Mit CRM beginnen: Wie AI Kunden, Opportunities und Follow-up-Historie versteht

Wenn ein Unternehmen nur ein System zuerst mit AI verbinden kann, würde ich mit CRM beginnen.

Der Grund ist einfach: CRM liegt nah am Umsatz.

Wer ist der Kunde, wem gehört die Beziehung, wo steht die Opportunity, wurde das Angebot gesendet, was geschah im letzten Gespräch, welche Accounts werden kalt, welche Deals sehen gut aus, bewegen sich aber nicht? Diese Fragen tauchen täglich auf und verbrauchen erstaunlich viel Managementzeit.

In vielen Unternehmen ist CRM noch immer vor allem eine Aufbewahrungsbox. Reps erfassen Notizen, Manager exportieren Monatsberichte, und im Meeting fragt die Leitung: „Was passiert mit diesem Account?“ Danach gehen alle zurück in die Datensätze, fragen den Owner und bauen die nächste Tabelle.

Wenn AI in echte Geschäftsabläufe eintreten soll, ist CRM einer der natürlichsten Startpunkte.

Nicht mit „AI, die verkauft“ beginnen, sondern mit AI, die Kunden versteht

Bei „AI plus CRM“ denken viele sofort an automatische E-Mails, automatische Anrufe und automatischen Verkauf. Das ist zu früh.

Für die meisten Unternehmen besteht die erste nützliche Stufe darin, AI grundlegende Geschäftsfragen beantworten zu lassen:

• Was ist mit diesem Kunden zuletzt passiert?
• Warum steckt diese Opportunity fest?
• Welche Accounts wurden lange nicht berührt?
• Welche hochwertigen Deals drohen zu rutschen?
• Welche Kunden sollte der Sales Manager nächste Woche prüfen?

Diese Fragen klingen einfach, sind im klassischen CRM aber schwer zu beantworten. Die Antwort liegt verstreut über Accounts, Kontakte, Opportunities, Aktivitäten, Angebote, Verträge, Supportfälle und Notizen.

Ein Mensch kann das zusammensetzen, aber langsam. Wenn AI dieselben Objekte unter denselben Berechtigungen verbinden kann, wird sie zu einem praktischen Sales-Management-Assistenten.

Ein konkretes Bild

Stellen Sie die Frage:

„Zeige mir alle Opportunities über 200.000 Dollar in diesem Quartal, die seit zwei Wochen nicht aktualisiert wurden.“

Eine mit CRM verbundene AI sollte dafür keinen Spreadsheet-Export verlangen. Sie muss verstehen, was eine Opportunity ist: Betrag, Stage, erwartetes Abschlussdatum, Owner, Account und letzte Aktivität. Sie muss die Filter verstehen: dieses Quartal, über 200.000 Dollar, seit zwei Wochen keine Aktualisierung. Und sie sollte mehr tun als eine Tabelle zurückzugeben.

Sie sollte Risiken zusammenfassen:

• Hochwertige Deals ohne aktuelle Owner-Aktivität.
• Opportunities nahe am Zieldatum, aber noch in früher Stage.
• Accounts mit offenen Supportfällen.
• Datensätze ohne klaren nächsten Schritt.

Dann ist AI keine Chatbox mehr, sondern eine Geschäftsanalyseschicht über CRM.

Warum viele CRMs nicht AI-bereit sind

Der Blocker ist meist nicht das Modell, sondern das CRM selbst.

Erstens sind Daten verstreut. Accounts, Kontakte, Opportunities, Notizen, Dateien, Cases, Verträge und Aktivitäten liegen auseinander. Menschen kennen die Beziehungen; AI nicht, solange sie nicht modelliert sind.

Zweitens sind Berechtigungen unscharf. Reps sehen eigene Accounts, Regionalleiter ihre Region, Executives die ganze Pipeline. Wenn AI mit Adminzugang verbindet, ist das keine Intelligenz, sondern Rechteausweitung.

