Chatbot war gestern – mit KI-Mitarbeitern im B2B Leads, Deals & Daten gewinnen

Willkommen zu einer neuen Folge unseres Podcasts. Heute spreche ich mit Lasse Lung, Gründer und Geschäftsführer von Qualimero. Und es geht um ein Thema, das aktuell sehr heiß diskutiert wird.

KI-Mitarbeiter und für uns genauer im B2B-Marketing und Sales.

Lasse, herzlich willkommen.

Ja, hi Christian, freut mich hier zu sein. Danke für die Einladung. Stell dich und Qualimero doch mal ganz kurz vor.

Ich bin der Lasse, 35 Jahre, komme aus München. Ich bin Gründer von Qualimero oder einer der Gründer, wir sind mittlerweile zu dritt. Und bauen Qualimero mittlerweile seit ca. zwei Jahren. Ich komme ursprünglich aus der Architektur. Das ist eine ein bisschen ungewöhnlichere Karriere oder Laufbahn, die ich hinter mir habe.

Ich hatte lange Zeit ein eigenes Architekturbüro, ganz klassischer Hochbau. Und habe mit meinen Mitgründern davor eine andere Firma aufgebaut, woraus dann auch die Idee mit Qualimero entstanden ist. Und mittlerweile seit zwei Jahren Qualimero mit Fokus auf KI-Mitarbeiter.

Es gibt ja schon lange sowas wie Chatbots. Aber wie würdest du diese Entwicklung jetzt in diesen letzten Jahren beschreiben? Man kann ja fast schon Evolution sagen.
Vom einfachen Chatbot über KI-gestützte Systeme hin zu dem KI-Mitarbeiter, den wir jetzt heute besprechen.

Ja, das ist eine spannende Frage. Das ist auch etwas, was ich oftmals als ein Missverständnis sehe, wenn unsere Kunden von einem Chatbot reden.
Das sind für mich das Welten und auch eine Frage, wie man die Sachen wirklich betrachtet. Ich sage Chatbots eher dem, welche Chatbots man sich anschaut. Das sind teilweise versteckte Formulare, wo ich wirklich sage, wenn ich nicht exakt die Frage eingetippt habe, die da auch hinterlegt wurde beim Chatbot, konnte der mir nicht helfen.

Was ich auch oftmals in der Benutzung noch sehe heutzutage, da viele Kunden auch noch sagen, Chatbots wollen wir nicht, weil jeder ist frustriert, jeder hatte eigentlich keine Lust auf Chatbots. Wie du sagst, die nächste Evolution in meinen Augen ist dann wirklich das KI-gestützte. Und bei selbst da ist es noch so, dass es meistens, da geht es dann eher darum, ich darf mich mal vertippen oder muss die Frage nicht eins zu eins so schreiben, weil das KI-System sozusagen auch mein Input versteht.

Ändert aber nichts daran, dass meistens auch bei den KI-gestützten Systemen im Hintergrund dann Entscheidungsbäume, if, when etc. agieren. Und das ist, glaube ich, ein bisschen das auch, wo ich sage, da ist jetzt die Evolution dahinter.

Zum einen, sage ich, ist bei KI-Mitarbeitern der Chat eigentlich nur ein Kanal. Das heißt, ich kann einen KI-Mitarbeiter mit verschiedenen Serienniveaus sehen. Ich kann ihm einen Webchat geben, ich kann ihm ein E-Mail geben, ich kann ihm aber auch eine Telefonleitung geben oder WhatsApp geben, sodass er diese Kanäle bedient.

Und das Entscheidende ist aber, ich habe bei einem KI-Mitarbeiter im Endeffekt ein KI-System, was wirklich selbst auch Entscheidungen trifft. Da geht es dann nicht mehr darum, ich muss fertige Bäume bauen, ich muss irgendwie alles vorstrukturieren, sondern ich gebe dem KI-Mitarbeiter im Endeffekt wie Tools an die Hand, sage ich. Also wie ein Mitarbeiter auch, dem ich sage, du hast hier Zugang zu dem System, dem System und dem System, kann ich das bei einem KI-Mitarbeiter genauso machen.

Das heißt, ich sage der KI, du kannst hier eine E-Mail schreiben, du kannst aber auch hier zum Beispiel einen Shopify zugreifen, du kannst auf die Produktdaten hier zugreifen und gebe der KI in gewisser Weise selber die Möglichkeit, Entscheidungen zu treffen, wann sie was macht und welche Tools sie kombiniert. Und das ist das Entscheidende bei einem KI-Mitarbeiter, dass ich sage, er trifft selbstständig immer im Rahmen. Also wir sind bei KI noch lange nicht da, wo viele Angst davor haben, dass es dann die Weltherrschaft an sich reißt.

Also da sind wir noch lange nicht, aber in dem Rahmen, den man da vorgibt, kann die KI eben dann selber auch sagen, wann sie welche Tools scrollt und kann damit wirklich einen Mitarbeiter setzen. Also das ist im Endeffekt wie ein Teammitglied, wo ich sage, das Team wird erweitert um einen KI-Mitarbeiter, der wie eine Stellenausschreibung dann auch bestimmte Aufgaben hat, bestimmte Prozesse leitet und managt, und mir auch in gewisser Weise auch fast wie Reportings gibt. Also bei uns ist es dann auch so, dass der KI-Mitarbeiter die einmal der Woche einen Report schreibt und sagt, guck mal, das habe ich diese Woche getan.

Das waren die Zahlen, das waren die KPIs, die ich erreicht habe. Oder auch Verbesserungen mit reinbringt, der dir auch sagt, guck mal, da und da kriege ich öfter mal Anfragen, das kann ich aber momentan nicht beantworten. Da könnten wir das Ganze erweitern und verbessern.

