Ein KI-gestützter Daten-Assistent ergänzt automatisch fehlende CRM-Daten und minimiert Fehlerquellen. Dadurch werden Angebotszyklen verkürzt und Vorhersagen präziser, was den Vertriebsprozess beschleunigt und den Aufwand für das Team reduziert.
Ein börsennotierter Hersteller von Pumpen und Armaturen sah sich mit einer entscheidenden Herausforderung konfrontiert: Seine Vertriebsstrukturen waren nicht optimal aufgestellt, da seine Datenbasis unvollständig und veraltet war. Die manuelle Pflege der Kundendaten führte zu Medienbrüchen und fehleranfälligen Prozessen. Abstimmungen zwischen Vertrieb, Marketing und Controlling dauerten zu lange. Die Folge waren verlängerte Angebotszyklen und unzuverlässige Vertriebsprognosen.
Im Rahmen des ada Future Lab (Link) analysierte das Unternehmen gemeinsam mit Expert:innen die Ursachen dieser Ineffizienzen. Ziel war es, konkrete Ansatzpunkte zu identifizieren, um den Vertrieb durch verbesserte Prozesse, höhere Automatisierung und vor allem bessere Datenqualität zu optimieren.
In mehreren Ideation-Sprints wurden verschiedene Ansätze entwickelt und anhand von Business-Value-Kriterien bewertet. Am Ende setzte sich ein klarer Favorit durch: ein KI-gestützter Datenassistent, der fehlende oder inkonsistente Kundendaten im CRM automatisch erkennt, ergänzt und validiert.
Der digitale Assistent bietet unter anderem:
Das Ziel ist die Verbesserung der Datenqualität, um eine verlässliche Grundlage für die Vertriebssteuerung und valide Forecasts zu schaffen.
Innerhalb von vier Wochen ist auf Basis von Microsoft Copilot Studio und Power Automate ein funktionsfähiger MVP entstanden. Das Tool analysiert bestehende CRM-Datensätze, erkennt Lücken und ergänzt sie automatisch. Bei Unstimmigkeiten wird das Vertriebsteam benachrichtigt.
In einer realen Testphase wurde das MVP mit echten Kundenanfragen eingesetzt. Dabei wurden zwei zentrale KPIs erfasst: die Forecast-Genauigkeit und die Zeitspanne zwischen Anfrage und Angebotslegung. Der Fokus lag darauf, die Qualität der Entscheidungsgrundlagen messbar zu verbessern und die Angebotsprozesse im Vertrieb zu optimieren.
Bereits nach kurzer Einsatzzeit zeigte sich ein klarer Business Impact:
Die Verbesserung der Datenqualität erwies sich als zentraler Hebel für schnellere Abschlüsse und besseres Forecasting – zwei entscheidende Erfolgsfaktoren in wettbewerbsintensiven Märkten.
Der Erfolg des Projekts beruhte auf mehreren Faktoren: Dazu gehörten eine klare Problemdefinition, schnelles Prototyping, crossfunktionale Zusammenarbeit und die direkte Einbindung des Vertriebsteams. Der MVP-Ansatz sorgte dafür, dass Rückmeldungen aus dem operativen Alltag direkt in die Weiterentwicklung einflossen.
Zudem war die enge Verzahnung mit den bestehenden Tools und Systemen entscheidend: Der Daten-Assistent wurde nicht als neues System eingeführt, sondern gezielt in die bestehenden Vertriebsstrukturen integriert und diese somit verbessert.
Nach dem erfolgreichen Launch des MVPs plant das Unternehmen, den Assistenten weiter auszubauen. Künftige Erweiterungen umfassen unter anderem die Analyse von Kundenfeedback und Transaktionsdaten sowie Machine-Learning-Modelle zur Vorhersage von Abschlusswahrscheinlichkeiten.
Das Ziel besteht darin, die Lösung nicht nur als Tool zur Datenkorrektur, sondern auch als strategisches Steuerungselement im Vertrieb zu nutzen, um die Vertriebsprozesse weiter zu optimieren und die Datenqualität auf Unternehmensebene nachhaltig zu erhöhen.
