Vertriebsassistent und Chatbot zur Lead-Qualifizierung

Die meisten Website-Besucher gehen, ohne Kontakt aufzunehmen, und eingehende Leads warten oft Stunden auf eine Antwort, während das Interesse abkühlt. Ein KI-Vertriebsassistent spricht Besucher sofort an, beantwortet Produktfragen aus freigegebenen Inhalten, stellt einige Qualifizierungsfragen, bucht einen Termin und übergibt den Lead mit einer Zusammenfassung an die richtige Vertriebsperson. Typischer Nutzen: schnellere Reaktionszeit (Speed-to-Lead), Erreichbarkeit rund um die Uhr und weniger Zeitaufwand des Vertriebs für ungeeignete Leads, sofern der Einsatz von KI offengelegt wird und die Übergabe sauber funktioniert.

Problem & Nutzen

• Heute: Web-Formulare, statische Chatbots mit Entscheidungsbäumen und Vertriebsinnendienst (SDRs), die eingehende Leads von Hand sichten. Antworten kommen spät, die Qualifizierung ist uneinheitlich, Besucher außerhalb der Geschäftszeiten gehen verloren, und Vertriebsmitarbeitende fragen erneut nach, was der Interessent bereits beantwortet hat.
• Nutzen durch KI: freier Dialog statt starrer Formulare, sofortige Antworten in vielen Sprachen, einheitliche Anwendung der Qualifizierungskriterien, strukturierte Daten im CRM und Terminbuchung direkt im Gespräch.
• Belege (Herstellerangaben, mit Vorsicht zu behandeln): HubSpot bewirbt seinen Customer Agent mit der Fähigkeit, Interessenten zu qualifizieren, Termine zu buchen oder an eine Vertriebsperson zu übergeben [2]; die Agibank-Geschichte von Salesforce beschreibt einen Agenten, der den vollständigen Gesprächsverlauf und eine Einschätzung des Interesses an die Vertriebsperson weitergibt, sodass keine erneute Qualifizierung nötig ist [1]; ElevenLabs berichtet von einem internen KI-SDR, dessen Qualifizierungsentscheidungen in 78 % der Fälle ohne menschliches Eingreifen auskommen [7]. Einen unabhängigen, herstellerübergreifenden Vergleich gibt es nicht; messen Sie am eigenen Vertriebstrichter.

Varianten

• B2B-SaaS / Dienstleistungen: Qualifizierung (Unternehmensgröße, Anwendungsfall, Zeitplan, Budget, Entscheiderrolle), Demo-Buchung, Routing nach Gebiet.
• Fertigung / Industrie: Produktfinder und Konfigurationsfragen, Anfrageerfassung (RFQ), Routing an Händler.
• Immobilien, Automobil, Bildung: Anfragen zu Besichtigung, Probefahrt oder Einschreibung, oft per WhatsApp oder Telefon.
• Finanzdienstleistungen und Versicherungen: nur Lead-Erfassung und Terminbuchung; die Beratung bleibt bei zugelassenen Menschen (Branchenregeln gelten).
• Sprachvariante: Qualifizierung eingehender Anrufe, siehe CONV-002; ausgehende Anrufe sind rechtlich eine andere Situation, siehe CONV-008.
• Privatnutzung: nicht relevant; Einkaufshilfe auf Verbraucherseite ist CONV-006.

So funktioniert es

1. visitor message (web widget / WhatsApp / email / voice)
2. AI disclosure + consent/privacy notice
3. intent routing (product question | pricing | support | sales | spam)
4. grounded answer (RAG over product docs, pricing, case studies)
5. qualification dialogue (slot filling against ICP/BANT schema)
6. scoring + routing rules (territory, segment, language, account owner)
7. action: book meeting via calendar API | create/update CRM lead | handoff live to rep
8. summary + transcript to CRM; follow-up email draft; consent logged

