Von Lead-Scoring zu KI-gestütztem Sales Alignment: Der nächste Schritt für Account Engagement und Agentforce

Die meisten multinationalen Unternehmen verfügen mittlerweile über ausreichend Technologie, um Prospects zu verfolgen, Kampagnen zu automatisieren und Verkaufschancen auszuwerten. Dennoch gehört die Übergabe zwischen Marketing und Vertrieb weiterhin zu den kritischsten Phasen der B2B-Customer-Journey. Das Marketing übermittelt Leads, die laut System für die weitere Bearbeitung bereit sind, während der Vertrieb die Kaufabsicht, Account-Priorität oder den richtigen Zeitpunkt anders bewertet. Das Problem liegt nur selten ausschließlich im verwendeten Scoring-Modell. Es entsteht, wenn kommerzielle Definitionen, Kundenkontext und Verantwortlichkeiten nicht aufeinander abgestimmt sind. Mit Salesforce Marketing Cloud Account Engagement und der zunehmenden Bedeutung von Agentforce verändern sich die Möglichkeiten, mit denen Unternehmen diese Herausforderung bewältigen können. Bestehende Funktionen für Scoring, Grading und Nurturing lassen sich mit weiterführenden Analysen und automatisierten Aktionen verbinden. Ein KI-Agent garantiert jedoch keine bessere Lead-Qualität, ebenso wenig wie ein hoher Lead-Score automatisch auf eine konkrete Kaufentscheidung hinweist. Die eigentliche strategische Chance liegt in einem messbaren und steuerbaren Prozess, in dem Marketing und Vertrieb dieselben kommerziellen Signale einheitlich interpretieren.

Warum ein hoher Lead-Score noch keine Verkaufschance bedeutet

Ein Prospect kann mehrere Whitepapers herunterladen, an einem Webinar teilnehmen und verschiedene E-Mails öffnen, ohne eine aktuelle Investitionsabsicht zu haben. Ein anderer Prospect zeigt möglicherweise kaum Kampagnenaktivitäten, arbeitet jedoch bei einem strategisch wichtigen Account, für den bereits eine konkrete Projektanfrage vorliegt. Traditionelle Scoring-Modelle können diese Unterschiede nur teilweise erklären, insbesondere wenn Informationen über die Account-Entwicklung oder persönliche Vertriebsinteraktionen außerhalb der Marketingautomatisierung verbleiben. Wer ausschließlich auf Engagement setzt, verwechselt Interesse schnell mit tatsächlicher Kaufbereitschaft. Account Engagement bietet seit Langem zwei relevante Perspektiven. Das Scoring bildet das erfasste Interesse und die Interaktionen ab, während das Grading bewertet, wie gut ein Prospect zum gewünschten Zielprofil passt. Beide Ansätze sind hilfreich, doch ihre Aussagekraft hängt von der Konfiguration, der Vollständigkeit der Daten und den gewählten Kriterien ab. Ein hoher Score ohne passendes Account-Profil erfordert eine andere Maßnahme als ein strategisch relevanter Prospect mit wenigen aktuellen Aktivitäten.

Sales Alignment beginnt mit gemeinsamen Definitionen

Das Marketing kann keine zuverlässige Vertriebspipeline unterstützen, wenn die Teams unterschiedliche Definitionen für Prospects, Leads, Marketing Qualified Leads (MQLs), Sales Accepted Leads und Sales Qualified Leads verwenden. Dasselbe gilt für den Account-Status, die Rollen innerhalb einer Buying Group und die Gründe, aus denen eine Verkaufschance an das Marketing zurückgegeben wird. Ohne einheitliche Definitionen wird die Übergabe zu einem administrativen Vorgang statt zu einer fundierten Bewertung. Letztlich verlieren beide Abteilungen das Vertrauen in dieselben Dashboards. Die Lösung besteht in einer gemeinsam festgelegten Qualifizierungslogik, die mit dem tatsächlichen Vertriebszyklus verknüpft ist. Dazu gehört eine ausdrückliche Servicevereinbarung: Innerhalb welcher Frist bewertet der Vertrieb einen Lead, welches Ergebnis wird dokumentiert und wann wird ein Kontakt wieder in ein Nurturing-Programm aufgenommen? Kommerzieller Mehrwert entsteht erst, wenn diese Regeln konsequent angewendet und die Ergebnisse zurückgemeldet werden. Eine gute technische Implementierung unterstützt diesen Prozess, ersetzt jedoch nicht die gemeinsame Verantwortung.

