KI-Infrastruktur für Sales-Teams aufbauen

Im LinkedIn Live mit Arne ging es um eine Frage, die in vielen Sales-Teams gerade ziemlich konkret auf dem Tisch liegt: Wie nutzen wir KI so, dass daraus ein belastbarer Arbeitsmodus für Vertrieb entsteht?

Nicht als Tool-Demo und auch nicht als Agenten-Projekt, das nach zwei Wochen wieder in der Schublade liegt. Es geht um Aufgaben, die im Alltag wirklich Zeit kosten: Recherche, Gesprächsvorbereitung, Outreach, Follow-ups und CRM-Hygiene.

Ich hatte im Live versprochen, dass niemand mitschreiben muss. Die konkreten Beispiele und Prompts kommen gesammelt auf die Website. Dieser Artikel ist die Ausarbeitung dazu.

Der rote Faden: KI wird im Vertrieb erst dann brauchbar, wenn Kontext, Beispiele, Workflows und Qualitätsregeln nicht bei einzelnen Personen liegen, sondern gemeinsam gepflegt werden.

Ausgangspunkt: KI ist schon da, nur nicht als System

In vielen Sales-Teams passiert gerade ungefähr Folgendes: Ein SDR schreibt LinkedIn-Nachrichten mit ChatGPT, ein AE lässt sich Call Notes zusammenfassen, RevOps testet CRM-Auswertungen und die Sales-Leitung probiert Forecasting-Prompts.

Das ist ein guter Anfang, aber noch keine gemeinsame Arbeitsweise.

Die typischen Symptome kennt man schnell:

• jeder promptet anders
• Kontext liegt verteilt in Notion, CRM, Slack, Decks und Köpfen
• gute Prompts bleiben bei einzelnen Personen hängen
• Texte klingen ordentlich, aber austauschbar
• niemand kann sagen, welche Workflows wirklich besser geworden sind

Genau hier beginnt KI-Infrastruktur. Nicht bei der Frage, welches Tool gerade am meisten Aufmerksamkeit bekommt, sondern bei der Frage, welche Sales-Arbeit wiederholbar besser werden soll.

Womit ich nicht starten würde

Der naheliegende Reflex lautet oft: „Wir haben Microsoft sowieso im Haus, also nehmen wir Co-Pilot.“ Das ist organisatorisch verständlich. Lizenzen sind da, die IT kennt das System, alle arbeiten ohnehin in Outlook, Teams und Excel.

Trotzdem: In den Gesprächen mit Kunden und Leuten aus meinem Umfeld habe ich bisher kaum Beispiele gesehen, in denen Co-Pilot im Sales-Alltag wirklich durchgeschlagen hat. Wenn ihr ein gutes Setup habt, schickt es mir gern. Ich würde mir das ernsthaft anschauen.

Meistens liegt das Problem nicht daran, dass das Modell grundsätzlich nichts kann. Es fehlt der Kontext: Die KI weiß nicht, wie ihr verkauft, welche Kunden ihr wollt, welche Einwände typisch sind, welche Case Studies passen und wie eure Sprache klingen soll. Dann kommt ein Text heraus, der formal okay ist und trotzdem niemanden wirklich trifft.

Drei Startpunkte sind deshalb riskant:

Falls Co-Pilot bei euch gesetzt ist, heißt das nicht, dass ihr das Thema abschreiben müsst. Die Grundarbeit bleibt dieselbe: Kontext sammeln, Aufgaben begrenzen, gute Beispiele hinterlegen, Ergebnisse prüfen.

Welche Tools eher infrage kommen

Ich würde die Tool-Entscheidung erst treffen, nachdem der erste Use Case klar ist. Für den Anfang brauchst du vor allem Systeme, in denen Kontext dauerhaft liegen bleibt und in denen ein Team wiederholt mit denselben Anweisungen arbeiten kann.