Das klingt ja wirklich spannend. Sag mal, in welchen Bereichen sind denn so KI-Mitarbeiter für B2B-Unternehmen besonders interessant? Also ihr habt ja da auch so mehrere Modelle.

Was können denn eure KI-Mitarbeiter so abdecken? Also wir haben uns momentan vor allem auf den Vertrieb konzentriert. Das heißt, da geht es einmal um Produktberatungen.

Es geht aber auch um den Bereich Lead-Gen. Das heißt, ich nehme Anfragen entgegen, sortiere sie, beantworte vielleicht auch schon die ersten Anfragen und kann dann auch schon Angebote erstellen. Selbst das funktioniert.

Also KI-Mitarbeiter, sage ich mal, sind in wenige Grenzen gesetzt. Wir haben jetzt den Vertriebsbereich genommen, weil wir sagen, wir sind sehr KPI-trippen, wir sind sehr umsatzfokussiert. Das heißt, wir wollen auch einfach einen Mehrwert generieren und sind da eben im Vertrieb drin.

Prinzipiell sage ich, können KI-Mitarbeiter in vielen Bereichen eingesetzt werden. Da ist immer das Spannende oder das Wichtige, ich sollte immer einen entsprechenden Use-Case haben. Ich sage, ein KI-Mitarbeiter ist nicht die heilige Lösung für etwas, sondern idealerweise habe ich bereits einen Prozess, der funktioniert.

Das heißt, ich habe bereits etwas etabliert, einen Vertriebsprozess zum Beispiel, wo ich sage, dieser Prozess funktioniert. Und da dann zu sagen, ich kann über den KI-Mitarbeiter Effizienzen reinbringen, ich kann das beschleunigen, ich kann auch besser skalieren und kann den Menschen da im Endeffekt entlasten, unterstützen, das ist für mich so der Hauptansatzpunkt. Wir hatten immer mal wieder Anfragen, wo Kunden komplett neue Prozesse aufbauen wollen und meinten, das kann ja dann die KI übernehmen.

Wo ich sage, ja, nur wenn der Prozess ohne KI nicht funktioniert, wird er auch mit KI nicht funktionieren. Deswegen da immer einmal überlegen, funktioniert der Prozess, wo macht der für uns am meisten Sinn und sich dann zu überlegen, wo man den alten Mitarbeiter einsetzen kann. Du hast gesagt, Vertrieb ist für euch so im Moment das Hauptbetätigungsfeld.

Ich habe gesehen, aber ihr habt auch so etwas wie einen Rekruter. Stellt sich das dann so ähnlich dar oder ist die Rolle dann ein bisschen anders? Ja, Recruiting funktioniert ein Ticken anders, wobei auch da wieder auch immer dasselbe Konzept dahinter ist, zu sagen, ich habe eigentlich ein KI-System, dem ich Möglichkeiten gebe.

Wo wir zum Beispiel jetzt im Recruiting-Bereich stark unterwegs sind, ist so die Vorqualifizierung. Also im Endeffekt zu sagen, ich führe eigentlich ein erstes Interview mit einem Bewerber, schaue, dass er mir alle Unterlagen gibt von Zertifikaten, Lebensläufe etc. Also auch das kann KI, wenn ich ihr die Möglichkeit gebe, dass sie wirklich dann auch die Bilder erkennt, auswertet, entsprechend auch Fragen stellt.

Also auch da wieder das Spannende. Ich kann sagen, ich habe eine Stellenausschreibung und das KI-System baut auf Basis der Stellenausschreibung selber eine Art Fragebogen, ein Interviewleitfaden und führt dieses Interview auch und qualifiziert im Endeffekt damit den Bewerber vor. Das finale Gespräch findet dann immer noch mit Menschen statt, weil das ist dann auch das, wo dann KI auch oftmals an die Grenzen kommt, wenn es dann einfach auch um so dieses Zwischenmenschliche geht.

Empathie, Körpersignale, irgendwie auch zwischen den Zeilen zu lesen, da sind wir einfach noch nicht mit KI. Aber dass ich sage, ich habe eigentlich vorqualifizierte Kandidaten, die bereits auch schon erste Interviews gelaufen sind, wo ich zum Beispiel auch sowas wie Sprache testen kann, wenn das relevant ist für die Jobausschreibung und dann dem Recruiter an sich eine Liste an qualifizierten Kandidaten hinlege und sage, folgende fünf, folgende zehn Kandidaten sind spannend für die Stelle, alle Unterlagen aufbereite und auch so weit gehe, dass ich sogar auch schon Termine buche.

Das heißt, unser System kann dann auch an Kalender integrieren und sagen, das ist ein guter Kandidat, den lade ich direkt zum finalen Interviewgespräch ein und schicke dem Recruiter dann eigentlich die Einladung zum Termin, sagt, folgender Kandidat ist qualifiziert, der ist für Montag um 11 Uhr eingeladen, hier sind alle Unterlagen. Genau, entlaste damit den Recruiter, um diese erste Qualifizierung zu machen. Wenn wir nochmal zurückkommen auf das Thema Sales, gibt es denn da Branchen, die besonders stark profitieren oder sind KI-Mitarbeiter universell einsetzbar?

Also ist es wichtig, dass ich jetzt irgendwie Produkte verkaufe oder sind Dienstleistungen auch okay? Macht das für den KI-Mitarbeiter da irgendwie einen Unterschied? Nein, also ich sage, es funktioniert beides.

Ich kann Dienstleistungen verkaufen, ich kann Produkte verkaufen. Es hängt ein bisschen in dem Fall, wenn ich jetzt wirklich Vertrieb mir anschaue, wie der Prozess abläuft. Also ist es ein sehr zwischenmenschlicher Prozess, wo ich sage, da muss ich eine menschliche Beziehung aufbauen, das kenne ich vielleicht, ich fahre vor Ort mit dem Kunden, da wird es natürlich schwierig.