• Dialog und Verankerung: ein LLM mit Abruf (Retrieval) über freigegebene Inhalte; Preise und Zusagen stammen aus Werkzeugen oder festen Texten, nicht aus dem Gedächtnis des Modells.
• Qualifizierung: Slot Filling in ein Schema (Unternehmen, Rolle, Bedarf, Zeitplan, Budget); ein LLM oder Klassifikator schlägt einen Score vor, deterministische Regeln entscheiden über das Routing. Vorhandene CRM-Daten (Kontoinhaber, offene Deals) werden über Werkzeugaufrufe abgefragt.
• Mensch-in-der-Schleife (Human-in-the-Loop): Live-Übergabe auf Wunsch, bei wertvollen Konten, bei negativer Stimmung oder bei Fragen außerhalb des Skripts; Angebote, Rabatte und Verträge liegen bei den Vertriebsmitarbeitenden. Die Eskalation an eine Person muss immer möglich sein.

Datenaufbereitung

Typische Quellen sind Produktblätter, Preislisten, Referenzen und FAQ-Seiten (Website, CMS, PDFs auf Dateiablagen, manchmal nur im Kopf der Vertriebsmitarbeitenden) sowie CRM-Datensätze und Qualifizierungskriterien (ICP, BANT), die oft nicht dokumentiert sind. Typische Lücken: veraltete oder widersprüchliche Preis- und Produktaussagen, PDFs als Scans, doppelte CRM-Kontakte, fehlende Definitionen der Lead-Phasen und keine Einwilligungsnachweise.

Schritte der Aufbereitung: (1) pro Thema eine maßgebliche Quelle wählen und alte Versionen außer Betrieb nehmen; (2) PDFs/Scans in sauberen Text umwandeln (wo nötig mit OCR); (3) Qualifizierungsfragen, Bewertungsregeln und Übergabekriterien in einfacher Sprache festhalten; (4) CRM-Daten bereinigen (Duplikate entfernen) und verschlagworten; (5) 30-50 echte Interessentenfragen mit freigegebenen Antworten als Testset sammeln. Werkzeuge: der Crawler des Anbieters für Weg A, Paperless-ngx oder ein ähnliches OCR-Werkzeug für Scans, eine Tabellenkalkulation für das Fragenset. Grober Aufwandsanteil: etwa 30-40 Prozent, überwiegend Pflege der Inhalte statt Technik.

Nützliche PREP-Anwendungsfälle: PREP-013 (maßgebliche Wissensbasis), PREP-016 (Beispiele als Goldstandard), PREP-018 (Testsets), PREP-025 (Zweck und Rechtsgrundlage für die Weiterverwendung von CRM-Daten). Siehe auch GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• KMU — A: ausgereifte, in der EU hostbare Chatbot- und Lead-Werkzeuge gibt es zu KMU-tauglichen Preisen, und der Qualifizierungsprozess ist Standard.
• Großunternehmen — B: Der Assistent muss sich in das eigene CRM, die Routing-Regeln und die Produktdaten einfügen, und er ist ein zentraler Vertriebskanal, bei dem Lizenzpreise pro Nutzer bei hohem Volumen teuer werden.
• Entwickler — B: Cloud-LLM-APIs plus RAG und ein CRM-Konnektor geben volle Kontrolle über die Qualifizierungslogik, ohne Modelle zu betreiben.

Weg A — Kaufen (Standardsoftware) (für die meisten KMU empfohlen)