Das können sein:

• Claude Projects
• ChatGPT Projects
• Custom GPTs
• Gemini im Google Workspace
• CRM-KI in HubSpot, Salesforce oder ähnlichen Systemen
• Clay für Research- und Enrichment-Workflows
• Lemlist oder andere Sequencing-Tools für Outreach

Meine Faustregel: Projects sind eher der Kontext-Raum. Custom GPTs, Skills oder spezialisierte Assistenten sind eher die konkrete Rolle.

Ein Project kann euren Sales-Kontext enthalten: ICP, Positionierung, Einwände, Case Studies, Tonalität. Ein spezialisierter Assistent macht daraus eine Aufgabe: Lead Research, Outreach Copy, Discovery Prep oder Deal-Stage-Analyse.

Es geht nicht darum, möglichst viel Wissen in jede Anfrage zu kippen. Mit zu wenig Kontext wird der Output generisch; mit zu viel Kontext vermischt das Modell Dinge, die für die konkrete Aufgabe gar nicht relevant sind. Dazwischen liegt der praktische Sweet Spot.

Erst den Use Case festlegen

Bevor du Tools vergleichst, wähle einen Workflow. Welche Sales-Arbeit wiederholt sich oft, kostet Zeit und hat klare Qualitätskriterien?

Gute Kandidaten für ein Team mit 20 Personen:

• Lead Research vor Outreach
• Account Research vor Terminen
• personalisierte First Lines
• Outbound-Sequenzen
• Discovery-Vorbereitung
• CRM-Notizen strukturieren
• Deal-Stage-Analyse
• Objection Handling
• Follow-up-Mails nach Calls
• Angebotstexte und Executive Summaries

Ich würde mit einem Workflow starten, nicht mit zehn. Mein Favorit: Lead Research plus personalisierte Erstmail. Man sieht hier sehr schnell, ob die KI nur flüssig schreibt oder ob sie tatsächlich relevanter arbeitet als vorher.

Die Grundstruktur: Kontext, Rollen, Workflows

Ein brauchbares Setup lässt sich auf drei Ebenen herunterbrechen.

1. Gemeinsamer Sales-Kontext

Hier liegt alles, was für die meisten Sales-Aufgaben gleich bleibt:

• was ihr verkauft
• an wen ihr verkauft
• welche Probleme ihr löst
• welche Rollen typischerweise im Buying Committee sitzen
• welche Einwände regelmäßig kommen
• wie ihr euch gegen Alternativen positioniert
• welche Tonalität zu euch passt
• welche Claims tabu sind
• welche Case Studies genutzt werden dürfen
• welche CRM-Felder und Deal-Stages relevant sind

Am Anfang reicht dafür oft eine Projektbeschreibung in Claude, ChatGPT, Gemini oder im KI-Bereich eures CRM. Ein großes Agenten-Setup, eine Datenbank oder eine technische Architektur, die erst drei Wochen abgestimmt werden muss, brauchst du dafür noch nicht.

2. Rollen- oder Workflow-Kontext

Darunter entstehen spezifische Projekte, Custom GPTs oder Skills für einzelne Aufgaben:

• SDR Lead Research
• Outbound Copywriter
• AE Discovery Prep
• RevOps Deal Stage Analysis
• Follow-up Assistant
• Proposal Writer

Der eine große „Sales Assistant“ klingt verlockend, wird aber schnell unscharf. Ein Assistent, der alles können soll, braucht für die einzelne Aufgabe oft zu viel Erklärung.

3. Beispiele und Qualitätsregeln

Gute und schlechte Beispiele sind für Sales-KI extrem wertvoll. Nicht, weil das Modell dadurch dauerhaft trainiert wird, sondern weil es im aktuellen Kontext viel klarer versteht, woran es sich orientieren soll.