Aber sobald ich sage, es ist eigentlich ein Prozess, der relativ digital abläuft, kann das eigentlich vom KI-Mitarbeiter übernommen werden. Und so prinzipiell branchenmäßig, ich sage, jede Branche profitiert in meinen Augen von KI-Mitarbeitern. Es ist immer die Frage, was ist der konkrete Use Case?

Und das ist auch das, was ich jemandem an die Hand geben möchte, zu sagen, dass man sich davor mal überlegt, was möchte ich eigentlich damit erreichen? Und zu sagen, ich gehe mit einem konkreten Fall rein und sage, das ist mein Ziel, das ist der Prozess, das soll übernommen werden. Aber ich kann das System im Nachgang immer noch erweitern.

Also da kann ich immer noch von, das ist erst mal nur ein Chat über E-Mail zu Voice, kann ich immer Stück für Stück an das System andocken und der KI immer mehr Möglichkeiten geben. Nur wenn ich das von Anfang an alles einbauen möchte, wird das sehr umfänglich. Deswegen sage ich immer, jede Branche funktioniert.

Ich brauche nur am Anfang mal einen Use Case, mit dem ich starten kann. Okay, du hast ja schon gesagt, es braucht einen funktionierenden Prozess. Welche dieser Kanäle, die du vorhin genannt hast, funktionieren denn aus eurer Sicht aktuell am besten?

Kann man das irgendwie eingrenzen? Also ist dieser Webchat besonders gut oder wie ist es mit WhatsApp oder wie ist es mit den Telefonanrufen? Kann man da irgendwas ausmachen, was besonders gut funktioniert?

Hängt ein bisschen von der Firma, also von unseren Kunden ab und aber auch vom Land. Das finde ich ganz spannend, was wir festgestellt haben. Wir haben Firmen, die international tätig sind, wo wir merken, gerade so ein bisschen im Ausland, auch europäisches Ausland, ist Webchat zum Beispiel ein Kanal, der sehr, sehr gut funktioniert, weil da viele Kunden das auch schon gewohnt sind, mit Webchats zu agieren.

Wir merken, in Deutschland funktioniert Webchat auch sehr gut, teilweise sogar auch WhatsApp. Das ist auch was, was wir gesehen haben, dass je nachdem welche Industrie, auch der WhatsApp-Kanal ein sehr, sehr starker Marketingkanal sein kann, weil ich eben bei WhatsApp eben auch das Retention-Thema habe, gerade wenn die KI dahinter sitzt. Und wo wir jetzt gerade Erfahrungen sammeln, ist auch E-Mail, was auch sehr gut funktioniert.

Wo wir noch gemischte Sachen sehen, ist Voice. Das liegt daran, dass einfach viele Kunden noch ein bisschen skeptisch sind gegenüber Voice und auch Voice noch nicht auf dem Level ist, wo man es erwartet. Das macht riesen Fortschritte auch da.

In den letzten sechs Monaten hat sich das unglaublich weiterentwickelt und da merken wir jetzt auch gerade zum Beispiel Inbauen funktioniert sehr, sehr gut, wo der Kunde sozusagen selbstständig die Hotline anruft, weil er etwas braucht, etwas benötigt. Wo wir auch merken, sehr, sehr guter Kanal. Outbound hängt auch wieder stark vom Use-Case ab, was die KI dann im Endeffekt machen soll.

Wir haben zum Beispiel einen Fall, da führt die KI wirklich am Telefon das Interview, was dann teilweise schon sehr komplex wird, wo auch ein KI-System mal an die Grenzen kommen kann, aber insgesamt trotzdem auch funktioniert, wenn der Case an sich vorhanden ist und der Prozess vorhanden ist. Du hast ja vorhin gesagt, wenn der Prozess funktioniert, dann könnt ihr eine große Effizienzsteigerung irgendwie da reinbringen. Welche Vorteile haben denn so KI-Mitarbeiter im Vergleich zu menschlichen Mitarbeitenden?

Kannst du da so ein paar Beispiele mal nennen? Klar, ich glaube, die offensichtlichen sind natürlich Effizienz und Skalierbarkeit. Das heißt, es ist natürlich einmal ein System, was günstiger ist, bin ich ehrlich.

Das sagt man vielleicht nicht gerne, aber es ist einfach ein System, das effizienter und günstiger arbeitet. Ich habe natürlich Kosteneinsparnisse. Ich kann es besser skalieren.

Das heißt, es wächst mit der Anzahl der Anfragen und fährt auch zurück mit der Anzahl der Anfragen. Das heißt, es ist auch gerade bei saisonalen Sachen sehr praktisch. Ich habe dann wirklich eine Variable oder ein System, was sich an den Demand, also an die Anfrage oder Nachfrage anpasst.

Ich habe dann aber noch weitere Möglichkeiten, zum Beispiel gerade was Datengetriebeninformation angeht. Ein KI-Mitarbeiter kann aus verschiedensten Quellen Korrelation und Zusammenhänge ableiten, wo ein Mensch einfach an die Grenze kommen würde, weil wir da auch, glaube ich, gar nicht ausgelegt sind und das auch nicht unsere Stärke ist. Aber wenn ich sage, ich lade in einer KI zum Beispiel die Verkaufshistory von einem Kunden rein und der Kunde schreibt mir, weiß die KI, der Kunde hat folgende Produkte gekauft.

