Jeder CRM-Anbieter wirbt inzwischen mit KI: Prognosen, Lead-Scoring, automatische Zusammenfassungen, Copilots. Und trotzdem sieht der Alltag in vielen Vertriebsteams unverändert aus: Der Forecast ist Bauchgefühl, die Hälfte der Deals ist veraltet, und was im letzten Kundentermin besprochen wurde, steht nirgends.
Dieser Artikel sortiert, was KI im CRM heute wirklich leistet, woran sie in der Praxis scheitert, und warum der wirksamste Hebel nicht das schlaueste Modell ist, sondern die unscheinbarste Aufgabe: die Datenpflege.
Was KI im CRM heute wirklich kann
Hinter dem Sammelbegriff stecken drei Funktionsklassen, die unterschiedlich reif sind. Wer sie auseinanderhält, kann Anbieterversprechen deutlich besser einordnen.
Daten erfassen: der unterschätzte Teil
Gespräche, E-Mails und Termine automatisch dokumentieren und den richtigen Kontakten zuordnen. Das klingt banal, ist aber die Klasse mit dem höchsten praktischen Nutzen, denn sie ersetzt genau die Handarbeit, an der CRM-Disziplin im Alltag scheitert. Reife: hoch, Spracherkennung und Zuordnung funktionieren heute zuverlässig. Und wie sich gleich zeigen wird, hängt der Wert aller anderen Klassen an dieser ersten.
Muster erkennen: Scoring und Forecasts
Lead-Scoring, Umsatzprognosen, Abwanderungsrisiken, Next-Best-Action-Vorschläge. Die Paradedisziplin der CRM-Anbieter und das, was in Demos am meisten beeindruckt. Die Modelle sind gut, aber sie haben eine stille Voraussetzung: eine vollständige, aktuelle Datenbasis. Ein Scoring auf gepflegten Daten trennt heiße von kalten Leads erstaunlich treffsicher. Dasselbe Scoring auf lückenhaften Daten sortiert nach dem Zufallsprinzip, nur mit selbstbewusster Prozentzahl daneben.
Routine automatisieren: Trigger und Workflows
Follow-up-Erinnerungen, Aktivitätsprotokolle, Angebots-Nachverfolgung, Workflow-Trigger, etwa "Wenn Deal-Phase wechselt, informiere das Team". Spart Klickarbeit und reduziert vergessene nächste Schritte. Reife: hoch, aber auch hier gilt: Ein Workflow, der auf einem veralteten Deal-Status triggert, automatisiert den Fehler gleich mit.
Wie sich das langfristig entwickelt, haben wir schon früher im Artikel zur Zukunft von CRM-Systemen mit künstlicher Intelligenz beleuchtet. Hier geht es um das Heute, und da gibt es einen Haken.
Der Haken: KI rechnet mit Daten, die es nicht gibt
Wie die Lücken entstehen
Alle Prognose- und Scoring-Funktionen teilen eine Voraussetzung: Sie arbeiten auf den Daten, die im CRM stehen. Und genau da liegt das Problem. In der Praxis sind CRM-Daten chronisch unvollständig: Deals ohne aktuelle Phase, Kontakte ohne letzten Gesprächsstand, Pflichtfelder mit Platzhaltern, Notizen, die im Kopf des Vertrieblers existieren und sonst nirgends.
Das ist keine Faulheit, sondern ein struktureller Zielkonflikt. Nach einem einstündigen Kundentermin 10 Minuten Felder zu pflegen, während das nächste Gespräch schon wartet, ist die Aufgabe, die im Tagesgeschäft zuerst geopfert wird, und zwar rational: Der Kunde zahlt für Gespräche, nicht für Datensätze. Pflichtfelder und Admin-Mahnungen ändern daran nichts, sie erzeugen nur kreativere Platzhalter. Warum Vertriebsteams ihr CRM deshalb oft als Belastung empfinden, haben wir im Artikel Darum hassen Vertriebsmitarbeiter CRM-Systeme ausführlich beschrieben.
Prognosen auf Sand
Die Folge für die KI: Ein Modell, das auf lückenhaften Daten scored und forecastet, produziert präzise aussehende Zahlen auf falscher Grundlage. Der Forecast sagt 78 % Abschlusswahrscheinlichkeit, weil der Deal seit drei Wochen in "Verhandlung" steht, nur dass das letzte reale Gespräch längst eine Absage war, die nie eingetragen wurde. Das ist gefährlicher als gar keine Prognose, denn die Zahl suggeriert eine Sicherheit, die es nicht gibt, und Führungskräfte treffen darauf Entscheidungen. Wer KI-Features im CRM bewertet, sollte deshalb zuerst eine unbequeme Frage stellen: Wie aktuell sind unsere Daten wirklich?
