Vertriebsgebietsplanung, Kundenzuordnung und Quotenfestlegung

Vertriebsorganisationen ziehen ihre Gebiete neu und legen Quoten ein- bis zweimal im Jahr fest, meist in Tabellenkalkulationen und durch Verhandlung. Das Ergebnis sind ungleiche Chancen: Manche erhalten reiche Gebiete und leichte Ziele, andere das Gegenteil, was zu Abwanderung und verfehlten Plänen führt. ML schätzt das Potenzial jedes Kunden und jeder Region; ein Optimierer mit Nebenbedingungen gleicht dann Arbeitslast und Potenzial aus, wahrt die Kundenkontinuität, ordnet Kunden den Vertriebsmitarbeitenden zu, schlägt Quoten vor und plant schnell neu, wenn sich Personalstärke oder Märkte ändern.

Problem & Nutzen

• Heute: Gebiete werden nach historischem Umsatz, Postleitzahlen oder Bauchgefühl gezogen, Quoten sind eine von oben vorgegebene Zahl, die prozentual heruntergebrochen wird, und Änderungen im Laufe des Jahres (eine Mitarbeiterin geht, ein Produkt kommt auf den Markt) lösen wochenlange manuelle Neuzuordnung aus. Der historische Umsatz ist ein schlechter Ersatz für das Potenzial: Er belohnt vergangene Abdeckung statt Chancen.
• KI-Nutzen: potenzialbasierte Planung (unbearbeitetes Marktpotenzial statt Vorjahresumsatz), ausgewogene Arbeitslast und Chancen, nachvollziehbare Quoten, die sich zum Unternehmensziel addieren, schnellere Szenarioanalyse und messbare Fairness (Streuung der Zielerreichung über die Mitarbeitenden).
• Warum eigenständig: PRED-002 prognostiziert Abschlüsse, verteilt aber nichts. Hier speist ein Potenzialmodell eine Entscheidung (wer deckt was ab, mit welchem Ziel). Anbieter positionieren dies als etablierte Kategorie von Vertriebsplanungs- und Provisionssoftware [1][2][3].
• Die Nutzenangaben schwanken je nach Anbieter stark und sind meist selbst berichtete Fallstudien; messen Sie Ihre eigene Ausgangslage (Streuung der Zielerreichung, Zeit bis zur Neuzuordnung, ungewollte Abgänge), bevor Sie Zahlen versprechen.

Varianten

• Geografische Vertriebsgebiete: Zuordnung nach Postleitzahl/NUTS oder Fahrzeit für den Außendienst (auch Pharma-Außendienst, Versicherungsvertreter, Vertriebsmitarbeitende im Handelsvertrieb).
• Zuordnung benannter Kunden (Enterprise/ABM): Strategische Kunden werden nach Branche, Konzernhierarchie, Sprache und Beziehung statt nach Geografie zugeordnet.
• Innendienst und Customer-Success-Portfolios: Leads/Kunden werden nach Kapazität und Segment Teams zugeordnet, oft fortlaufend (Lead-Routing, gewichtetes Round-Robin; siehe AGENT-007).
• Quotenfestlegung: von oben nach unten (Unternehmensziel auf Regionen) kombiniert mit Bottom-up-Verfahren (Kundenpotenzial) und kapazitätsbasierten Verfahren (eingearbeitete Vollzeitäquivalente).
• Abdeckung von Kanal und Partnern: Partnerkunden und Händlerregionen zuteilen.
• Private Nutzung: keine.

So funktioniert es

1. Datenaufbereitung (CRM + Marktdaten + Geodaten + Kapazität der Vertriebsmitarbeitenden)
2. Potenzialmodelle (Kauf- und Ausgabenpotenzial je Kunde/Segment, unbearbeitetes Marktpotenzial)
3. Nebenbedingungen & Ziele (Potenzial/Arbeitslast ausgleichen, Kontinuität, Reisezeit, Regeln)
4. Solver (MIP / Constraint Programming / Graphpartitionierung; mehrere Szenarien)
5. Prüfung: Vertriebssteuerung + regionale Führungskräfte passen an, sperren Kunden, vergleichen Szenarien
6. Quotenvorschlag (Unternehmensziel nach Potenzial und Kapazität aufgeteilt; Fairnessprüfung)
7. Veröffentlichung in CRM/ICM, Mitarbeitende informieren, Zielerreichung verfolgen und Auslöser für Neuplanung beobachten

