KI im Vertrieb: Tools, Kosten und Budgetfallen

Vertriebsstrategie · 14. August 2026 · Nimrod Ben Efraim

KI im Vertrieb kann Pipeline bringen oder Budgets verbrennen. Vergleichen Sie Claude, Copilot, Cursor und Amplifa vor dem Rollout.

Man hört auf LinkedIn ständig, dass KI im Vertrieb vor allem daran scheitert, dass Mittelständler zu langsam sind, zu skeptisch, zu deutsch. Stimmt nicht. Die größere Gefahr ist gerade nicht Skepsis, sondern schlecht gesteuerte Begeisterung. Uber hat laut Fortune im August 2026 sein komplettes 2026-Budget für AI-Coding-Tools in wenigen Monaten verbraucht, nachdem Mitarbeitende zur Nutzung von Anthropic Claude Code animiert wurden und interne Leaderboards Token-Verbrauch indirekt belohnt haben sollen. Die berühmte Zahl von 3,4 Milliarden Dollar über Budget? Nicht sauber belegt. Aber der eigentliche Punkt ist härter – KI kann nicht nur Produktivität skalieren, sondern auch Verbrauchskosten.

Ich schreibe das nicht als Tech-Kommentator, sondern aus meiner Arbeit bei Amplifa. Ich sehe Budgets. Ich sehe Gehaltsbänder für Sales-Rollen in DACH. Ich sehe Geschäftsführer, die für einen Senior Account Executive in München 110.000 bis 145.000 Euro OTE freigeben, aber bei einem AI-Tool ohne Nutzungsgrenzen plötzlich so tun, als sei eine Monatsrechnung von 28.000 Euro Naturgesetz. Naja, fast. Naturgesetz ist nur, dass Menschen das optimieren, wofür sie belohnt werden. Wenn man Token-Nutzung gamifiziert, bekommt man Token-Nutzung.

Dieser Vergleich ist nötig, weil die meisten Tool-Vergleiche so tun, als ginge es um Features. Tut es nicht. Für Vertriebs- und Geschäftsführer geht es um Betriebsmodell, Kostenkontrolle, Datenlage, Adoption und die Frage, ob ein Tool tatsächlich Pipeline erzeugt oder nur Aktivität. Eine E-Mail mehr ist keine Pipeline. Ein Meeting mehr auch nicht automatisch. Ein sauber qualifizierter Termin mit einem Produktionsleiter bei Kärcher, Festo oder Phoenix Contact – schon eher.

Die Uber-Story ist dafür ein gutes Warnschild, auch wenn sie aus der Engineering-Welt kommt. Laut Fortune und The Information sagte Uber-CTO Praveen Neppalli Naga, man sei nach dem frühen Verbrauch des AI-Budgets „back to the drawing board“ gegangen. Mehrere Berichte nennen später ein Limit von 1.500 US-Dollar pro Mitarbeiter und Monat für Tools wie Claude Code und Cursor. Für viele Vertriebsorganisationen klingt das absurd hoch. Bis man es auf 120 Sales- und RevOps-Mitarbeiter hochrechnet – 180.000 Dollar pro Monat, bevor auch nur ein zusätzlicher Euro ARR unterschrieben wurde.

KI im Vertrieb vergleichen – nach Kosten, nicht nach Demos

Ich mag Demos. Wirklich. Der Moment, in dem ein Tool aus einem CRM-Datensatz, einer Website und drei alten E-Mails eine brauchbare Account-Hypothese baut, hat etwas. Im Raum wird es kurz still, jemand klappt den Laptop halb zu, und der CRO denkt, er habe gerade drei Headcount eingespart. Der Geruch von frisch bedrucktem Workshop-Papier hilft dann auch nicht, weil alle nicken.

Aber eine Demo ist keine Kostenstruktur. Eine Demo zeigt den besten Pfad. Ein Rollout zeigt den Durchschnitt. Und der Durchschnitt ist im Vertrieb brutal, weil Sales-Teams Tools nicht wie Entwickler nutzen. Entwickler sitzen oft tief in wenigen Aufgaben. Sales nutzt KI sprunghaft – Recherche, Sequenz, Call-Zusammenfassung, CRM-Notiz, Follow-up, Einwandbehandlung, Angebotsentwurf, LinkedIn-Nachricht. Kurz. Dann wieder nichts. Dann 40 Prompts am Freitag, weil QBR ist.

