertet sind
Jedes Beispiel ist einer von drei Stufen zugeordnet, bezogen auf B2B-Unternehmen mit 10 bis 250 Beschäftigten im DACH-Raum. Konzerne mit eigenem Data-Science-Team können manches früher einsetzen. Grundlage sind vier Fragen:
- Liegen die Daten schon vor? E-Mails, CRM-Einträge, Preislisten und Datenblätter hat fast jedes Team. Tausende sauber gepflegte, abgeschlossene Deals sind in kleinen Unternehmen selten.
- Fällt ein Fehler auf, bevor er Schaden anrichtet? Ein Entwurf, den jemand freigibt, ist harmlos. Eine Mail, die die KI selbst verschickt, landet ungeprüft bei Kund:innen.
- Bringt es ab dem ersten Fall etwas? Manche Anwendungen brauchen Monate an Trainingsdaten, bis das Ergebnis brauchbar ist.
- Ist es in Deutschland rechtlich unkompliziert? UWG, StGB und DSGVO setzen manchen Ideen klare Grenzen.
| Einstufung | Bedeutung | Beispiele |
|---|---|---|
| Bewährt | Funktioniert heute mit Standardwerkzeugen, Nutzen ab dem ersten Fall | 1–5 |
| Im Kommen | Funktioniert, setzt aber gepflegte Daten und mehr Einrichtung voraus | 6–9 |
| Eher Hype | Für kleine Teams rechtlich, datenseitig oder praktisch nicht reif | 10–12 |
Bewährt: fünf Beispiele, die heute funktionieren
1. Anfrage-Triage: jede Anfrage eingeordnet und bei der richtigen Person
Die KI liest eingehende Anfragen aus Postfach oder Kontaktformular, ergänzt Firmendaten, bewertet sie nach deinen Kriterien und gibt sie an die zuständige Person weiter. Fehlen Angaben für ein Angebot, liegt die passende Rückfrage als Entwurf bereit. Der Automatisierungsanbieter Workato hat bei 114 B2B-Unternehmen eine Anfrage gestellt und die Antwortzeit gemessen. Per E-Mail kam die Antwort im Schnitt nach 11 Stunden und 54 Minuten, und nur eines der Unternehmen antwortete innerhalb von fünf Minuten (Workato, 2026). Kommen deine Anfragen schon strukturiert über ein Formular, reicht oft eine einfache Regel im CRM, wie bei den drei CRM-Workflows für eingehende Leads. Die KI braucht es erst, wenn Anfragen als Freitext-Mails ankommen.
2. Gesprächsvorbereitung: eine Seite vor jedem Termin
Vor dem Termin bekommt die zuständige Person ein kurzes Briefing mit offenen Angeboten und letzten Bestellungen aus dem CRM sowie Reklamationen und Neuigkeiten zum Unternehmen. Im State of Sales Report von Salesforce, einer Befragung von über 4.000 Vertriebsmitarbeitenden in 22 Ländern, erwarten die Befragten, dass KI-Agenten ihre Recherchezeit zu potenziellen Kund:innen um 34 % verkürzen (Salesforce, 2026). Die Zahl ist eine Selbsteinschätzung und stammt von einem CRM-Anbieter. Der Anwendungsfall gehört trotzdem zu den sichersten, weil die KI nur zusammenfasst, was ohnehin in deinen Systemen steht, und das Briefing nur dein Team liest.
3. Besuchsbericht per Sprachnotiz
Nach dem Termin diktiert die zuständige Person zwei Minuten im Auto. Daraus entstehen ein strukturierter Bericht im CRM, die vereinbarten Aufgaben und ein Entwurf für die Follow-up-Mail. Das Gespräch selbst wird dabei nicht aufgezeichnet. Wer das nichtöffentlich gesprochene Wort eines anderen unbefugt aufnimmt, macht sich nach § 201 StGB strafbar, und auch mit Einwilligung braucht ein Mitschnitt klare Regeln für Kund:innen und Mitarbeitende. Die selbst diktierte Notiz fällt nicht unter § 201 StGB. Gibt es einen Betriebsrat, sollte er bei der Einführung des Werkzeugs trotzdem eingebunden werden, und für den Inhalt der Notiz gilt wie für jede CRM-Notiz die DSGVO.
4. Nachfass-Hinweise für offene Angebote
Einmal pro Woche listet die KI alle offenen Angebote ohne nächsten Schritt auf und legt zu jedem einen Entwurf für die Nachfass-Mail bei, passend zum bisherigen Verlauf. Das setzt eine Pipeline voraus, in der der Status stimmt; wie du die Pipeline-Phasen sinnvoll einrichtest, steht in einem eigenen Beitrag. Wie viel ein KI-Assistent beim Formulieren bringt, hat eine Feldstudie im Kundenservice gemessen, wo die Aufgabe ähnlich ist: passend auf einen bisherigen Verlauf antworten. Bei 5.172 Support-Mitarbeitenden steigerte ein KI-Assistent die gelösten Anfragen pro Stunde im Schnitt um 15 %, und weniger erfahrene Mitarbeitende verbesserten Tempo und Qualität am stärksten (Brynjolfsson, Li, Raymond, Quarterly Journal of Economics, 2025). Noch seltener musst du nachfassen, wenn Kund:innen das Angebot direkt per E-Mail annehmen können.