Sales Alignment entsteht nicht dadurch, dass das Marketing mehr Leads übergibt, sondern dadurch, dass beide Abteilungen dieselben Gründe erkennen, um den nächsten kommerziellen Schritt einzuleiten.

Von einzelnen Leads zu Buying Groups und Account-Kontext

Bei komplexen B2B-Verkaufsprozessen trifft nur selten eine einzelne Person selbstständig eine umfangreiche Kaufentscheidung. Der CFO bewertet die finanziellen Auswirkungen, IT und Security prüfen technische Risiken, der Einkauf untersucht vertragliche Bedingungen und der jeweilige Geschäftsbereich beurteilt den operativen Nutzen. Ein einzelner, besonders engagierter Kontakt vermittelt daher kein vollständiges Bild einer Verkaufschance. Umgekehrt können mehrere schwächere Signale aus demselben Account gemeinsam auf ein wichtigeres Muster hinweisen als ein einzelner hoher Lead-Score. Für multinationale Unternehmen verschiebt sich damit die relevante Fragestellung: Nicht mehr allein, wer auf eine Kampagne geklickt hat, ist entscheidend, sondern welches Unternehmen sich möglicherweise in einem Kaufprozess befindet und welche Entscheidungsträger daran beteiligt sind. Dafür sind zuverlässige Account-Beziehungen in Salesforce CRM, Transparenz über bekannte Kontaktrollen und eine enge Abstimmung zwischen Marketing und Account-Teams erforderlich. Account Engagement kann weiterhin das individuelle Nurturing und die Engagement-Daten unterstützen, während Account- und Opportunity-Informationen unter anderem aus Sales Cloud und gegebenenfalls zusätzlichen Datenquellen stammen. Ein fundiertes Verständnis der Buying Group entsteht durch die gezielte Zusammenführung dieser Informationen und nicht dadurch, dass jedem Kontakt ein neuer, nicht nachvollziehbarer Score zugewiesen wird.

Welchen Mehrwert Einstein Behavior Scoring tatsächlich bietet

Mit Einstein Behavior Scoring kann Salesforce Verhaltensdaten analysieren und anhand erkannter Muster das Engagement bewerten. Dabei werden unter anderem die Aktualität und Häufigkeit von Aktivitäten berücksichtigt. Der Score liefert ein zusätzliches Signal zu den festen, manuell konfigurierten Scoring-Regeln. Die Funktionalität steht nicht in jeder Account Engagement-Edition standardmäßig zur Verfügung. Salesforce beschreibt die spezifischen Anforderungen an Edition und Salesforce CRM in der offiziellen Konfigurationsdokumentation. Ein prädiktives Modell liefert zudem nur dann überzeugende Ergebnisse, wenn die verfügbaren historischen Daten relevant und zuverlässig sind. Salesforce empfiehlt für Behavior Scoring eine geeignete Grundlage aus historischen Engagement-Daten und Opportunity-Beziehungen. Unternehmen sollten das Modell deshalb nicht so bewerten, als könne es bereits am ersten Tag perfekte Erkenntnisse liefern. Die Scores müssen mit der tatsächlichen Lead-Akzeptanz durch den Vertrieb, der Weiterentwicklung von Opportunities und den Conversion-Ergebnissen verglichen werden. Darüber hinaus sind regelmäßige Kontrollen auf Abweichungen zwischen Ländern, Segmenten und Produkten erforderlich.