Im März 2025 sagte mir Andrea, Head of Sales bei einem Maschinenbau-Zulieferer in Bielefeld: „Wir haben kein KI-Problem. Wir haben ein Kontrollproblem.“ Sie hatte recht. Ihr Team hatte drei Tools parallel getestet, zwei davon ohne klares Nutzungscap. Nach sechs Wochen lagen 71 Prozent der AI-Nutzung bei sieben Power-Usern. Die Pipeline war nicht 71 Prozent besser. Der CFO fand das wenig poetisch.

Ich bewerte die Kandidaten deshalb nach Kriterien, die in einem Vertriebsvorstand wirklich zählen:

• Kostenmodell – Seat, Token, Credit, Paketpreis oder Mischform. Wer trägt Verbrauchsrisiko?
• Nutzungssteuerung – Caps, Alerts, Rollenrechte, Modellwahl, Admin-Dashboard.
• Sales-Nähe – Kann das Tool ICP, Buying Committee, Pipeline-Stufen, CRM-Logik und DACH-Vertriebsrealität abbilden?
• Datenintegration – CRM, E-Mail, Kalender, Website-Signale, Firmendatenbanken, Call-Transkripte.
• Qualität der Ergebnisse – Nicht „klingt gut“, sondern Antwortquote, Meeting-Rate, Conversion und Fehlerquote.
• Adoption im Team – Nutzt es nur der RevOps-Nerd oder auch der AE in Stuttgart, der seit 14 Jahren Werkzeugmaschinen verkauft?
• Governance und Compliance – DSGVO, EU-Datenhaltung, Rollenmodell, Audit-Trail, Löschkonzept.

Kandidat 1 – Anthropic Claude und Claude Code

Claude ist stark. Das sage ich ohne Zähneknirschen. Anthropic hat mit Claude Sonnet und Claude Opus Modelle gebaut, die lange Kontexte gut verarbeiten, Texte sauber strukturieren und bei komplexeren Recherche- oder Analyseaufgaben weniger platt wirken als viele Alternativen. Im Vertrieb kann Claude helfen, Account-Pläne zu schreiben, Gesprächsvorbereitung zu verdichten, Angebotslogik zu prüfen oder alte CRM-Notizen in eine brauchbare Strategie zu übersetzen. Bei Trumpf, DMG Mori oder Schaeffler würde ich solche Fähigkeiten nicht als Spielerei abtun.

Die Stärke ist gleichzeitig die Gefahr. Claude ist horizontal. Das Tool weiß nicht von selbst, ob ein Prompt wirtschaftlich sinnvoll ist. Wenn ein Team 80.000 Zeichen CRM-Historie in ein Premium-Modell kippt, um eine Follow-up-Mail an einen Instandhaltungsleiter zu schreiben, dann ist das nicht „AI first“. Das ist Kostennebel. Der Uber-Fall zeigt genau dieses Muster – Adoption wurde laut Fortune und The Information stark forciert, die Nutzung frontier-AI-basierter Tools soll sich von Januar bis zum Bericht auf das Vierfache erhöht haben, und erst danach kamen harte Grenzen.

Für Sales-Führungskräfte heißt das: Claude ist gut für Denkaufgaben, aber schlecht als ungesteuerter Alltagsautomat. Ich würde es in Enterprise-Sales-Teams für bestimmte Rollen freigeben – RevOps, Sales Enablement, strategische AEs, Bid Management. Nicht blind für jeden SDR, der damit 400 Varianten derselben kalten Mail erzeugt. „Das funktioniert bei uns nicht“, sagte mir kürzlich Markus, CSO eines Automatisierungsanbieters aus Nürnberg. „Unsere Leute schreiben dann mehr. Aber nicht relevanter.“ Genau das ist der Punkt.

