KI in Vertrieb & Angebotserstellung: Was im Mittelstand wirklich funktioniert

Warum Vertrieb der nächste KI-Hebel ist – und wo die meisten scheitern

In über 20 KI-Transformationen sehe ich immer dieselbe Reihenfolge: Unternehmen starten mit Produktionsdaten, optimieren dann Service und Dokumentation – und lassen Vertrieb und Angebotserstellung außen vor. Dabei liegt hier oft der schnellste ROI: Ein mittelständischer Sondermaschinen-Bauer hat durch KI-gestützte Angebotserstellung die Durchlaufzeit von 4 Tagen auf 3 Stunden gesenkt. Ohne ein einziges Verkaufsgespräch mehr.

Der Grund für die Zurückhaltung ist meist Angst: Angst vor Fehlkalkulationen, vor generischen Texten, vor Kontrollverlust im direkten Kundenkontakt. Diese Angst ist berechtigt – wenn man KI als Autopilot missversteht statt als Beschleuniger. Die Lösung liegt nicht in "Vertrieb 4.0", sondern in drei klar abgegrenzten Anwendungsfällen, die ich Ihnen hier aus der Praxis zeige.

KI im Vertrieb funktioniert nicht als Ersatz, sondern als Zuarbeiter – sie liefert den Rohling, der Mensch behält Preis und Tonalität in der Hand.

Anwendungsfall 1: Angebotserstellung aus Vorlagen und CRM-Daten

Der klassische Zeitfresser: Ein Kunde fragt per E-Mail eine Sonderanfertigung an, der Vertriebsmitarbeiter durchsucht alte Angebote, kopiert Textbausteine, passt technische Spezifikationen an, holt Preise aus drei Excel-Tabellen – und braucht dafür zwei Stunden. KI kann diesen Prozess auf 15 Minuten verdichten, wenn drei Voraussetzungen erfüllt sind:

• Strukturierte Vorlagen: Sie brauchen keine perfekte Datenbank, aber klare Angebotsbausteine (Leistungsbeschreibung, Lieferbedingungen, technische Specs) in einem zugänglichen Format.
• CRM-Anbindung: Die KI muss auf Kundenhistorie, bisherige Projekte und Preise zugreifen können – sonst halluziniert sie.
• Manuelle Freigabe: Kein Angebot verlässt das Haus ohne menschliche Prüfung von Preis, Marge und Tonalität.

Ein Metallverarbeitungs-Betrieb aus der Nähe von Stuttgart nutzt dafür eine Kombination aus Microsoft Copilot und Power Automate: Eingehende Anfragen werden automatisch geparst, relevante CRM- und ERP-Daten abgerufen, ein Angebots-Entwurf in Word generiert – und dem Vertriebsmitarbeiter zur finalen Anpassung vorgelegt. Zeitersparnis: 70 %, Fehlerquote bei Artikelnummern: minus 90 %.

Wichtiger Stolperstein: Wenn Ihre Angebotslogik auf implizitem Wissen einzelner Mitarbeiter beruht ("Bei Kunde X rechnen wir immer 15 % Sicherheitspuffer ein"), versagt KI. Dann müssen Sie zuerst das Wissen formalisieren – was oft der größere Gewinn ist als die Automatisierung selbst.

Anwendungsfall 2: Preiskalkulation und Marge-Optimierung

Hier wird es heikel – und hier machen die meisten den Fehler, KI zu viel Kontrolle zu geben. KI kann hervorragend historische Preise analysieren, Ausreißer identifizieren und Kalkulationsvorschläge liefern. Sie kann nicht entscheiden, ob Sie bei einem Großkunden strategisch auf Marge verzichten oder bei einem Neuauftrag 5 % Risikopuffer einpreisen.

Ein Maschinenbau-Zulieferer aus Baden-Württemberg hat ein Excel-basiertes KI-Modell entwickelt, das bei jeder Anfrage drei Szenarien vorschlägt: Minimalpreis (Break-even + 5 %), Zielpreis (historischer Durchschnitt) und Premiumpreis (Top-Quartil ähnlicher Projekte). Der Vertriebsleiter wählt aus – und dokumentiert die Abweichung. Ergebnis nach 6 Monaten: 4 % höhere Durchschnittsmarge, weil Bauchgefühl durch Daten ergänzt wurde.

Was nicht funktioniert: KI blind Preise setzen zu lassen. Ich habe einen Fall gesehen, wo ein Betrieb ChatGPT in die Kalkulation eingebunden hat – und das Modell hat bei einem Bestandskunden 40 % unter Marktwert kalkuliert, weil es alte Sonderkonditionen nicht als Ausnahme erkannt hat. Der Auftrag ging raus, die Marge war futsch.

Preiskalkulation mit KI ist Data Science, nicht Magie – ohne saubere Trainingsdaten und klare Grenzwerte produzieren Sie Schrott.

Anwendungsfall 3: CRM-Pflege und Lead-Scoring automatisieren

Jeder Vertriebsleiter kennt das Problem: Das CRM ist der Friedhof guter Vorsätze. Meetings werden nicht nachgetragen, Notizen bleiben in Outlook, Follow-ups versanden. KI kann hier als stiller Assistent arbeiten – wenn sie in bestehende Workflows eingebettet wird, statt ein weiteres Tool zu sein.