Agentforce: Von Erkenntnissen zu ausführbaren Aktionen

Die entscheidende Innovation besteht darin, dass Salesforce künstliche Intelligenz nicht ausschließlich für Analysen oder die Erstellung von Inhalten einsetzt. Agentforce kann innerhalb der Salesforce-Umgebung Aktionen ausführen, sofern diese innerhalb der konfigurierten Grenzen liegen. Für Account Engagement stehen spezifische Agentforce-Aktionen zur Verfügung, mit denen ein Agent Prospect-Datensätze anzeigen oder aktualisieren und Kontakte zu Nurturing-Programmen hinzufügen kann. Salesforce erläutert diese Möglichkeiten unter Using Agentforce with Account Engagement. Die Unterscheidung zwischen verfügbarer Produktfunktionalität und tatsächlicher Implementierung ist dabei wesentlich. Die Verfügbarkeit einer Aktion bedeutet nicht, dass jede Salesforce-Umgebung sofort über einen vollständig autonomen Marketing- und Vertriebsagenten verfügt. Agentforce muss eingerichtet werden, Berechtigungen und Zugriffsrechte müssen stimmen, die gewünschten Aktionen müssen verfügbar sein und die Nutzung kann zusätzliche Kosten verursachen. Darüber hinaus muss das Unternehmen entscheiden, welche Tätigkeiten automatisch ausgeführt werden dürfen und welche erst nach menschlicher Freigabe erfolgen sollen.

Warum der SDR Agent gesondert betrachtet werden muss

Salesforce beschreibt außerdem einen Agentforce Sales Development Representative Agent, der Produktfragen beantworten, Einwände behandeln und bei der Terminvereinbarung unterstützen kann. Diese Möglichkeiten gehen über die spezifischen Account Engagement-Aktionen für das Prospect-Management hinaus. Es wäre deshalb falsch zu behaupten, dass jeder Account Engagement-Kunde durch die Aktivierung von Agentforce automatisch über einen voll funktionsfähigen KI-SDR verfügt. Die jeweilige Produktkonfiguration, Lizenzierung, Kommunikationskanäle und Integrationen müssen separat überprüft werden. Für die Vertriebsleitung ist vor allem entscheidend, zu welchem Zeitpunkt automatisierte Kommunikation tatsächlich einen Mehrwert schafft. Eine eingehende Anfrage außerhalb der Geschäftszeiten kann von einer schnellen und relevanten Antwort profitieren, sofern der Agent Zugriff auf freigegebenes Produktwissen besitzt. Bei einem strategischen Account mit laufenden Vertragsverhandlungen kann eine unaufgeforderte KI-gestützte Kontaktaufnahme dagegen schädlich sein. Die optimale Aufgabenverteilung zwischen KI und menschlichen Vertriebsmitarbeitern muss sich daher am Kundenwert, am jeweiligen Kontaktkontext und am Risiko orientieren, nicht am Ziel, möglichst jedes Gespräch zu automatisieren.

Prozesse mit klar definierten menschlichen Entscheidungspunkten gestalten

Bevor ein KI-Agent einen Prospect kontaktiert, muss feststehen, welche Daten verfügbar sind, welches Ziel verfolgt wird und welche Ausnahmen gelten. Dazu gehören Regeln für aktive Opportunities, bestehende Account-Beziehungen, Abmeldungen, sensible Themen und Kontakte, die bereits von einem Account Manager betreut werden. Ohne diese Rahmenbedingungen kann die Automatisierung mit bestehenden kommerziellen Vereinbarungen in Konflikt geraten. Die entscheidende Frage lautet nicht, ob der Agent eine Aufgabe technisch bewältigen kann, sondern ob das Unternehmen diese Aufgabe verantwortungsvoll delegieren darf. Für eine erste kontrollierte Implementierung würde ich vier Entscheidungsregeln ausdrücklich im Operating Model verankern. Sie sollten gemeinsam von Marketing Operations, Vertriebsmanagement, IT und den zuständigen Datenschutzverantwortlichen festgelegt werden:

• Zulassung: Nur Kontakte mit ausreichender Datenqualität, geeignetem Kontext und nachweislich vorhandenen Kommunikationsberechtigungen dürfen berücksichtigt werden.
• Autorisierung: Der Agent erhält ausschließlich Zugriff auf die Daten und Aktionen, die für die jeweilige Aufgabe erforderlich sind.
• Eskalation: Komplexe Fragen, strategische Accounts und unsichere Antworten werden rechtzeitig an einen menschlichen Mitarbeiter übergeben.
• Kontrolle: Wesentliche Aktionen und Ausnahmen werden dokumentiert und die Ergebnisse daraufhin überprüft, ob sie mit den vereinbarten kommerziellen Zielen übereinstimmen.