Kandidat 2 – Microsoft Copilot for Sales

Microsoft Copilot for Sales ist der Kandidat, den viele Geschäftsführer zuerst prüfen, weil Microsoft ohnehin im Haus ist. Outlook, Teams, Dynamics, SharePoint, manchmal noch Salesforce als CRM daneben – das ist Alltag in DACH. Bei Webasto, Brose oder Phoenix Contact findet man solche Microsoft-Landschaften nicht als Ausnahme, sondern als Grundrauschen. Der Vorteil liegt auf der Hand: weniger Beschaffungsdrama, bekannte Admin-Strukturen, vertraute Oberfläche.

Für Vertriebsorganisationen ist Copilot stark bei Meeting-Zusammenfassungen, E-Mail-Entwürfen, CRM-Updates und interner Wissenssuche. Das spart Zeit. Eine Stunde pro Woche pro AE klingt nicht sexy, aber bei 80 AEs sind das 80 Stunden. Wenn ein voll belasteter AE in Frankfurt mit 125.000 Euro OTE ungefähr 60 bis 75 Euro Arbeitgeberkosten pro Arbeitsstunde verursacht, wird daraus schnell eine echte Rechnung. Nicht brillant. Aber solide.

Die Schwäche: Copilot macht aus einem schwachen Vertriebsprozess keinen starken. Wenn das CRM voller Pflichtfelder ist, die niemand ernst nimmt, bekommt man automatisierte Pflichtfeld-Poesie. Wenn ICP und Segmentierung unscharf sind, schreibt Copilot höfliche E-Mails an falsche Accounts. Und wenn Sales und Marketing seit Monaten darüber streiten, ob ein Lead aus einer Messe-Liste aus Hannover wirklich ein MQL ist, löst Copilot nicht den Konflikt. Er dokumentiert ihn nur schöner.

Kandidat 3 – Cursor

Cursor gehört eigentlich nicht in einen klassischen Sales-Tool-Vergleich. Stimmt nicht ganz. Es gehört hinein, weil viele Unternehmen gerade AI-Ausgaben nicht nach Fachbereich trennen, sondern unter einem großen Label buchen – „KI-Initiative 2026“. Cursor ist ein AI-Code-Editor, stark für Entwickler, Prototypen, interne Tools und Automatisierung. Für Sales relevant wird Cursor, wenn RevOps eigene Skripte, Datenpipelines, CRM-Helfer oder kleine Apps baut. Ein RevOps Lead in Köln kann damit in zwei Tagen eine Lead-Routing-Logik bauen, für die früher ein externer Dienstleister 12.000 Euro wollte. Das ist real.

Aber Cursor ist kein Sales-Betriebssystem. Wer glaubt, ein AI-Code-Tool werde SDR-Performance reparieren, verwechselt Werkzeug mit Prozess. Beim Uber-Cap von angeblich 1.500 US-Dollar pro Mitarbeiter und Monat taucht Cursor in mehreren Berichten neben Claude Code auf. Das sagt nicht, dass Cursor schlecht ist. Es sagt, dass agentische Tools mit hohem Verbrauch in großen Organisationen kontrolliert werden müssen. Der Ton in solchen Projekten kippt oft leise – erst Begeisterung, dann Rechnung, dann Procurement mit verschränkten Armen.

Kandidat 4 – Amplifa

Ja, ich arbeite bei Amplifa. Deshalb schreibe ich diesen Abschnitt vorsichtig und trotzdem klar. Amplifa ist nicht der bessere Chatbot. Wir bauen KI für Sales-Prozesse, nicht für Prompt-Romantik. Das heißt: Lead-Generierung, Account-Recherche, Signalverarbeitung, Outreach-Vorbereitung, Priorisierung und saubere Übergabe an Vertriebsteams. Wenn ein Maschinenbauer aus Baden-Württemberg 4.800 Zielaccounts in DACH hat, ist die Frage nicht, ob eine KI eine nette Mail schreiben kann. Die Frage ist, welche 200 Accounts jetzt dran sind, warum, mit welchem Einstieg und für welchen Verkäufer.

Was wir bei Amplifa konkret sehen: In den letzten 12 Monaten lagen bei B2B-Kunden aus Maschinenbau, Automatisierung und technischen Dienstleistungen zwischen 58 und 73 Prozent der verwertbaren Kaufsignale außerhalb des CRM – Website-Änderungen, Stellenanzeigen, neue Werke, Messeauftritte, Produktlaunches, Ausschreibungsnähe, LinkedIn-Aktivität von Entscheidern. In einem Projekt mit 31 Sales-Nutzern im Mai 2025 kamen nur 19 Prozent der priorisierten Accounts aus bestehenden „Hot Lead“-Listen. Der Rest war vorher unsichtbar oder lag als Datenschatten in Excel.

