Die KI-gestützte Go-to-Market-Organisation ist nicht länger nur eine Vision

Während in vielen Vorstandsetagen noch immer darüber nachgedacht wird, ob KI zum Einbruch der Softwareumsätze führen wird, beschäftigen sich Führungskräfte von Go-to-Market-Organisationen mit einer weitaus praktischeren Frage: Wie kann KI der Organisation dabei helfen, mehr Kunden zu gewinnen und langfristig zu binden?

Die ehrliche Antwort auf diese Frage lautet: Die meisten GTM-Teams haben kein Problem mit KI, sondern ein Problem mit dem Entscheidungsfluss.

Dieses Problem ist allgegenwärtig, auch in einigen der größten Unternehmen der Welt. Und die wichtigste Erkenntnis für mich ist dabei: Organisationen, die sich einen Vorsprung verschafft haben, setzen nicht auf herkömmliche GTM-Maßnahmen. Sie agieren schneller und verfolgen einen grundlegend anderen Ansatz.

Im Folgenden werden fünf Punkte in der Customer Journey aufgezeigt, an denen sich dieser Wandel bereits in Form von Ergebnissen bemerkbar macht.

Die meisten GTM-Organisationen gehen bei der Segmentierung noch immer nach der herkömmlichen Methode vor und legen Merkmale wie Branche, Unternehmensgröße, Region usw. zugrunde. KI nutzt bei der Segmentierung ganz andere Informationen. Die KI will nicht wissen, wer ein Interessent ist, sondern was er gerade signalisiert. Dazu gehören differenzierte Signale wie operative Probleme, Kaufmuster und Wachstumsindikatoren, die in den Geschäftsdaten enthalten sind. Vertriebsmitarbeiter sind nicht länger auf der Jagd nach noch mehr Leads, sondern auf der Jagd nach den richtigen Leads. Und das zeigt sich daran, aus wie vielen dieser Signale konkrete Opportunitys werden.

Die Antwortraten bei der Kaltakquise haben im Bereich Enterprise Sales einen nahezu historischen Tiefststand erreicht. Die Lösung kann nicht darin bestehen, noch mehr E-Mails zu versenden. Es geht vielmehr darum, die Akquise intelligenter zu gestalten. Wenn KI Zugriff auf den gesamten Geschäftskontext hat, etwa auf die operativen und finanziellen Prozesse und die Handelsabläufe eines Kunden, kann sie Teams beim Verfassen von E-Mails für die Akquise unterstützen, die auf die für einen Käufer zum jeweiligen Zeitpunkt wichtigen Themen ausgerichtet sind. Es handelt sich dabei nicht um eine Personalisierung auf Persona-Ebene, sondern um Relevanz auf Kundenebene. Was sich verändert, ist die Qualität des Erstkontakts. Die Antwortraten können steigen, während zugleich schneller ein Termin für das erste qualifizierte Gespräch vereinbart werden kann, da bereits bei der ersten Kontaktaufnahme auf die Themen eingegangen wird, die dem Käufer wichtig sind.

Diesen Punkt in der Customer Journey unterschätzen die meisten Unternehmen. Bei den meisten Abschlüssen im Enterprise-Segment ist nicht der Verkäufer der Engpass, sondern das System um den Verkäufer herum. Allgemeine Genehmigungsprozesse, die Genehmigung von Preisen, die Angebotserstellung und die Wweiterleitung von Verträgen nehmen Zeit in Anspruch, was dazu führen kann, dass ein Abschluss nicht zustande kommt. Das liegt nicht am Zögern des Käufers, sondern wird allzu oft durch komplexe interne Abläufe verursacht. KI-Agenten können helfen, diese Reibungspunkte zu beseitigen.

Amadeus beispielsweise hat in Zusammenarbeit mit SAP einen autonomen Agenten implementiert, der unstrukturierte Zahlungsdaten abgleicht. Dadurch konnten rund 40.000 fehlerhafte Transaktionen bereinigt werden, bei denen zuvor ein manuelles Eingreifen erforderlich gewesen wäre. Diese Art der autonomen Problemlösung hat nicht nur niedrigere Kosten zur Folge, sondern wirkt sich auch positiv auf das Einkaufserlebnis der Kunden aus. Auf diese Weise können Geschäfte, die bislang aufgrund interner Prozesse oft wochenlang blockiert waren, schnell zum Abschluss gebracht werden.