Für Outreach heißt das zum Beispiel:

• eine gute Mail mit kurzer Begründung
• eine schlechte Mail mit markierten generischen Stellen
• klare Regeln für Länge, Tonalität, Research-Bezug und CTA

Das ist meistens wirksamer als der nächste Prompt-Engineering-Trick.

Workflows aufnehmen statt beschreiben

Der praktischste Tipp aus dem Live: Nimm dich selbst bei einem guten Sales-Workflow auf.

Das muss kein Schulungsvideo sein und auch nicht perfekt vorbereitet werden. Loom an, Bildschirm teilen, normal arbeiten.

Nehmen wir Lead Research: Du öffnest die Website eines Leads, LinkedIn, das CRM, vielleicht eine Stellenanzeige oder einen Podcast-Auftritt. Währenddessen sprichst du aus, was du siehst und warum es für dich relevant ist.

Interessant sind vor allem diese Stellen:

• Was fällt dir auf?
• Was ignorierst du?
• Welche Signale sind relevant?
• Welche Signale sind nur Rauschen?
• Wann würdest du den Lead priorisieren?
• Welche Hypothese leitest du ab?
• Welcher Aufhänger eignet sich für Outreach?

Danach lässt du die Aufnahme transkribieren und machst daraus eine Workflow-Vorlage. So dokumentierst du die Schritte und die Bewertungslogik dahinter. Genau diese Logik fehlt in vielen KI-Setups.

Research-Grounding zur Pflicht machen

Für fast jeden Sales-KI-Workflow gilt eine einfache Regel:

Ground your points in research.

Die KI soll nicht direkt „eine gute Mail“ schreiben. Sie soll zuerst recherchieren, dann eine Hypothese ableiten und erst danach formulieren.

Für Sales heißt das:

• Unternehmenswebsite prüfen
• LinkedIn-Profil der Zielperson lesen
• aktuelle Posts, News oder Hiring-Signale einbeziehen
• CRM-Kontext nutzen
• Hypothesen sichtbar machen
• nur Aussagen verwenden, die aus den Quellen ableitbar sind

Ohne diese Reihenfolge bekommst du Texte, die sauber klingen, aber beliebig bleiben.

Der Prompt-Teil

Ab hier wird es prompt-lastig. Du musst nicht alles lesen oder eins zu eins übernehmen. Such dir den Baustein heraus, der zu deinem aktuellen Workflow passt.

Ein Hinweis noch: LLMs sind auch auf der Meta-Ebene nützlich. Wenn dir ein Prompt grundsätzlich gefällt, aber nicht zu eurem Team passt, lass ihn vom Modell selbst umbauen: „Mach daraus eine kürzere Version für SDRs“, „Passe das auf Enterprise-Deals an“, „Formuliere es für HubSpot-Notizen um“. Das funktioniert oft besser, als selbst an jeder Zeile herumzuschrauben.

Du bist ein erfahrener B2B-Sales-Strategist und hilfst mir, einen wiederverwendbaren KI-Kontext für unser Sales-Team zu erstellen.

Unternehmen:
[Kurze Beschreibung eures Unternehmens]

Produkt / Angebot:
[Was verkauft ihr?]

Zielkunden:
[Branche, Unternehmensgröße, Rollen, typische Trigger]

Hauptprobleme der Zielkunden:
[Problem 1]
[Problem 2]
[Problem 3]

Unser Nutzenversprechen:
[Warum kaufen Kunden bei euch?]

Typische Einwände:
[Einwand 1]
[Einwand 2]
[Einwand 3]

Tonalität:
[Zum Beispiel: direkt, klar, beratend, nicht hype-lastig, kein Marketing-Sprech]

Bitte erstelle daraus eine strukturierte Projektbeschreibung für ein KI-Tool. Sie soll so geschrieben sein, dass ein LLM sie als dauerhaften Kontext für Sales-Aufgaben nutzen kann.

