Large Language Models im Vertrieb: Was Geschäftsführer wirklich verstehen müssen

Fast jedes neue Vertriebstool wirbt inzwischen mit „generativer KI“. Dahinter stecken Large Language Models, kurz LLMs. Dieser Beitrag erklärt ohne Fachjargon, wie Large Language Models im Vertrieb arbeiten, welche Aufgaben sie zuverlässig übernehmen, wo sie Fehler machen und welche Fragen Sie einem Anbieter stellen sollten, bevor Sie unterschreiben.

Was ein Large Language Model ist

Ein Large Language Model ist ein Programm, das mit sehr großen Mengen Text trainiert wurde. Dabei hat es gelernt, wie Sprache aufgebaut ist: welche Wörter zusammenpassen, wie Fragen und Antworten zusammenhängen, wie ein höflicher Brief klingt. Bekommt es eine Eingabe, berechnet es Schritt für Schritt die wahrscheinlich passende Fortsetzung. Das Ergebnis liest sich wie ein von Menschen geschriebener Text.

Wichtig für Ihr Verständnis: Ein LLM weiß nicht im menschlichen Sinn, was stimmt. Es erzeugt plausible Sprache. Wenn es Ihre Öffnungszeiten, Ihre Preise oder Ihren freien Termin am Donnerstag nennen soll, muss es diese Information aus einer angebundenen Quelle bekommen, etwa aus Ihrer Wissensdatenbank, dem Kalender oder dem CRM. Ohne diese Anbindung rät es. Genau dieser Punkt unterscheidet ein brauchbares Vertriebswerkzeug von einer Spielerei.

Was Large Language Models im Vertrieb gut können

Im Vertriebsalltag haben sich vier Einsatzfelder bewährt, in denen die Stärke eines LLM, nämlich Sprache zu verstehen und zu erzeugen, direkt Nutzen bringt:

• Gespräche führen: Anfragen im Chat, per WhatsApp, E-Mail oder am Telefon verstehen und beantworten, auch wenn Kunden umständlich formulieren oder mitten im Satz das Thema wechseln.
• Zusammenfassen: Aus einem zehnminütigen Telefonat eine kurze Notiz fürs CRM machen, mit Anliegen, Budgetrahmen und nächstem Schritt.
• Einordnen: Eingehende Nachrichten nach Anliegen sortieren, zum Beispiel Neuanfrage, Terminänderung, Reklamation oder Rechnungsfrage.
• Entwürfe schreiben: Angebotstexte, Nachfass-E-Mails oder Antworten auf Standardfragen vorbereiten, die ein Mitarbeiter prüft und abschickt.

Beispiel aus einem Maklerbüro

Ein Immobilienmakler bekommt am Sonntagabend eine Anfrage zu einer Dreizimmerwohnung. Der Interessent schreibt: „Ist die noch da, und geht das auch mit Hund? Wir könnten ab März.“ Ein regelbasierter Chatbot wäre an dieser Mischung aus drei Fragen vermutlich gescheitert. Ein LLM-gestützter Assistent erkennt die Anliegen, prüft im Exposé, ob Haustiere erlaubt sind, nennt den Bezugstermin, fragt nach Haushaltsgröße und Einkommensnachweis und bietet einen Besichtigungstermin an. Am Montagmorgen findet der Makler eine vollständige Notiz im CRM vor. Den Unterschied zwischen beiden Ansätzen beschreibt der Beitrag Regelbasierte Chatbots vs. KI-Agenten genauer.

Wie das Modell an Ihr Firmenwissen kommt

Das Sprachmodell selbst kennt Ihren Betrieb nicht. Damit es sinnvoll antworten kann, wird es bei jeder Anfrage mit den passenden Informationen versorgt. Technisch läuft das meist so: Die Frage des Kunden wird mit Ihrer Wissensbasis abgeglichen, die relevanten Abschnitte werden herausgesucht und dem Modell zusammen mit der Frage übergeben. Das Modell formuliert daraus die Antwort. Fachleute nennen das Retrieval, für Sie zählt das Prinzip: Die Qualität der Antwort hängt direkt von der Qualität Ihrer Unterlagen ab.

Für den Start brauchen Sie deshalb keine Datenwissenschaftler, wohl aber Ordnung. Bewährt hat sich eine kurze Sammlung aus:

• Leistungen und Produkte mit verbindlichen Preisen oder Preisrahmen
• Öffnungszeiten, Anfahrt, Zuständigkeiten und Vertretungsregeln
• den zwanzig häufigsten Kundenfragen mit Ihrer besten Antwort
• klaren Tabuthemen, zu denen der Assistent nichts sagen darf

Wer diese Unterlagen einmal sauber anlegt, profitiert doppelt: Auch neue Mitarbeiter finden sich damit schneller zurecht.

