Versuchen Sie nicht, das gesamte CRM zu bereinigen. Wählen Sie den ersten Arbeitsablauf, den KI unterstützen soll, listen Sie die Felder auf, die er liest, und bereinigen Sie diese. KI kann Dubletten, veraltete Deals, fehlende Felder und uneinheitliche Firmennamen finden und Korrekturen vorschlagen. Die verantwortliche Person des Datensatzes oder eine Sales-Ops-Leitung gibt jedes Paket an Änderungen frei, und neue Regeln verhindern, dass das Chaos zurückkehrt.
#Das Wichtigste in Kürze
- Eine vollständige CRM-Bereinigung wird selten fertig; eine Bereinigung, die auf die Felder eines Arbeitsablaufs begrenzt ist, meist schon.
- KI hilft, Probleme in großem Umfang zu finden: Dubletten, widersprüchliche Werte, veraltete Datensätze und Freitextfelder, die Auswahllisten sein sollten.
- Korrekturen werden paketweise vorgeschlagen und von der verantwortlichen Person oder Sales Ops freigegeben, nie stillschweigend angewendet.
- Die Bereinigung hält nur, wenn Sie auch ändern, wie Daten erfasst werden: Pflichtfelder, Auswahllisten und von KI entworfene Updates nach Gesprächen.
- Messen Sie den Anteil der betroffenen Datensätze, die Ihre Prüfungen bestehen, vorher und nachher.
#Warum werden CRM-Daten so chaotisch?
Jedes Vertriebsteam erzählt dieselbe Geschichte. Das CRM wurde vor Jahren in Salesforce, HubSpot, Zoho oder Odoo eingerichtet. Vertriebler erfassen, was sie für ihre Provision erfassen müssen, und wenig mehr. Firmennamen tauchen in drei Varianten auf, auf Arabisch und Englisch. Kontakte haben ihre Stelle gewechselt. Bei der Hälfte der offenen Deals liegt das Abschlussdatum in der Vergangenheit. Das Marketing hat eine Messeliste importiert, die niemand dedupliziert hat.
Die meisten Teams halten die Lage für besser, als sie ist. In einer Umfrage von Validity, Februar 2022 unter CRM-Nutzern bewerteten 76 % ihre CRM-Datenqualität als gut oder sehr gut, doch 44 % schätzten, dass ihr Unternehmen wegen schlechter Datenqualität mehr als 10 % seines Jahresumsatzes verliert.
#Bremsen schlechte CRM-Daten KI-Projekte wirklich aus?
Sie sind einer der häufigsten Gründe, warum sie ins Stocken geraten. Gartner, Juli 2024 prognostizierte, dass 30 % der Projekte mit generativer KI bis Ende 2025 nach dem Proof of Concept aufgegeben werden, und nannte schlechte Datenqualität als ersten Grund. Eine KI, die Nachfass-E-Mails oder Prognosenotizen aus falschen Kontakten und veralteten Phasen entwirft, liegt selbstsicher daneben.
Die Antwort ist nicht, auf perfekte Daten zu warten. Sie besteht darin, die Daten für einen Arbeitsablauf gut genug zu machen und zu verhindern, dass sie wieder verfallen.
#Ein Bereinigungsvorgehen für einen Arbeitsablauf
- Benennen Sie den ersten KI-Arbeitsablauf, zum Beispiel die Vorbereitung des Pipeline-Reviews oder das Nachfassen bei festgefahrenen Deals.
- Listen Sie die Felder auf, die er liest: Phase, Abschlussdatum, nächster Schritt, Hauptkontakt, Firma, verantwortliche Person, letzte Aktivität.
- Schreiben Sie für jedes Feld eine einfache Regel: was als gültig, fehlend oder veraltet gilt.
- Prüfen Sie alle betroffenen Datensätze und zählen Sie die Fehler nach Feld und nach verantwortlicher Person.
- Lassen Sie die KI Korrekturen paketweise vorschlagen: diese Dubletten zusammenführen, diese toten Deals schließen, diese Firmennamen vereinheitlichen.
- Schicken Sie jedes Paket an die verantwortliche Person oder Sales Ops zur Freigabe, Bearbeitung oder Ablehnung und protokollieren Sie jede Änderung.
- Ergänzen Sie Eingaberegeln, damit das Problem nicht zurückkommt: Pflichtfelder, Auswahllisten und von KI entworfene Updates nach Gesprächen, die der Vertriebler bestätigt.
#Was kann KI korrigieren, und was braucht einen Menschen?
KI ist gut im Abgleichen und Lesen. Sie kann erkennen, dass zwei Accounts dieselbe Firma auf Arabisch und Englisch sind, Kontakte finden, deren E-Mails zurückkommen, die letzten E-Mails zu einem Deal lesen, um einzuschätzen, ob er noch lebt, und eine fehlende Branche oder Region von der Website der Firma ergänzen.