Sie kann entsprechend dann Up- und Cross-Selling betreiben, kann den Kunden auch zum Beispiel über verschiedenste Kanäle dann auch begleiten und sagen, er hat gestern ein paar Websites geschrieben, morgen schreibt er mir eine Mail. Und diese Informationsverarbeitung zu sagen, ich habe alle Informationen immer noch parat und kann entsprechend das verarbeiten und agieren mit diesen Daten, das ist eine große Stärke in meinen Augen mit der KI. Weil ich sage, diese Zusammenhänge zu erkennen, die Daten immer parat zu haben und zu nutzen und dann wirklich datengetrieben Entscheidungen zu treffen, ist eigentlich einer der größten Vorteile bei KI-Mitarbeitern.

Wie ist es denn mit dem Thema Sprache? Ist das Modell denn sozusagen auch in der Lage, in allen möglichen Sprachen irgendwie zu antworten und auch sozusagen innerhalb zum Beispiel einer Konversation die Sprache zu wechseln, wenn ich das möchte? Das ist überhaupt kein Problem.

Das kann ich problemlos machen. Es gibt Sprachen, da sind die klassischen Modelle einfach noch nicht so weit. Nämlich Japanisch zum Beispiel, das sind eher kleine oder eher Nische-Sprachen, wo nicht so viel Content vorhanden ist, um sie damit zu trainieren.

Wir hatten auch mal einen Kunden, der wollte, dass die KI in einem Akzent, der kam aus Kuwait, und dass sie da in einem bestimmten arabischen Akzent spricht. Das war dann auch ein Limit, wo wir gemerkt haben, okay, das kriegt sie nicht hin. Aber auch da wieder der Vorteil, das System, wie wir das aufbauen, ich kann flexibel agieren.

Was haben wir dann damals gemacht? Das ist vielleicht auch ein ganz spannender Insight. Wir haben ein weiteres Modell vor den ganzen KI-Mitarbeiter geschalten, der alle Sprachen, also alle Nachrichten, alle Informationen eigentlich dann entsprechend übersetzt in diesen einen Akzent.

Das heißt, wir haben ein anderes Modell genommen, was speziell auf diesen Akzent trainiert war und haben dann sozusagen entsprechend alle Informationen übersetzt. Also auch sowas funktioniert, wenn ich ein modulares System habe. Das heißt, es gibt im Endeffekt bei Sprache auch kein Limit.

Es kann nur sein, dass bestimmte Sprachen ein bisschen komplizierter sind. Wenn ich sage, das klassische Modell oder die klassischen Modelle können damit nicht umgehen, dann sage ich, ich brauche dann speziell trainierte Modelle, die genau das kennen. Wie ist denn so die Reaktion von klassischen Teams auf die Einführung eines KI-Mitarbeiters?

Gibt es da Skepsis? Gibt es da Begeisterung? Also natürlich hat man immer auch das Thema, ist das jetzt vielleicht mein Job, der da irgendwie optimiert wird und irgendwann braucht man mich nicht mehr.

Aber es gibt ja, hast du ja vorhin auch schon ein bisschen angerissen, auch immer so Vorurteile, Missverständnisse. Kannst du da vielleicht mal so ein bisschen aus dem Nähkästchen plaudern? Wie sind die Reaktionen und wie begegnet ihr auch vielleicht solchen Vorurteilen?

Also meistens, was wir so merken, ist, dass schon am Anfang sehr viel Skepsis ist. Ich glaube, gerade was KI angeht, es gibt viel da draußen. Das ist ja fast wie so eine Art Goldgräberstimmung momentan, dass jeder versucht, mit KI irgendwie was an den Markt zu bringen.

KI ist aber nicht die eierlegende Wollmilchsau, wo ich sage, ich kann alles damit machen, sondern ich brauche schon Überlegungen, wie setze ich das ein. Das heißt, wir merken, dass viele Kunden schon ein bisschen gebranntmarkt sind, weil sie sagen, hey, ich habe KI getestet, das funktioniert nicht. Da ist aber viel Skepsis am Anfang drin.

Da gibt es die generelle Skepsis, die wir immer wieder merken, bis hin zu, dass Kunden sagen, hey, bei uns ist in der Firma KI verboten. Was ich bis heute das finde, weil ich sage, ich glaube, Firmen, die KI verbieten, bin ich jetzt gar nicht mal ganz beholt, die wird es in zwei, drei Jahren wahrscheinlich nicht mehr geben. Ich glaube, das wird irgendwann schwer, da noch am Markt zu bestehen.

Was wir aber auch merken, das ist auch mal wieder spannend, diese Skepsis wandelt sich meistens in Euphorie, sobald man das Ergebnis sieht, also sobald man mal sieht, was die KI eigentlich da macht und wie die Ergebnisse auch ausschauen, merken wir, dass dann auch innerhalb von den Firmen meistens so viel Umschwung da ist, weil, wie du auch passend gerade gesagt hast, die Angst geht auch. Also man sieht, okay, die KI schafft was, man versteht auch besser, was kann sie, was kann sie noch nicht und dann merken wir, dass es sich dann meistens wandelt von erster Skepsis zu eigentlich Euphorie, möchte ich jetzt nicht sagen, aber zu einer sehr, also dass wir viel Supporter dann auch bekommen innerhalb der Firma und meistens sind auch die größten Kritiker danach und die größten Fans. Das ist doch gut zu hören.

Ich möchte mal so ein bisschen tiefer reingehen und vielleicht mal zu der Datenlage kommen, weil ich meine, die KI weiß ja nicht alles, weil sie das einfach weiß, sondern das hängt ja ganz stark auch von den Daten und Quellen ab, die zur Verfügung stehen. Wie sieht denn das aus? Wie sieht der Prozess aus, so einen KI-Mitarbeiter onzuboarden?

