Im B2B-Vertrieb gilt eine unbequeme Wahrheit: Der Kunde, der von sich aus zum Hörer greift, hat sich in der Regel längst entschieden. Meist hat er zu diesem Zeitpunkt bereits drei Angebote eingeholt – das eigene Unternehmen ist dann nur noch das vierte im Vergleich. Der eigentlich wertvolle Kunde ist ein anderer: das ist der Kunde, der noch nicht weiß, dass er einen Bedarf hat.
„Der interessante Kunde ist der, der sich noch nicht entschieden hat“, erklärt Mare Hojc, Gründer und CEO von AN Digital. „Und der sendet Signale – Unternehmensveränderungen, öffentliche Daten, Verhalten auf der eigenen Website. Die Frage ist nur, wer diese Signale zuerst liest und daraus eine Handlung macht.“
Vier Signalquellen, unterschiedlich genutzt
Aus der Beratungspraxis von AN Digital lassen sich branchenübergreifend vier Quellen benennen, aus denen sich Kaufsignale im B2B-Vertrieb ableiten lassen – strukturierte öffentliche Register ebenso wie unstrukturierte Datenquellen, interne Systeme und halböffentliche Netzwerke:
- Strukturierte öffentliche Quellen wie Handelsregister, Bauportale oder Ausschreibungsplattformen, die sich täglich systematisch abfragen lassen.
- Unstrukturierte öffentliche Quellen wie Förderdatenbanken oder Regionalnachrichten, in denen KI-Systeme Muster erkennen, die kein Vertriebsteam manuell täglich lesen kann.
- Interne Quellen wie die eigene Website, das CRM oder Serviceanfragen, die in vielen Unternehmen ungenutzt bleiben.
- Halböffentliche Quellen wie LinkedIn oder Branchenverzeichnisse, aus denen sich relevante Entscheider identifizieren lassen.
„Die erste Kategorie konnte klassische Software schon vorher verarbeiten. Stark wird KI bei der zweiten und dritten Quelle – dort, wo Muster in großen, unübersichtlichen Datenmengen liegen oder Verhalten mit einem konkreten Konto verbunden werden muss“, so Hojc.
Der Hebel liegt nicht in der Datenquelle
Nach Einschätzung von AN Digital liegt der eigentliche Engpass nicht im Zugang zu Daten, sondern in der fehlenden Verbindung zwischen Signal und Handlung.
„Kommt ein Signal an und niemand reagiert, hat ein Unternehmen ein Dashboard – keinen Vertrieb“, sagt Hojc. Entscheidend sei eine klar definierte Regel: pro Signal eine Datenquelle, eine Reaktion innerhalb von 24 Stunden und ein Verantwortlicher. „Steht in dieser Spalte nur ‚jemand schaut mal‘, ist es kein Trigger. Ein Trigger löst eine definierte Handlung aus, für die ein Mensch verantwortlich ist.“
Die andere Seite der Medaille: selbst gefunden werden
Für AN Digital zeigt sich hier eine Parallele zu einem zweiten Thema, mit dem sich die Beratung im Kern beschäftigt: der eigenen Sichtbarkeit in KI-Systemen wie ChatGPT, Perplexity oder Google AI Overviews. Ein Unternehmen, das Kaufsignale seiner Kunden systematisch nutzt, aber selbst nicht auftaucht, wenn Kunden umgekehrt eine KI nach Anbietern fragen, gewinnt nach Einschätzung von AN Digital nur die halbe Wette.
„Gerade im B2B entscheiden Entity-Signale und Content-Architektur darüber, ob KI-Systeme ein Unternehmen als Referenz zitieren oder ob es für sie unsichtbar bleibt“, erklärt Hojc. „Es ist kein Content-Problem. Es ist ein Architektur-Problem – und zwar auf beiden Seiten: bei der Erkennung von Kaufsignalen und bei der eigenen Sichtbarkeit.“
Wie schnell sich diese Sichtbarkeit verändern lässt, zeigt ein Beispiel aus der Beratungspraxis von AN Digital: Ein Unternehmen mit jahrzehntelanger Markterfahrung galt für KI-Systeme trotz seiner Marktposition als nicht existent. Innerhalb von 21 Tagen verbesserte sich die durchschnittliche Position bei strategischen Kaufanfragen von 5,7 auf 2,3 – ein Wachstum der KI-Sichtbarkeit um 317 %.
AIVA Architecture Sprint als Einstiegspunkt
Für den Aufbau strukturierter KI-Sichtbarkeit bietet AN Digital mit dem AIVA Architecture Sprint ein strukturiertes Vorgehen an. Im Rahmen des mehrwöchigen Programms analysiert AN Digital, wo ein Unternehmen aktuell in KI-Systemen steht, wo die zentralen Lücken in seiner AI Visibility Architecture liegen und welche Maßnahmen zuerst umgesetzt werden sollten. Der Sprint umfasst:
- eine Diagnose der aktuellen KI-Sichtbarkeit,
- einen Architektur-Blueprint für AI Visibility,
- eine priorisierte Roadmap für die nächsten Schritte.