• CRM-native Agenten: HubSpot Breeze Customer Agent und Prospecting Agent (letzterer laut den HubSpot-Seiten in der Beta) [2], Salesforce Agentforce mit SDR-/Sales-Agenten [1], Microsoft Dynamics 365 Sales/Copilot Studio, Zoho Zia, Pipedrive.
• Plattformen für Conversational Marketing: Drift (Salesloft), Intercom Fin, Qualified, Conversica, Ada, Landbot (Spanien, EU), Userlike (Deutschland, EU), Tidio (Polen, EU), Botpress, Voiceflow, Cognigy (Deutschland, EU; Teil von NICE), Assistenten im Stil von Moveworks für den internen Einsatz in Unternehmen.
• Sprache: ElevenLabs Agents, PolyAI, Retell, Vapi; EU-Hosting und Datenresidenz sind je Anbieter zu prüfen.
• A wählen, wenn: Sie bereits ein unterstütztes CRM betreiben, die Volumina moderat sind und der AVV, die Datenresidenz in der EU und die Liste der Unterauftragsverarbeiter akzeptabel sind.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Modelle: Claude-, GPT-, Gemini- oder Mistral-Modelle (Mistral ist ein französischer Anbieter) über Endpunkte in EU-Regionen (Azure OpenAI EU, Google Vertex EU, AWS Bedrock Frankfurt/Paris, Mistral La Plateforme); Tool Calling und strukturierte Ausgaben für das Slot Filling.
• Orchestrierung: LangGraph, Pydantic AI oder die Agent-SDKs der Anbieter; n8n/Make für die Anbindung von CRM und Kalender; Model-Context-Protocol-Server für HubSpot, Salesforce oder Google Calendar.
• Retrieval: pgvector, Qdrant (Deutschland) oder Azure AI Search mit einem mehrsprachigen Embedding-Modell.
• Schutzmechanismen (Guardrails): Filter gegen Prompt Injection und für personenbezogene Daten, Ausgabeprüfungen für Preis- oder Vertragsaussagen.
• B wählen, wenn: Sie eine eigene Qualifizierungslogik, mehrere Kanäle oder eine enge Integration benötigen.

Weg C — Selbst betreiben (Open Source)

• Modelle: Mistral Small/Medium mit offenen Gewichten, Qwen3, Llama oder Gemma, betrieben mit vLLM oder Ollama; Embeddings wie bge-m3 oder multilingual-e5; Qdrant oder pgvector.
• Bot-Frameworks: Rasa, Botpress (Open Core), Chatwoot als Posteingang, n8n für Workflows.
• Hardware: HW2 bewältigt eine mittlere Chat-Last mit einem quantisierten Modell von etwa 30B; kommt Sprache hinzu (ASR der Whisper-Klasse, offenes TTS), ist HW3 komfortabler.
• C wählen, wenn: strenge Datenresidenz gilt oder der Chat sensible Geschäftsinformationen enthält.

Weg D — Eigenes Training

Selten nötig. Das Feintuning eines kleinen Modells auf früheren Gesprächsprotokollen (Tonalität, Qualifizierungsergebnisse) kann bei hohem Volumen die Kosten senken; ein Lead-Scoring-Modell auf Basis der CRM-Historie ist eine eigene Aufgabe mit tabellarischen Daten (PRED-005). Es braucht Hunderte bis Tausende annotierte Gespräche mit Ergebnis gewonnen/verloren.

Stand der Technik (2026)

• Agentische SDRs: Anbieter liefern inzwischen Agenten, die in einem Ablauf qualifizieren, bewerten, routen und buchen und die über Anweisungen plus CRM-Aktionen konfiguriert werden statt über von Hand gebaute Dialogbäume [1][2].
• Gleichstand von Sprache und Chat: Echtzeit-Sprachmodelle machen dieselbe Qualifizierungslogik auch per Telefon verfügbar (CONV-002).
• Grenzen und Fehlerbilder: erfundene Preise, Funktionen oder Versprechen; eine Qualifizierung, die Leads bevorzugt, die zum Bewertungsmodell passen, und untypische Leads schlecht behandelt (z. B. eine leitende Einkaufsperson mit privater E-Mail-Adresse, eine Kritik am SDR-Agenten von Agentforce [8]); Prompt Injection durch Besucher; übereifrige Datenerhebung; Verärgerung, wenn der Bot den Zugang zu einem Menschen versperrt; und uneinheitliches Verhalten in verschiedenen Sprachen. Vor dem Start mit wiedergegebenen echten Gesprächen und gezielt gegnerischen Testsets prüfen.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack wie CONV-001 (Support-Chatbot): Wissensbasis, RAG, Widget, Übergabe; ein Bot erledigt oft beides und routet nach Absicht. Außerdem CONV-026 (Copilot im Produkt) und CONV-006 (Einkaufsassistent).
• Nachgelagert: PRED-005 Lead-Scoring, AGENT-011 CRM-Anreicherung und -Pflege, AGENT-007 Agenten für die Neukundenansprache im Outbound (andere Rechtsgrundlage, siehe unten).
• Infrastruktur: ein gemeinsames LLM-Gateway, ein gemeinsamer Vektorindex und eine gemeinsame Schutzschicht (HW2/HW3) können alle dialogorientierten Anwendungsfälle bedienen.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage bis wenige Wochen; Abrechnung pro Nutzer, pro Gespräch oder pro gelöstem/qualifiziertem Lead (HubSpot nennt nutzungsabhängige Preise [2]; aktuelle Preise prüfen).
• Weg B: 1–3 Monate einschließlich CRM-Integration, Evaluierung und Einwilligungsabläufen.
• Weg C: 2–4 Monate plus Betrieb; GPU-Server und Monitoring.
• Kennzahlen: Speed-to-Lead, Konversion von Besucher zu Lead und von Lead zu Termin, MQL-zu-SQL-Rate, Anteil der qualifizierten Leads, die der Vertrieb annimmt, Übergabequote, Antwortgenauigkeit in geprüften Stichproben, Kundenzufriedenheit, Beschwerden, Kosten pro qualifiziertem Lead.

