KI im BDR/SDR-Prospecting: Was hilft, was schadet

Ein Rep in einem Team, mit dem ich letztes Jahr zusammenarbeitete, ließ jede Cold-E-Mail durch ChatGPT laufen. Jede einzelne. Er kopierte das LinkedIn-Profil des Prospects, die About-Seite des Unternehmens und seinen Rohentwurf, und bat das Modell, den Text "schärfer zu machen." Das Ergebnis sah gut aus. Prägnante Einstiege, spezifische Bezüge, eine klare Handlungsaufforderung am Ende.

Seine Antwortrate fiel innerhalb von drei Wochen von 4 % auf unter 1 %.

Als wir uns zusammensetzten, um die Ursache zu verstehen, war die Antwort im Nachhinein offensichtlich. Jede E-Mail klang gut. Aber sie klang auch wie jede andere E-Mail, die in dieser Woche von jedem anderen Rep nach demselben Muster geschrieben wurde. Die Einkäufer konnten sie nicht unterscheiden. Die Personalisierung war technisch korrekt und emotional generisch, die denkbar schlechteste Kombination für eine Cold-E-Mail.

Das ist das zentrale Problem mit KI im Prospecting im Moment. Reps, die KI gezielt einsetzen, wissen, was sie delegieren, was sie manuell erledigen und wie sie unnachgiebig redigieren. Sie übertreffen Reps, die der KI einfach das Steuer überlassen. Delegation produziert Volumen. Steuerung produziert Pipeline. Dieser Leitfaden erklärt den Unterschied.

Warum das wichtig ist: KI verschiebt BDRs vom Tun zum Steuern

Die Arbeit verändert sich. Ein BDR vor fünf Jahren verbrachte etwa 60 % des Tages mit manueller Recherche und Texterstellung und 40 % mit Outreach und Live-Gesprächen. Heute können KI-Tools diesen Recherche-und-Schreib-Anteil glaubwürdig auf 15 bis 20 % des Arbeitstages reduzieren. Das ist real. Das ist kein Hype.

Die Frage ist, was Sie mit der eingesparten Zeit anfangen.

Reps, die KI gut einsetzen, investieren die gesparte Zeit in Dinge, die KI nicht leisten kann: bessere Account-Auswahl, schärfere Qualifizierung in Live-Gesprächen, tiefere Beziehungen zu den 30 Accounts, die wirklich zählen. Reps, die KI schlecht einsetzen, versenden einfach schneller schlechte E-Mails. Das Volumen steigt, die Antwortraten sinken, und das Team beginnt "Zustellbarkeit" oder "Käufermüdigkeit" zu beschuldigen, obwohl das eigentliche Problem darin besteht, dass sie ihr Urteilsvermögen ausgelagert haben.

Einen umfassenderen Überblick über die Tools, die im modernen BDR-Stack tatsächlich ihren Platz verdienen, bietet Der BDR/SDR Tech-Stack: Tools, die ihren Platz verdienen. Wie sich das in einen Tagesablauf einfügt, erklärt Ein Tag im Leben eines BDR/SDR als ergänzende Lektüre.

Wo KI ihren Wert beweist

1. Recherche-Komprimierung

Das ist der mit Abstand größte ROI-Einsatz von KI im Prospecting. Punkt.

Vor KI dauerte das Lesen eines 10-K-Berichts oder das Durchsuchen eines Earnings-Call-Transkripts für den Kontext zu einem einzelnen Account 25 bis 30 Minuten, wenn man es sorgfältig machte. Multipliziert man das mit 20 Accounts pro Woche, verbrennt man allein für Recherche 8 bis 10 Stunden. Die meisten Reps gaben auf und gingen unvorbereitet in Gespräche, weshalb so viele Cold-E-Mails so aussehen, als ob der Absender noch nie von dem Unternehmen gehört hat.

Mit KI dauert dieselbe Vorbereitung 5 Minuten pro Account. Hier ist ein Prompt, der tatsächlich funktioniert:

Guter Prompt zur Recherche-Komprimierung:

"Du hilfst mir, mich auf den Outreach zu [Unternehmensname] vorzubereiten, einem [Branche]-Unternehmen mit etwa [Größe] Mitarbeitern. Ich werde die aktuellsten Auszüge ihres 10-K-Berichts und das letzte Earnings-Call-Transkript einfügen. Bitte extrahiere:

Die drei wichtigsten strategischen Prioritäten, die der CEO genannt hat

Spezifische operative Schmerzpunkte (Personal, Churn, Lieferkette, Integration), die der CFO angesprochen hat

Aktuelle Führungswechsel oder Organisationsveränderungen

Neue Produkte, Märkte oder Regionen, in die sie expandieren

Formatiere als Aufzählungspunkte. Spekuliere nicht. Wenn etwas nicht in der Quelle steht, erwähne es nicht."