5. Auftragserfassung mit Angebotsabgleich
Kommt eine Bestellung als PDF oder E-Mail, liest die KI sie aus, legt den Auftrag an und vergleicht ihn mit dem angenommenen Angebot. Abweichungen bei Preis, Menge, Liefertermin oder Konditionen werden markiert, bevor jemand den Auftrag bestätigt. Das schließt einen der typischen Medienbrüche zwischen Angebot und Auftragsabwicklung, weil niemand mehr abtippt und der Abgleich bei jeder Bestellung stattfindet. Den Prozess dahinter beschreibt die Seite Auftragsmanagement automatisieren.
Im Kommen: vier Beispiele, die gepflegte Daten brauchen
6. Angebotsentwurf aus der Anfrage
Die KI zieht aus einer Anfrage die gewünschten Produkte und Mengen heraus und baut daraus einen Angebotsentwurf mit Positionen und Preisen aus deiner Preisliste. Das klappt, wenn es eine gepflegte, eindeutige Preisliste gibt. Fehlt sie, rät das Modell, und ein falscher Preis im Angebot kostet mehr als jede gesparte Minute. Preise und Rabatte sollten deshalb aus festen Regeln oder einem Konfigurator kommen, während die KI die Anfrage liest und den Begleittext schreibt. Wie ein regelbasierter Unterbau dafür aussieht, zeigt die Seite Angebotsprozess automatisieren.
7. Ausschreibungen und Lieferantenfragebögen
Ausschreibungen und Lieferantenselbstauskünfte bestehen zu großen Teilen aus wiederkehrenden Fragen zu Zertifikaten, Qualitätsmanagement, Nachhaltigkeit oder Referenzen. Die KI prüft, ob eine Ausschreibung zu deinem Leistungsumfang passt, zieht Muss-Kriterien und Fristen heraus und füllt wiederkehrende Fragen aus einer Antwortbibliothek vor. Diese Bibliothek muss einmal aufgebaut und danach gepflegt werden, sonst gibt die KI veraltete Antworten mit großer Überzeugung. Verantwortung und finale Freigabe bleiben bei deinem Team. Die Vorprüfung von Ausschreibungen gehört auch zu den KI-Use-Cases, die ich im Vertrieb anbiete.
8. Vertriebswissen-Assistent
Ein Assistent beantwortet Produktfragen aus Datenblättern, Handbüchern und früheren Angeboten und nennt dabei die Quelle. Davon profitieren vor allem neue Mitarbeitende, die sonst Kolleg:innen fragen müssten. Laut Bitkom hat sich der KI-Einsatz im internen Wissensmanagement binnen eines Jahres von 11 % auf 22 % der KI-nutzenden Unternehmen verdoppelt (Bitkom Research, 2026). Er greift allerdings auch auf veraltete Dokumente zu: Liegen drei Versionen desselben Datenblatts im Ordner, gibt er womöglich drei verschiedene Antworten.
9. Frühwarnung bei Bestellrückgang
Ein Modell erkennt Bestandskund:innen, die seltener oder weniger bestellen als üblich, und setzt sie auf eine monatliche Beobachtungsliste für den Vertrieb. Eine Fallstudie über den deutschen Werbemittelhändler Geiger beschreibt ein solches Modell. Es arbeitet mit Bestell-, Stamm- und Kontaktdaten und erkennt mehr als doppelt so viele tatsächlich abwandernde Kund:innen wie eine Zufallsauswahl (INFORMS Journal on Applied Analytics, 2026). Solche Modelle brauchen eine lange, saubere Bestellhistorie. Mit wenigen Dutzend Kund:innen oder lückenhaften Daten ist eine einfache Regel (“Bestellabstand doppelt so lang wie im Schnitt”) der bessere Einstieg.
Eher Hype: drei Beispiele, von denen kleine Teams die Finger lassen sollten
10. KI-Kaltakquise per E-Mail
Massenhaft “personalisierte” Kaltmails, die ein Werkzeug selbst schreibt und verschickt, sind das bekannteste Versprechen und in Deutschland das problematischste. Werbung per E-Mail gilt nach § 7 Abs. 2 Nr. 2 UWG als unzumutbare Belästigung, “ohne dass eine vorherige ausdrückliche Einwilligung des Adressaten vorliegt”, und das Gesetz unterscheidet dabei nicht zwischen Verbraucher:innen und Unternehmen. Eine eng gefasste Ausnahme in § 7 Abs. 3 UWG gilt nur für Bestandskund:innen und ähnliche eigene Produkte. Der Bundesgerichtshof hat 2009 entschieden, dass bereits eine einzige unverlangte Werbemail an ein Unternehmen rechtswidrig sein kann (BGH, Beschluss vom 20.05.2009, I ZR 218/07). In der Neukundengewinnung hilft KI trotzdem, etwa bei der Recherche zu Zielkund:innen und beim Erkennen von Anlässen wie einem neuen Standort, als Grundlage für eine persönliche Ansprache auf erlaubtem Weg.
