Der komplette Prozess anhand eines Industriebeispiels
Commercial Intelligence ist dann besonders wertvoll, wenn aus einer frühen Beobachtung tatsächlich Geschäft entsteht. Genau an diesem Punkt zeigt sich, ob wir lediglich mehr Informationen über Unternehmen sammeln oder ob wir daraus einen Vertriebsprozess entwickeln, der früher beginnt und bessere Entscheidungen ermöglicht.
Im vorherigen Beitrag haben wir beschrieben, wie Unternehmen interessant werden können, lange bevor ein Projekt offiziell sichtbar ist. Wachstum, neue Produkte, technologische Veränderungen oder Engpässe können darauf hindeuten, dass sich die bisherige Situation eines Unternehmens verändert. Daraus entsteht zunächst jedoch nur eine Hypothese. Niemand weiß zu diesem Zeitpunkt, ob tatsächlich investiert wird, welches Problem intern als besonders relevant betrachtet wird oder welche Lösung am Ende gewählt werden könnte.
Deshalb verfolgen wir in diesem Beitrag eine solche Situation durch den gesamten Commercial Intelligence Prozess. Das Beispiel ist fiktiv, aber bewusst so gewählt, dass es einer typischen Situation im industriellen Mittelstand entspricht. Wir begleiten einen Anbieter von Automatisierungslösungen von einem ersten Opportunity Signal über die Bedarfshypothese und die Vertriebsansprache bis zur Entstehung einer konkreten Sales Opportunity.
Dabei wird deutlich, dass der entscheidende Vorteil nicht darin liegt, einen Auftrag vorherzusagen. Der Vorteil entsteht dadurch, früher zu erkennen, bei welchem Unternehmen es sich lohnt, genauer hinzusehen und warum.
Unser Beispielunternehmen entwickelt Automatisierungslösungen für Montage- und Prüfprozesse. Besonders interessant sind Produktionsunternehmen, bei denen wiederkehrende manuelle Arbeit eine wichtige Rolle spielt und bei denen steigende Stückzahlen, hohe Qualitätsanforderungen oder Schwierigkeiten bei der Personalgewinnung dazu führen können, dass bestehende Prozesse an ihre Grenzen kommen.
Diese Beschreibung ist wesentlich präziser als eine klassische Zielgruppe wie „produzierender Mittelstand mit 100 bis 1.000 Mitarbeitern“. Sie beschreibt nicht nur, wie ein potenzieller Kunde aussieht, sondern warum bei ihm überhaupt ein Bedarf entstehen könnte.
Genau darin liegt die Funktion des Bedarfsprofils. Es bildet das fachliche Verständnis darüber ab, unter welchen Bedingungen das eigene Angebot relevant wird. Dieses Wissen ermöglicht es anschließend, einen Commercial Space zu definieren, in dem Unternehmen kontinuierlich beobachtet werden können.
Eines dieser Unternehmen ist ein mittelständischer Hersteller elektromechanischer Baugruppen. Das Unternehmen passt grundsätzlich gut zum Bedarfsprofils, besitzt eigene Montageprozesse und fertigt in relevanten Stückzahlen. Bislang gibt es allerdings keinen besonderen Grund, diesen Account stärker zu priorisieren. Er ist ein guter Fit, aber noch keine Opportunity.
Das ändert sich mit einer zunächst unscheinbaren Information.
In einer regionalen Wirtschaftsmeldung wird bekannt, dass der Hersteller einen größeren Auftrag gewonnen hat und in den kommenden zwei Jahren mit steigenden Produktionsmengen rechnet. Für sich genommen ist diese Nachricht interessant, aber noch kein ausreichender Grund für eine Vertriebsansprache.
Wachstum bedeutet schließlich nicht automatisch Automatisierung.
Für Commercial Intelligence verändert die Meldung zunächst nur die Priorität des Accounts. Das Unternehmen wird genauer beobachtet, weil sich seine bisherige Situation möglicherweise verändert. Einige Wochen später erscheinen mehrere Stellenanzeigen für Produktionsmitarbeiter und Mitarbeitende in der Montage. Die Stellen bleiben über längere Zeit sichtbar und werden teilweise erneut veröffentlicht.