Der Zusatz "Spekuliere nicht" ist entscheidend. Ohne ihn erfindet das Modell gerne strategische Prioritäten, die plausibel klingen, aber nicht real sind. Ich habe Reps erlebt, die in Cold-E-Mails auf erfundene Initiativen verwiesen, weil sie der KI-Zusammenfassung vertrauten, anstatt die Quelle zu prüfen.

Das Ergebnis dieses Prompts wird zum Ausgangsmaterial für Ihren Outreach. Sie bitten KI nicht, die E-Mail zu schreiben. Sie bitten sie, 80 Seiten zu lesen, damit Sie es nicht müssen, und Ihnen dann die drei oder vier Fakten zu liefern, die für Ihren Prospect tatsächlich relevant sein könnten.

2. KI-gestützte Personalisierung (keine KI-geschriebenen E-Mails)

Hier ist die Grenzlinie: KI entwirft das Gerüst. Der Rep schreibt den Einstieg.

Wenn KI die gesamte E-Mail schreibt, verfällt sie immer (wirklich immer) auf eine Struktur, die wie eine etwas ausgefeiltere Version jeder anderen KI-geschriebenen E-Mail klingt. Kompliment, Beobachtung, Überleitung, Handlungsaufforderung. Einkäufer sehen dieses Muster 30 Mal pro Woche. Sie haben sich darauf trainiert, es sofort zu löschen.

Ein besserer Workflow: KI um Winkel-Optionen bitten, nicht um fertigen Text.

Guter Prompt zur Winkel-Generierung:

"Hier ist der Prospect: [Titel, Unternehmen, kurzer Kontext]. Hier ist die Recherche-Zusammenfassung: [aus dem früheren Prompt einfügen]. Hier ist das Problem, das mein Produkt löst: [ein Satz].

Gib mir 3 verschiedene Winkel, mit denen ich eine Cold-E-Mail eröffnen könnte. Jeder Winkel soll ein einziger Satz sein, der etwas Spezifisches aus der Recherche mit dem Problem verbindet, das wir lösen. Schreib die E-Mail nicht. Füge keinen CTA ein. Gib mir nur drei verschiedene Einstiegshaken, auf denen ich aufbauen kann."

Sie wählen dann den Winkel, der Ihnen zusagt, und schreiben den Einstieg selbst. In Ihrer eigenen Stimme. Mit den Eigenheiten, den Kontraktionen, den kleinen Bezügen, die beweisen, dass ein Mensch dies gelesen hat, nicht nur ein Modell.

Was Sie NICHT tun sollten:

Schlechter Prompt: vollständige Delegation:

"Schreibe eine Cold-E-Mail an [Titel] bei [Unternehmen] über unsere Sales-Engagement-Plattform. Mache sie personalisiert, freundlich, und beende sie mit einem klaren CTA für ein 15-minütiges Meeting."

Dieser Prompt erzeugt eine E-Mail, die poliert, generisch und sofort überspringbar ist. Das ist das E-Mail-Äquivalent eines Stockfotos. Sieht gut aus, landet nirgends.

Ich habe beide Ansätze mit etwa 200 E-Mails über zwei Wochen getestet. Winkel-Generierungs-Prompts (bei denen ich den Einstieg schrieb) erzielten eine Antwortrate von etwa 5 %. Vollständige Delegations-Prompts erzielten 0,8 %. Die vollständig delegierten E-Mails waren nach jedem objektiven Standard "besser geschrieben". Sie wurden einfach ignoriert.

Mehr zur Cadence-Seite davon (wann und wie oft diese E-Mails ankommen sollten) finden Sie in Cold-E-Mail-Cadences, die 2026 tatsächlich funktionieren.

3. Gesprächsvorbereitung mit KI-Roleplay

Dieser Ansatz wird zu wenig genutzt, und er ist kostenlos.

Vor einem Discovery Call mit einem erfahrenen Einkäufer können Sie das Gespräch mit KI in der Rolle des Prospects üben. Gut durchgeführt ist das die nächste Annäherung an lebendige Praxis, ohne ein echtes Meeting zu verbrauchen.