• Potenzialmodell: Gradient-Boosting-Bäume oder Ähnliches auf Firmendaten, Installationsbasis, Produkt- nutzung und zugekauften Marktdaten; Ergebnis sind die erwarteten adressierbaren Ausgaben je Kunde. Lookalike- Modelle decken Interessenten ohne Historie ab.
• Optimierer: Zuordnung von Einheiten (Kunden oder geografische Zellen) zu Vertriebsmitarbeitenden, mit dem Ziel eines Gleichgewichts von Potenzial und Arbeitslast, mit Strafen für das Verschieben von Kunden (Kontinuität), Reisezeit und Regel- verstöße. Typischerweise ein gemischt-ganzzahliges Programm, gelöst mit einem kommerziellen oder offenen Solver; große geografische Probleme nutzen Heuristiken oder Graphpartitionierung.
• Rolle des LLM (optional): Was-wäre-wenn in natürlicher Sprache („zwei Vertriebsmitarbeitende im Süden hinzufügen, die 20 wichtigsten Kunden festhalten“), in Nebenbedingungen übersetzt (siehe OPT-018), und Erklärungen in einfacher Sprache, warum ein Kunde verschoben wurde. Das LLM entscheidet nie über die Zuordnung.
• Mensch-in-der-Schleife (Human-in-the-Loop): Die Vertriebssteuerung verantwortet das Modell; regionale Führungskräfte prüfen und sperren Kunden; die Geschäftsleitung genehmigt Quoten; Vertriebsmitarbeitende können über einen festgelegten Prozess Einwände erheben.

Datenaufbereitung

Die Gebietsplanung braucht einen verlässlichen Kundenstamm. Die Daten liegen typischerweise im CRM (Kunden, Verkaufschancen, Quotenerreichung), im ERP (Umsatz je Kunde), in Excel-Dateien für die Jahresplanung, in zugekauften Marktdaten sowie in Adress- oder Postleitzahltabellen. Daten der Vertriebsmitarbeitenden liegen in HR-Systemen und Tabellenkalkulationen.

Typische Lücken: doppelte Kunden und nicht zusammengeführte Mutter-Tochter-Hierarchien, fehlende Branchen- oder Größenangaben, veraltete Adressen, Verkaufschancen ohne Abschlussgrund, Umsatz im ERP, der nicht zu den CRM-Kunden-IDs passt, sowie informelle Kundenzuständigkeiten, die nirgends erfasst sind.

Schritte der Aufbereitung: 1. Inventarisieren Sie die Quellen und ordnen Sie Felder dem Anwendungsfall zu (PREP-002, PREP-005). 2. Entfernen Sie doppelte Kunden, lösen Sie Hierarchien auf und gleichen Sie CRM- mit ERP-Kundennummern ab. 3. Reichern Sie mit Firmendaten an und geokodieren Sie Adressen auf Postleitzahlen oder NUTS-Regionen. 4. Überführen Sie Planungstabellen in saubere Tabellen (PREP-011) und gleichen Sie KPI-Definitionen wie Quote, Zielerreichung und Potenzial ab (PREP-012). 5. Pseudonymisieren Sie Daten auf Ebene der Vertriebsmitarbeitenden für die Modellierung (PREP-022) und prüfen Sie Zweck und Rechtsgrundlage (PREP-025).

Werkzeuge: CRM-Export oder -API, ein Werkzeug zur Dublettenbereinigung oder SQL, ein Geokodierer sowie Notebooks oder n8n. Rechnen Sie mit etwa einem Drittel des Aufwands für die Datenarbeit, wobei die Bereinigung doppelter Kunden den größten Posten ausmacht.

Umsetzungswege

Welcher Weg für wen

• smb (A): CRM-integrierte Werkzeuge für Gebiets- und Quotenplanung sind ausgereift, und ein kleines Vertriebsteam rechtfertigt selten eigene Solver-Entwicklung.
• enterprise (B): Regeln für Gebiete und Quoten (strategische Kunden, Rechtseinheiten, Kontinuität) sind unternehmensspezifisch und an variable Vergütung gekoppelt, daher passt ein Solver auf Ihren eigenen CRM- und Finanzdaten besser als ein Standardprodukt.
• developer (B): Cloud-Optimierungs- und LLM-APIs erlauben es, maßgeschneiderte Was-wäre-wenn-Werkzeuge auf dem CRM-Export des Kunden zu bauen.

