Jeder Geschäftsführer kennt den Moment: Du willst wissen, wie der Vertrieb läuft. Also öffnest du dein CRM. Dann die Marketing-Plattform. Dann das Produkt-Tool, weil du auch wissen willst, welche Kunden aktiv sind. Dann vielleicht noch Google Ads, um zu sehen, woher die Leads überhaupt kamen. Vier Tools, vier Logins, vier unterschiedliche Datenlogiken. Und am Ende sitzt du vor vier Tabs und versuchst im Kopf zusammenzusetzen, was eigentlich kein einzelnes System dir sagen kann.

Wir haben dieses Problem nicht gelöst, indem wir ein besseres Dashboard gebaut haben. Wir haben es gelöst, indem wir Dashboards überflüssig gemacht haben.

Das eigentliche Problem ist nicht fehlende Daten

Die meisten KMUs haben mehr Daten, als sie nutzen. Im CRM stecken Deal-Werte, Kontakthistorien und Pipeline-Stadien. In der Marketing-Plattform sitzen Öffnungsraten, Klickpfade und Kampagnen-Performance. Bei uns im E-Learning-System liegen Login-Frequenzen und Kursabschlüsse. Und in Google Ads steht, was jeder Klick gekostet hat.

Das Problem ist nicht, dass diese Daten nicht existieren. Das Problem ist, dass sie in getrennten Systemen leben und niemand die Zeit hat, sie manuell zusammenzuführen. Also passiert, was in den meisten Unternehmen passiert: Jedes Team schaut in sein eigenes Tool, zieht seine eigenen Schlüsse und trifft Entscheidungen auf Basis eines Bruchteils der verfügbaren Informationen.

Was wir stattdessen gebaut haben

Unser Head of Marketing (GTM) hat einen KI-Assistenten gebaut, der auf eine gemeinsame Datenbank zugreift, in der die Daten aus allen relevanten Systemen zusammenlaufen - CRM, E-Learning-Plattform, Paid-Kanäle. Keine Dashboards, keine Reports, keine wöchentlichen Auswertungen. Stattdessen stellst du eine Frage und bekommst eine Antwort.

"Zeig mir alle offenen Deals über X Euro." - Der Assistent liefert eine Liste mit Deal-Wert, Ansprechpartner, Abschlusswahrscheinlichkeit und einer Zusammenfassung der bisherigen Interaktionen.

"Welche Kunden sind abwanderungsgefährdet?" - Der Assistent prüft die Login-Daten der E-Learning-Plattform und identifiziert Kunden, die seit Wochen nicht aktiv waren. Statt dass jemand manuell durch Hunderte von Accounts scrollt, bekommt das Account-Management eine priorisierte Liste mit konkreten Handlungsempfehlungen.

"Wenn du im Vertrieb anfangen würdest - welche 25 Kontakte würdest du als Erstes anrufen?" - Der Assistent analysiert E-Mail-Öffnungsraten, Antwortverhalten und Webinar-Teilnahmen und schlägt die Kontakte vor, bei denen die höchste Abschlusswahrscheinlichkeit besteht. Nicht auf Basis eines einzelnen Datenpunkts, sondern auf Basis des Gesamtbildes über alle Kanäle.

"Wie viel Umsatz hat unsere letzte Marketingmaßnahme gebracht?" - Der Assistent verknüpft die bspw. eine Webinarteilnehmerliste mit den abgeschlossenen Deals und berechnet den zuordenbaren Umsatz pro Veranstaltung.

Warum das für KMUs relevanter ist als für Konzerne

Konzerne lösen dieses Problem mit Business-Intelligence-Teams, Data-Warehouse-Projekten und sechsstelligen Salesforce-Implementierungen. Die haben Leute, deren einziger Job es ist, Daten aus verschiedenen Systemen zusammenzuführen und aufzubereiten.

KMUs haben diese Leute nicht. KMUs haben einen Geschäftsführer, der abends selbst ins CRM schaut. Einen Vertriebsleiter, der die Pipeline in einer Excel verwaltet. Einen Marketingverantwortlichen, der einmal pro Woche in Google Ads reinschaut und hofft, dass die Zahlen stimmen.