Aus welchen Quellen kann der Informationen beziehen und was muss man dabei beachten? Wir sagen immer bei einem klassischen Onboarding ist eigentlich der erste Schritt immer, wie so eine Art Stellenausschreibung, sag uns mal, was die KI tun soll, wie du es beim Menschen eigentlich auch machen würdest. Dass du sagst, hey, das ist mein Mitarbeiter, der kümmert sich um folgende Prozesse und dass wir uns das einmal angucken und dann hängt es ein bisschen davon ab, was die KI tun soll.

Es gibt verschiedenste Ansätze. Das Besondere, wie wir es machen, ist, wir übernehmen das komplett. Das ist, finde ich, auch immer eine wichtige Nummer zu erwähnen.

KI ist schon auch sehr tricky aufzubauen. Also jeder kennt das, glaube ich, dass das ganze Thema Prompting ja momentan wahnsinnig im Fokus ist, weil es eben wichtig ist, richtige Prompts zu schreiben und so, wenn ich ganze Agentic Structures, wo es im Endeffekt unsere KI-Mitarbeiter aufbaue, ist das noch viel wichtiger, wirklich in den Details die richtigen Einstellungen zu machen und ganz wichtig auch, diese Zweideutigkeit oder Mehrdeutigkeit rauszunehmen. Also wenn wir WD-Arbeiter, die schon mal gemerkt haben, wenn ich da einen Satz reinschreibe, der vielleicht Interpretationsspielraum hat, dann kann ich da unterschiedliche Ergebnisse haben und das ist im Endeffekt auch sehr, sehr wichtig, das bei ganzen Systemen wichtig zu beachten. Deswegen bauen wir momentan die Systeme für unsere Kunden.

Das heißt, was machen wir? Wir haben das Onboarding, der Kunde sagt uns, lassen, das soll getan werden und wir schauen uns danach an, was brauchen wir eigentlich und da gibt es von Datenquellen unterschiedlichste Möglichkeiten. Ich kann klassische Wissensdokumente nehmen, die können auch unstrukturiert sein und das ist dann wirklich relativ egal, weil die KI sich daraus selber die Antworten zusammenbaut.

Das heißt, da kann ich von FAQs, Webseiteninhalten, Onboardingdokumenten, Wissensdokumenten, eigentlich alles nutzen und wir bereiten das entsprechend auf, sodass die KI dann daraus Antworten oder Informationen liefern kann. Das zweite Thema, ganz oft bei uns, sind Produktdaten. Die braucht man dann schon deutlich strukturierter.

Die bereiten aber auch wir wiederum auf. Das ist auch etwas, wo wir sagen, das übernehmen wir für den Kunden und wenn er sozusagen einfach nur einmal einen API-Zugang gibt, protokollieren, dann strukturieren wir die Daten und reichern die auch an. Das ist schon gerade bei Produktdaten so, dass eine KI mit guten Daten deutlich bessere Antworten liefern kann.

Ich kann auch mit schlechten Daten arbeiten, sage ich auch immer wieder. Das ist auch eine Möglichkeit. Die Frage, wie gut ist die Antwortqualität?

Aber im Endeffekt, das übernehmen wir beides und bauen im Endeffekt dann die KI auf, sobald wir die Daten haben und geben sie dem Kunden, damit er sie dann entsprechend einsetzen kann. Du hast jetzt gerade so schön über gute und schlechte Daten gesprochen. Was macht denn Datenqualität für so einen KI-Mitarbeiter aus?

Auch da wieder die Frage, welche Daten. Bei Produktdaten ist es eine klare Struktur, also zu sagen, wo sind eigentlich welche Informationen und auch vor allem den Umfang der Daten. Wenn ich mir teilweise anschaue, was unsere Kunden uns da gegeben haben, wo selbst ich als Mensch nicht mal ganz verstehe, was macht das Produkt eigentlich, weil so spärlich sind die Produktdaten, dass ich es selber nicht begreife, dann kann es auch eine KI nicht.

Das ist auch, glaube ich, immer das Spannende dahinter. Es ist aber für mich ein klassischer Test, weil wir arbeiten in verschiedensten Industrien und wenn ich als Industriefremder mir die Produktdaten durchlese und sage, ich verstehe euch nur Bahnhof, dann weiß ich, dass die KI damit eigentlich auch nicht klarkommt. Das heißt einfach eine umfangreiche Informationsflut fast schon.

Immer lieber mehr Informationen als weniger Informationen in den Daten. Eine gewisse Struktur ist gar nicht unbedingt Struktur in dem Sinne, dass ich sage, es muss irgendwie geordnet sein, aber es sind immer die gleichen Daten, sage ich, für jedes Produkt. Und dann bei klassischen Wissensdaten, da ist es wirklich, bin ich ehrlich, egal, wie das ausschaut, weil das Besondere eben ist, die KI erarbeitet sich daraus selber die Informationen.

Vielen Dank. Wie lange braucht es denn so in der Praxis, bis so ein KI-Mitarbeiter einsatzbereit ist? Wir brauchen im Schnitt zwei Wochen für den Aufbau.

Das heißt vom Kick-off bis wir haben den Kick-off. Dann gibt es in der Regel einmal eine kurze Zeit, bis der Kunde uns die Daten zur Verfügung stellt. Das heißt API-Zugänge, Wissensdokumente etc.

Und sobald wir die Daten haben, brauchen wir circa zwei Wochen, bis das System live ist. Das ist ja relativ kurz. Also da hätte man jetzt vielleicht mit einer längeren Zeit gerechnet.

Das klingt jetzt mal gut. Es ist auch etwas, was uns auszeichnet, würde ich sagen, dass man da eben schnell auch diesen Mehrwert generiert, weil ich auch sage, ich möchte dem Kunden auch schnell zeigen, dass da eben das System funktioniert, dass es ein Return Investment hat. Und ich glaube, das Besondere ist eben auch genau das, was ich vorhin kurz erwähnt hatte, dass wir meistens mit klaren Use Cases starten und dann das System Stück für Stück erweitern und nicht direkt alles auf einmal versuchen, in ein System zu quetschen.