Die Übergabe vom Sales- an das Post-Sales-Team ist der Punkt, an dem es bislang immer wieder zu Wertverlusten kam. Die Erwartungen, die während des Verkaufsprozesses geweckt wurden, decken sich nicht immer mit den Erlebnissen der Kunden in den ersten 90 Tagen. KI macht diese Kluft sichtbar und ermöglicht es, entsprechende Maßnahmen zu ergreifen – mit einem „Gedächtnis“, in dem Informationen über den Kunden gespeichert sind. Man kann sich dieses Gedächtnis als stetig wachsendes Repository mit Kontextinformationen und Wissen über einen Kunden vorstellen, was die Übergabe wesentlich einfacher macht. Vor allem aber ist sie nicht von einer einzelnen Person abhängig. Dies kann sich auf die Time-to-First-Value (die Zeit, bis der Kunde erstmals einen Mehrwert wahrnimmt) und die Akzeptanzrate in den ersten 90 Tagen auswirken, d. h. darauf, wie schnell ein neuer Kunde den ersten wichtigen Meilenstein erreicht und ob er das gekaufte Produkt auch tatsächlich nutzt.

Die Höhe der wiederkehrenden Umsätze mit Bestandskunden (Net Revenue Retention) ist die Kennzahl, die langfristig die größte Relevanz hat. Sie ist am stärksten davon abhängig, was nach dem Verkauf geschieht. Bislang bestand die Herausforderung in der Skalierung. Hier kann sich der Einsatz von KI erheblich auswirken. Durch die kontinuierliche Bewertung der Expansionsbereitschaft und des Abwanderungsrisikos auf der Grundlage von verhaltensbezogenen und operativen Signalen können Teams im richtigen Moment bei den richtigen Kunden aktiv werden und nicht erst dann, wenn ein Kunde seine Entscheidung bereits getroffen hat.

Die Steigerung der Net Revenue Retention ist im Enterprise-Segment der Bereich mit dem größten zusätzlichen Umsatzpotenzial. Die entsprechenden Maßnahmen sind chronisch unzureichend, wenn Customer Success nur reaktiv und auf Kundenbasis vorgeht, anstatt den gesamten Kundenbestand zu berücksichtigen. Organisationen, die hier den richtigen Ansatz verfolgen, haben nicht einfach nur mehr KI-Tools implementiert. Sie haben sehr genau überlegt, an welchen Punkten der Customer Journey KI echten Mehrwert für Kunden schaffen kann.

Bei SAP setzen wir diese Prinzipien in unserer GTM-Organisation um. Wir investieren in ein Modell, bei dem jeder einzelne KI-gestützte Einstiegspunkt unsere Vertriebsteams mit einem Netzwerk spezialisierter Agenten verbindet, die Planung, Kontaktaufnahme, Angebotserstellung, Inhalte, die Interaktion mit Kunden und vieles mehr abdecken. Ziel ist es, eine Ebene mit gemeinsam genutzten Informationen für jeden Kunden zu schaffen, um unseren Teams zusätzliche, konsistente Kontextinformationen zur Verfügung zu stellen, damit sie in jeder Phase der Customer Journey größeren Mehrwert und bessere Ergebnisse für unsere Kunden erzielen können.

Für mich lautet die richtige Frage also nicht „In welchen Bereichen können wir KI implementieren?“, sondern „Wo entsteht kein Mehrwert für den Kunden, weil Informationen, Befugnisse und Maßnahmen voneinander isoliert sind?“

Genau diese Art von klaren Einblicken können Go-to-Market-Organisationen bieten, die bereits intelligente Technologien nutzen. Und dies ist nur ein erster Ausblick auf das, was bald noch möglich sein wird.

https://news.sap.com/germany/2026/09/ki-gestuetzte-go-to-market-organisation