Menschen & Veränderung

Beginnen Sie mit der Geschäftsführung und der Vertriebsleitung (Prozessverantwortung): Sie legen Ziele, Qualifizierungsregeln und fest, was der Bot zusagen darf. Binden Sie die IT früh für die Anbindung von Website, CRM und Messaging ein und die/den Datenschutzbeauftragte(n) vor dem Start für die Datenschutzhinweise, die Einwilligung, den AVV mit dem Anbieter und, bei Profiling oder Scoring in großem Umfang, die Prüfung einer DSFA. Lassen Sie die Vertriebsmitarbeitenden (Endnutzer) die Qualifizierungsfragen und das Übergabeformat mitgestalten; sie müssen den Lead-Zusammenfassungen vertrauen.

Betriebsrat: kommt darauf an. Der Bot verarbeitet überwiegend Daten von Interessenten; werden jedoch Gesprächsprotokolle oder Lead-Statistiken genutzt, um einzelne Vertriebsmitarbeitende zu beurteilen, gilt die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG; § 90 Abs. 1 Nr. 3 verlangt ohnehin eine rechtzeitige Unterrichtung, wenn sich Vertriebsprozesse durch KI ändern. Nur relevant in Unternehmen mit gewähltem Betriebsrat.

KI-Kompetenz: Unterstützen Sie die Mitarbeitenden dabei, Grenzen und Halluzinationen zu verstehen (KI-Verordnung Art. 4, Maßnahmen zur Förderung der KI-Kompetenz), und schulen Sie die Vertriebsmitarbeitenden darin, Übergaben zu prüfen. Kommunizieren Sie, dass der Bot den Erstkontakt übernimmt, nicht das Verkaufsgespräch. Führen Sie einen Pilot mit einer Produktlinie oder einem Kanal über 4-6 Wochen durch, mit einfacher Übernahme durch einen Menschen und wöchentlicher Durchsicht der Gesprächsprotokolle. Typische Sorge: Angst vor Arbeitsplatzverlust oder falschen Zusagen; begegnen Sie ihr mit klarem Einsatzbereich, der Offenlegung, dass Nutzer mit KI sprechen (Art. 50), und menschlicher Kontrolle über Angebote.