Unsere Stärke liegt also nicht darin, jede beliebige Aufgabe zu lösen. Das ist Absicht. Ich habe lieber ein System, das in einem definierten Sales-Korridor verlässlich arbeitet, als ein offenes Modell, das für jedes Problem eine Antwort hat und für jede Antwort neue Kosten erzeugt. Schwäche? Natürlich. Wer eine freie, horizontale Denkmaschine für Strategie-Workshops, Produkttexte oder Code will, nimmt zusätzlich Claude, ChatGPT oder Copilot. Amplifa ist kein Schweizer Taschenmesser. Eher ein Werkzeugwagen mit Etiketten.

Großer Vergleich – KI im Vertrieb nach Betriebskosten

Die folgende Tabelle ist bewusst nicht nach „coolsten Features“ sortiert. Ich habe zu viele Feature-Listen gesehen, die im Einkauf gut aussehen und im Vertriebsalltag nach acht Wochen sterben. Die Werkhalle riecht dann immer noch nach Öl, der CRM-Report ist immer noch rot, und der Sales Director fragt sich, warum 26 Leute eine Lizenz haben, aber nur vier damit arbeiten.

Preisvergleich – KI im Vertrieb darf kein Blindflug sein

Preise ändern sich. Rabatte auch. Enterprise-Verträge sowieso. Deshalb sind Listenpreise nur der Anfang. Trotzdem braucht ein Geschäftsführer eine Hausnummer, bevor der erste Rollout startet. Bei einem Sales-Team mit 60 Personen ist der Unterschied zwischen 30 Euro und 300 Euro pro Nutzer und Monat nicht akademisch. Das sind 19.440 Euro versus 194.400 Euro im Jahr – ohne Implementierung, Datenarbeit und interne Zeit.

Der größte Kostenfehler im Vertrieb ist nicht der Toolpreis. Es ist der falsche Vergleich. Viele rechnen Toolkosten gegen Null. Das ist Unsinn. Man muss sie gegen SDR-Headcount, externe Agenturen, verpasste Accounts, schlechte Daten und Managerzeit rechnen. Laut Stepstone Gehaltsreport 2025 liegen viele B2B-Sales-Rollen in Deutschland je nach Erfahrung, Region und Branche deutlich im fünfstelligen Bereich; Senior-Profile in München, Stuttgart oder Frankfurt reißen mit variablem Anteil schnell sechsstellige Gesamtpakete. Wenn ein KI-System zwei zusätzliche SDRs ersetzt, ist es günstig. Wenn es nur 60 Leute beschäftigt, ist es teuer.

Amplifa Produkt KI-gestützte Lead-Generierung, Account-Priorisierung und Vertriebsautomatisierung für B2B-Teams mit klarer Pipeline-Logik.

Was bedeutet der Uber-Fall für Geschäftsführer?

Die harte Lehre aus Uber ist nicht „KI ist zu teuer“. Das wäre bequem, aber falsch. Die Lehre ist: Wenn man Adoption belohnt und Kostenkontrolle vertagt, bekommt man eine Rechnung, die niemand mehr politisch besitzen will. Laut Fortune wurde bei Uber die Nutzung von Claude Code und ähnlichen Tools bewusst angeschoben. Interne Leaderboards sollen Nutzung sichtbar gemacht haben. Später kamen Caps. Erst Feuer, dann Brandschutz.

Ich halte das für den gefährlichsten Fehler im KI-Rollout 2026. Nicht Datenschutz. Nicht Modellqualität. Nicht Prompt-Schulungen. Sondern falsche Incentives. Wenn ein SDR Applaus bekommt, weil er mit KI 900 Mails schreibt, wird er 900 Mails schreiben. Wenn ein AE Lob bekommt, weil er jedes Meeting mit einer fünfseitigen AI-Analyse vorbereitet, auch wenn der Deal nur 18.000 Euro ACV hat, dann wird er genau das tun. Menschen sind nicht irrational. Sie reagieren nur auf schlechte Systeme.