Die praktische Umsetzung kann je nach Markt unterschiedlich ausfallen. In einer regulierten Branche sind strengere Kontrollen erforderlich als bei einer vergleichsweise einfachen Informationsanfrage. Auch internationale Sprachvarianten, lokale Vertriebsprozesse und unterschiedliche Distributionsmodelle beeinflussen, welche Interaktionen sich für die Automatisierung eignen. Eine zentrale Governance muss diese Unterschiede berücksichtigen und gleichzeitig verhindern, dass jede Region einen vollständig eigenen KI-Prozess entwickelt.

Welche Kennzahlen sollten CMO, CRO und CFO gemeinsam verfolgen?

Ein KI-gestützter Vertriebstrichter kann problemlos beeindruckende Aktivitätskennzahlen erzeugen. Die Anzahl beantworteter Fragen, automatisierter Interaktionen oder vereinbarter Termine reicht jedoch nicht aus, um den kommerziellen Wert nachzuweisen. Entscheidend ist, ob qualifizierte Verkaufschancen schneller, konsistenter und zu vertretbaren Kosten entwickelt werden. Dafür ist ein Messmodell erforderlich, das bei der Qualität beginnt und bei konkreten Vertriebsergebnissen endet.

Die folgenden Kennzahlen bieten einen gemeinsamen Ausgangspunkt für Marketing, Vertrieb und Finance. Sie ersetzen keine finanzielle Analyse, verhindern jedoch, dass ein Pilotprojekt ausschließlich anhand des Automatisierungsvolumens bewertet wird. Wichtig ist, dass für jede KPI vorab eine einheitliche Definition, eine Ausgangsmessung und eine verantwortliche Person festgelegt werden.

Messbereich	Kennzahl	Managementfrage
Qualifizierung	Anteil der vom Vertrieb akzeptierten Leads, aufgeschlüsselt nach Quelle und Segment.	Erhalten die Account-Teams relevantere Verkaufschancen?
Geschwindigkeit	Zeit zwischen einem relevanten Kaufsignal, der ersten Kontaktaufnahme und der Akzeptanz durch den Vertrieb.	Werden Verzögerungen im Vertriebsprozess tatsächlich reduziert?
Pipeline	Opportunity-Erstellung, Fortschritt zwischen Vertriebsphasen und Pipeline-Wert je Kohorte.	Führt eine bessere Nachverfolgung zu messbaren kommerziellen Fortschritten?
Qualität und Risiko	Fehlerhafte Übergaben, Eskalationen, Beschwerden und Abweichungen bei Einwilligungen.	Bleibt die Automatisierung kontrollierbar und kundenorientiert?
Wirtschaftlicher Nutzen	Gesamte Betriebskosten im Verhältnis zu zusätzlichen kommerziellen Erträgen.	Ist die Erweiterung finanziell vertretbar?

Bei der finanziellen Bewertung müssen Lizenzkosten, nutzungsabhängige Kosten, Integrationen, Prozessmanagement und die Arbeitszeit der Mitarbeiter berücksichtigt werden, die Ausnahmen bearbeiten. Eine einfache Berechnung der Kosten pro Termin liefert kein zuverlässiges Investitionsbild, wenn aus diesen Terminen keine qualifizierten Verkaufschancen entstehen. Auch die Attribution bleibt begrenzt, wenn lange Vertriebszyklen und mehrere Stakeholder beteiligt sind. Deshalb sind Kohortenanalysen über einen geeigneten Zeitraum aussagekräftiger als isolierte Kampagnenberichte.