Der wirksamste KI-Einsatz: an der Quelle ansetzen
Gespräche sind die Quelle fast aller CRM-Daten
Wenn Datenqualität der Engpass ist, dann ist die wertvollste KI im CRM nicht die, die am Ende rechnet, sondern die, die am Anfang dokumentiert. Denn woher stammen CRM-Daten eigentlich? Fast alles, was ein CRM wissen soll, wurde irgendwann gesagt: im Discovery-Call, im Angebotstermin, im Telefonat zur Vertragsverlängerung. Zwischen dem Gespräch und dem Datensatz sitzt heute ein Mensch, der übertragen muss, und genau dort reißt die Kette. Sally setzt an dieser Stelle an.
Nativ angebunden statt selbst gebastelt
Sally nimmt an Kundengesprächen teil, in Google Meet, Zoom, Microsoft Teams und Webex, bei Telefonaten und Vor-Ort-Terminen über die App. Nach dem Gespräch entstehen Zusammenfassung, Absprachen und erkannte Aufgaben, und die landen direkt am richtigen Kontakt oder Deal im CRM. Nativ unterstützt werden 7 Systeme: HubSpot, Salesforce, Microsoft Dynamics 365, Pipedrive, Zoho, Odoo und Bitrix24. Der Unterschied zu selbst gebauten Zapier-Strecken: Native Integrationen kennen die Objektstruktur des CRM, legen Aktivitäten am Deal an und überleben Schema-Änderungen, statt bei jeder Anpassung zu brechen. Dazu kommen 4 Automatisierungsplattformen (Zapier, Power Automate, make.com, n8n) und insgesamt 8.000+ Tool-Verbindungen für alles darüber hinaus.
Was sich im Alltag umdreht
Damit dreht sich die Logik um:
- Die Pflege passiert automatisch, nicht wenn jemand Zeit findet. Jedes Gespräch hinterlässt einen vollständigen, aktuellen Datensatz.
- Der Gesprächsstand ist nachlesbar, wörtlich und mit Quelle, statt als Drei-Wort-Notiz.
- Follow-ups entstehen aus dem Inhalt: Die nächsten Schritte aus dem Termin werden als Aufgaben erkannt und nachverfolgt. Wie daraus die Mail nach dem Termin wird, zeigt unser Artikel zur Follow-up-Mail nach dem Meeting.
- Und erst jetzt lohnen sich die Rechen-Features: Scoring und Forecasts auf vollständigen Gesprächsdaten sind ein anderes Produkt als auf leeren Feldern.
Perspektivisch geht Sally noch einen Schritt weiter: Der Assistent, der die Gespräche kennt, nimmt Anweisungen direkt entgegen, vom CRM-Eintrag auf Zuruf bis zum E-Mail-Entwurf aus dem Gesprächskontext. Die Richtung ist klar: weniger Pflegearbeit, mehr Verkaufszeit.
Der DSGVO-Punkt, den viele übersehen
Gesprächsdaten sind personenbezogene Daten, oft die sensibelsten im ganzen CRM. Viele KI-Funktionen großer CRM-Anbieter laufen über US-Clouds, was nach Schrems II eine Transferprüfung nötig macht und in regulierten Branchen oft ein Ausschlusskriterium ist. Sally wird von der Aliru GmbH betrieben und verarbeitet ausschließlich in Deutschland. Für die Aufzeichnung selbst gilt: nur mit Einwilligung aller Beteiligten, der sichtbare Bot im Meeting schafft dafür Transparenz. Details auf der Seite zu DSGVO und Sicherheit.
Fazit
KI im CRM ist kein einzelnes Feature, sondern eine Kette: erfassen, verstehen, vorhersagen, automatisieren. Die Kette reißt am schwächsten Glied, und das ist in fast jedem Unternehmen die manuelle Datenpflege. Wer KI zuerst dort einsetzt, wo die Daten entstehen, nämlich im Gespräch, bekommt ein CRM, das aktuell bleibt, ohne dass jemand dafür Felder pflegt. Alles Weitere baut darauf auf.
Welche CRM-Systeme sich grundsätzlich lohnen, vergleicht unser Überblick zu den besten CRM-Systemen. Und wenn du sehen willst, wie deine Gespräche automatisch im CRM landen: Teste Sally 30 Tage kostenlos, native Anbindung inklusive.