Gliedere die Ausgabe in:
1. Unternehmenskontext
2. Zielkunden und Personas
3. Kernprobleme
4. Positionierung
5. Tonalität
6. Do's and Don'ts
7. typische Sales-Aufgaben, bei denen dieser Kontext verwendet werden soll

Du bist ein Sales Enablement Lead und sollst aus meinem Workflow-Transkript eine wiederverwendbare KI-Anweisung bauen.

Hier ist das Transkript eines echten Sales-Workflows:

[Transkript einfügen]

Bitte extrahiere daraus:

1. Ziel des Workflows
2. Input-Daten, die benötigt werden
3. Schritt-für-Schritt-Prozess
4. Entscheidungskriterien
5. Qualitätskriterien für guten Output
6. typische Fehler, die vermieden werden sollen
7. finale Systeminstruktion für Claude, ChatGPT oder einen Custom GPT
8. Beispiel-Prompt, mit dem ein Sales-Mitarbeiter diesen Workflow im Alltag startet

Wichtig:
- Schreibe konkret, nicht generisch.
- Verwende klare Checklisten.
- Trenne Recherche, Analyse und Output-Erstellung.
- Der Workflow soll für ein B2B-Sales-Team wiederholbar sein.

Du bist ein erfahrener B2B-SDR und recherchierst einen Lead für personalisierten Outreach.

Ziel:
Finde konkrete, belegbare Aufhänger für eine kurze, relevante Erstansprache.

Input:
Unternehmen: [Unternehmensname]
Website: [URL]
Zielperson: [Name, Rolle]
LinkedIn-Profil oder Bio: [Link oder Text]
Optionaler CRM-Kontext: [Bestehender Kontext]

Aufgabe:
1. Analysiere zuerst das Unternehmen:
   - Was verkauft das Unternehmen?
   - Wer sind vermutlich die Kunden?
   - Welche aktuellen Prioritäten oder Wachstumsindikatoren sind erkennbar?

2. Analysiere die Zielperson:
   - Wofür ist sie wahrscheinlich verantwortlich?
   - Welche Pain Points passen zu ihrer Rolle?
   - Gibt es konkrete Signale aus LinkedIn, Website, News oder Hiring?

3. Erstelle drei mögliche Outreach-Aufhänger:
   - Jeder Aufhänger muss auf einem konkreten Research-Signal basieren.
   - Kein generisches „Ich habe gesehen, dass ihr wachst“.
   - Keine erfundenen Fakten.

4. Bewerte jeden Aufhänger:
   - Relevanz: niedrig / mittel / hoch
   - Begründung
   - Risiko, dass die Annahme falsch ist

Ausgabeformat:
- Kurzprofil Unternehmen
- Kurzprofil Zielperson
- relevante Research-Signale
- 3 Outreach-Aufhänger mit Bewertung
- empfohlener bester Aufhänger

Du bist ein sehr guter B2B-Sales-Copywriter. Schreibe eine kurze, relevante Outreach-Mail auf Deutsch.

Nutze ausschließlich den folgenden Research-Kontext. Erfinde keine Fakten.

Research-Kontext:
[Research-Ergebnis einfügen]

Unser Angebot:
[Kurze Beschreibung eures Angebots]

Zielperson:
[Name, Rolle]

Tonalität:
Direkt, klar, respektvoll, kein Marketing-Sprech, keine übertriebene Begeisterung.

Aufgabe:
Schreibe 3 Varianten einer Erstmail.

Anforderungen:
- maximal 110 Wörter pro Variante
- erste Zeile basiert auf einem konkreten Research-Signal
- kein „Ich hoffe, es geht Ihnen gut“
- keine Buzzwords wie revolutionär, innovativ, ganzheitlich
- eine klare Hypothese, warum das Thema relevant sein könnte
- weicher CTA am Ende

Ausgabeformat:
Variante 1: sachlich
Variante 2: etwas direkter
Variante 3: beratend

Füge unter jeder Variante kurz hinzu:
- welcher Aufhänger genutzt wurde
- welche Annahme dahintersteht
- was potenziell riskant an der Mail ist

You are a senior B2B sales copywriter. Write a short, relevant outbound email in English.