Warum die Datenqualität die Grenzen der KI bestimmt

Agentforce kann nur auf Grundlage der Daten und Anweisungen sinnvoll handeln, auf die der Agent zugreifen darf. Wenn CRM-Datensätze veraltet sind, Kontakte falschen Accounts zugeordnet werden oder sich Lifecycle-Status widersprechen, werden diese Mängel Bestandteil der Automatisierung. KI kann sogar dazu führen, dass solche Fehler schneller sichtbar werden. Datenqualität ist daher kein einmaliges Bereinigungsprojekt vor der Implementierung, sondern eine dauerhafte kommerzielle Managementaufgabe. Besonders bei internationalen Unternehmen entstehen Risiken dadurch, dass dieselbe Organisation unter mehreren Namen, Tochtergesellschaften oder regionalen Einheiten geführt wird. Ein Agent, der einen Prospect isoliert bewertet, kann eine bestehende Beziehung zu einer anderen Business Unit übersehen. Umgekehrt kann ein zentralisiertes Account-Profil unbeabsichtigt Daten aus unterschiedlichen Ländern zusammenführen, ohne dass jede vorgesehene Nutzung gerechtfertigt ist. Die Qualität der Identitätsbeziehungen, Zugriffsberechtigungen und Felddefinitionen entscheidet somit unmittelbar darüber, welche KI-Anwendungen verantwortungsvoll freigegeben werden können.

Internationale Compliance ist Teil der Vertriebserfahrung

Bei KI-gestützter Kommunikation richtet sich die Aufmerksamkeit häufig darauf, was ein Agent sagen kann. Für einen multinationalen Konzern ist mindestens ebenso wichtig, wann das Unternehmen einen Prospect kontaktieren darf und welche personenbezogenen Daten hierfür verarbeitet werden dürfen. Einwilligungen, Rechtsgrundlagen, Kanalpräferenzen, dokumentierte Widersprüche und die jeweils geltenden nationalen Vorschriften müssen bereits vor der Aktivierung geprüft werden. Auch wenn eine Nachricht von einem KI-Agenten erstellt oder versendet wird, bleibt das Unternehmen für die Datenverarbeitung und die kommerzielle Kommunikation verantwortlich. Die EU-Datenschutz-Grundverordnung bildet einen wichtigen Rahmen für die Verarbeitung personenbezogener Daten in Europa. Internationale Anwendungen erfordern jedoch eine zusätzliche Prüfung lokaler Rechtsvorschriften und kanalspezifischer Anforderungen. Eine SMS- oder WhatsApp-Funktion, die in einem Markt eingesetzt werden darf, kann in einem anderen Markt zusätzliche Registrierungen oder andere Einwilligungsverfahren erfordern. Vertrieb und Marketing müssen außerdem klar kommunizieren, wenn eine Interaktion automatisiert erfolgt, sofern dies gesetzlich vorgeschrieben oder für eine verantwortungsvolle Kundenbeziehung angemessen ist. Der Grundsatz bleibt, dass Transparenz und kontrollierbare Kommunikation wichtiger sind als ein möglichst hoher Automatisierungsgrad.

Eine autonome Vertriebsaktion schafft erst dann einen Mehrwert, wenn das Unternehmen nicht nur erklären kann, was geschehen ist, sondern auch, warum diese Aktion zu genau diesem Zeitpunkt gerechtfertigt war.

Ein sinnvoller Pilot beginnt mit einem messbaren Anwendungsfall

Der beste erste Schritt ist kein Agent, der den gesamten internationalen Vertriebstrichter verwaltet. Beginnen Sie mit einer klar abgegrenzten Situation, in der das Problem eindeutig ist, beispielsweise eingehenden Leads, die außerhalb der Geschäftszeiten unbearbeitet bleiben, oder Prospects, die nach einem Webinar nicht rechtzeitig kontaktiert werden. Stellen Sie sicher, dass die Zielgruppe, das betreffende Produkt, die verfügbaren Daten und der zuständige Vertriebsmitarbeiter im Voraus bekannt sind. Dadurch lässt sich die Leistung mit dem bestehenden Prozess vergleichen, ohne den gesamten Geschäftsbetrieb zu beeinträchtigen. Ein gut konzipiertes Pilotprojekt verfügt über eine Kontroll- oder Vergleichsgruppe, klare Akzeptanzkriterien und einen vereinbarten Evaluierungszeitpunkt. Bewerten Sie nicht nur die Anzahl der Kontaktmomente, sondern auch die inhaltliche Qualität der Antworten, die Zufriedenheit des Vertriebs und den Fortschritt in Richtung konkreter Opportunities. Lassen Sie Ausnahmen durch Mitarbeiter prüfen und dokumentieren Sie, welche Anweisungen oder Datenquellen die Ergebnisse beeinflussen. Wenn das Pilotprojekt keine nachweisbare Verbesserung liefert, gehören Anpassungen oder die Beendigung des Projekts ebenfalls zu einem professionellen Programmmanagement.