Jetzt entsteht ein Zusammenhang.
Das Unternehmen möchte offenbar zusätzliche Produktionskapazität aufbauen und versucht zunächst, diese Kapazität zumindest teilweise über Personal zu realisieren. Noch wissen wir nicht, ob die Stellen schwierig zu besetzen sind oder ob schlicht ein planmäßiger Personalaufbau stattfindet. In Verbindung mit dem vorher bekannten Wachstum gewinnt die Information jedoch an Bedeutung.
Einige Zeit später veröffentlicht das Unternehmen auf seiner Website Bilder eines erweiterten Produktionsbereichs und berichtet über die Vorbereitung einer neuen Produktgeneration. Aus einem einzelnen Signal ist inzwischen eine Entwicklung geworden.
Der Account passt nicht nur grundsätzlich zum Bedarfsprofil. Seine Situation beginnt sich in genau den Bereichen zu verändern, in denen die Automatisierungslösung des Anbieters relevant werden könnte.
Aus einem High-Fit Account wird eine Emerging Opportunity.
An diesem Punkt wäre es trotzdem zu früh, von einem konkreten Automatisierungsprojekt zu sprechen. Es gibt keine Ausschreibung, keinen bestätigten Investitionsbedarf und keine öffentliche Aussage darüber, dass die Montage tatsächlich verändert werden soll.
Der Commercial Intelligence Prozess versucht deshalb nicht, diese Lücke mit Vermutungen zu füllen. Stattdessen formuliert er eine überprüfbare Bedarfshypothese.
Das Unternehmen muss aufgrund des neuen Auftrags seine Produktionsleistung erhöhen. Gleichzeitig baut es Personal in der Montage auf und bereitet eine neue Produktgeneration vor. Wenn zusätzliche Mengen weiterhin überwiegend manuell gefertigt werden sollen, könnte die Skalierbarkeit der bestehenden Prozesse zu einer relevanten Frage werden.
Damit ist noch nichts über die konkrete Lösung gesagt.
Vielleicht kann das Unternehmen die Mengen problemlos mit zusätzlichem Personal abdecken. Vielleicht verändert sich die Produktion so stark, dass ohnehin komplett neue Anlagen benötigt werden. Vielleicht betrifft die neue Produktgeneration einen Bereich, in dem die vorhandenen Montageprozesse überhaupt keine Rolle spielen.
Genau deshalb bleibt die Hypothese offen.
Ihre Aufgabe besteht nicht darin, das Projekt vorwegzunehmen, sondern die Frage zu definieren, die wir beantworten müssen:
Kann das Unternehmen sein geplantes Wachstum mit der bestehenden Produktionsweise sinnvoll skalieren?
Damit besitzt der Vertrieb erstmals einen nachvollziehbaren Grund, sich mit dem Account intensiver zu beschäftigen.
Jetzt beginnt die eigentliche Verdichtung der Informationen. Account Intelligence liefert zusätzlichen Kontext über die Produkte des Unternehmens, seine Produktionsstandorte und die bestehenden Fertigungsverfahren. Die aktuelle Entwicklung wird zeitlich eingeordnet und mit dem Need Profile verglichen.
Dabei fällt auf, dass das Unternehmen in Stellenanzeigen zusätzlich Erfahrung mit Produktionsoptimierung und automatisierten Prüfsystemen sucht. Diese Information verändert die Hypothese erneut. Sie beweist noch immer kein Automatisierungsprojekt, zeigt aber, dass technische Veränderungen innerhalb der Produktion zumindest organisatorisch an Bedeutung gewinnen.
Opportunity Intelligence verbindet diese Informationen zu einer Vertriebsentscheidung.
Die entscheidende Aussage lautet nicht: „Dieses Unternehmen wird eine Automatisierungsanlage kaufen.“
Sie lautet vielmehr: Das Unternehmen besitzt einen guten fachlichen Fit, seine Produktionsanforderungen verändern sich sichtbar und mehrere unabhängige Informationen sprechen dafür, dass die Skalierbarkeit und technologische Weiterentwicklung der Produktion aktuell relevant werden. Deshalb ist es sinnvoll, den Account nicht nur weiter zu beobachten, sondern ein Gespräch vorzubereiten.