Und das natürlich dann einen Geschwindigkeitsvorteil bringt. Hast du denn so ein paar konkrete Erfolgsstories oder Use Cases mitgebracht, über die du uns mal berichten kannst, wo der Einsatz von so einem KI-Mitarbeiter zum Beispiel in der Produktberatung oder auch in der Leadgenerierung wirklich messbare Resultate gebracht hat? Wenn du nicht willst, musst du jetzt nicht vielleicht die Daten des Kunden nennen oder den Namen des Kunden, aber vielleicht kannst du einfach mal so ein bisschen umreißen, welche Erfolge haben denn so KI-Mitarbeiter bei euren bisherigen Kunden so gebracht?

Sehr, sehr gerne. Also ich kann schon noch, also wenn ich jetzt überlege, über all unsere Kunden hinweg, also was schauen wir uns immer ganz, ganz stark an? Gerade für ein Beispiel Produktberatung, weil wir sagen, wie ich am Anfang mal gesagt hatte, wir sind sehr KPI-drissen, sehr Umsatz- und Kosteneinspar- getrieben.

Das heißt, unsere Produktberatung im Schnitt schafft sie, dass der durchschnittliche Warenkaufwert um 20 bis 30 Prozent steigt. Das heißt, wir machen da im Endeffekt über AB-Tests, testen wir, was macht der Kunde, wenn die KI nicht vorhanden ist? Was macht der Kunde, wenn die KI vorhanden ist?

Was wir da eben gesehen haben, ist der durchschnittliche Warenkaufwert steigt um circa 20 Prozent. Ja, was wir herausgefunden haben, ist im Endeffekt, dass die Retention steigt. Das heißt, was wir gesehen haben, dass die Kunden, wo die KI vorhanden ist, kaufen öfter.

Das heißt, die kaufen nicht nur einmal, sondern meistens in derselben Woche, teilweise auch in den nächsten vier Wochen ein zweites Mal und steigern damit im Endeffekt die Retention Rate, was natürlich für die Firma bedeutet, niedriger Custom-Execution-Kost und auch gerade, wenn ich den durchschnittlichen Warenkaufwert nehme, ist natürlich auch eine höhere Marge, wenn der Kunde in derselben Bestellung mehr bestellt. Wenn ich sage, ich gehe Richtung Lead-Gen, merken wir vor allem da auch, dass es eben mehr Leads generiert und vor allem qualitativ hochwertigere Leads, weil es eben nicht ein Formular ist, was ich ausfülle, sondern es ist eine Konversation, wo die KI nachfragt, wo sie versteht, was möchte ich eigentlich, mich auch schon berät und da im Endeffekt ich durch den Chatverlauf auch nochmal deutlich besser verstehe, woher kommt der Lead eigentlich, was möchte er eigentlich gerade erreichen und das einfach im Nachgang auch das Verkaufspotenzial der Leads erhöht. Das sind im Endeffekt die beiden Steckenpferde, die wir haben, wo wir vor allem mit Produktberatung einfach auch den großen Mehrwert in den Warenkaufwerten schaffen. Wenn wir mal irgendein konkretes Fallbeispiel nehmen, das kann ich durchaus, wir haben einige Cases auf der Webseite, ein sehr bekanntes Beispiel bei uns ist Neudorf.

Neudorf ist der führende Händler im Bereich Pflanzenschutz, Erden, Dünger, alles rund um Pflanzen, Garten, finde ich auch ein sehr gutes Beispiel, was eben diese Use-Case-Thematik angeht. Neudorf ist damals zu uns gekommen und sie meinten, hey, wir suchen eigentlich Produktberatung, weil wir kriegen einfach viele Nachfragen zu unseren Produkten. Wir haben dann damals mit Produktberatung im Webchat angefangen.

Mittlerweile agiert Flora, heißt die KI-Mitarbeiterin, auf fast allen Kanälen, also da ist jetzt WhatsApp, E-Mail, Telefon drin, kann Customer Service mit anbieten, das heißt sie sucht auch Bestellstat, hat eine Bilderkennung, hat eine Schädlingserkennung mit drin, sie ist in der App integriert, also wirklich das war es, was ich vorhin meinte, wir haben das Stück für Stück erweitert und sie ist auch wirklich diese vollwertige Mitarbeiterin, die da in Neudorf einfach in den Bereich Kundensupport, Produktberatung, Verkauf, wirklich das komplett übernimmt. Wow, das ist ja beeindruckend.

Wie steht ihr denn zum Thema Transparenz? Also sollen und dürfen die Kunden denn wissen, dass sie jetzt gerade mit einem KI-Mitarbeiter interagieren oder also ich meine es ist ja auch spannend, dass die KI-Mitarbeiterin da so einen Namen hat. Wie ist das so üblicherweise?

Wir haben es ganz lange nicht markiert, also wusste der Kunde nicht, was auch spannend war, weil ich würde sagen 90 Prozent der Kunden haben es auch nicht herausgefunden, dass es KI ist. Mittlerweile mit EU-AI muss es ja deklariert werden, also ich muss irgendwie dazuschreiben, dass es KI-System ist oder zumindest ein digitaler Assistent ist. Ich habe hier gewisse Transparenzpflichten, die ich auch erfüllen muss.

Wir hatten, bin ich auch ehrlich, ursprünglich mal die Sorge, dass vielleicht, wenn es die Kunden wissen, dass es vielleicht zu der Conversion Rate einboosten führt, was wir aber gesehen haben, seitdem das überall dabei steht bei unseren Kunden, dass es im Endeffekt sogar einen Conversion Rate Boost gibt, weil wir merken, viele Kunden, wenn sie KI lesen, nutzen es eher, als wenn sie denken, es ist ein Chatbot.

