Die Pipeline sieht auf dem Papier voll aus, aber der Monatsabschluss überrascht trotzdem. KI hilft, den echten Zustand jeder Opportunity zu sehen — vorausgesetzt, die Datenbasis trägt sie.
Die klassische Pipeline-Ansicht zeigt Summe pro Stufe. Was sie nicht zeigt: wie alt die Deals in jeder Stufe sind, wie lange sie schon nicht mehr bewegt wurden, ob die Konversionsrate zwischen den Stufen konstant ist oder gerade wegbricht.
Ein KI-gestütztes Pipeline-Modell liefert genau diese Health-Metriken: Deal-Alter pro Stufe im Vergleich zur Stufen-typischen Verweildauer, Stillstands-Score (wann war die letzte messbare Aktivität mit dem Kunden), Verwässerungs-Rate über die Stufen. Damit wird das Wochen-Meeting vom Bauchgefühl-Rundlauf zur konkreten Diskussion um wenige rote Deals.
Deals sterben selten laut. Sie sterben leise, weil drei Wochen keine Antwort kam und niemand nachgefasst hat. Ein einfaches KI-Modell erkennt aus historischen Deals das typische Aktivitätsmuster erfolgreicher Abschlüsse und schlägt Alarm, sobald ein Deal davon abweicht.
Konkret: der Deal hängt seit 18 Tagen in 'Angebot verschickt', obwohl die Durchschnittsdauer in eurer Historie 9 Tage ist. Das System schiebt den Deal automatisch in die Wochen-Review-Liste des Vertriebsleiters, ohne dass jemand manuell filtern muss.
Wichtig: der Score ersetzt kein Nachfassen, er priorisiert es. Der Vertriebler bekommt eine kurze Liste mit den 5 Deals, die diese Woche seine Aufmerksamkeit brauchen — statt 80 im Dashboard.
Ein KI-Forecast lohnt sich, wenn ihr 100+ abgeschlossene Deals pro Jahr habt und die Deal-Struktur nicht jedes Quartal völlig anders aussieht. Das Modell lernt dann aus Stufe, Deal-Alter, Segment und Aktivitätsmuster, welche offenen Opportunities mit welcher Wahrscheinlichkeit im aktuellen Quartal reinkommen.
Unter 50 Deals pro Jahr liefert ein Modell keinen belastbaren Forecast — da rechnet ein erfahrener Vertriebsleiter mit Excel-Gewichten sauberer. Wir sagen das ehrlich, statt ein Modell zu verkaufen, das dann Zufallswerte ausgibt.
Selbst mit gutem Modell bleibt der Forecast eine Wahrscheinlichkeitsaussage. Wer Punkt-Landung erwartet, wird enttäuscht — wer eine Bandbreite mit Wahrscheinlichkeiten will, bekommt sie.
Bevor ein KI-Modell auf die Pipeline losgelassen wird, muss die Basis stimmen: konsistente Stufen-Definitionen, klare Exit-Kriterien pro Stufe, saubere Erfassung der Aktivitäten. Wir sehen häufig, dass 'Angebot' bei zwei Vertrieblern zwei völlig verschiedene Dinge bedeutet — dann liefert auch die beste KI Unsinn.
Deshalb starten wir jedes Projekt mit einem kurzen Pipeline-Hygiene-Check. Manchmal ist das Ergebnis: erst Stufen aufräumen (2-3 Wochen Arbeit), dann in 3 Monaten wiederkommen für das KI-Modul.
Im 30-minütigen Audit schauen wir Deal-Volumen, Stufen-Definition und CRM-Sauberkeit an und sagen ehrlich, ob ein KI-Modell trägt oder ob erst Aufräum-Arbeiten sinnvoll sind. Termin unter /audit.
Wir kommen ohne Vertriebs-Termin danach — die 30 Minuten sind fachlich, nicht als Verkaufsgespräch getarnt.