Viele meiner Kunden stellen mir diese Frage gerade: Sollen wir Agentforce einführen? Soll das CRM jetzt KI-gesteuert werden? Die ehrliche Antwort: Das hängt nicht von der KI ab. Es hängt davon ab, ob Ihr CRM dafür bereit ist.
Ich habe in den letzten Monaten mehrere Beratungsprojekte begleitet, bei denen Teams voller Enthusiasmus in KI-Features investiert haben. Das Ergebnis war fast immer das gleiche: Die Technologie funktionierte. Das Fundament darunter nicht. Bevor Sie also Budget freigeben und Lizenzen upgraden, beantworten Sie diese fünf Fragen.
Frage 1: Wie sauber sind Ihre Daten wirklich?
KI-Modelle sind nur so gut wie die Daten, auf denen sie trainiert und betrieben werden. Das gilt für Agentforce genauso wie für Einstein-Features in Salesforce oder KI-gestützte Prognosen in HubSpot. Wenn Ihre CRM-Daten veraltet, inkonsistent oder doppelt sind, wird jede KI-Empfehlung diesen Müll weiterverarbeiten.
Konkret: Wie hoch ist Ihre Duplikatsrate bei Kontakten und Accounts? Sind Felder wie "Branche", "Umsatz" oder "Land" konsistent befüllt?
Gibt es Pflichtfelder, die in der Praxis umgangen werden? Ich habe bei einem Kunden vor dem Agentforce-Rollout eine Datenanalyse gemacht. Das Ergebnis: 34% der Accounts hatten keine Branchenangabe, 18% der Kontakte waren Dubletten. Mit diesen Daten wäre jede KI-Empfehlung Rauschen gewesen.
Was tun, wenn die Daten nicht sauber sind?
Starten Sie mit einer strukturierten Dateninventur. Identifizieren Sie die zehn wichtigsten Felder für Ihren Vertrieb und messen Sie deren Befüllungsgrad per SOQL-Report.
Felder unter 80% Befüllung sind ein Warnsignal. Definieren Sie dann Validation Rules, die fehlende Eingaben verhindern, und setzen Sie einen Deduplizierungslauf mit Duplicate Rules oder einem Tool wie Cloudingo auf. Dieser Schritt dauert typischerweise zwei bis vier Wochen und ist die beste Investition vor jedem KI-Projekt.
Frage 2: Sind Ihre Vertriebsprozesse standardisiert?
KI kann Prozesse beschleunigen. Sie kann keine Prozesse erfinden, die noch nicht existieren. Wenn Ihr Vertriebsteam heute jeden Deal anders handhabt, eigene Phasenbezeichnungen verwendet und CRM nur als Datengrab benutzt, wird KI dieses Chaos digitalisieren.
Die Frage ist nicht: "Haben wir eine Pipeline?" Die Frage ist: "Folgen alle Mitarbeiter dieser Pipeline?" Ich schaue mir immer die Verteilung der Deals über die Phasen an. Wenn mehr als 40% aller offenen Opportunities in Phase 1 stehen und kaum Aktivitäten dokumentiert sind, ist das kein CRM-Problem. Das ist ein Adoptionsproblem. Und KI löst Adoptionsprobleme nicht.
Standardisierung als Voraussetzung für Einstein Opportunity Scoring
Einstein Opportunity Scoring analysiert historische Abschlüsse und leitet daraus Muster ab. Das funktioniert nur, wenn Ihre Opportunity-Phasen konsistent genutzt werden.
Wenn ein Vertriebler "Verhandlung" meint, aber "Qualifizierung" einträgt, lernt das Modell Unsinn. Definieren Sie klare Ein- und Austrittskriterien für jede Phase. Dokumentieren Sie diese in Salesforce Path mit Guidance-Texten. Erst wenn die Pipeline-Disziplin steht, liefert Opportunity Scoring verlässliche Ergebnisse.
Mehr dazu, was KI-Features wie Agentforce konkret können und für wen sie sich lohnen, lesen Sie in meinem Artikel Salesforce Agentforce erklärt.
Frage 3: Wie steht es um Ihre Integrationslandschaft?
KI im CRM ist selten eine Insel. Agentforce braucht Daten aus dem ERP.