Guter Prompt für Discovery-Roleplay:

"Du spielst einen skeptischen CFO in einem Logistikunternehmen mit 2.000 Mitarbeitern. Du wurdest in diesem Quartal bereits zweimal mit Sales-Tech gepitcht und beide Male hat sich der ROI nicht materialisiert. Du bist höflich, aber erschöpft. Du gibst dem Rep drei Fragen, und wenn die Antworten keinen Sinn ergeben, beendest du das Gespräch höflich.

Ich bin der Rep. Ich verkaufe [Ihr Produkt, ein Satz]. Das Meeting beginnt jetzt. Eröffne mit dem, was ein CFO in Ihrer Position tatsächlich zu einem BDR sagen würde, an den er sich kaum erinnert, den Termin gebucht zu haben."

Dann führen Sie das Gespräch. Das Modell wird zurückfragen. Es wird fragen, was Ihre letzten drei Kunden in ihrer Branche erreicht haben. Es wird fragen, warum Sie mit dem CFO sprechen und nicht mit dem VP Sales. Es wird höflich anmerken, dass Sie die gerade gestellte Frage nicht wirklich beantwortet haben.

Nach 15 Minuten davon gehen Sie in das echte Meeting, und Ihre Antworten sind deutlich schärfer. Das Roleplay ersetzt das Meeting nicht. Es ersetzt die schlechte erste Version Ihrer Antworten, die der Prospect jetzt nicht mehr ertragen muss.

Eine Variante: Roleplay mit einem Käufer, der bereits einen Wettbewerber evaluiert. Teilen Sie dem Modell mit, wer der Wettbewerber ist und wofür er bekannt ist. Dann üben Sie das Gespräch, warum ein Käufer trotzdem ein zweites Meeting vereinbaren sollte.

4. Follow-up und Gesprächszusammenfassung

Das ist der risikoärmste, aber wirkungsvollste KI-Einsatz im gesamten Funnel. Der Prospect kennt Sie bereits. Sie haben bereits ein Gespräch geführt. Sie versuchen nur, die Zusammenfassung und den nächsten Schritt richtig hinzubekommen.

Guter Prompt für die Post-Call-Zusammenfassung:

"Hier sind meine Notizen von einem 30-minütigen Discovery Call mit [Titel] bei [Unternehmen]: [Rohe Notizen einfügen].

Bitte erstelle:

Eine 4-Zeilen-Zusammenfassungs-E-Mail mit den drei wichtigsten Themen, über die sich die Person gesorgt hat, was ich versprochen habe zu senden, und einem Vorschlag für das nächste Meeting-Datum.

Eine separate, etwas längere interne Notiz für meinen CRM mit den wichtigsten Qualifizierungssignalen des Gesprächs (Budget, Zeitplan, Entscheidungsprozess, Blocker) und einem empfohlenen nächsten Schritt.

Nutze meine Stimme aus den Notizen. Füge nichts hinzu, was ich nicht gesagt habe."

Der Zusatz "Füge nichts hinzu, was ich nicht gesagt habe" macht echte Arbeit. Ohne ihn erfindet das Modell hilfsbereit Kontext ("wie wir besprochen haben, zielt Ihr Team auf Q3 ab"), den Sie tatsächlich nicht besprochen haben, und Ihr Prospect verliert bei der nächsten Lektüre der E-Mail leise sein Vertrauen.

Bearbeiten Sie die Zusammenfassung vor dem Versenden. Immer. Aber der Entwurf spart 10 bis 15 Minuten pro Call, und über eine Woche mit Demos summiert sich das auf Stunden.

5. Account-Synthese

Wenn Sie eine Target-Account-Liste bearbeiten und Ihr AE fragt: "Wie ist der Stand bei Acme Logistics in diesem Quartal?", mussten Sie früher 20 Minuten in CRM, Slack und Call-Notizen graben, um eine Antwort zusammenzustellen. KI kann das komprimieren.

Guter Prompt zur Account-Synthese:

"Ich werde alles einfügen, was wir über [Account] haben: meine letzten sechs E-Mails mit dem Team, die Notizen aus zwei Discovery Calls und die aktuellsten Aktivitäten in unserem CRM. Bitte fasse zusammen:

Wo wir uns im Vertriebsprozess befinden (ein Satz)

Die zwei stärksten Kaufsignale

Die zwei größten Bedenken oder Blocker

Zusagen, die ich gemacht, aber noch nicht eingehalten habe

Die beste nächste Aktion

Wenn etwas unklar oder fehlend ist, sag es. Fülle keine Lücken mit Annahmen."

