Wenn jeder Vertriebler seine eigene Excel-Nebenspur führt, weil er dem CRM nicht traut, ist das kein Disziplin-Problem. Es ist ein Datenqualitäts-Problem — und das lässt sich zu großen Teilen automatisieren.
Ein CRM verrottet immer nach dem gleichen Muster: doppelte Firmen, weil 'Mustermann GmbH' und 'Mustermann G.m.b.H.' zwei Datensätze sind. Ansprechpartner ohne Rolle. Adressen mit Tippfehlern. Kein Vermerk, ob die Firma noch existiert oder vor zwei Jahren geschluckt wurde.
Der Vertriebler sieht das, öffnet sich ein Excel und arbeitet weiter darin. Marketing macht seine Kampagnen auf Basis der CRM-Daten und wundert sich über Bounce-Raten von 12 Prozent. Der Geschäftsführer sieht Berichte, die keiner ernst nimmt.
Der Ausweg ist nicht 'jeder pflegt seine Daten sauber' — das funktioniert seit 15 Jahren nicht. Der Ausweg ist Automation, die die Pflege im Hintergrund erledigt.
Ein Fuzzy-Matching-Algorithmus vergleicht Firmennamen phonetisch und syntaktisch: 'Müller & Söhne KG', 'Mueller und Soehne', 'MüllerSöhne' landen im gleichen Bucket. Kombiniert mit Adress-Match (PLZ + Straße normalisiert) und Umsatzsteuer-ID hat man eine belastbare Duplikat-Vermutung.
Wichtig: das System merged nicht blind. Es schlägt vor, ein Mensch entscheidet — oder es merged automatisch nur, wenn drei unabhängige Signale übereinstimmen (Name + Adresse + USt-ID). Bei allem anderen kommt der Fall in eine Review-Liste.
Beim Merge gilt: kein Datensatz wird gelöscht, sondern archiviert und mit dem Master-Record verknüpft. So bleibt die Historie ('das war früher Datensatz X') nachvollziehbar, falls jemand später fragt.
Sobald ein neuer Kontakt reinkommt, prüft das System öffentliche Quellen und CRM-Anreicherungs-Dienste: Rolle (Geschäftsführer, Einkauf, Technik), Firmengröße, Branche (WZ-Code), Standort-Anzahl. Der Vertriebler hat den Kontext, bevor er zum Hörer greift.
Anreicherung ist kein einmaliger Vorgang. Firmen wachsen, Rollen wechseln, Standorte kommen dazu. Ein automatisierter Update-Zyklus (alle 90 Tage bei aktiven Accounts, alle 180 bei Rest) hält die Daten frisch, ohne dass jemand hinterher-tippt.
DSGVO-relevant: Anreicherung nur mit belegbarem berechtigtem Interesse, Kontakt bekommt eine Info im ersten Mailing, Löschanfragen greifen sofort.
'Hauptstr. 15', 'Hauptstrasse 15', 'Haupt Str. 15' — für den Menschen das gleiche, für die Datenbank drei Adressen. Ein Normalisierungs-Layer bringt alle Adressen in ein einheitliches Format, prüft gegen Post-Adressdaten und markiert nicht-zustellbare.
Effekt: Marketing-Kampagnen mit Bounce-Rate unter 3 Prozent statt 12, Duplikate werden zuverlässiger erkannt, Außendienst-Routen werden planbar.
Automatisieren: Duplikat-Vorschläge, Adress-Normalisierung, Firmenanreicherung, Update-Zyklen, Bounce-Handling.
Nicht automatisieren: Merge kritischer Datensätze mit langer Historie, Klassifizierung strategischer Accounts, Notiz-Zusammenführung mit unterschiedlicher Semantik. Diese Fälle bleiben beim Menschen — die Automation stellt sie nur vor.
Im gratis Audit unter /audit sehen wir uns eure CRM-Realität an und schätzen den Aufräum-Aufwand ein.