Prognose-Modelle benötigen historische Abschlussdaten. Chatbots müssen auf Produktinformationen und Lagerbestände zugreifen. Wenn Ihr CRM heute nicht sauber mit Ihren übrigen Systemen integriert ist, hat KI keinen vollständigen Kontext.
Konkrete Frage: Welche Systeme liefern aktuell Daten in Ihr CRM? Laufen diese Integrationen stabil, oder gibt es regelmäßig manuelle Korrekturen? Ich habe Projekte erlebt, bei denen ERP-Stammdaten per CSV-Export ins CRM kamen.
Wöchentlich. Manuell. Mit solchen Voraussetzungen ist KI nicht das nächste Projekt. Stabiler Datenaustausch ist das nächste Projekt.
Integration prüfen und absichern
Listen Sie alle aktiven Integrationen auf: MuleSoft, Zapier, Make, native Salesforce-Connects oder manuelle Imports. Für jede Integration beantworten Sie drei Fragen: Läuft sie automatisch?
Gibt es ein Monitoring bei Fehlern? Sind die Daten aktuell genug für KI-Entscheidungen? Wenn Ihre ERP-Daten nur einmal pro Woche synchronisiert werden, kann Agentforce keine Echtzeit-Empfehlungen zu Verfügbarkeiten oder Preisen geben. Investieren Sie in event-basierte Synchronisation, bevor Sie KI-Agents produktiv schalten.
KI macht aus einem guten CRM ein großartiges. Aus einem schlechten macht sie ein schnelleres, schlechteres.
Frage 4: Wie hoch ist die User Adoption in Ihrem Team?
Das ist die Frage, die am häufigsten übergangen wird. Ich frage in jedem Kick-off: Wie viele Ihrer Vertriebsmitarbeiter loggen sich mindestens dreimal pro Woche ins CRM ein? Und: Wie viele Aktivitäten werden dort wirklich dokumentiert? Die Antworten sind oft ernüchternd.
KI-Features funktionieren nur, wenn das System regelmäßig genutzt wird. Einstein-Prognosen basieren auf historischen Aktivitäten. Agentforce-Agents brauchen Kontext aus Notizen, E-Mails und Terminen. Wenn Ihr Team das CRM heute als notwendiges Übel sieht und nur minimal nutzt, investieren Sie in KI, die nichts zu tun hat.
Adoption messen und steigern
Bevor Sie KI einführen, messen Sie drei Kennzahlen: Login-Frequenz pro User und Woche, Anzahl erstellter Aktivitäten pro Vertriebler und Monat, Befüllungsgrad der Pflichtfelder. Liegen diese Werte unter Ihren Erwartungen, starten Sie ein gezieltes Adoption-Programm. Das kann so einfach sein wie wöchentliche 15-Minuten-Sessions, in denen Sie einen konkreten CRM-Workflow zeigen, der dem Team Zeit spart. Adoption steigt, wenn das Team den eigenen Nutzen erkennt.
Frage 5: Gibt es Governance für KI-generierte Inhalte?
Das ist die Frage, die ich 2024 noch selten gestellt habe. Heute ist sie Pflicht.
Wenn KI in Ihrem CRM E-Mails formuliert, Angebote vorschlägt oder Kundenkommunikation beantwortet: Wer prüft das? Wer verantwortet Fehler? Welche Daten darf die KI verwenden, und welche nicht?
Besonders im DACH-Raum ist die DSGVO-Perspektive entscheidend. Salesforce bietet mit seinem Trust Layer und der Möglichkeit, Daten im Frankfurter Rechenzentrum zu halten, eine solide Basis.
Aber die Governance-Richtlinien müssen Sie selbst definieren. Welche Kundendaten darf Agentforce im Prompt verarbeiten? Welche Outputs müssen vor dem Versand geprüft werden? Ohne klare Antworten sollten Sie KI-Features nicht produktiv schalten.
Governance-Framework aufsetzen
Definieren Sie drei Ebenen: Erstens, welche Datenfelder für KI-Verarbeitung freigegeben sind (und welche explizit nicht). Zweitens, ob KI-generierte Outputs direkt an Kunden gehen dürfen oder eine menschliche Freigabe brauchen.
Drittens, wer im Unternehmen für die KI-Governance verantwortlich ist. In der Praxis sehe ich oft, dass der Salesforce-Admin diese Rolle übernimmt. Das ist ein Fehler. Governance braucht ein Mandat von der Geschäftsführung und klare Eskalationswege.