Leitfäden: GUIDE-008 (Veränderungsmanagement), GUIDE-005 (Datenschutz), GUIDE-009 (Pilot).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): begrenztes Risiko. Art. 50 Abs. 1 verlangt, dass Menschen darüber informiert werden, dass sie mit einem KI-System interagieren, sofern dies nicht aus dem Kontext offensichtlich ist; Art. 50 gilt seit dem 2. August 2026, und die unverbindlichen Leitlinien der Kommission zu Art. 50 wurden im Juli 2026 veröffentlicht und legen die Ausnahme „offensichtlich" eng aus, weisen Sie daher beim Erstkontakt darauf hin [3][4]. Im Regelfall kein Hochrisiko nach Anhang III. Problematisch kann es werden, wenn der Bot Emotionen oder Schwächen ableitet, um das Verhalten zu manipulieren (Art. 5 Abs. 1 Buchst. a und b, verbotene Manipulation und Ausnutzung), oder wenn das Scoring den Vertrieb verlässt und in Entscheidungen über Kredit, Versicherungspreise oder Beschäftigung einfließt (Hochrisiko). Art. 4 KI-Kompetenz gilt.
• DSGVO: Namen, E-Mail-Adressen, Telefonnummern und Chat-Inhalte sind personenbezogene Daten. Legen Sie die Rechtsgrundlage fest (Einwilligung oder berechtigtes Interesse, Art. 6; die EDSA-Stellungnahme 28/2024 betont eine Abwägung im Einzelfall beim berechtigten Interesse im KI-Kontext [5]), erteilen Sie die Informationen nach Art. 13, wahren Sie Auskunfts-, Lösch- und Widerspruchsrechte, legen Sie Aufbewahrungsfristen fest, schließen Sie AVV ab und prüfen Sie Übermittlungen. Profiling mit rechtlicher oder ähnlich erheblicher Wirkung (Art. 22) sollte nicht stattfinden; halten Sie die Qualifizierung als Hilfsmittel zur Priorisierung im Vertrieb.
• ePrivacy / Werberecht: Chat-Widgets mit Tracking brauchen eine Cookie-Einwilligung (ePrivacy); Folge-Werbe-E-Mails brauchen eine Einwilligung oder die enge Ausnahme für Bestandskunden, und in Deutschland gilt die Double-Opt-in-Praxis nach § 7 UWG; die Regeln für Kaltansprache unterscheiden sich je Land und gelten auch für KI-gestützte Ansprache.
• Verbraucherrecht: keine verbindlichen Angebote oder falschen Behauptungen; Preise aus maßgeblichen Quellen; klare Erkennbarkeit des Verkäufers.
• Gegenmaßnahmen: Hinweisbanner, Einwilligungsabfrage vor der Erfassung von Kontaktdaten, Datenminimierung (nur nötige Felder), Red-Team-Tests, Protokolle von Gesprächen und Entscheidungen, einfache Eskalation an Menschen, vertraglicher Ausschluss der Gesprächsprotokolle vom Modelltraining.

Erste Schritte

1. Legen Sie mit dem Vertrieb das ICP und 4–6 Qualifizierungsfragen fest, dazu die Regeln für Routing und Eskalation.
2. Sammeln Sie freigegebene Inhalte (Produktseiten, Preislogik, FAQs) und entscheiden Sie, was der Bot niemals sagen darf.
3. Starten Sie einen Pilot mit einem Kanal (Website-Chat) und einem Werkzeug aus Weg A oder einem schlanken Aufbau nach Weg B; binden Sie Kalender und CRM an.
4. Ergänzen Sie den KI-Hinweis, die Datenschutzhinweise und die Protokollierung der Einwilligung, bevor Sie live gehen.
5. Prüfen Sie im ersten Monat wöchentlich 50 Gesprächsprotokolle, vergleichen Sie die Konversion mit Leads aus Formularen und weiten Sie dann aus.

Quellen

1. Salesforce — Agibank agentic lead qualification customer story — https://www.salesforce.com/customer-stories/agibank/agentic-lead-qualification/
2. HubSpot — Breeze Customer Agent — https://www.hubspot.com/products/chatbots
3. Regulation (EU) 2024/1689 (AI Act), Art. 50 and Art. 5 — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
4. McCann FitzGerald — Commission guidelines on Article 50, provider obligations — https://www.mccannfitzgerald.com/knowledge/data-privacy-and-cyber-risk/ai-transparency-european-commissions-guidelines-on-article-50-part-1-provider-obligations
5. CMS — EDPB Opinion 28/2024 key takeaways — https://cms.law/en/int/legal-updates/edpb-opinion-28-2024-key-takeaways-on-processing-personal-data-in-the-context-of-ai-models
6. HubSpot — Breeze Prospecting Agent (beta) — https://www.hubspot.com/products/sales/ai
7. ElevenLabs — How we scaled inbound sales with an AI SDR — https://elevenlabs.io/blog/how-we-scaled-inbound-sales
8. Mota AI — Is Agentforce's SDR Agent qualifying the right leads (opinion) — https://motaaidev.substack.com/p/is-agentforces-sdr-agent-qualifying