11. Lead-Scoring und Forecasting per Machine Learning
Ein Modell, das aus vergangenen Deals lernt, welche Leads gewinnen, braucht viele vergangene Deals, sauber gepflegt und mit Gewinn- und Verlustgründen. Wer ein paar Dutzend bis wenige Hundert Abschlüsse im Jahr hat, kann daraus eine einfache Statistik ableiten. Für ein Modell, dem man Prioritäten anvertrauen möchte, reicht das selten. Passender ist für kleine Teams meist eine KI-Einschätzung nach den eigenen Kriterien wie in Beispiel 1. Sie liest jede Anfrage, bewertet sie und begründet ihre Einschätzung, und sie braucht dafür keine Trainingsdaten.
12. KI-Agenten, die selbstständig verkaufen
Agenten, die eigenständig recherchieren, Angebote verschicken und verhandeln, sind in der Praxis noch die Ausnahme. Laut Bitkom setzen erst 11 % der Unternehmen, die KI nutzen, planen oder diskutieren, KI-Agenten tatsächlich ein (Bitkom Research, 2026, Basis: 572 Unternehmen). Für ein kleines Team spricht wenig dafür, die Kommunikation mit Kund:innen ohne Freigabe laufen zu lassen, denn ein Fehler trifft direkt die Beziehung, die über Jahre aufgebaut wurde.
Warum die gesparte Zeit oft verpufft
Gartner hat 210 Vertriebsleiter:innen befragt. Nach deren Angaben sparen KI-Werkzeuge Verkäufer:innen im Schnitt 4,8 Stunden pro Woche, doch 72 % der befragten Vertriebsorganisationen berichten, dass sie diese Zeit kaum in wertvollere Vertriebsarbeit reinvestieren (Gartner, Mai 2026).
Führe KI deshalb Use Case für Use Case ein und lege für jeden fest, was dein Team mit der gesparten Zeit macht. Bei der Anfrage-Triage fließt sie in schnellere Antworten. Bei einem allgemeinen KI-Assistenten, den alle “mal ausprobieren” sollen, fehlt diese Antwort meistens. Den Freigabeschritt solltest du ebenfalls von Anfang an einplanen, denn 26 % der KI-nutzenden Unternehmen nennen in der Bitkom-Befragung schlechte Qualität der Ergebnisse als Hemmnis (Bitkom Research, 2026).
Womit fängst du an?
Am besten mit dem Schritt, der heute am meisten Zeit kostet oder an dem am häufigsten Umsatz verloren geht, und für den die Daten schon vorliegen. Drei Fragen helfen bei der Auswahl.
Drei Fragen für den ersten KI-Use-Case im Vertrieb
Typische Kandidaten sind die Anfrage, aus der ein Angebot werden soll, das Angebot, bei dem niemand nachfasst, und die Bestellung, die jemand abtippt. Für die Planung gibt es den KI-Use-Case-Canvas, ein Arbeitsblatt, auf dem du Auslöser, Daten, Freigabe und Risiken eines Use Cases auf einer Seite festhältst. Wie aus einem solchen Canvas ein laufender Workflow wird, mit welchen Schritten und zu welchem Fixpreis, beschreibt die Seite Vertrieb mit KI automatisieren.
Häufige Fragen
Brauche ich für KI im Vertrieb ein neues CRM?
Meistens nicht. Die Beispiele oben lassen sich in der Regel auf dem bestehenden CRM, Postfach und ERP umsetzen, verbunden über ein Automatisierungswerkzeug wie n8n, Make oder Zapier und ein Sprachmodell. Bringt dein CRM eigene KI-Funktionen mit, lohnt es sich, diese zuerst zu prüfen. Auch sonst setzen Unternehmen meist auf Standardwerkzeuge. Laut IAB greifen 90 % der Betriebe, die generative KI nutzen, auf frei verfügbare Lösungen zurück (IAB-Kurzbericht 8/2026).
Lohnt sich KI im Vertrieb schon für ein kleines Team?
Für die bewährten Beispiele ja. Anfrage-Triage oder Besuchsberichte brauchen keine Trainingsdaten und können deshalb schon bei wenigen Vorgängen pro Woche Zeit sparen. Je kleiner das Team, desto wichtiger ist, dass der Use Case eng abgegrenzt ist und jemand das Ergebnis prüft.
Ist KI im Vertrieb DSGVO-konform?
Das hängt von der Umsetzung ab. Vor jedem Use Case solltest du klären, welche personenbezogenen Daten das Modell wirklich sehen muss, ob mit dem Anbieter ein Auftragsverarbeitungsvertrag besteht und ob ein Hosting in der EU nötig ist. Diese Einschätzung ersetzt keine Rechtsberatung, die abschließende Bewertung liegt bei den Datenschutzverantwortlichen in deinem Unternehmen.
Wenn du wissen willst, welches der zwölf Beispiele bei dir zuerst kommt, klären wir das in einem kostenlosen Erstgespräch.