Wir haben erst gemessen, wie viel KI genutzt wird. Nicht, was dabei rauskommt. Das war unser Denkfehler.

— Thomas, Geschäftsführer eines SaaS-Anbieters aus Hamburg

Bei Sales-Teams ist der Effekt noch sichtbarer als in Engineering-Teams, weil Aktivität traditionell zu hoch bewertet wird. Calls. Mails. LinkedIn-Touches. CRM-Updates. Ich habe Scorecards gesehen, in denen ein Junior-SDR mit 140 schlechten Aktivitäten pro Tag besser aussah als eine erfahrene Verkäuferin, die drei relevante Buying Committees sauber geöffnet hat. KI verstärkt solche Fehlsteuerung. Sie macht Aktivität billiger. Nicht automatisch wertvoller.

FAQ – Ist KI im Vertrieb zu teuer?

Nein. Schlechte KI-Nutzung ist zu teuer. Gute KI-Nutzung ist oft günstiger als zusätzlicher Headcount, besonders in DACH, wo gute Sales-Profile knapp und teuer sind. Die entscheidende Frage ist nicht, ob ein Tool 30, 100 oder 500 Euro pro Nutzer kostet. Die Frage ist, ob es Kosten pro qualifiziertem Termin senkt, Pipeline-Abdeckung erhöht oder Vertriebszeit aus administrativen Aufgaben zurückholt.

Ein Beispiel aus dem Alltag: Wenn ein Maschinenbau-Vertrieb 3.000 Zielaccounts hat und pro Quartal nur 400 davon aktiv bearbeitet, ist die eigentliche Verschwendung nicht die KI-Lizenz. Es sind die 2.600 Accounts, die niemand systematisch beobachtet. Wenn darunter 80 Firmen gerade neue Werke bauen, Produktionslinien erweitern oder Einkaufsrollen neu besetzen, dann liegt Geld auf dem Tisch. Leise. Ohne Dashboard-Geräusch.

Persönliche Empfehlung – nicht das cleverste Tool gewinnt

Wenn ich einem Geschäftsführer im Juli 2026 eine Empfehlung geben müsste, wäre sie unbequem einfach: Kaufen Sie nicht zuerst das stärkste Modell. Kaufen Sie zuerst das sauberste Betriebsmodell. Ein Tool, das 80 Prozent der Aufgabe mit klaren Grenzen löst, schlägt ein offenes Wunderwerk, das nach drei Monaten niemand mehr budgetieren kann. Das klingt langweilig. Ist es auch. Gute Vertriebssteuerung riecht nicht nach Hype, sondern nach Excel, CRM-Disziplin und klaren Verantwortlichkeiten.

Für ein mittelständisches B2B-Sales-Team würde ich meist so starten: Copilot für Dokumentationslast, Claude für wenige Power-User mit klaren Caps, Amplifa für Lead-Generierung und Account-Priorisierung, Cursor nur für RevOps oder interne Toolbauer. Nicht alles auf einmal. Nicht überall. Und bitte keine Token-Leaderboards. Wer Verbrauch feiert, bekommt Verbrauch. Wer Pipelinequalität feiert, bekommt zumindest die Chance auf bessere Pipeline.

Amplifa Sales Audit Prüfen Sie, wo Ihr Vertrieb Pipeline verliert – Zielaccounts, Daten, Prozesse, KI-Nutzung und Kostenlogik in einem strukturierten Audit.

Entscheidungshilfe – drei Fragen vor dem Rollout

1. Welche konkrete Vertriebskennzahl soll sich verändern? Wenn die Antwort „Produktivität“ lautet, ist sie zu weich. Besser: Kosten pro qualifiziertem Termin, Antwortquote in Segment A, CRM-Aktualisierungsquote, Pipeline je Zielaccount.
2. Wer darf teure Modelle nutzen und wofür? Premium-KI für strategische Account-Analyse kann sinnvoll sein. Premium-KI für jede Standardmail ist wie ein Schaeffler-Lager mit dem Vorschlaghammer einzubauen.
3. Was passiert, wenn das Monatsbudget zu 70 Prozent verbraucht ist? Ohne Alert, Cap und Verantwortlichen ist das kein Rollout, sondern ein Experiment mit Firmenkarte.