Drittens fehlen Semantiken. In der Datenbank heißen Felder vielleicht acct_id, opp_stage oder last_touch_at. Entwickler kennen die Bedeutung, Sales auch. AI braucht jedoch eine geschäftliche Struktur.

Der Schlüssel ist also nicht „Datenbank an das Modell geben“, sondern die wichtigen CRM-Konzepte sauber zu beschreiben.

Schritt eins: Kernobjekte modellieren

Sie müssen nicht am ersten Tag das ganze CRM modellieren. Beginnen Sie mit fünf Objekten:

• Account
• Contact
• Opportunity
• Activity
• Task

Bei komplexeren Geschäften kommen Quote, Contract, Case und Payment hinzu.

Diese Objekte sind mehr als Tabellennamen. Sie tragen Feldlabels, Typen, Pflichtregeln, Optionsbedeutungen, Beziehungen, View/Edit-Rechte, Felder, die AI nicht sehen darf, und Aktionen, die menschliche Freigabe brauchen.

Danach sieht AI keinen Tabellenhaufen mehr, sondern eine Geschäftslandkarte.

Schritt zwei: read-only Analyse

Die sicherste erste Stufe ist read-only. AI kann Kunden, Opportunities und Aktivitäten abfragen, aber CRM-Datensätze nicht ändern. So validiert das Team Nutzen ohne Schreibrisiko.

Nützliche Fähigkeiten sind Account-Zusammenfassungen, Pipeline-Inspektion, wöchentliche Sales-Reports, Churn-Signale und Meeting-Vorbereitung. Nichts davon erfordert Schreibzugriff und trotzdem reduziert es Arbeit für Sales Management und Sales Operations.

Schritt drei: Vorschläge vor Aktionen

Nach read-only Analyse kommt nicht freies Bearbeiten, sondern Vorschlagen: Follow-up Task anlegen, Opportunity als riskant markieren, Owner an den nächsten Schritt erinnern, Kunden in eine Renewal-Liste aufnehmen oder eine Ausnahmeliste an einen Manager senden.

Zuerst bestätigt ein Mensch. Wenn Muster stabil sind, können risikoarme Aktionen automatisiert werden. Queries können zuerst öffnen, Vorschläge brauchen Bestätigung, automatische Writes gehören nur zu risikoarmen Aktionen.

Schritt vier: CRM mit dem restlichen Geschäft verbinden

CRM ist selten die ganze Wahrheit. Support kann wiederholte Beschwerden zeigen, ERP kann Inventarrisiko zeigen, Finance unbezahlte Rechnungen. Wenn AI nur CRM liest, sieht sie nur einen Ausschnitt.

Der Wert entsteht, wenn AI Kunden über Systeme hinweg versteht: CRM, Support, ERP, Finance und Vertragsmanagement. Deshalb braucht AI eine Geschäftsschicht, die Objekte, Beziehungen und Berechtigungen versteht.

Fünf Fragen vor dem CRM-AI-Projekt

1. Welche zehn Sales-Management-Fragen soll AI beantworten?
2. Welche Objekte braucht sie dafür?
3. Welche Felder sind sensibel?
4. Soll Phase eins read-only sein oder Aufgaben erstellen dürfen?
5. Was dürfen Reps, Manager und Executives jeweils sehen?

Diese Antworten sind wichtiger als die Modellwahl.

ObjectOS-Ansatz

ObjectOS verlangt nicht, dass Sie CRM zuerst ersetzen. Der realistischere Weg ist, bestehende CRM-Datenbank oder API zu verbinden, Schlüsseltabellen als Objekte zu modellieren und AI über diese Objekte und Berechtigungen auf Geschäftsdaten zugreifen zu lassen.

Daten bleiben, wo sie sind. CRM läuft weiter. Berechtigungen werden nicht umgangen. Sie beginnen read-only, gehen zu Vorschlägen und später zu Automatisierung. Jeder Schritt ist auditierbar.

Der Wert von AI im CRM liegt nicht nur darin, dass Reps weniger Felder ausfüllen. Er liegt darin, dass Management den echten Zustand von Kunden und Opportunities rechtzeitig versteht.