Genau an diesem Punkt zeigt sich der Unterschied zu klassischer Leadgenerierung.
Eine Lead-Datenbank hätte das Unternehmen wahrscheinlich schon vor einem Jahr gefunden. Branche, Größe und Standort hätten gepasst. Der Vertrieb hätte es also jederzeit anrufen können.
Commercial Intelligence liefert einen anderen Grund für die Ansprache.
Nicht: „Das Unternehmen gehört zu unserer Zielgruppe.“
Sondern: „Bei diesem Unternehmen verändert sich gerade etwas, das unser Thema relevant machen könnte.“
Der nächste Schritt entscheidet darüber, ob der Vorteil der frühen Recherche tatsächlich genutzt wird.
Wenn der Vertriebsmitarbeiter nun eine standardisierte Nachricht über die Leistungsfähigkeit seiner Automatisierungslösung verschickt, geht ein großer Teil des gewonnenen Kontextes wieder verloren. Die Commercial Intelligence sollte deshalb unmittelbar in die Gesprächsvorbereitung einfließen.
Der Verkäufer kennt das Wachstum des Unternehmens, die neue Produktgeneration und den Aufbau zusätzlicher Produktionskapazitäten. Er weiß außerdem, dass Personal für Montage und Produktionsoptimierung gesucht wird. Was er nicht weiß, ist, welche dieser Veränderungen intern tatsächlich miteinander zusammenhängen.
Genau daraus entsteht der Gesprächseinstieg.
Anstatt bereits eine Lösung zu behaupten, kann er die erkennbare Entwicklung ansprechen und eine Frage stellen. Beispielsweise könnte er darauf Bezug nehmen, dass das Unternehmen seine Produktionskapazitäten für die neue Produktgeneration ausbaut, und fragen, wie dabei mit der Skalierung der Montage umgegangen wird.
Die Frage ist offen genug, um keine falsche Sicherheit vorzutäuschen, aber konkret genug, um zu zeigen, dass sich der Verkäufer mit dem Unternehmen beschäftigt hat.
Das verändert die Qualität der Kaltakquise erheblich.
Der Anbieter kontaktiert das Unternehmen nicht deshalb, weil es zufällig in einer Datenbank steht. Er tut es, weil eine konkrete geschäftliche Entwicklung einen plausiblen Gesprächsanlass erzeugt.
Der Produktionsleiter bestätigt im Gespräch zunächst einen Teil der bisherigen Annahmen. Das Unternehmen muss die Produktionsmengen tatsächlich deutlich erhöhen, und zusätzliche Mitarbeiter zu gewinnen ist schwieriger als erwartet.
An einem entscheidenden Punkt war die bisherige Hypothese jedoch unvollständig.
Das größte Problem liegt nicht ausschließlich in der Montagekapazität. Durch die neue Produktgeneration steigen gleichzeitig die Anforderungen an Prüfung und Dokumentation. Die bisherige manuelle Qualitätskontrolle benötigt bereits heute viel Zeit und würde mit den geplanten Stückzahlen zu einem noch größeren Engpass werden.
Genau dieser Moment zeigt, warum Commercial Intelligence menschlichen Vertrieb nicht ersetzt.
Von außen konnten die Veränderungen erkannt und sinnvoll miteinander verbunden werden. Die tatsächliche Priorität innerhalb des Unternehmens wurde jedoch erst im Gespräch sichtbar.
Die ursprüngliche Bedarfshypothese lautete, dass steigende Stückzahlen und Personalmangel die manuelle Montage unter Druck setzen könnten. Nach dem Gespräch wird sie präziser: Die Produktionssteigerung erzeugt insbesondere im Prüfprozess einen Engpass, weil höhere Stückzahlen mit strengeren Qualitäts- und Dokumentationsanforderungen zusammenkommen.
Der potenzielle Lösungsraum verändert sich dadurch.
Es geht nicht mehr allgemein um Automatisierung der Montage, sondern um die Frage, wie Prüfung und Dokumentation stärker automatisiert und mit dem Produktionsprozess verbunden werden können.