Einen Überblick über die aktuell verfügbaren KI-Werkzeuge im Salesforce-Ökosystem gibt mein Artikel Salesforce KI-Tools im Überblick.
Quick Assessment: Ihr 5-Punkte-Selbsttest
Beantworten Sie jede Frage mit Ja oder Nein. Seien Sie ehrlich. Es geht nicht um eine perfekte Punktzahl, sondern um eine realistische Einschätzung.
1. Datenqualität: Sind Ihre zehn wichtigsten CRM-Felder zu mindestens 80% korrekt befüllt, und liegt Ihre Duplikatsrate unter 10%?
2. Prozesse: Nutzen mindestens 80% Ihrer Vertriebler die definierten Opportunity-Phasen konsistent und dokumentieren Aktivitäten im CRM?
3. Integrationen: Laufen Ihre wichtigsten Datenquellen (ERP, Marketing, Support) automatisiert und mit Fehler-Monitoring ins CRM?
4. Adoption: Loggen sich mindestens 80% Ihrer CRM-User dreimal pro Woche ein und erstellen regelmäßig Aktivitäten?
5. Governance: Haben Sie dokumentierte Richtlinien, welche Daten KI verarbeiten darf und wer KI-generierte Outputs freigibt?
Der Readiness-Score: Wo steht Ihr CRM?
Nachdem Sie die fünf Fragen beantwortet haben, lässt sich eine grobe Einschätzung ableiten. Ich nutze in meinen Beratungsprojekten ein einfaches Scoring:
5 von 5 Fragen positiv beantwortet: Ihr CRM ist KI-ready. Sie können direkt mit der Evaluation konkreter Use Cases starten. Die technische Grundlage steht, und Ihre Organisation ist reif genug, um KI-Features produktiv zu nutzen.
3 bis 4 von 5 Fragen positiv: Sie sind nah dran. Identifizieren Sie die Schwachstellen und arbeiten Sie diese gezielt ab. Das dauert typischerweise vier bis acht Wochen. Parallel können Sie bereits Use Cases definieren und Piloten planen.
1 bis 2 von 5 Fragen positiv: Hier empfehle ich, den KI-Rollout zu verschieben und zuerst das CRM-Fundament zu stabilisieren. Datenqualität, Prozessstandardisierung und Governance haben Vorrang. Ohne diese Basis wird jedes KI-Investment zur Fehlinvestition.
0 von 5 Fragen positiv: Ehrliche Diagnose: Ihr CRM hat grundlegende Probleme, die unabhängig von KI gelöst werden müssen. Bevor Sie über KI nachdenken, brauchen Sie einen CRM Health Check und wahrscheinlich ein Re-Implementation-Projekt.
CRM-Checkliste für den Mittelstand Kostenlos
7 Punkte, die Sie vor jeder CRM-Entscheidung prüfen sollten. Kompakt, praxisnah, sofort anwendbar.
Typische Fehler bei der KI-Einführung im CRM
Selbst wenn die fünf Fragen positiv beantwortet sind, sehe ich in der Praxis immer wieder dieselben Fehler bei der KI-Einführung. Hier die drei häufigsten:
Fehler 1: Zu viele Use Cases gleichzeitig
Die Begeisterung nach dem Salesforce-Pitch ist groß. Lead Scoring, Opportunity Insights, Agent für Service, Agent für Sales, automatische Zusammenfassungen. Alles auf einmal. Das Ergebnis: Nichts funktioniert richtig, das Team ist überfordert, und nach drei Monaten nutzt niemand die Features.
Meine Regel: Ein Use Case pro Quartal. Sauber implementieren, messen, optimieren. Dann der nächste.
Fehler 2: Kein Feedback-Loop
KI-Features werden aktiviert, und dann passiert nichts. Niemand überprüft, ob das Lead Scoring tatsächlich die richtigen Leads priorisiert. Niemand fragt das Vertriebsteam, ob die automatischen Zusammenfassungen hilfreich sind. Ohne Feedback-Loop optimiert sich nichts.
Richten Sie einen zweiwöchentlichen Review ein: Welche KI-Features werden genutzt? Welche ignoriert? Was muss angepasst werden? In meinen Projekten ist dieser Review der Unterschied zwischen "KI läuft" und "KI liefert Mehrwert".
