Immer mehr mittelständische deutsche Unternehmen kaufen still nichts mehr, in dem KI steckt. Nicht, weil sie an der Technologie zweifeln, und nicht wegen des Budgets. Sondern weil es noch keine interne KI-Richtlinie gibt, und bis die Rechtsabteilung sie geschrieben hat, gilt eine einfache Regel: keine Projekte mit KI.
Wer Go-to-Market-Systeme verkauft, erlebt das monatlich. Der Bedarf ist echt, das Budget da, der Fit stimmt – und die Antwort lautet trotzdem „nächstes Jahr“. Das sieht aus wie ein verlorener Deal. Meist ist es ein Reihenfolgeproblem.
Nicht die Richtlinie ist das Hindernis, sondern die Architektur.
Die meisten Outbound-Werkzeuge sind so gebaut, dass KI tragend ist. Nimmt man sie heraus, läuft nichts mehr, weil Personalisierung, Qualifizierung und Antwortbearbeitung alle dieselbe Komponente sind. Deshalb wird „Können wir ohne KI anfangen?“ üblicherweise höflich verneint.
Eine Engine aus getrennten Bausteinen verhält sich anders. Datenanreicherung, Sequenzierung, Versand, Antwort-Routing und CRM-Übergabe sind eigenständige Schritte, verbunden durch eine Orchestrierungsschicht. KI sitzt an bestimmten Punkten dieser Kette, und diese Punkte haben Schalter.
Schaltet man sie ab, ist die Engine nicht kaputt. Sie arbeitet dann so, wie Outbound die zwanzig Jahre vor den großen Sprachmodellen funktioniert hat: eine Vorlage je Entscheiderprofil, segmentierte Listen, diszipliniertes Nachfassen. Auf diese Weise sind sehr viele Pipelines entstanden.
Was Sie verlieren, offen gesagt
Die Qualität der Personalisierung sinkt. Es hat keinen Sinn, das zu beschönigen. Eine Vorlage an eine Rolle ist weniger konkret als eine Nachricht, die eine Finanzierungsrunde, einen Führungswechsel oder ein Einstellungsmuster aufgreift. Die Antwortquoten werden niedriger liegen als mit aktiver KI-Schicht.
Was Sie nicht verlieren, ist alles Übrige: die Datenarchitektur, die DSGVO-Handhabung, die Sperrlisten, das Reporting, die CRM-Übergabe, die Compliance-Haltung. Das sind die teuren Teile im Aufbau – und sie kommen vollständig ohne KI aus.
Der Tausch lautet also: eine messbare Einbuße bei einer Kennzahl gegen die Möglichkeit, zwölf Monate früher zu starten.
Das kaufmännische Argument, trotzdem zu beginnen
Es gibt einen zweiten Grund, die erste Phase ohne KI zu fahren, und er hat mit der Richtlinie nichts zu tun.
Wenn die KI-Richtlinie dann vorliegt, muss jemand die Ausgabe rechtfertigen. Dieses Argument gewinnt man mit echten Zahlen deutlich leichter als mit einer Prognose. „Unsere Engine erzeugt aktuell so viele qualifizierte Gespräche pro Monat, und die Personalisierungsschicht soll das um diesen Betrag steigern“ ist ein anderes Gespräch als „wir würden gern in ein Outbound-System investieren“.
Phase eins wird zum Business Case für Phase zwei. Die Arbeit an der Richtlinie und die Arbeit an der Pipeline laufen parallel statt nacheinander.
Wie das in der Praxis aussieht
Die KI-Integrationspunkte bleiben im Entwurf erhalten, dokumentiert und ruhend. Sie später zu aktivieren ist Konfiguration, kein Umbau.
Ein Hinweis, der sich gegenüber der Rechtsabteilung lohnt
Eine KI-Richtlinie, die im luftleeren Raum entsteht, fällt meist restriktiv aus, weil niemand ein Risiko freigeben will, das er sich nicht vorstellen kann. Eine KI-Richtlinie, die entsteht, während ein System vor den eigenen Augen läuft, wird meist präziser, weil die Fragen konkret werden: welche Daten welches Modell berühren, unter welchen Speicherfristen, mit welchen menschlichen Kontrollpunkten.
Phase eins ohne KI zu fahren erzeugt nicht nur Pipeline. Es erzeugt die konkreten Fragen, die Ihre Richtlinie beantworten muss.
Die Reihenfolge
Bauen Sie die Engine jetzt, mit abgeschalteter KI. Weisen Sie die Zahlen nach. Lassen Sie die Rechtsabteilung die Richtlinie gegen ein reales System schreiben statt gegen ein hypothetisches. Schalten Sie die Schicht ein, wenn beides bereit ist.
Unternehmen, die vor dem Start auf die Richtlinie warten, verlieren ein Jahr Pipeline und kommen ohne etwas Vorzeigbares in die Richtliniendiskussion.