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.
So weit die Theorie. In der Praxis gibt es einen Haken, und er betrifft alle drei Klassen gleichzeitig.
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.
KI im CRM: eingebaut oder angebunden
Bei der Auswahl stellt sich schnell die Frage, ob man die KI des CRM-Anbieters nutzt oder eine anbindet. Die Antwort hängt an einem einzigen Punkt: welche Daten die KI überhaupt sehen kann.
Was die großen Anbieter eingebaut haben
Die etablierten Systeme bringen eigene KI-Funktionen mit: Salesforce mit Einstein, Microsoft Dynamics 365 mit Copilot, Zoho mit Zia, dazu KI-Features bei HubSpot und Pipedrive. Der Umfang unterscheidet sich, das Muster ist überall dasselbe: Scoring, Prognosen, Textvorschläge und Zusammenfassungen von dem, was im System steht.
Warum eingebaute KI nur sieht, was schon im System steht
Genau dort liegt die Grenze. Eine KI im CRM kann nicht auswerten, was niemand eingetragen hat. Sie liest Felder, Aktivitäten und E-Mails, aber sie war nicht im Kundentermin dabei. Das Gespräch, in dem der Kunde sein Budget genannt und einen Wettbewerber erwähnt hat, existiert für sie nicht. Der Funktionsumfang wächst mit jeder Version, der Blindfleck bleibt derselbe.
Der Weg über die Anbindung
Die Gegenrichtung ist eine KI, die dort arbeitet, wo die Informationen entstehen, und das Ergebnis ins CRM schreibt. Beides schließt sich nicht aus, im Gegenteil: Wer Gesprächsdaten automatisch einspeist, macht die eingebauten Scoring- und Prognose-Funktionen erst brauchbar, weil sie dann auf einer Basis rechnen, die vorher nicht existierte.
CRM aus Deutschland mit KI
Für Unternehmen mit hohen Datenschutzanforderungen kommt eine zweite Frage dazu: wo die Verarbeitung stattfindet. Die KI-Funktionen der großen Anbieter laufen überwiegend in US-Clouds, und Gesprächsinhalte gehören zu den sensibelsten Daten im CRM. Deutsche und europäische CRM-Systeme existieren, ihre KI-Ausstattung ist aber meist schmaler. Der pragmatische Weg für viele Teams besteht deshalb darin, das gewohnte CRM zu behalten und die KI-Schicht, die Gespräche verarbeitet, aus Deutschland zu beziehen.
Worauf es bei der Einführung ankommt
Drei Punkte entscheiden, ob aus einem KI-Projekt im CRM ein Nutzen wird oder eine weitere ungenutzte Funktion.
Die Reihenfolge: Datenquelle vor Modell
Der häufigste Fehler ist, mit dem Scoring anzufangen. Wer zuerst dafür sorgt, dass Gespräche vollständig im System landen, bekommt die Rechen-Features praktisch geschenkt, weil sie dann auf echten Daten arbeiten. Umgekehrt funktioniert es nicht: Ein Modell auf leeren Feldern wird durch mehr Modell nicht besser.
Was Automatisierung nicht entscheiden darf
Automatische Workflows sind nützlich, solange sie Arbeit abnehmen und keine Bewertungen fällen. Eine KI, die einen Deal eigenständig auf verloren setzt, verursacht mehr Aufwand als sie spart, weil jemand die Entscheidung anschließend prüfen muss. Sinnvoll ist die Trennung: Die KI schlägt vor und dokumentiert, der Mensch entscheidet.
Wie du den Nutzen messbar machst
Vor der Einführung lohnt eine einfache Messung: Wie viele offene Deals haben einen dokumentierten Gesprächsstand aus den letzten 30 Tagen? Diese Zahl ist meist unbequem niedrig, dafür eindeutig und nach der Einführung direkt vergleichbar. Sie taugt besser als jede Prognosegenauigkeit, weil sie die Voraussetzung dafür misst.
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.
