Wo KI im B2B-Geschäft auf Grenzen stösst

Auch im B2B-Geschäft besteht grundsätzliches Interesse daran, diese Entwicklung nicht zu verpassen. Allerdings sind intelligente Systeme im B2B-Geschäft viel weniger weit verbreitet als im B2C-Bereich. Nur 16% der B2B-Unternehmen setzen z. B. bereits Predictive Analytics ein oder planen, intelligente Prognose-Tools im Vertrieb zu implementieren. 18% der B2B-Anbieter sehen heute gar keine konkreten Anwendungsmöglichkeiten von KI in ihrer Organisation. Experten prognostizieren jedoch, dass 75% der B2B-Unternehmen bis 2025 KI in irgendeiner Form einsetzen werden, um mindestens einen ihrer primären Vertriebsprozesse zu optimieren.

Das Potenzial: Was kann KI wirklich?

Der Einsatz von KI-Applikationen in Marketing und Vertrieb steckt noch in den Kinderschuhen. Doch richtig eingesetzt, können intelligente Systeme heute bereits unterstützen:

• Optimiert die Effizienz von Marketing und Sales: Durch KI können monotone und repetitive Vertriebsaufgaben, z. B. die Ansprache und Bewertung von Leads oder die Beantwortung von Kundenanfragen, automatisiert werden. KI kann Daten schneller und in grösseren Mengen klassifizieren und auf dieser Basis Prognosen ableiten. Richtig eingesetzt, könnten rund 50% der administrativen Aufgaben automatisiert und systemseitig abgewickelt werden. Dadurch werden Vertriebsmitarbeitende entlastet, und die entstandenen Freiräume können für produktive, wertstiftende und auf Kunden gerichtete Tätigkeiten fokussiert werden.
• Verbessert die Entscheidungsqualität: Häufig drehen sich Diskussionen rund um KI vor allem um das Thema Automatisierung. Dabei wird das Potenzial von KI hinsichtlich der Unterstützung von Entscheidungsfindungen und in der direkten Kundeninteraktion vernachlässigt. So kann KI Vertriebsmitarbeitende auf lukrative Abschlüsse aufmerksam machen oder mittels Simulation und Modellierung Profile erstellen, um das Verhalten von Kunden besser zu prognostizieren. Diese erweiterte Informationsbasis kann Sales-Manager dabei unterstützen, präzisere Entscheidungen zu treffen.
• Steigert die Customer-Experience: Um im hart umkämpften und internationalen Marktumfeld mithalten zu können, müssen Unternehmen heute in der Lage sein, die gestiegene Erwartungshaltung von Kunden zu erfüllen. Durch den Einsatz von Chatbots (Conversational User-Interfaces) können Kundenanfragen aus aller Welt rund um die Uhr in Echtzeit und individuell beantwortet werden. Aus Kundensicht ermöglichen KI-basierte Algorithmen eine intuitivere, sichere und wertvollere Interaktion mit dem Anbieter, die auf die spezifischen Bedürfnisse zugeschnitten werden kann.

Die Realität: Was sind die Limitationen von KI?

Aufgrund der Spezifika des B2B-Geschäfts kann sich die Implementierung von KI für B2B-Unternehmen als herausfordernd gestalten. Diese Einschränkungen sind im Vorfeld einer möglichen KI-Einführung in Betracht zu ziehen:

• Mangelhafte Datenmenge und -qualität: Um verlässliche Aussagen treffen zu können, benötigen KI-Modelle grosse Mengen an Daten. Für Bewertung von besonders erfolgversprechenden Leads werden beispielsweise Informationen aus dem Datenpool der Bestandskunden herangezogen. Naturgemäss ist die Anzahl der Kunden eines B2B-Unternehmens jedoch sehr viel kleiner als bei einem B2C-Anbieter. Die Charakteristika eines Kunden bzw. der einzelnen Transaktion fallen dadurch häufig sehr fallspezifisch aus, sodass keine eindeutigen Muster im Datenpool identifiziert werden können. Dies beeinträchtigt Präzision der abgeleiteten Prognosen und Handlungsempfehlungen.
• Erschwerter Zugriff auf Daten: Grundvoraussetzung für KI ist die Verwendung von Daten, doch der Zugriff auf diese ist im B2B-Geschäft nicht immer gewährleistet. Geschäftskunden berechtigen Anbieter nur selten dazu, entstehende Datenpunkte (z. B. Nutzungsdaten) zur Modellierung für andere Kunden und zur Optimierung der Systeme zu verwenden. Liegen Anbietern Informationen vor, dann häufig zersplittert und in isolierten Informationssystemen, die von einzelnen Fachbereichen für unterschiedliche Zwecke eingesetzt werden. Damit KI hier überhaupt in Erwägung gezogen werden kann, sind zunächst Medienbrüche zu überwinden, Schnittstellen sicherzustellen und Daten aus den einzelnen Interaktionspunkten mit dem Kunden zentral zu aggregieren.
• Unzureichende Kenntnisse im Verkauf: Auch wenn der Einsatz von intelligenten Systemen die Arbeitsqualität in Marketing und Vertrieb verbessern kann, werden sie den Marketing- bzw. Sales-Manager nicht ersetzen. Jedoch stellen sich ganz neue Anforderungen an die Verkaufsfunktion, genauer an die analytischen Fähigkeiten und die Datenaffinität von Verkäufern. Denn diese müssen in der Lage sein, die durch KI generierten Insights richtig zu interpretieren und zielgerichtet anzuwenden oder durch nachträgliche Analysen anzureichern. So können Prognosen des Kundenverhaltens zwar hilfreich sein, ersetzen im B2B-Geschäft aber nicht eine ganzheitliche Betrachtung des Buying-Centers. Allerdings lässt sich dieses multipersonale Konstrukt bislang noch nicht zufriedenstellend mittels KI simulieren und erfordert deswegen eine manuelle Analyse durch den Vertriebsmitarbeitenden.

Definition KI

Der Begriff Künstliche Intelligenz (KI) stammt aus der Informatik und bezeichnet die Fähigkeit von Maschinen oder Computern, kognitive Funktionen des menschlichen Gehirns – wie z. B. das selbständige Lernen und Lösen von Problemen – nachzuahmen. KI kann statistische Korrelationen in grossen Datenmengen identifizieren, repetitive Aufgaben übernehmen und Handlungsempfehlungen für das weitere Vorgehen in bestimmten Situationen ableiten. Potenzielle Anwendungsgebiete für KI in Marketing und Vertrieb sind die automatisierte Qualifizierung von Leads, Erstellung von präziseren Verkaufsprognosen, Identifikation von Cross- und Up-Selling-Potenzialen auf Basis des Käuferverhaltens sowie dynamische Preissetzung auf Grundlage individueller Zahlungsbereitschaften, usw.