Also auch da spannend, dass da immer noch so viele Vorurteile in den Köpfen sind, dass die Kunden sagen, Chatbots möchte ich nicht, aber sobald das eben als KI-System deklariert ist, klickt, glaube ich, auch daran, dass CGBT immer mehr im Kommen ist und auch wirklich mittlerweile fast überall angekommen ist, dass da einfach immer mehr Bereitschaft und Offenheit gegenüber KI. Du hast ja das Thema EU- Regulierung sozusagen schon angesprochen gerade. Neben dieser Compliance gibt es ja auch so eine ganze Menge Themen, was so Datenschutz oder auch Datensicherheit angeht.

Wie können den Kunden auch sicher sein, dass ihre Daten, die ja zum Anlernen benutzt werden, jetzt nicht von anderen genutzt werden können? Wie ist das bei euch mit der Trennung von Kundendaten? Da habt ihr ja wahrscheinlich einen großen Fokus.

Ja, klar. Das ist für uns oberste Priorität. Das sind komplett getrennte Systeme, die sind komplett isoliert.

Da fließen keine Daten zusammen, da wird auch nichts für Trennungszwecke genutzt, sondern das sind komplett getrennte Systeme, wo wenn der Kunde in der einen Seite mit seinem eigenen System arbeitet, das ist einfach komplett entkoppelt. Thema Kundendaten, also auch vom Endkunden, das wird anonymisiert im Endeffekt. Das ist ganz oft so, dass Kundendaten oder persönliche Daten rausgenommen werden aus der Gleichung und es sind auch alle Systeme immer DSGVO-konform.

Das ist auch immer wichtig. Das heißt überall da, wo wir arbeiten, sind das DSGVO-konforme Systeme, damit wir da auch einfach Compliance-technisch alles erfüllen und da auch unseren Kunden die Sicherheit bieten, dass da nichts irgendwie verloren geht, irgendwie schief geht etc. Wenn jetzt ein B2B-Markt

[Sprecher 1] (0:00 - 7:36)
Themen, wo wenn der Kunde in der einen Seite mit seinem eigenen System arbeitet, das ist einfach komplett entkoppelt. Thema Kundendaten, also auch vom Endkunden, das wird anonymisiert im Endeffekt. Also das ist ganz oft so, dass Kundendaten oder persönliche Daten rausgenommen werden aus der Gleichung und es sind auch alle Systeme immer DSGVO-konform.

Das ist auch immer wichtig, das heißt überall da, wo wir arbeiten, sind das DSGVO-konforme Systeme, damit wir da auch einfach Compliance-technisch alles erfüllen und da auch unseren Kunden die Sicherheit bieten, dass da nichts irgendwie verloren geht, irgendwie schief geht etc. Wenn jetzt ein B2B-Marketer, der hier zuhört, die Frage hat, ja was soll ich jetzt machen? Also ich würde das schon irgendwie gerne mal ausprobieren oder ich habe aber irgendwie einen Vorgesetzten, der ist da irgendwie skeptisch.

Wie geht ihr mit sowas um? Also was kann man das mal ausprobieren oder wie geht man da am besten vor? Wir bauen Demos, das heißt im Endeffekt, wenn man bei uns eine Anfrage stellt oder auch mit euch jetzt zusammen, bauen wir im Endeffekt für den Marketer eine Demo, wo wir sagen, so könnte das System ausschauen.

Das ist eine abgespeckte Variante, die aber einen sehr guten Eindruck gibt, was kann das System, was für einen Mehrwert kann es generieren, womit man schon mal ein besseres Gefühl bekommt, was tut es eigentlich? Weil das ist, glaube ich, bei vielen noch ein Problem, dass sie sich gar nicht so richtig vorstellen können, was kann KI, was kann KI nicht und so eine Demo zeigt das einfach sehr, sehr gut, wo da die Möglichkeiten stecken und das ist für mich der erste Weg und dann natürlich auch noch zu überlegen, wenn ich jetzt sage, ich möchte damit anfangen, wo fange ich an? Also wo ist vielleicht auch das größte Potenzial in meinem Vertriebsprozess?

Was könnte so ein Prozess sein, der übernommen werden kann und von da aus sich dann eben Stück für Stück entlanghangeln und weiterentwickeln? Das sind für mich die beiden Tipps, wie man da eigentlich anfängt. Demo und dann eben einen ganz klaren Use Case.

Wenn wir mal jetzt so das letzte Jahr anschauen, haben ja so KI-basierte Systeme eine unheimliche Entwicklung genommen. Kannst du mal so einen kleinen Ausblick geben? Was glaubst du, was können eure Mitarbeiter vielleicht so in einem Jahr, wo entwickelt ihr gerade, was sind so die Sachen, wo ihr glaubt, dass noch weiteres Potenzial vorhanden ist?

Das größte Potenzial, was wir jetzt gerade sehen, ist wirklich zu sagen, ich habe eine Schnittstelle zwischen intern und extern. Das heißt, ich habe ja momentan, weil wir eben auch hier im Vertrieb sind, viel extern-facing-KI. Das heißt, für den Endkonsumenten, das heißt, der schreibt mir eine Mail, WhatsApp, ruft an.

Das ist ein System, was eben vor allem diese Kundeninteraktionen managt. Gleichzeitig sehen wir die weiteren Wirkungen einmal, dass ich sage, ich hole mir mehr Daten rein, zu sagen, ich hole mir Verläufe, Verkaufshistorie etc. von den Endkonsumenten und ermögliche das dann aber auch für interne Zwecke zu nutzen.