Commercial Intelligence hat die Opportunity nicht perfekt vorhergesagt.
Es hat den Vertrieb früh genug an die richtige Stelle geführt, damit er die tatsächliche Opportunity entdecken konnte.
Erst jetzt sollte im CRM eine konkrete Sales Opportunity entstehen.
Vor dem Gespräch wusste der Anbieter, dass eine interessante kommerzielle Situation vorhanden war. Nach dem Gespräch weiß er, dass tatsächlich ein Problem existiert, das vom Kunden als relevant wahrgenommen wird.
Damit verändert sich der Status grundsätzlich.
Gemeinsam mit dem Kunden wird nun analysiert, welche Prüfschritte heute manuell stattfinden, welche Stückzahlen künftig erreicht werden sollen und welche Qualitätsdaten dokumentiert werden müssen. Daraus entsteht ein erstes technisches Konzept für eine automatisierte Prüfstation, die später möglicherweise auf weitere Montageschritte erweitert werden kann.
Der Unterschied zwischen Commercial Opportunity und Sales Opportunity wird an diesem Beispiel deutlich.
Die Commercial Opportunity entstand aus öffentlich sichtbaren Veränderungen und einer begründeten Bedarfshypothese. Die Sales Opportunity entstand erst durch die Bestätigung des Kunden.
Diese Trennung ist wichtig, weil sie verhindert, dass eine Vertriebspipeline mit unbestätigten Vermutungen gefüllt wird. Gleichzeitig verhindert sie aber auch, dass interessante Accounts bis zum offiziellen Projektbeginn unsichtbar bleiben.
Commercial Intelligence schafft damit eine vorgelagerte Ebene, in der zukünftige Geschäftschancen beobachtet und entwickelt werden können, ohne sie bereits als bestätigte Pipeline auszugeben.
Der eigentliche Vorteil wird jetzt sichtbar.
Der Anbieter hat das Unternehmen nicht erst kennengelernt, nachdem eine fertige Ausschreibung veröffentlicht wurde. Das Gespräch begann zu einem Zeitpunkt, an dem der Kunde sein Problem selbst noch genauer definierte.
Dadurch kann der Vertrieb nicht nur auf Anforderungen reagieren, sondern helfen, sie zu entwickeln.
Im weiteren Austausch stellt sich beispielsweise heraus, dass der Kunde zunächst lediglich an eine zusätzliche Prüfstation gedacht hatte. Gemeinsam wird jedoch deutlich, dass eine isolierte Automatisierung zwar den unmittelbaren Engpass reduziert, die erfassten Qualitätsdaten aber gleichzeitig für Prozessoptimierung und Rückverfolgbarkeit genutzt werden könnten.
Der Lösungsraum wird dadurch größer.
Das bedeutet nicht, dass der Anbieter dem Kunden ein unnötig großes Projekt verkaufen sollte. Der Unterschied besteht darin, dass beide Seiten gemeinsam untersuchen können, welche Lösung wirtschaftlich und technisch sinnvoll ist, bevor eine formale Spezifikation alle Optionen einschränkt.
Genau hier zeigt sich der strategische Wert früher Opportunity Detection.
Je später ein Anbieter in einen Kaufprozess einsteigt, desto stärker muss er sich innerhalb bereits definierter Anforderungen positionieren. Je früher er beteiligt ist, desto größer ist die Möglichkeit, gemeinsam mit dem Kunden zu verstehen, welche Anforderungen überhaupt sinnvoll sind.
Der frühe Einstieg verändert außerdem die Wettbewerbssituation.
Wäre das Unternehmen erst nach Veröffentlichung einer Ausschreibung kontaktiert worden, würden vermutlich mehrere Anbieter dieselben technischen Anforderungen erhalten. Der Vergleich würde stärker über Leistungsumfang, Preis, Lieferzeit und bereits definierte Bewertungskriterien laufen.
In unserem Beispiel besitzt der Anbieter dagegen bereits Kontext. Er kennt die Entwicklung des Projekts, hat die ursprünglichen Probleme mit dem Kunden diskutiert und war an der Konkretisierung der Anforderungen beteiligt.