Use only the research context below. Do not invent facts.

Research context:
[Insert research output]

Our offer:
[Short description of your product or service]

Prospect:
[Name, role]

Tone:
Clear, concise, consultative, no hype, no generic compliments.

Task:
Write 3 first-email variants.

Requirements:
- maximum 90 words each
- first line references a concrete research signal
- no generic opener like “Hope you are well”
- no buzzwords such as revolutionary, cutting-edge, seamless
- include one plausible business hypothesis
- end with a low-friction CTA

Output format:
Variant 1: concise
Variant 2: more direct
Variant 3: consultative

Below each variant, add:
- research signal used
- assumption behind the message
- potential risk if the assumption is wrong

Du bist ein strenger Sales Editor. Prüfe die folgende Outreach-Mail auf Relevanz, Klarheit und Glaubwürdigkeit.

Mail:
[Mail einfügen]

Research-Kontext:
[Research-Kontext einfügen]

Bewerte die Mail nach diesen Kriterien von 1 bis 5:
1. konkreter Bezug zum Lead
2. Glaubwürdigkeit der Hypothese
3. Klarheit des Nutzens
4. Kürze und Lesbarkeit
5. Natürlichkeit der Sprache
6. Risiko, generisch oder automatisiert zu wirken

Danach:
- Markiere alle Sätze, die generisch klingen.
- Markiere alle Aussagen, die nicht durch Research gedeckt sind.
- Schreibe eine bessere Version.
- Erkläre kurz, warum die neue Version besser ist.

Du bist ein RevOps Analyst und prüfst, ob Deals korrekt im CRM gepflegt und realistisch eingeordnet sind.

CRM-Kontext:
[Definition der Deal-Stages einfügen]

Deal-Daten:
[CRM-Export, Tabelle oder Deal-Zusammenfassung einfügen]

Aufgabe:
Analysiere jeden Deal nach folgenden Kriterien:

1. Passt die aktuelle Deal-Stage zu den vorhandenen Informationen?
2. Welche Pflichtinformationen fehlen?
3. Welche Risiken sind sichtbar?
4. Welche nächste Aktion sollte der Account Executive durchführen?
5. Welche Deals sollten im Forecast kritisch markiert werden?

Ausgabeformat:
- Deal Name
- aktuelle Stage
- empfohlene Stage
- fehlende Informationen
- Risiko-Level: niedrig / mittel / hoch
- empfohlene nächste Aktion
- Kurzbegründung

Regeln:
- Keine Annahmen als Fakten darstellen.
- Fehlende Daten klar benennen.
- Lieber kritisch prüfen als optimistisch interpretieren.

Du unterstützt unser B2B-Sales-Team bei Recherche, Vorbereitung und schriftlicher Kommunikation.

Deine Aufgabe ist nicht, möglichst viel Text zu produzieren. Deine Aufgabe ist, Sales-Kommunikation relevanter, konkreter und besser begründet zu machen.

Arbeitsweise:
- Arbeite mit belegbaren Informationen.
- Trenne Fakten, Annahmen und Empfehlungen sichtbar voneinander.
- Wenn wichtige Informationen fehlen, benenne sie.
- Erfinde keine Details über Unternehmen oder Personen.
- Prüfe kritisch, ob ein Aufhänger wirklich relevant ist.

Kommunikationsstil:
- Schreibe klar, direkt und respektvoll.
- Vermeide Marketing-Sprache.
- Keine übertriebene Begeisterung.
- Keine falsche Vertrautheit.
- Kurze Sätze sind besser als lange Erklärungen.
- Konkrete Beobachtungen sind besser als allgemeine Behauptungen.

