KI-gestützte Vertriebsprognosen: Nachvollziehbarer planen mit Daten statt Bauchgefühl

KI-gestützte Vertriebsprognosen versprechen, das Bauchgefühl bei der Umsatzplanung durch Muster aus Ihren eigenen Daten zu ersetzen. Das funktioniert, aber nur unter bestimmten Voraussetzungen. Dieser Beitrag erklärt, wie solche Prognosen arbeiten, welche Daten sie brauchen, wie Sie mit einer einfachen gewichteten Pipeline anfangen und wann eine KI-Prognose für Ihren Betrieb schlicht zu groß ist.

Warum Bauchgefühl bei der Planung an Grenzen stößt

Am Monatsende fragt die Geschäftsführung, wie es aussieht. Die Antworten kennen Sie: „Sieht gut aus“, „Der kommt bestimmt noch“, „Wird knapp“. Solche Einschätzungen sind nicht wertlos, denn erfahrene Verkäufer kennen ihre Kunden. Sie haben aber zwei bekannte Schwächen. Manche Menschen schätzen grundsätzlich zu optimistisch, andere halten sich bewusst bedeckt, um am Ende besser dazustehen. Und niemand kann nachvollziehen, worauf die Einschätzung beruht.

Für die Planung ist das unangenehm. Ein Immobilienmakler, der nicht weiß, ob im nächsten Quartal drei oder acht Verkäufe zum Notartermin kommen, kann schlecht entscheiden, ob er eine weitere Assistenz einstellt. Ein Handwerksbetrieb, der die Auslastung der nächsten Monate nicht abschätzen kann, bestellt Material zu früh oder zu spät. Und eine Agentur, die nicht weiß, welche Projekte im Herbst starten, plant ihre freien Mitarbeiter auf gut Glück.

Wie KI-gestützte Vertriebsprognosen arbeiten

Eine KI-Prognose lernt aus abgeschlossenen Verkaufschancen in Ihrem CRM. Sie schaut sich an, welche Merkmale gewonnene und verlorene Aufträge hatten, und überträgt diese Muster auf die offenen. Typische Signale sind:

• wie lange eine Verkaufschance schon in ihrer aktuellen Phase steht, verglichen mit ähnlichen früheren Fällen,
• wann zuletzt Kontakt bestand und von wem er ausging,
• ob bestimmte Schritte erledigt sind, etwa Besichtigung, Angebot oder Finanzierungsbestätigung,
• Auftragsgröße, Kundengruppe und Herkunft der Anfrage.

Daraus berechnet das System für jede offene Verkaufschance eine Einschätzung, wie wahrscheinlich und wann ein Abschluss ist, und summiert sie zu einer Prognose. Gute Systeme zeigen dabei nicht nur eine Zahl, sondern eine Spanne, und sie aktualisieren die Werte, sobald neue Aktivitäten im CRM landen. Achten Sie bei der Auswahl darauf, dass das Tool seine Einschätzung begründet, etwa mit dem Hinweis, dass seit drei Wochen kein Kontakt stattfand. Eine Zahl ohne Begründung ist für Ihr Team kaum nützlicher als das Bauchgefühl, nur weniger nachvollziehbar. Den größeren Rahmen für solche Verfahren beschreibt der Beitrag zu Predictive Analytics im B2B-Vertrieb.

Die Voraussetzungen ehrlich prüfen

Bevor Sie über ein Prognosetool nachdenken, sollten Sie diese Fragen mit Ja beantworten können:

1. Genug Fälle: Haben Sie über einen längeren Zeitraum ausreichend viele abgeschlossene Verkaufschancen, gewonnene wie verlorene? Bei sehr wenigen Aufträgen im Jahr erkennt auch eine KI keine verlässlichen Muster.
2. Saubere Phasen: Nutzen alle im Team die Phasen im CRM gleich? Wenn „Angebot versendet“ bei einem Kollegen etwas anderes heißt als beim anderen, lernt das Modell Unsinn.
3. Verlorene Aufträge geschlossen: Werden abgesagte Projekte als verloren markiert, statt ewig offen zu bleiben?
4. Aktivitäten erfasst: Landen Anrufe, E-Mails und Termine im CRM, oder nur im Kopf und im Postfach?

Wo es hier hakt, lohnt zuerst der Blick in den Beitrag Vertriebsdaten für KI vorbereiten.

Wann eine KI-Prognose zu groß ist

Eine Physiotherapiepraxis, ein Friseursalon oder eine Werkstatt mit festen Stammkunden plant ihre Auslastung über den Terminkalender, nicht über eine Vertriebspipeline. Dort ist eine Verkaufsprognose kaum sinnvoll. Ähnlich sieht es bei einem Ingenieurbüro aus, das im Jahr eine Handvoll große Aufträge gewinnt: Jeder einzelne Auftrag ist so verschieden, dass statistische Muster wenig tragen. In beiden Fällen sind ein gut gepflegter Kalender, ein Blick auf die offenen Angebote und das Gespräch mit den Kunden die verlässlicheren Planungsinstrumente.

