Generative AI-Playbook

Teil 2: Vom Verwalten zum Generieren: Wo sich KI-Systeme von herkömmlicher Software unterscheiden

 Der produzierende Mittelstand erlebt eine Phase, in der sich Geschäftsmodelle, Kundenerwartungen und Wettbewerbsdynamiken gleichzeitig verändern. Während Produkte technisch anspruchsvoller werden und Varianten zunehmen, beschleunigen sich Entscheidungsprozesse auf Kundenseite. Vertriebsorganisationen sehen sich daher mit einer wachsenden Fragmentierung von Informationen konfrontiert, die oft über verschiedene Systeme, Abteilungen und Dokumente verteilt sind. Diese Fragmentierung erzeugt Reibungsverluste, erschwert Abstimmungen und führt dazu, dass Vertriebsmitarbeiter:innen einen großen Teil ihrer Zeit damit verbringen, Informationen zu suchen, aufzubereiten oder neu zu formulieren. Hier entsteht ein Problemfeld, das in vielen Unternehmen kaum sichtbar, aber massiv spürbar ist: Der Vertrieb ist zu lange mit Informationsverarbeitung statt mit Kundeninteraktion beschäftigt. Da Geschwindigkeit heute ein wesentlicher Wettbewerbsfaktor ist, kann diese Verzögerung entscheidend sein.

 Um die zunehmende Komplexität im Vertrieb zu bewältigen, setzen viele Unternehmen auf weitere Tools oder zusätzliche Softwaremodule. Diese Lösungen leisten wertvolle Beiträge, insbesondere dort, wo Prozesse stabil, wiederholbar und datengetrieben sind. Gleichzeitig gibt es im B2B Vertrieb zahlreiche Situationen, in denen klassische IT allein nicht ausreicht: Kundenanforderungen sind heterogen, technische Fragestellungen vielschichtig und viele Arbeitsschritte beruhen auf Erfahrung, Interpretation oder Kontextwissen. Traditionelle Software kann Daten verwalten, aber sie kann Inhalte nicht selbstständig verstehen oder generieren.

Genau an dieser Stelle ergänzt künstliche Intelligenz das vorhandene Systemumfeld. In der Bitkom-Studie: Bitkom (2025) „Generative KI im Unternehmen. Rechtliche Fragen zum Einsatz generativer Künstlicher Intelligenz im Unternehmen.“[1] wird KI als Technologie beschrieben, die menschenähnliche kognitive Prozesse simuliert, aus Daten lernt und Muster erkennt, die nicht explizit programmiert wurden. Während klassische Software, zum Beispiel Bestandslisten aktualisieren kann, ist sie nicht in der Lage, zukünftige Nachfrage vorherzusagen oder Inhalte flexibel zu generieren. Ein KI-System hingegen kann, entsprechend der Definition des European AI Act, Eingaben interpretieren, daraus ableiten, welche Ausgaben erzeugt werden sollen, und diese Inhalte generieren. Es arbeitet adaptiv, kontextsensitiv und mit einem Grad an Autonomie, der klassischen IT-Systemen fehlt.[2]

Innerhalb dieses breiten Feldes ist die generative KI besonders relevant, da sie neue Inhalte erzeugen kann, Texte, Bilder, Audios, Videos oder Programmcode, und das auf der Grundlage eines einfachen Prompts. Sie unterscheidet sich damit von diskriminativen KI-Modellen, die Muster klassifizieren oder Unterschiede erkennen. Wichtig ist der Unterschied zwischen KI-Modell und KI-System. Ein KI-Modell ist das trainierte mathematische Fundament, das Muster erkennt oder Inhalte generiert. Ein KI-System umfasst hingegen alle Elemente, die notwendig sind, um die Technologie in der Praxis zu nutzen: Benutzeroberflächen, Datenmanagement, Schnittstellen, Sicherheitsmechanismen und Anwendungslogik. Erst die Kombination aus Modell und System macht generative KI zu einem Werkzeug, das im Vertrieb eingesetzt werden kann. Für Unternehmen bedeutet dies, dass sie nicht selbst Modelle entwickeln müssen, sondern Systeme nutzen können, die auf bestehenden Basismodellen aufbauen.

Diese technischen Grundlagen sind relevant, weil sie den praktischen Nutzen erklären. Generative KI kann Dokumente zusammenfassen, technische Informationen neu formulieren, Varianten bewerten, Gesprächsnotizen strukturieren oder Angebotsentwürfe generieren. Sie unterstützt dort, wo Sprache, Strukturierung und Zusammenhänge im Mittelpunkt stehen, also genau bei den Aufgaben, die den B2B-Vertrieb prägen. Eine aktuelle Analyse von McKinsey zeigt, dass Unternehmen, die Generative AI im Vertrieb einsetzen, nicht nur effizienter arbeiten, sondern auch spürbare wirtschaftliche Effekte erzielen: schnellere Reaktionszeiten, bessere Pipeline-Qualität und eine deutlich höhere Konsistenz in der Kundenkommunikation.[3] Durch die Automatisierung wiederkehrender Aufgaben, die intelligente Verknüpfung von Daten und die Möglichkeit, hochgradig personalisierte Kommunikation in großem Umfang bereitzustellen, könne generative KI die Vertriebseffektivität nachhaltig steigern.

Gleichzeitig bleibt generative KI ein statistisches System, das nicht vollständig erklärbar ist. Unterschiedliche Prompts können zu unterschiedlichen Ergebnissen führen, und ein generatives KI-Modell kann keine transparente Begründung dafür liefern, wie es zu einer bestimmten Antwort gekommen ist. Der Bitkom-Leitfaden betont, dass generative Modelle zwar leistungsfähig, aber nicht deterministisch sind. Um diese Risiken zu minimieren, bedarf es technischer und organisatorischer Guardrails (Leitplanken). Der wichtigste Guardrail ist hierbei der Mensch: Er bleibt in der Verantwortung, prüft die Entwürfe und trifft die finalen Entscheidungen.

 Damit macht Teil 1 des Playbooks deutlich: Der industrielle Vertrieb braucht neue Werkzeuge, um seine strukturellen Engpässe zu lösen. Die Konsequenzen der heutigen Belastung sind zu groß, um sie zu ignorieren. Generative AI schließt die Lücke zwischen wachsender Komplexität und begrenzten Ressourcen, nicht, indem sie Menschen ersetzt, sondern indem sie ihnen ermöglicht, ihre Expertise viel wirksamer einzusetzen. Im Teil 3 der Reihe wird es darum gehen, wie Unternehmen diese technologische Chance organisatorisch und kulturell vorbereiten können.

[1]

[2]

[3]