Alles mit Folgen entscheiden Menschen. Einen Deal schließen, zwei Accounts mit verschiedenen Verantwortlichen zusammenführen, ändern, wem ein Abschluss zugerechnet wird, oder einen Kontakt löschen: Das alles braucht die Freigabe der verantwortlichen Person oder von Sales Ops. Das NIST AI Risk Management Framework, Januar 2023 behandelt menschliche Aufsicht und klare Verantwortlichkeit als Teil des KI-Risikomanagements, und CRM-Datensätze fließen in Provisionen und Prognosen ein.
#Wann reichen die eigenen Werkzeuge Ihres CRM?
Wenn Ihre Probleme vor allem exakte Dubletten und fehlende Pflichtfelder sind, beginnen Sie mit den eingebauten Deduplizierungs- und Validierungsregeln Ihres CRM oder einem spezialisierten Add-on für Datenqualität. Eine Sales-Ops-Person mit klarer Checkliste kann ein kleines CRM auch ganz ohne KI bereinigen.
KI lohnt sich, wenn das Chaos in der Bedeutung liegt statt im Format: Firmennamen in mehreren Sprachen, Freitextnotizen, die die tatsächliche Phase verbergen, oder Tausende von Deals, bei denen jemand beurteilen muss, ob sie noch leben.
#Wo passt Stennir hinein?
Stennir beginnt mit einem Audit der KI-Beratung. Das Audit benennt den ersten Arbeitsablauf, der sich zu bauen lohnt, und legt damit fest, welche Daten sauber sein müssen. Sie erhalten fünf priorisierte Arbeitsabläufe, jeweils mit Kosten- und Amortisationsrechnung, und einen empfohlenen Ablauf mit Umfang und Hosting-Region. Der Bericht gehört Ihnen, ob Sie mit Stennir bauen oder nicht.
Die begrenzte Bereinigung wird dann zum ersten Schritt der KI-Umsetzung, wobei Sales Ops jedes Paket freigibt, jede Änderung protokolliert wird und die Daten in Ihren Konten bleiben. Das KI-Training vermittelt Vertrieblern die neuen Erfassungsgewohnheiten.
We are
Stennir bereinigt die CRM-Daten, die ein Arbeitsablauf braucht, wobei Ihr Sales Ops jedes Paket freigibt, und baut dann diesen Ablauf darauf auf.
We aren't
Stennir ist kein Datenbereinigungsbüro, das Ihr gesamtes CRM umschreibt, und ändert keine Datensätze ohne Freigabe.
#Was sollte eine Vertriebs- oder RevOps-Leitung als Nächstes tun?
Wählen Sie den einen Arbeitsablauf, bei dem KI am meisten helfen soll, und zählen Sie, wie viele seiner Datensätze eine einfache Prüfung nicht bestehen. Diese Zahl zeigt, wie groß die Bereinigung ist. Lesen Sie KI für den Vertrieb, dazu CRM-Updates nach Verkaufsgesprächen und Pipeline-Hygiene, dann machen Sie die kostenlose Bereitschaftsprüfung oder buchen Sie ein 30-minütiges Gespräch.
#Häufige Fragen
Was brauchen Sie von uns für den Start?
Stennir braucht Lesezugriff auf Ihr CRM in einer Testumgebung oder einen Export, die Sales-Ops- oder RevOps-Person, die die Datenregeln verantwortet, und den Namen des Arbeitsablaufs, den KI vor allem unterstützen soll. Daraus schreiben wir die Feldregeln und führen die erste Prüfung durch, bevor wir irgendeine Änderung vorschlagen.
Ändert die KI Datensätze eigenständig?
Nein. Sie schlägt Änderungen paketweise vor, jeweils mit Begründung. Die verantwortliche Person oder Sales Ops gibt sie frei, bearbeitet oder lehnt sie ab, und jede angewendete Änderung wird mit der freigebenden Person protokolliert. Sie können ein Paket rückgängig machen, und Konten und Ausschalter bleiben bei Ihnen.
Kommt es mit Firmennamen auf Arabisch und Englisch zurecht?
Ja. Dieselbe Firma auf Arabisch, auf Englisch und in Umschrift zu erkennen, ist einer der nützlichsten Teile. Stennir unterstützt Arabisch und Englisch vollständig und testet den Abgleich zuerst an Ihren eigenen Datensätzen, weil sich Namensgewohnheiten zwischen Branchen und Teams stark unterscheiden.
Was könnte schiefgehen?
Die Hauptrisiken sind eine falsche Zusammenführung zweier verschiedener Firmen, das Schließen eines Deals, der still noch lebte, oder eine Korrektur, die einen Bericht beschädigt, auf den sich die Finanzabteilung verlässt. Deshalb gehen Änderungen in prüfbaren Paketen, Verantwortliche geben frei, alles wird protokolliert, und ein Paket lässt sich rückgängig machen.