Fehler 3: Die Fachabteilung nicht einbinden
KI-Projekte werden oft von IT oder der Geschäftsführung getrieben. Das Vertriebsteam erfährt davon, wenn der Agent bereits konfiguriert ist. Das erzeugt Widerstand. Nicht weil die Technologie schlecht ist, sondern weil Menschen Veränderungen ablehnen, die ihnen aufgezwungen werden.
Binden Sie das Vertriebsteam von Tag eins ein. Lassen Sie sie die Use Cases mitdefinieren. Lassen Sie sie den Agenten testen und Feedback geben. Ownership entsteht durch Beteiligung, nicht durch Anweisung.
Der Weg nach vorne: KI-Readiness als kontinuierlicher Prozess
KI-Readiness ist kein einmaliger Check. Salesforce veröffentlicht drei Releases pro Jahr, und mit jedem Release kommen neue KI-Features. Was heute KI-ready bedeutet, kann in sechs Monaten anders aussehen.
Meine Empfehlung: Machen Sie die fünf Fragen zu einem festen Bestandteil Ihres quartalsweisen CRM-Reviews. Prüfen Sie regelmäßig, ob Ihre Datenqualität, Ihre Prozesse und Ihre Governance mit den neuen Möglichkeiten Schritt halten. So bauen Sie keine KI-Schuld auf, sondern eine solide Grundlage, auf der Sie neue Features schnell und sicher aktivieren können.
Unternehmen, die diesen kontinuierlichen Ansatz verfolgen, sind langfristig erfolgreicher als solche, die alle zwei Jahre ein großes Transformationsprojekt starten. Evolution schlägt Revolution, gerade im Mittelstand.
Häufige Fragen
Ab wann ist ein CRM KI-bereit?
Es gibt keine offizielle Mindestanforderung, aber aus der Praxis gilt: Datenqualität über 85% in den Kernfeldern, regelmäßige CRM-Nutzung durch mindestens 80% des Teams, stabile Integrationen und dokumentierte Vertriebsprozesse. Wenn Sie drei von fünf Diagnose-Fragen klar mit Ja beantworten, ist ein Pilot sinnvoll.
Funktioniert Agentforce auch mit schlechten Daten?
Agentforce läuft technisch auch mit schlechten Daten. Aber die Qualität der Empfehlungen, Zusammenfassungen und automatisierten Aktionen hängt direkt von der Datenqualität ab. Schlechte Daten führen zu schlechten KI-Outputs. Im schlimmsten Fall kommuniziert der Agent falsche Informationen an Kunden.
Wie lange dauert es, ein CRM KI-bereit zu machen?
Das hängt stark vom Ausgangszustand ab. Bei Kunden mit grundlegend sauberem Setup und guter Adoption rechne ich mit zwei bis vier Monaten für die Vorbereitung. Bei Instanzen mit ernsthaften Datenproblemen und niedriger Nutzungsrate eher sechs bis zwölf Monate. Schnelligkeit ohne solides Fundament ist hier kein Vorteil.
Welches CRM ist am besten für KI geeignet?
Salesforce hat mit Agentforce und dem Einstein-Ökosystem derzeit das umfangreichste KI-Angebot für B2B-Vertrieb. HubSpot holt auf, ist aber bei komplexen Anforderungen limitiert. Entscheidender als das System ist aber das Fundament darunter. Ein gut gepflegtes HubSpot schlägt ein schlecht konfiguriertes Salesforce jedes Mal.
Was kostet ein KI-Readiness-Assessment?
Ein strukturiertes Assessment umfasst typischerweise Datenanalyse, Prozess-Review und eine Adoption-Bewertung. Je nach CRM-Größe und Komplexität liegt das im Bereich von zwei bis fünf Tagen Beratungsaufwand. Die Investition amortisiert sich schnell, wenn dadurch ein fehlgeleiteter KI-Rollout verhindert wird.
Sie planen, KI-Features in Ihrem CRM einzuführen, sind sich aber nicht sicher, ob Ihre Daten und Prozesse dafür bereit sind? Ich unterstütze Sie mit einem strukturierten KI-Readiness-Assessment: Wir analysieren Ihre Datenqualität, bewerten den Reifegrad Ihrer Vertriebsprozesse und entwickeln eine konkrete Roadmap für die KI-Einführung. So investieren Sie nicht ins Blaue, sondern wissen genau, welche Schritte als nächstes anstehen.