Das Operating Model bestimmt letztlich die Rendite

Die technologischen Innovationen rund um Account Engagement und Agentforce sind relevant, doch ihre organisatorischen Auswirkungen reichen weit über eine neue Funktion im Salesforce Setup hinaus. Marketing Operations muss die Prozessdefinitionen verwalten, der Vertrieb muss Rückmeldungen zur Lead-Qualität geben und die IT muss für Zugriffsrechte, Integrationen und Monitoring sorgen. Datenschutz- und Sicherheitsexperten müssen beurteilen können, welche Daten und Aktionen zur Verfügung gestellt werden. Anschließend muss Finance bewerten, ob die Ergebnisse im Verhältnis zu den Gesamtkosten stehen. Dafür ist kein permanenter Besprechungsmarathon erforderlich, sondern eine klare Verteilung der Entscheidungsbefugnisse. Wer darf einen Qualifizierungsschwellenwert ändern? Wer genehmigt neue Agent-Aktionen und wer kann sie deaktivieren, wenn die Qualität nachlässt? Wer entscheidet, wann ein Account von der automatisierten Nachverfolgung ausgeschlossen wird? Solange diese Verantwortlichkeiten unklar bleiben, verlagert sich das Problem von der menschlichen Übergabe zu einer technisch automatisierten Unklarheit. Für den CMO und CRO entsteht daraus eine gemeinsame Führungsaufgabe. Beide müssen sich auf die Bedeutung kommerzieller Signale verständigen und diese Vereinbarungen in Prozesse übersetzen, die sowohl von Mitarbeitern als auch von Systemen ausgeführt werden können. Ein höherer Automatisierungsgrad ist dabei kein Selbstzweck. Ziel ist ein zuverlässigerer Weg vom ersten Interesse bis zur qualifizierten Verkaufschance, mit weniger unnötigen Aktivitäten und besseren Entscheidungen.

Von mehr Leads zu besseren kommerziellen Entscheidungen

Der nächste Entwicklungsschritt für Account Engagement besteht nicht darin, Scoring oder Engagement Studio durch einen KI-Agenten zu ersetzen. Der Mehrwert entsteht, wenn bestehende Automatisierung, CRM-Kontext, prädiktive Erkenntnisse und sorgfältig ausgewählte Agentforce-Aktionen einander verstärken. Dadurch kann das Marketing relevantere Signale liefern, der Vertrieb schneller beurteilen, welche Verkaufschancen tatsächlich eine Nachverfolgung verdienen, und der kommerzielle Beitrag wird besser messbar. Die Plattform unterstützt einen gemeinsamen Prozess, anstatt zwei nebeneinander arbeitende Abteilungen lediglich technisch zu verbinden. Für multinationale Unternehmen bedeutet dies, dass KI-Investitionen bei der Datenqualität, gemeinsamen Definitionen und einem konkreten Geschäftsproblem beginnen müssen. Darauf folgen ein klar begrenztes Pilotprojekt, überprüfbare Ergebnisse und erst anschließend eine umfassendere Automatisierung. Ein Unternehmen, das diese Reihenfolge einhält, behält die Kontrolle über Kundenbeziehungen, Risiken und Ressourcen, während neue Möglichkeiten untersucht werden. Dies schafft einen nachhaltigeren Wettbewerbsvorteil als das Versprechen, ein digitaler Vertriebskollege könne selbstständig den gesamten Vertriebstrichter füllen. CloudEngagePro betrachtet Account Engagement und Agentforce deshalb aus der Perspektive kommerzieller Logik, funktionaler Konfiguration und messbarer Umsetzbarkeit. Die entscheidende Frage auf Geschäftsleitungsebene lautet nicht, wie viele Aufgaben von KI übernommen werden können, sondern welche Entscheidungen dadurch nachweislich besser werden. Wenn Marketing und Vertrieb diese Frage gemeinsam beantworten, wird KI nicht zu einem isolierten Experiment innerhalb von Salesforce, sondern zu einer verantwortungsvollen Erweiterung des bestehenden kommerziellen Systems.