Meine klare Rangfolge für Vertriebsorganisationen

Für reine Sales-Wirkung setze ich Amplifa vor Copilot, Claude und Cursor. Ja, das ist parteiisch. Aber es ist auch meine operative Sicht. Sales-Teams brauchen keine weitere leere Eingabemaske. Sie brauchen priorisierte Accounts, verwertbare Signale, bessere Übergaben und weniger Zufall in der Lead-Generierung. Wenn das Ziel Pipeline ist, muss das Tool näher an Pipeline gebaut sein.

Für persönliche Wissensarbeit und komplexe Analyse gewinnt Claude. Für Microsoft-nahe Alltagsentlastung gewinnt Copilot. Für RevOps-Automation gewinnt Cursor. Für planbare B2B-Pipeline-Arbeit gewinnt ein spezialisiertes Sales-System. Genau deshalb halte ich allgemeine „AI Sales Tool“-Rankings für gefährlich. Sie vergleichen oft Pferd, Gabelstapler, Fahrrad und Drehmaschine – und wundern sich dann, dass der Einkauf den billigsten Anbieter nimmt.

Der unterschätzte HR-Blick – KI ersetzt nicht nur Arbeit, sie verschiebt Gehaltslogik

Hier kommt meine HR-Brille ins Spiel. Wenn KI im Vertrieb funktioniert, verändert sie nicht nur Toolbudgets. Sie verändert Rollenprofile. Der klassische SDR, der Listen abtelefoniert und generische Sequenzen startet, wird weniger wert. Der SDR, der Signale lesen, Hypothesen formulieren und mit AEs sauber priorisieren kann, wird wertvoller. Das ist keine Zukunftsmusik. Ich sehe es in Stellenprofilen seit Ende 2024.

Ein CSO aus Stuttgart sagte mir vor drei Wochen: „Ich brauche keine zehn Junioren mehr, die Listen verbrennen. Ich brauche vier Leute, die wissen, warum ein Account jetzt kaufen könnte.“ Hart. Aber nachvollziehbar. Recruiting-Kosten für gute Sales-Profile sind hoch, Besetzungszeiten ziehen sich, und Fehlbesetzungen im Vertrieb sind teuer, weil sie Pipeline kosten, bevor man sie in der GuV sauber sieht. Eine KI, die schlechte Sales-Arbeit nur skaliert, erhöht diese Kosten. Eine KI, die gute Priorisierung erzwingt, senkt sie.

Deshalb ärgert mich die naive Headcount-Erzählung. „Wir sparen drei SDRs.“ Vielleicht. Vielleicht sparen Sie auch gar niemanden, sondern erhöhen die Leistung Ihrer bestehenden Mannschaft. Oder Sie stellen andere Profile ein – weniger Tastaturarbeiter, mehr Marktleser. Ehrlich? Ich weiß es nicht für jedes Unternehmen. Aber ich weiß, dass 2026 kein guter Zeitpunkt ist, Sales-Rollen so zu planen, als gäbe es KI nicht.

Wie ich einen KI-Rollout im Vertrieb aufsetzen würde

Ich würde nicht mit einem Tool starten. Ich würde mit einer Verlustrechnung starten. Wo verlieren wir Pipeline? Zu wenige Zielaccounts? Falsche Segmente? Schlechte Daten? Zu langsames Follow-up? Zu viel Admin? Zu niedrige Antwortquote? Die Antwort bestimmt das Tool. Nicht umgekehrt. Bei einem Hidden Champion in Ostwestfalen klingt das weniger glamourös als „AI Transformation“, aber es funktioniert häufiger.