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

• Plattformen für Gebiets- und Quotenplanung: Anaplan (vernetzte Planung, Apps für Gebiets- und Quoten- planung), Varicent (Gebiete, Quoten und variable Vergütung), Xactly (Planung plus ICM), Salesforce (Maps / Revenue Cloud und Agentforce-basierte Planungsfunktionen), SAP Sales/Commissions, Fullcast, einfache Kartenwerkzeuge und CRM-eigene Gebietsverwaltung (Salesforce Enterprise Territory Management, Gebiete in Microsoft Dynamics 365 Sales, HubSpot). Viele davon bieten Datenhaltung in der EU; prüfen Sie je Anbieter die Unterauftragsverarbeiter und die Regionsoptionen.
• Optionen aus der EU: SAP (DE) für Großunternehmen; für geografische Optimierung sind europäische GIS-/Routenplanungsanbieter und Partner eine Alternative zu US-Plattformen; prüfen Sie die aktuellen Produkte bei der Auswahl.
• Wählen Sie A, wenn: mehr als ca. 20 Vertriebsmitarbeitende, ein vorhandenes CRM und ein wiederkehrender jährlicher und unterjähriger Planungszyklus vorliegen. Budgetieren Sie vor allem für Einführung und Datenqualität.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Solver als Dienst / Bibliothek: Google OR-Tools (Open Source, läuft überall), Gurobi oder FICO Xpress (kommerzielles MIP), Azure-/AWS-Rechenleistung für Szenario-Stapel; PostgreSQL/PostGIS und OpenStreetMap-basierte Routenberechnung (OSRM, Valhalla) für Fahrzeiten.
• ML: verwaltetes AutoML oder Notebooks in einer Cloud der EU-Region für Potenzialmodelle; LLM-API (EU-Region oder EU-Anbieter wie Mistral) für die Analyse von Was-wäre-wenn-Fragen und für Erklärungen.
• Integration: CRM-APIs (Salesforce, Dynamics, HubSpot), um Kunden zu lesen und Gebiets- zuordnungen zu schreiben; BI-Werkzeug für Fairness-Dashboards.
• Wählen Sie B, wenn: ungewöhnliche Nebenbedingungen (z. B. regulierte Gebiete, mehrere Rechtseinheiten) oder eine vorhandene Datenplattform vorliegen.

Weg C — Selbst betreiben (Open Source)

• Stack: Python mit OR-Tools / HiGHS / PuLP / Pyomo für den Solver, scikit-learn, LightGBM oder XGBoost für Potenzialmodelle, PostGIS plus OSRM oder Valhalla für die Geografie, Apache Superset oder Metabase für Dashboards. Kleine Open-Weight-LLMs (z. B. aus den Familien Qwen, Llama, Mistral) über Ollama oder vLLM nur für die optionale Schicht für natürliche Sprache.
• Hardware: Ein CPU-Server (HW1) genügt; das Problem ist kombinatorisch, nicht GPU-gebunden.
• Betriebsaufwand: ein Data Scientist oder OR-Ingenieur plus Verantwortliche(r) der Vertriebssteuerung; planen Sie die Pflege des Modells ein.

Weg D — Eigenes Training

Lohnt sich für Potenzialmodelle, wenn Sie über umfangreiche eigene Daten verfügen (Installationsbasis, Produkttelemetrie, zehntausende Kunden). Beginnen Sie mit Gradient Boosting; tiefe Modelle zahlen sich bei tabellarischen CRM- Daten selten aus. Reinforcement Learning für dynamische Neuzuordnung befindet sich im Forschungsstadium.

Stand der Technik (2026)

• Potenzialbasierte, szenariogetriebene Planung ist in Planungsplattformen inzwischen Standard; der Wandel geht von der jährlichen einmaligen Planung hin zu fortlaufendem Neuausgleich und vielen parallelen Szenarien.
• Generative KI ist hauptsächlich eine Schnittstellenschicht: Szenarien in natürlicher Sprache aufbauen, Änderungszusammenfassungen und entworfene Mitteilungen an die Vertriebsmitarbeitenden. Die genaue Zuordnung bleibt bei Solvern, weil LLMs keine zulässigen, optimalen Zuordnungen garantieren.
• Fairness-Diagnosen: Verteilung der Zielerreichung, Streuung des Potenzials nach Art des Gini-Koeffizienten und Kennzahlen für Chancen je Vertriebsmitarbeitendem dienen dazu, Quotenentscheidungen zu begründen.
• Grenzen und Fehlerbilder: schlechte CRM-Datenqualität und veraltete Marktdaten; Potenzialmodelle, die die Verzerrung durch historische Abdeckung übernehmen (unterversorgte Regionen wirken klein); Überoptimierung, die Beziehungen ignoriert; Instabilität (kleine Änderungen der Eingaben verschieben viele Kunden); als undurchsichtig empfundene Quoten, die Manipulation und Abwanderung auslösen; Kannibalisierung und doppelte Abdeckung über Kanäle hinweg.