Der Einstieg ohne KI: die gewichtete Pipeline

Für viele kleine Betriebe ist eine einfache gewichtete Pipeline der bessere Anfang. Sie ordnen jeder Phase einen Faktor zu, multiplizieren den Auftragswert damit und addieren. Das ist keine KI, aber es schafft die Grundlage, auf der später ein lernendes System aufbauen kann.

Beispielrechnung mit angenommenen Werten

Angenommen, eine Schreinerei hat im Moment folgende offene Angebote. Die Faktoren sind Annahmen und sollten nach einigen Monaten mit den tatsächlichen Ergebnissen abgeglichen werden.

Phase	Anzahl	Summe Auftragswert	Faktor (Annahme)	Gewichteter Wert
Erstgespräch geführt	6	48.000 €	0,1	4.800 €
Angebot versendet	4	36.000 €	0,3	10.800 €
Angebot besprochen, Rückfragen geklärt	2	20.000 €	0,6	12.000 €

Die Summe von 27.600 € ist keine Zusage, sondern ein Erwartungswert. Ihr Nutzen liegt im Vergleich über die Zeit: Wenn Sie jeden Monat dieselbe Rechnung machen und am Ende sehen, was wirklich hereinkam, lernen Sie, wie gut Ihre Faktoren sind. Genau das automatisiert eine KI-Prognose später mit mehr Signalen.

Prognosen im Alltag nutzen

Eine Prognose hilft nur, wenn sie Entscheidungen beeinflusst. Bewährt hat sich ein kurzer wöchentlicher Termin, in dem Sie drei Fragen klären: Welche Verkaufschancen sind seit zu langer Zeit unbewegt? Wo fehlt ein nächster Schritt? Reicht die erwartete Summe für die Planung der nächsten Wochen? Die Zahlen dafür lassen sich gut in einem KI-gestützten Reporting-Dashboard zusammenführen.

Typische Fehler im Umgang mit Prognosen

• Die Prognose wird als Ziel verstanden. Dann beginnen Mitarbeiter, Phasen so zu pflegen, dass die Zahl gut aussieht, und die Prognose verliert ihren Wert.
• Nur die Summe wird betrachtet. Interessanter sind oft die einzelnen Verkaufschancen, die seit Wochen stillstehen.
• Die Faktoren oder das Modell werden nie überprüft. Ein Abgleich mit den tatsächlichen Ergebnissen gehört mindestens einmal im Quartal dazu.

Prognosen werden besser, je vollständiger die Aktivitäten im CRM stehen. Hier kann ein digitaler Assistent helfen, der Anfragen und Termine automatisch erfasst. Neurobots übergibt solche Daten an CRM-Systeme wie HubSpot, Salesforce oder Pipedrive. Für Makler gibt es mit dem digitalen Assistenten für Immobilienmakler eine Lösung, die Objektanfragen annimmt, Interessenten vorqualifiziert und Besichtigungen bucht, sodass die Pipeline vollständiger wird.

Häufige Fragen

Ab wann lohnt sich eine KI-Prognose?

Wenn Sie regelmäßig viele vergleichbare Verkaufschancen haben und Ihre CRM-Historie über einen längeren Zeitraum gepflegt ist. Bei wenigen, sehr unterschiedlichen Großprojekten ist die gewichtete Pipeline mit persönlicher Einschätzung meist ehrlicher.

Wie genau sind KI-Prognosen?

Das lässt sich nicht pauschal sagen. Die Treffsicherheit hängt von Datenmenge, Datenqualität und Stabilität Ihres Marktes ab. Vergleichen Sie Prognose und Ergebnis über mehrere Monate, bevor Sie Entscheidungen allein darauf stützen.

Ersetzt die Prognose das Gespräch mit dem Vertrieb?

Nein. Sie liefert eine Grundlage für das Gespräch. Wenn die KI einen Auftrag als gefährdet markiert, sollte der zuständige Verkäufer erklären können, warum das stimmt oder nicht.

Was ist mit saisonalen Schwankungen?

Gute Modelle berücksichtigen sie, wenn die Historie mehrere Jahre umfasst. Mehr dazu im Beitrag zu saisonalen Schwankungen im Vertrieb.

Fazit

KI-gestützte Vertriebsprognosen können die Planung deutlich nachvollziehbarer machen, wenn genug saubere Daten vorhanden sind. Für die meisten kleinen Betriebe beginnt der Weg mit klar definierten Phasen und einer gewichteten Pipeline. Wer diese Disziplin ein paar Monate durchhält, hat die beste Grundlage für jede spätere KI-Prognose.