Das garantiert keinen Auftrag.
Auch ein Wettbewerber kann am Ende eine bessere Lösung anbieten, und der Einkauf kann zusätzliche Anbieter einbeziehen. Der frühe Kontakt erzeugt jedoch eine andere Ausgangsposition. Der Anbieter ist nicht nur ein Unternehmen, das auf eine Anfrage reagiert, sondern bereits Teil des Problemlösungsprozesses.
Damit wird deutlich, warum der Zeitpunkt einer Opportunity so wichtig ist.
Commercial Intelligence soll nicht einfach mehr Projekte entdecken.
Es soll die Wahrscheinlichkeit erhöhen, dass der Vertrieb vor dem formalen Wettbewerb in relevante Situationen einsteigen kann.
In unserem Beispiel liegen zwischen der ersten Wachstumsnachricht und der endgültigen Investitionsentscheidung mehrere Monate.
Das ist vollkommen normal.
Gerade im industriellen B2B-Vertrieb entstehen komplexe Projekte nicht innerhalb weniger Tage. Budgets müssen geplant, technische Konzepte entwickelt und interne Stakeholder eingebunden werden. Häufig verändern sich Anforderungen während dieses Prozesses noch mehrfach.
Commercial Intelligence darf deshalb nicht ausschließlich danach beurteilt werden, wie schnell aus einem Signal ein Auftrag entsteht.
Der Wert liegt vielmehr darin, dass das Unternehmen früh genug erkannt wurde, um die Entwicklung zu begleiten.
Im weiteren Verlauf wird aus dem zunächst diskutierten Prüfproblem ein konkretes Investitionsprojekt. Produktion, Qualitätssicherung und Geschäftsführung werden eingebunden, während der Anbieter ein technisches Konzept und eine Wirtschaftlichkeitsbetrachtung entwickelt.
Schließlich wird entschieden, die bisher manuelle Prüfung teilweise zu automatisieren und gleichzeitig eine strukturierte Datenerfassung einzuführen.
Der Anbieter erhält den Auftrag.
Nicht weil die KI den Auftrag vorhergesagt hat.
Sondern weil ein frühes Opportunity Signal dazu geführt hat, dass der Vertrieb genau dort Aufmerksamkeit investierte, wo sich tatsächlich ein relevantes Projekt entwickelte.
Mit dem Abschluss endet der Commercial Intelligence Prozess nicht.
Jetzt entsteht besonders wertvolles Wissen für zukünftige Opportunities.
Das Unternehmen kann rückblickend analysieren, welche Signale vor dem Projekt sichtbar waren und welche davon tatsächlich relevant waren. In unserem Beispiel war der gewonnene Großauftrag ein wichtiger wirtschaftlicher Auslöser, während die langfristig ausgeschriebenen Produktionsstellen zusätzlichen Kapazitätsdruck sichtbar machten. Die neue Produktgeneration wiederum erklärte, warum nicht nur die Menge, sondern auch die Qualitätsanforderungen stiegen.
Andere Informationen erwiesen sich möglicherweise als weniger wichtig als zunächst angenommen.
Dieses Wissen fließt zurück in das Bedarfsprofil und die Opportunity Intelligence.
Beim nächsten Unternehmen mit einer ähnlichen Entwicklung kann das System dadurch genauer hinschauen. Vielleicht wird eine Kombination aus wachsendem Produktionsvolumen, zusätzlichen Qualitätsanforderungen und Schwierigkeiten beim Personalaufbau künftig stärker gewichtet als ein allgemeines Wachstumssignal.
So entsteht der Lernkreislauf, den wir im Commercial Intelligence Operating Model beschrieben haben.
Das Unternehmen lernt aus tatsächlichem Geschäft, welche Veränderungen wirklich relevant waren.
Damit wird aus Vertriebswissen systematisches Commercial Intelligence Wissen.
An diesem Beispiel wird gleichzeitig deutlich, was Commercial Intelligence nicht leisten soll.
Es übernimmt nicht die technische Analyse beim Kunden. Es führt keine Verhandlung, baut kein Vertrauen auf und überzeugt keine Geschäftsführung von einer Investition.