Genau deshalb ist der Ansatz "frag einen Assistenten statt vier Dashboards zu öffnen" für KMUs kein Nice-to-have, sondern ein Hebel. Nicht weil die Technologie beeindruckend ist, sondern weil sie ein Problem löst, das KMUs mangels Ressourcen bisher gar nicht lösen konnten: die Zusammenführung von Daten über Systemgrenzen hinweg, ohne dafür ein eigenes Team aufzubauen.

Drei Erkenntnisse, die über den konkreten Use Case hinausgehen

Daten zusammenführen ist wertvoller als Daten sammeln. Die meisten Unternehmen investieren in immer bessere Einzeltools - ein besseres CRM, eine bessere Marketing-Plattform, ein besseres Analytics-Setup. Aber der eigentliche Wert entsteht nicht im einzelnen System, sondern an den Schnittstellen. Wann wird ein Webinar-Teilnehmer zum Deal? Ab wann ist ein inaktiver Kunde ein Churn-Risiko? Diese Fragen kann kein Einzeltool beantworten. Erst die Verknüpfung macht aus Daten Entscheidungen.

Perfekte Attribution ist weniger wichtig als brauchbare Attribution. Unsere Umsatz-Zuordnung z.B. bei Veranstaltungen ist noch nicht präzise - ein Bestandskunde, der an einem Event teilnimmt, nachdem der Deal längst geschlossen wurde, zählt aktuell trotzdem in den Kampagnenumsatz. Das ist methodisch unrein. Aber es ist unendlich wertvoller als gar keine Attribution, was der Zustand vorher war. Die meisten KMUs scheitern nicht an zu unpräzisen Daten, sondern daran, dass sie gar nicht erst anfangen, weil sie auf die perfekte Lösung warten.

Fragen stellen ist effizienter als Berichte lesen. Ein Dashboard zeigt dir, was jemand für wichtig gehalten hat, als er es gebaut hat. Ein Assistent beantwortet die Frage, die du jetzt gerade hast. Das klingt nach einem kleinen Unterschied, verändert aber fundamental, wie Entscheidungen getroffen werden. Statt wöchentlicher Reports, die nahezu niemand ganz liest, stellst du die Frage, die gerade relevant ist - und bekommst in Sekunden eine Antwort, die auf allen verfügbaren Daten basiert.

Was es gekostet hat und was es nicht kann

Der Assistent läuft auf Langdock, einer KI-Plattform für Unternehmen. Die Datenbank dahinter wurde intern aufgesetzt. Kein externes Beratungsprojekt, kein sechsstelliges Budget. Die größte Investition war nicht Geld, sondern die Zeit, die Datenstrukturen der verschiedenen Systeme zu verstehen und sauber zusammenzuführen (ca. 3 Arbeitstage).

Was der Assistent nicht kann: Daten interpretieren, die er nicht hat. Wenn ein Deal offline über eine Empfehlung entstanden ist, taucht dieser Kontext nicht auf. Die Daten aktualisieren sich noch nicht in Echtzeit. Und ja, manchmal liefert er eine Antwort, die technisch korrekt ist, aber den Kontext falsch einordnet - wenn ein Bestandskunde mit einem alten Deal in der Kampagnen-Attribution auftaucht, sieht das auf den ersten Blick besser aus, als es ist.

Aber das System lernt mit jeder Frage, die man stellt. Nicht im Sinne von maschinellem Lernen, sondern im Sinne von: Jede Frage, die eine unerwartete Antwort liefert, zeigt eine Lücke in den Daten oder der Logik - und die kann man schließen.

Der eigentliche Punkt

Die Frage, die sich jeder Entscheider stellen sollte, ist nicht: "Brauche ich einen KI-Assistenten für meine Daten?" Die Frage ist: "Wie viele Entscheidungen treffe ich pro Woche auf Basis unvollständiger Informationen, weil mir die Zeit fehlt, in vier verschiedene Systeme reinzuschauen?"

Wenn die Antwort "mehr als null" ist - und sie ist bei jedem Geschäftsführer, den ich kenne, deutlich höher als null - dann geht es nicht darum, ob man diese Daten zusammenführt. Sondern wann. Und ob man es selbst baut oder wartet, bis es jemand anders für einen tut.

Wir haben nicht gewartet. Und das Ergebnis ist kein perfektes System. Es ist ein System, das heute bessere Antworten liefert als gestern - und morgen bessere als heute.

‍