Qualitätsstandard:
Eine gute Sales-Nachricht beantwortet vier Fragen:
1. Warum schreiben wir genau diese Person an?
2. Warum könnte das Thema gerade jetzt relevant sein?
3. Welche konkrete Beobachtung stützt unsere Annahme?
4. Was ist der einfache nächste Schritt?

Wenn eine Nachricht diese Fragen nicht beantwortet, verbessere sie, bevor du sie final ausgibst.

Ich möchte einen neuen Lead für personalisierten B2B-Outreach recherchieren und eine kurze Erstmail vorbereiten.

Bitte arbeite in vier Schritten:

1. Research
Analysiere Website, Zielperson und vorhandenen CRM-Kontext. Extrahiere nur belegbare Signale.

2. Hypothese
Formuliere 2 bis 3 plausible Business-Hypothesen, warum unser Angebot für diese Person relevant sein könnte.

3. Outreach
Schreibe 3 kurze Mail-Varianten auf Deutsch. Jede Variante muss auf einem konkreten Research-Signal basieren.

4. Qualitätscheck
Bewerte jede Variante kritisch. Markiere generische Stellen und verbessere die beste Variante.

Input:
Unternehmen: [Name]
Website: [URL]
Zielperson: [Name, Rolle, LinkedIn]
CRM-Kontext: [Text]
Unser Angebot: [Text]
Tonalität: direkt, klar, beratend, kein Hype

Wichtig:
Erfinde keine Fakten. Wenn Research fehlt, stelle Rückfragen oder markiere die Annahme als unsicher.

So würde ich starten

Starte klein: nicht mit einer KI-Roadmap, sondern mit einem Workflow, den dein Team wirklich jede Woche braucht.

Woche 1: Kontext und ein Workflow

• Sales-Kontext sammeln
• Projekt in Claude, ChatGPT oder Gemini anlegen
• ICP, Positionierung und Tonalität hinterlegen
• einen Lead-Research-Workflow aufnehmen
• Transkript in Workflow-Instruktion umwandeln
• erste Research- und Outreach-Prompts testen

Woche 2: Qualität und Wiederholbarkeit

• gute Beispiele sammeln
• schlechte Beispiele sammeln
• Outreach-Qualitätscheck ergänzen
• SDRs oder AEs mit dem Workflow arbeiten lassen
• Ergebnisse vergleichen
• Prompts iterieren
• erst danach über Automatisierung sprechen

Der letzte Punkt ist wichtig: Automatisierung kommt später. Wenn der manuelle KI-Workflow noch wackelt, macht ein Agent ihn nicht besser, sondern nur schneller.

Das Tool ist nicht die Infrastruktur

Am Anfang besteht eine gute KI-Infrastruktur im Sales aus fünf eher unspektakulären Dingen:

• gemeinsamer Kontext
• klare Rollen
• dokumentierte Workflows
• gute und schlechte Beispiele
• konkrete Prompts mit Qualitätskontrolle

Wenn das sitzt, wird die Tool-Auswahl deutlich entspannter. Claude, ChatGPT, Gemini, HubSpot-KI, Clay oder Lemlist sind dann nicht mehr der Kern der Strategie, sondern die Oberfläche, auf der der Workflow läuft.

Ohne diesen Unterbau ist jedes Tool am Ende nur ein weiteres Chatfenster.

Was du jetzt machen kannst

Wenn du ein Sales-Team führst, such dir einen wiederkehrenden Workflow aus und nimm eine gute Person aus dem Team dabei auf. Aus dem Transkript baust du eine Projektinstruktion, ergänzt die passenden Prompts und testest das Ganze mit echten Leads. Danach sammelst du gute und schlechte Outputs und iterierst einmal sauber nach.

Nach einer Woche mit echten Leads weißt du deutlich mehr als nach drei internen Meetings über „KI im Vertrieb“.

Wenn du darüber sprechen willst, wie so ein Setup für dein Sales-Team konkret aussehen kann:

Jetzt Erstgespräch buchen →