Gemeinsame Bausteine & Kombinationen

• Gemeinsame Fähigkeiten: Optimierungs-Solver und Geodaten mit OPT-001 (Routenplanung) und OPT-019 (Einsatzplanung im Außendienst/Service); tabellarisches ML mit PRED-002 (Prognose), das Pipeline- und Gewinnwahrscheinlichkeiten als Eingaben liefert; Kapazitätslogik für Personal mit OPT-003.
• Kombiniert sich mit: OPT-004 (Preis- und Rabattleitplanken), OPT-018 (Optimierungsassistent in natürlicher Sprache), AGENT-011 (CRM-Pflege, entscheidend für die Qualität der Eingaben), AGENT-007 (Akquise, um unbearbeitetes Marktpotenzial abzudecken), OPT-035 (Zuweisung eingehender Kundenkontakte an Mitarbeitende).

Aufwand, Kosten & Kennzahlen

• Weg A: 2–4 Monate für den ersten Planungszyklus einschließlich Datenbereinigung; Lizenz pro Nutzer oder pro geplanter Vertriebsstelle.
• Weg B/C: 3–6 Monate für ein erstes nutzbares Modell und einen Solver; geringe Infrastrukturkosten, vor allem Personalzeit.
• Kennzahlen: Anteil der Vertriebsmitarbeitenden auf oder über Quote, Streuung der Zielerreichung, Potenzialausgleich über die Gebiete, verschobene Kunden je Neuzuordnung und gefährdeter Umsatz, Zeit bis zur Neuplanung nach einer Änderung, Abdeckung von Kunden mit hohem Potenzial, Abwanderung von Vertriebsmitarbeitenden und Einarbeitungszeit.

Menschen & Veränderung

Vertriebsgebiete und Quoten betreffen Vergütung und Beziehungen, daher ist das Veränderungsmanagement wichtiger als der Algorithmus. Binden Sie die Geschäftsführung und die Vertriebsleitung als Sponsoren ein, HR für die Vergütungsregeln sowie Vertriebssteuerung und IT als Datenverantwortliche. Holen Sie einige angesehene Vertriebsmitarbeitende und Gebietsleiter früh als Pilotgruppe zur Prüfung der Vorschläge hinzu; die Führungskräfte behalten bei jeder Verschiebung eines Kunden das letzte Wort.

Betriebsrat: in der Praxis ja. Potenzialwerte, Dashboards zur Zielerreichung und Quotenvorschläge auf Ebene einzelner Vertriebsmitarbeitender sind geeignet, die Leistung zu überwachen, daher ist eine Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG wahrscheinlich, und § 90 Abs. 1 Nr. 3 verlangt rechtzeitige Information. Regeln zur variablen Vergütung können weitere Mitbestimmungsrechte auslösen. Erwägen Sie, nach § 80 Abs. 3 BetrVG einen KI-Sachverständigen hinzuzuziehen. Öffentlicher Dienst oder andere Stellen: Personalrat.

Datenschutz: Daten und individuelle Leistung der Vertriebsmitarbeitenden sind personenbezogene Daten; binden Sie die oder den Datenschutzbeauftragte(n) ein, führen Sie eine DSFA durch, wenn Werte Einzelpersonen systematisch bewerten, und schließen Sie mit jedem Anbieter einen AVV. Machen Sie die Logik nachvollziehbar: Veröffentlichen Sie die Faktoren und Fairness-Diagnosen.