Das heißt, ich habe ja, ich reiche im Endeffekt ein System an, was unglaublich viel Daten dann sammelt und sage, ich weiß, was fragen denn unsere Kunden eigentlich den ganzen Tag? Was treibt sie um? Welche Rückfragen haben sie zu unseren Produkten?

Welche Fragen stellen sie denn generell? Und dann zu sagen, ich nutze diese Information, die ich da eigentlich den ganzen Tag sammle, über E-Mail, Voice, Telefon etc. und stelle sie dann auch meinem Marketing-Team zur Verfügung, dass sie dann sagen, ah ja, ich kann eigentlich der KI auch dieselben Fragen stellen, sagen, nimmst du mir mal bitte die zehn häufigsten Fragen unserer Endkonsumenten auf?

Ich kann das dann fürs Marketing benutzen. Ich kann es fürs Advertising benutzen. Ich kann es für die Produktweiterentwicklung nutzen, zu sagen, ich höre ja auch, welche Rückfragen kriege ich eigentlich, wo die KI vielleicht sagt, das Produkt haben wir leider nicht oder das Produkt passt für deinen Use Case nicht, wo ich dann auch wieder verstehe, ah ja, das treibt den Kunden um, das nutze ich, um meine nächste Produktlinie aufzubauen.

Das will sagen, wir haben eigentlich ein zentrales System, was eben dann, wie gesagt, das ist externe mit drin hat, das dann aber nach intern spiegelt und sagt, ich kann auch intern den Teams helfen, die Prozesse zu verbessern, unsere Marketing zu verbessern, da insgesamt dann eben Effizienz und auch wieder Kostenersparnis reinzubringen und dann eben auch interne Prozesse irgendwann zu übernehmen und zu automatisieren. Wow, ja, super spannend. Das heißt ja dann zum Beispiel auch, ich kann, keine Ahnung, auch meinen Ads-Kampagnen zurückgeben, welche Anzeige hat vielleicht am besten funktioniert oder ich kann auch sehen, wo auf der Webseite fehlen vielleicht noch Informationen, weil der Mitarbeiter immer und immer wieder danach gefragt wird.

Sehe ich das richtig? Genau, also genau das. Ich kann Ad-Daten zum Beispiel einspielen.

Ich könnte sogar so weit gehen, dass ich sage, ich lasse mir eigentlich sogar schon eine Landingpage entsprechend vielleicht ausbauen, dass ich sage, okay, auf Basis aller Informationen, die die KI gerade über die Produktdaten, über die Fragen des Kunden, über die Ad-Daten hat, kann ich sogar sagen, hey, sie sollen mir mal eine passende oder fünf passende Landingpage-Entwürfe ausspucken und sagen, was sind denn die, wo du glaubst, sind die besten, die am besten konvertieren, weil sie den Kunden am besten ansprechen. Ich kann mir Creatives ausspielen lassen, dass ich sage, okay, erzeugt mir dann doch bitte auf Basis all dieser Daten entsprechende Videos, entsprechende Bilder, die ich dann wieder in meinen Ads verwenden kann. Ich kann sogar auch, das auch, wo wir auch gerade uns das anschauen, vielleicht die Website dynamisch aufbauen, zu sagen, wenn ich weiß, es ist Kunde X, der bereits die Produkte gekauft hat, die Service-Dienste gebucht hat, vielleicht schaut die Webseite im Endeffekt sogar ein bisschen anders aus, weil sie dynamisch auf Basis dieser Daten aufgebaut wird für den Kunden.

Das sind wahnsinnig viele Möglichkeiten, die in den nächsten ein, zwei Jahren noch viel, viel stärker kommen werden. Ich sage, es wird immer mehr reingehen in dieses sehr individuelle, sehr custom-made für den Endkonsumenten. Super, Lasse.

Herzlichen Dank. Habe ich jetzt irgendeine ganz wichtige Frage noch vergessen? Möchtest du unseren Zuhörern noch irgendwas mitgeben?

Ich sage, seid offen gegenüber KI. Ich sehe, wie mein Neffe bereits mit Chat-GPT hantiert. Der googelt nicht mehr, das wird nur noch ge-Chat-GPTt.

Und ich glaube, es ist wichtig, dass wir auch gerade in Deutschland da einfach eine gewisse Offenheit dafür entwickeln, weil ich merke, dass wir, wie gesagt, wir sind international tätig, dass auch international da einfach viel Offenheit, viel Bereitschaft ist, Systeme zu testen. Deswegen auch hier würde ich mir wünschen, dass einfach die Leute da eine Offenheit für entwickeln und auch beibehalten, auch wenn man irgendwie eine KI-Fehler macht. Das ist, glaube ich, auch vollkommen normal, dass man da einfach sagt, hey, ich bleib dran, ich will KI-first werden.

Ich glaube, das ist so ein bisschen das Wichtige daran. So diese Firmen, die einfach KI-first in Zukunft sind, werden einfach einen Riesenvorteil haben. Deswegen sage ich, seid da offen und probiert es aus, testet und schaut, wo KI für euch den größten Erwerb generieren kann.

Ja, also wenn ihr auch KI-first sein wollt, meldet euch bei uns, bei mir, bei meinem Kollegen Wu und wir gehen dann zusammen diesen Weg mit Qualimero. Lasse, vielen Dank für deine Zeit, vielen Dank für die spannenden Insights und liebe Hörer, wenn euch die Folge gefallen hat, dann hört gerne wieder rein. Wenn ihr Themenvorschläge habt für uns, schreibt uns gerne an und ja, ich wünsche euch noch einen schönen Tag.

Lasse dir auch alles Gute und ich hoffe, wir sehen uns, wir hören uns bald wieder. Perfekt, danke dir, Christian. Dir auch einen schönen Tag und viele Grüße.