Diese Aufgaben bleiben Teil guter Vertriebsarbeit.
Commercial Intelligence verändert vielmehr, wie der Vertrieb zu diesen Situationen gelangt.
Statt einen großen Markt weitgehend gleichmäßig zu bearbeiten und darauf zu hoffen, irgendwann auf ein Unternehmen mit aktuellem Bedarf zu treffen, wird Aufmerksamkeit gezielter verteilt.
Der Markt wird kontinuierlich beobachtet. Veränderungen führen zu Hypothesen, relevante Hypothesen zu Gesprächen und bestätigte Probleme schließlich zu Sales Opportunities.
Der Verkaufsprozess selbst bleibt menschlich.
Aber sein Ausgangspunkt wird intelligenter.
Der Weg vom Opportunity Signal zum Auftrag ist kein automatischer Funnel, bei dem jedes erkannte Signal zwangsläufig zu Geschäft führt.
Viele Signale werden sich als irrelevant herausstellen. Manche Unternehmen werden trotz einer plausiblen Bedarfssituation nicht investieren, andere wählen einen Wettbewerber oder verschieben Projekte.
Das ist kein Fehler des Modells.
Commercial Intelligence soll Unsicherheit nicht beseitigen. Es soll sie systematisch reduzieren.
In unserem Beispiel begann alles mit einer Information über steigende Produktionsmengen. Erst durch weitere Veränderungen entstand eine Bedarfshypothese. Opportunity Intelligence führte zu der Entscheidung, den Account genauer zu betrachten, und im Kundengespräch wurde aus der ursprünglichen Annahme ein anderes, wesentlich konkreteres Problem.
Erst dort entstand die tatsächliche Sales Opportunity.
Der entscheidende Vorteil lag deshalb nicht darin, den Auftrag vorherzusagen. Er lag darin, das richtige Unternehmen zur richtigen Zeit mit einer relevanten Frage zu erreichen.
Genau das verbindet die gesamte Idee von Commercial Intelligence:
Nicht mehr möglichst viele Unternehmen suchen, sondern früher verstehen, wo Geschäft entstehen könnte und warum.
Nachdem wir nun den vollständigen Prozess an einem Beispiel betrachtet haben, wird allerdings auch sichtbar, wie leicht ein solches System falsch aufgebaut werden kann.
Commercial Intelligence kann schnell zu einem weiteren Datenprojekt werden, wenn Unternehmen zu viele Signale sammeln, unklare Bedarfsprofile verwenden oder jede KI-Einschätzung ungeprüft als Opportunity behandeln. Ebenso problematisch ist es, bestehende Lead-Logiken lediglich mit mehr Daten und neuen Scores auszustatten und anschließend anzunehmen, daraus sei bereits Commercial Intelligence entstanden.
Die entscheidenden Fehler liegen deshalb häufig nicht in der Technologie, sondern im Denkmodell und in der organisatorischen Umsetzung.
Genau darum geht es im nächsten Beitrag:
CI-037: Die häufigsten Fehler beim Aufbau einer Commercial Intelligence.
Wir betrachten, an welchen Stellen Commercial-Intelligence-Initiativen typischerweise scheitern und wie sich verhindern lässt, dass aus einer guten Idee lediglich eine weitere Datenbank mit vermeintlich intelligenten Leads wird.
Neben der manuellen Recherche haben wir Automatismen für Dich entwickelt:
bloo.research - Finde in Minuten die richtigen B2B-Unternehmen
bloo.radar - Erfahre, was Dein Wettbewerb als nächstes tut
bevor er es tut.
Wenn du KI nicht nur verstehen, sondern strukturiert in deinem Unternehmen einsetzen willst, dann:
👉 Informiere dich über unsere KI-Weiterbildung:
https://bloo.school
👉 Informiere dich über unsere Smart Market Fit Angebote:
https://bloola.com/smf - Der Smart Market Fit Kurs
https://bloola.com/smf-system - Das Smart Market Fit System für Unternehmen
👉 Oder erfahre mehr über unsere Beratungs- und Automatisierungslösungen:
https://bloola.com