Grenzen, die Sie kennen müssen

Die bekannteste Schwäche heißt Halluzination: Das Modell formuliert eine überzeugend klingende Antwort, die schlicht falsch ist. Im Vertrieb kann das teuer werden, etwa wenn ein Assistent einen Rabatt zusagt, den es nicht gibt, oder eine Lieferzeit nennt, die niemand halten kann. Seriöse Lösungen begrenzen das Risiko, indem das Modell nur aus freigegebenen Quellen antworten darf und bei Unsicherheit an einen Menschen übergibt.

Weitere Grenzen betreffen Urteilsvermögen und Verantwortung. Ein LLM versteht keine Firmenpolitik, kennt keine langjährige Kundenbeziehung und trägt keine Haftung. Verhandlungen, Preisentscheidungen, Kulanz und heikle Gespräche gehören deshalb in menschliche Hände. Auch Rechts-, Steuer- oder Gesundheitsfragen sollte ein Vertriebsassistent nicht beantworten.

Was Geschäftsführer wirklich entscheiden müssen

Sie müssen nicht wissen, wie ein neuronales Netz rechnet. Wohl aber, welche Entscheidungen bei Ihnen liegen. Die folgenden Fragen helfen beim Gespräch mit einem Anbieter:

1. Woher kommt das Wissen? Aus welchen Quellen antwortet der Assistent, und wer pflegt sie?
2. Was passiert bei Unsicherheit? Gibt es eine klare Regel, wann an einen Menschen übergeben wird?
3. Wo werden Daten verarbeitet? In der EU oder außerhalb, und werden Ihre Kundendaten zum Training verwendet?
4. Wie wird geprüft? Können Sie Gesprächsverläufe einsehen und Fehler korrigieren?
5. Was darf der Assistent zusagen? Termine ja, Preise nur laut Liste, Rabatte nie: Solche Grenzen sollten Sie schriftlich festlegen.

Ob Sie dafür ein eigenes Modell betreiben oder eine fertige Plattform nutzen, ist eine eigene Abwägung. Sie wird im Beitrag Open Source vs. kommerzielle KI im Vertrieb behandelt. Für die meisten kleinen und mittleren Betriebe ist eine konfigurierbare Lösung der praktikablere Einstieg. Nach einigen Monaten Betrieb lässt sich besser beurteilen, ob mehr Anpassung nötig ist.

Datenschutz und EU AI Act

Sobald ein LLM mit Kundendaten arbeitet, gilt die DSGVO. Sie brauchen einen Auftragsverarbeitungsvertrag, eine Rechtsgrundlage für die Verarbeitung und eine verständliche Information in Ihrer Datenschutzerklärung. Nach dem EU AI Act sollten Kunden erfahren, dass sie mit einer KI sprechen. Ein offener Hinweis zu Beginn des Gesprächs ist einfach und vermeidet Ärger. Was KMU zur Regulierung wissen sollten, fasst der Artikel Der EU AI Act für KMU zusammen.

Die digitalen Mitarbeiter von Neurobots nutzen Sprachmodelle für Telefon, Chat, WhatsApp und E-Mail, verarbeiten die Daten auf Servern in Frankfurt und übergeben Ergebnisse an CRM-Systeme wie HubSpot oder Pipedrive. Die Einrichtung übernimmt ein zertifizierter Partner in typischerweise etwa sieben Tagen.

Wann sich ein LLM-Assistent nicht lohnt

Wenn Ihre Kunden fast immer dieselben drei Fragen stellen, reicht oft eine gute FAQ-Seite. Und wenn niemand Zeit hat, die Wissensbasis aktuell zu halten, liefert auch das beste Sprachmodell bald veraltete Antworten.

Häufige Fragen

Ist ChatGPT dasselbe wie ein KI-Vertriebsassistent?

Nein. ChatGPT ist eine allgemeine Anwendung auf Basis eines LLM. Ein Vertriebsassistent nutzt ein solches Modell, ist aber mit Ihren Daten, Kalendern und Regeln verbunden und auf Ihren Betrieb eingestellt.

Lernt das Modell aus meinen Kundengesprächen?

Das hängt vom Anbieter und vom Vertrag ab. Fragen Sie ausdrücklich nach und lassen Sie sich schriftlich bestätigen, ob Ihre Daten für das Training verwendet werden.

Wie erkenne ich, ob ein Anbieter Halluzinationen im Griff hat?

Testen Sie mit Fragen, auf die es keine Antwort in Ihren Unterlagen gibt. Ein guter Assistent sagt dann, dass er es nicht weiß, und bietet einen Rückruf an, statt etwas zu erfinden.

Muss mein Vertriebsteam dafür geschult werden?

Eine kurze Einweisung reicht meist. Ihr Team sollte wissen, wie Übergaben aussehen, wo es Gesprächsverläufe findet und wie es falsche Antworten meldet, damit die Wissensbasis korrigiert werden kann.

Fazit

Large Language Models im Vertrieb sind stark darin, Sprache zu verstehen, zusammenzufassen und Gespräche zu führen. Verlässlich werden sie erst mit gepflegten Quellen, klaren Grenzen und menschlicher Kontrolle. Wie das konkret bei Objektanfragen aussieht, zeigt die Seite Digitaler Assistent für Immobilienmakler.