KI-Kompetenz: Unterstützen Sie Führungskräfte dabei, Modellergebnisse und deren Grenzen zu lesen (GUIDE-006). Typische Sorge: Quoten, die eine Blackbox festlegt. Begegnen Sie ihr mit Transparenz, einem dokumentierten Widerspruchsverfahren und Was-wäre-wenn-Sitzungen (GUIDE-008). Siehe GUIDE-004 für die Schritte zum Betriebsrat und GUIDE-005 für den Datenschutz.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Die Einstufung hängt von der Ausgestaltung ab. Reine Zuordnung von Kunden und Gebieten ohne Auswirkungen auf einzelne Personen ist wahrscheinlich ein minimales Risiko. Anhang III Nr. 4 Buchst. b führt jedoch KI- Systeme auf, die Aufgaben auf Grundlage individuellen Verhaltens oder persönlicher Merkmale zuweisen oder die Leistung von Beschäftigten überwachen und bewerten, als Hochrisiko. Quoten, an individuelle Leistungswerte der Vertriebsmitarbeitenden geknüpfte Kundenzuordnung oder KI, die in Entscheidungen über Vergütung, Beförderung oder Kündigung einfließt, können in diese Kategorie fallen; prüfen Sie den Einzelfall (keine Rechtsberatung) und planen Sie bei Hochrisiko die Pflichten nach Art. 9–15 und Art. 26 für Betreiber ein (menschliche Aufsicht, Protokollierung, Information der Beschäftigten). Emotionserkennung bei Vertriebsmitarbeitenden ist am Arbeitsplatz verboten (Art. 5 Abs. 1 Buchst. f); fügen Sie sie nicht hinzu [4].
• DSGVO: Leistungs- und Zielerreichungsdaten der Vertriebsmitarbeitenden sind Beschäftigtendaten (Art. 88 und nationales Arbeitsrecht, z. B. deutsches BDSG § 26); Kundenkontakte im CRM sind ebenfalls personenbezogene Daten. Nutzen Sie nach Möglichkeit Aggregate auf Kundenebene, begrenzen Sie Merkmale auf Ebene der Vertriebsmitarbeitenden, dokumentieren Sie die Rechtsgrundlage und führen Sie bei Profiling von Beschäftigten eine DSFA durch [5].
• Betriebsrat / Arbeitsrecht: In Deutschland (BetrVG § 87 Abs. 1 Nr. 6) erfordern technische Systeme, die geeignet sind, Beschäftigte zu überwachen, die Mitbestimmung des Betriebsrats; binden Sie ihn früh ein. Änderungen an variabler Vergütung und Quoten können zudem eine Prüfung von Vertrag oder Tarifvertrag erfordern.
• Sonstiges: Wettbewerbsrecht bei jedem Austausch von Wettbewerberdaten in Marktdatensätzen; vertragliche Rechte an den für Potenzialmodelle genutzten Marktdaten.
• Gegenmaßnahmen: transparente Quotenmethodik, Widerspruchsverfahren, Verzerrungsprüfungen (z. B. Region, Geschlecht und Teilzeitstatus bei den Ergebnissen der Zielerreichung), menschliche Freigabe aller Zuordnungen, versionierte Szenarien und Prüfprotokolle.

Erste Schritte

1. Legen Sie mit der Vertriebsleitung Ziele und Nebenbedingungen fest: Ausgleich, Kontinuität, Reisezeit, strategische Kunden und wer die Quoten genehmigt.
2. Prüfen Sie die CRM-Daten (Kundenhierarchie, Dubletten, Segmentfelder) und kaufen oder sammeln Sie Marktpotenzialdaten für die wichtigsten Segmente.
3. Erstellen Sie eine Ausgangsbasis: aktuelle Streuung der Zielerreichung und Potenzial je Gebiet; testen Sie, ob ein einfaches Potenzialmodell den historischen Umsatz als Prädiktor schlägt.
4. Erproben Sie eine Region oder ein Segment mit einem Werkzeug des Wegs A oder einem OR-Tools-Prototyp und vergleichen Sie die Szenarien mit dem manuellen Plan.
5. Binden Sie HR, Datenschutz und Betriebsrat ein, bevor Kennzahlen oder Quoten auf Ebene der Vertriebsmitarbeitenden live gehen.

Quellen

1. Anaplan — Sales Planning, territory and quota planning — https://www.anaplan.com/
2. Varicent — Sales Planning and Performance Management — https://www.varicent.com/
3. Xactly — Sales Planning and Incentive Compensation — https://www.xactlycorp.com/
4. Regulation (EU) 2024/1689 (AI Act), Annex III and Art. 5 — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
5. Regulation (EU) 2016/679 (GDPR), Art. 88 and Art. 35 — https://eur-lex.europa.eu/eli/reg/2016/679/oj
6. Salesforce — Enterprise Territory Management documentation — https://help.salesforce.com/s/articleView?id=sf.tm2_territory_management.htm
7. Google OR-Tools — https://developers.google.com/optimization
8. HiGHS open-source solver — https://highs.dev/
9. Gesetze im Internet — BetrVG section 87 — https://www.gesetze-im-internet.de/betrvg/__87.html