Konkretes Beispiel aus der Prozessautomatisierung: Ein Betrieb mit 80 Mitarbeitern nutzt Microsoft Power Automate, um nach jedem Teams-Call mit externen Teilnehmern automatisch eine CRM-Notiz anzulegen – inklusive KI-generierter Zusammenfassung und vorgeschlagener nächster Schritte. Der Vertriebsmitarbeiter muss nur noch bestätigen oder anpassen. Zeitaufwand pro Call: von 10 auf 2 Minuten, CRM-Aktualität: von 60 % auf 95 %.

Zweiter Hebel: Lead-Scoring. Wenn Sie strukturierte Daten haben (Branche, Umsatz, bisherige Interaktionen), kann KI priorisieren, welche Anfragen sich lohnen. Ein Sondermaschinenbauer hat so die Angebotsquote von 18 % auf 28 % gesteigert – einfach weil der Vertrieb nicht mehr jede Anfrage gleich behandelt, sondern Ressourcen auf die aussichtsreichsten 40 % konzentriert.

Achtung: Lead-Scoring funktioniert nur, wenn Sie genug historische Daten haben (mindestens 200 Angebote mit Erfolg/Misserfolg-Markierung) und wenn Sie das Modell regelmäßig nachtrainieren. Sonst lernt die KI veraltete Muster.

Die drei größten Stolpersteine – und wie Sie sie umgehen

Stolperstein 1: KI bekommt Zugriff auf veraltete oder widersprüchliche Daten. Wenn Ihr CRM drei verschiedene Preise für denselben Kunden enthält, wird die KI einen davon halluzinieren – und Sie merken es erst beim Kundengespräch. Lösung: Datenbereinigung VOR KI-Einführung, nicht parallel.

Stolperstein 2: Vertrieb fühlt sich entmündigt. Ich habe Projekte erlebt, wo das KI-Tool vom Management verordnet wurde – und der Vertrieb hat es sabotiert, indem er bewusst schlechte Prompts eingegeben hat. Lösung: Vertrieb von Anfang an einbinden, Use Cases gemeinsam definieren, Change Management ernst nehmen.

Stolperstein 3: Keine Erfolgsmessung. Wenn Sie nicht tracken, wie viel Zeit Sie wirklich sparen oder wie sich Abschlussquote/Marge entwickeln, können Sie keine Anpassungen vornehmen. Lösung: Definieren Sie 3-5 harte KPIs (z. B. Angebotsdurchlaufzeit, CRM-Vollständigkeit, Marge pro Auftrag) und messen Sie monatlich.

Welche Tools sich im Mittelstand bewährt haben

Ich empfehle in 90 % der Fälle keine eigenständige Vertriebs-KI, sondern Integration in bestehende Systeme:

• Microsoft Copilot + Dynamics 365 / Power Automate: Wenn Sie im Microsoft-Ökosystem sind, ist das der schnellste Weg. Copilot kann E-Mails zusammenfassen, CRM-Einträge anlegen, Meeting-Notizen generieren – alles im gewohnten Interface.
• ChatGPT / Claude als Assistent: Für kleinere Betriebe ohne dediziertes CRM kann ein gut geführter Custom GPT (mit strukturierten Prompt-Vorlagen) schon 50 % der Angebotserstellung beschleunigen. Aber: Datenschutz beachten.
• Spezialisierte Angebots-Tools: Anbieter wie Qwilr oder PandaDoc integrieren inzwischen KI-Features für Textgenerierung und Preisvorschläge – lohnt sich ab ~20 Angeboten/Monat.

Keine eigene Entwicklung, es sei denn, Sie haben sehr spezifische Kalkulationslogik (z. B. komplexe Materialkombinationen oder kundenspezifische Rabattstaffeln). Dann kann ein maßgeschneidertes Modell Sinn machen – aber rechnen Sie mit 6-12 Monaten Entwicklung und einem fünfstelligen Budget.

Was Sie in den nächsten 30 Tagen tun können

1. Zeiterfassung im Vertrieb: Lassen Sie Ihr Team zwei Wochen lang tracken, wie viel Zeit für Angebotserstellung, CRM-Pflege und Nachfassen draufgeht. Ohne Zahlen kein Business Case.
2. Pilot mit einem Use Case: Starten Sie mit Angebotserstellung ODER CRM-Notizen – nicht mit beidem. Wählen Sie den größten Schmerzpunkt.
3. Daten-Inventur: Checken Sie, ob Ihre Angebotsvorlagen, Preislisten und CRM-Daten überhaupt KI-tauglich sind (strukturiert, aktuell, widerspruchsfrei).
4. Vertrieb ins Boot holen: Ein Workshop, in dem das Team selbst Ideen einbringt, ist mehr wert als jede Top-down-Anweisung.

Wenn Sie mehr als 50 Angebote pro Monat schreiben und Ihr CRM nicht aktuell ist, liegt hier mit hoher Wahrscheinlichkeit ein ROI von unter 6 Monaten. Aber nur, wenn Sie KI als Werkzeug verstehen – nicht als Wundermittel.

Häufige Fragen