1. Use Case festnageln – zum Beispiel 500 neue Zielaccounts im Segment Sondermaschinenbau DACH priorisieren, nicht „KI im Sales testen“.
2. Baseline messen – aktuelle Antwortquote, Meeting-Rate, Kosten pro Termin, Bearbeitungszeit pro Account, Pipeline aus Outbound.
3. Kostenrahmen definieren – Budget pro Nutzer, pro Tool und pro Use Case. Bei tokenbasierten Tools zusätzlich Modellgrenzen.
4. Nutzergruppen trennen – RevOps, SDR, AE, Sales Leadership und Marketing brauchen unterschiedliche Rechte.
5. Output statt Nutzung messen – keine Rangliste für Prompts, Tokens oder generierte Mails. Ranglisten für qualifizierte Gespräche, Pipeline und Datenqualität.
6. Nach 30 Tagen hart kürzen – was keinen messbaren Beitrag liefert, verliert Budget oder Nutzerkreis.
7. Nach 90 Tagen Rollenprofil prüfen – welche Aufgaben fallen weg, welche Fähigkeiten werden wichtiger, welche Gehaltsbänder ändern sich?

Das klingt streng. Ist es auch. Aber Vertrieb ist kein Spielplatz für unendliche Pilotprojekte. Wenn ich einem Geschäftsführer erkläre, dass er für einen guten Senior AE in Düsseldorf sechs Monate suchen muss, 25 Prozent Vermittlungsgebühr zahlen kann und dann noch Ramp-up braucht, versteht er Kosten sofort. Bei KI wird derselbe Geschäftsführer plötzlich weich. „Wir probieren mal.“ Nein. Probieren kostet auch. Nur steht es selten so ehrlich in der Stellenanzeige.

Gegenargument – vielleicht war Uber einfach ein Sonderfall

Ja. Uber ist ein Sonderfall. Riesige Engineering-Organisation, hoher Experimentierdruck, andere Skaleneffekte, andere Budgets. Ein Maschinenbauer mit 900 Mitarbeitern in Baden-Württemberg wird nicht dieselbe Tokenkurve haben. Auch die oft geteilte 3,4-Milliarden-Dollar-Behauptung ist in den genannten Quellen nicht sauber belegt. Wer sie als Fakt verkauft, macht genau das, was LinkedIn so anstrengend macht – aus einem Signal wird eine Schlagzeile, aus einer Schlagzeile wird ein Mythos.

Trotzdem ist der Fall nützlich. Nicht als Beweis gegen KI. Als Beweis gegen naive Rollouts. Die Berichte nennen sinkende Tokenpreise und gleichzeitig steigenden Gesamtverbrauch. Das ist die ökonomische Falle. Wenn Nutzung billiger wird, nutzen Menschen mehr. Wenn Nutzung einfacher wird, nutzen noch mehr Menschen noch mehr. Am Ende sinkt der Stückpreis, aber die Rechnung steigt. Jeder, der schon einmal Cloudkosten nach einem „kleinen“ Data-Projekt gesehen hat, kennt dieses Geräusch – das trockene Klicken im Kopf des CFO.

Was ich 2026 nicht mehr hören will

„Unsere Leute sollen einfach mehr mit KI machen.“ Nein. Das ist keine Strategie. Das ist ein Wunsch mit Lizenzvertrag. Mehr KI ist nicht besser. Bessere KI-Nutzung ist besser. Wer 2026 noch reine Inbound-Strategie fährt und gleichzeitig glaubt, ein Chatbot werde die Pipeline retten, hat in fünf Jahren ein Problem. Märkte wie Maschinenbau, Elektrotechnik, Medizintechnik und industrielle Software werden nicht einfacher. Buying Committees werden größer, Budgets werden härter geprüft, und Anbieter klingen durch KI alle ein bisschen ähnlicher.

Der Vorsprung entsteht nicht durch den schönsten Text. Er entsteht durch Timing, Relevanz und saubere Übergabe. Wer erkennt, dass ein Werk erweitert wird, bevor der Wettbewerb es merkt. Wer versteht, dass eine neue Head-of-Operations-Rolle bei einem Zielaccount ein Kaufsignal sein kann. Wer dem AE nicht nur einen Namen liefert, sondern einen Grund für den Anruf. KI kann das unterstützen. Aber nur, wenn das System auf diese Arbeit gebaut ist.

Die Uber-Geschichte wird wahrscheinlich weiter als Warnmärchen zirkulieren. Manche werden daraus machen: KI verbrennt Milliarden. Andere: alles nur schlechtes Management. Ich nehme den dritten Punkt mit. Wenn man Verbrauch belohnt, bekommt man Verbrauch. Wenn man Pipelinequalität belohnt, merkt man ziemlich schnell, welches Tool nur redet – und welches verkauft.