Dieser letzte Satz ist wieder das, was eine nützliche Zusammenfassung von einer irreführenden trennt.

Was KI nicht tun sollte

Das ist der Teil, den die meisten Inhalte zu "KI für Vertrieb" überspringen. Hier ist die ehrliche Version.

KI sollte keine Discovery-Fragen in einem Live-Call ersetzen. Wenn Sie KI nutzen, um Fragen zu generieren, die Sie einem Prospect in Echtzeit stellen, haben Sie das wichtigste Denken im Job ausgelagert. Discovery ist der Moment, an dem Sie entscheiden, ob dieses Geschäft real ist. Das ist eine menschliche Einschätzung einer menschlichen Reaktion. KI bemerkt kein Zucken. Sie hört nicht, wenn jemands Stimme bei einer Frage über das Budget leiser wird. Sie weiß nicht, dass das dritte "ja, klar" das war, das "nein" bedeutete.

KI sollte nicht beurteilen, ob eine Persona tatsächlich zum ICP passt. Wenn Ihr ICP "Director of Operations in Logistikunternehmen, 500 bis 2.000 Mitarbeiter, keine aktuelle Automatisierungslösung" lautet, ist das eine strategische Entscheidung. KI wendet Ihre Filter gerne mechanisch an und liefert Ihnen eine Liste. Sie kann Ihnen nicht sagen, dass zwei dieser Unternehmen gerade übernommen wurden und sich in einem Kaufstopp befinden, oder dass eines davon in Ihrer Kategorie bekanntermaßen ablehnend ist. Die Einschätzung der Persona liegt beim Rep und beim AE.

KI sollte nicht entscheiden, wen Sie als nächstes anrufen. Einige Sales-Engagement-Tools bieten jetzt "KI-priorisierte" Anruflisten an. Nutzen Sie diese als Vorschläge, nicht als Befehle. Der Grund: Das Modell optimiert für das Signal, das es hat, meistens Engagement-Daten. Die Accounts, die noch nicht reagieren, könnten diejenigen sein, bei denen ein gezielter menschlicher Anruf durchdringt. Wenn Sie KI täglich Ihre Liste auswählen lassen, werden Sie ein Quartal damit verbringen, nur die Accounts anzurufen, die ohnehin schon halb bereit sind zu sprechen, und alles andere verpassen.

KI sollte nicht den Einstieg einer Erstkontakt-E-Mail schreiben. Das habe ich oben bereits angesprochen, aber es lohnt sich, es zu wiederholen. Der erste Satz ist der Moment, an dem Sie signalisieren, dass Sie ein echter Mensch sind. Übergeben Sie diesen Satz an KI, und Sie signalisieren das Gegenteil.

KI sollte nichts übernehmen, bei dem der Tonfall Vertrauen signalisiert. Alles Emotionale, alles Politische innerhalb eines Deals, alles, bei dem der Prospect das Gefühl haben muss, dass eine spezifische Person auf sein spezifisches Problem achtet: das bleibt manuell. Die Faustregel: Wenn ein falscher Ton den Deal töten könnte, sollten die Worte von Ihren eigenen Fingern kommen.

Prompts, die Sie nie verwenden sollten

Einige Kategorien, die wirklich faul sind und Durchschnittsergebnisse liefern:

Schlecht: vage Delegation: "Schreibe eine Cold-E-Mail an eine Marketing-Führungskraft."

Ergebnis: reiner Standardtext. Das Modell hat keine spezifische Person, kein Problem, keinen Winkel. Es greift auf Durchschnittswerte zurück und liefert Ihnen den Durchschnitt jeder Cold-E-Mail, die es je gesehen hat.

Schlecht: Schmeichelei als Personalisierung: "Schreibe eine Cold-E-Mail, die mit einem Kompliment über die aktuelle Pressemitteilung von [Unternehmen] beginnt."

Ergebnis: eine E-Mail mit einem Kompliment, das so generisch ist, dass es auf jedes Unternehmen zutreffen könnte, das jemals etwas angekündigt hat. Einkäufer erkennen "Ich habe Ihre aktuelle Ankündigung gesehen, herzlichen Glückwunsch" als das KI-Signal, das es ist.

Schlecht: Feature-Auflistung: "Schreibe eine Cold-E-Mail, die alle Funktionen unseres Produkts erklärt und um ein Meeting bittet."

Ergebnis: eine 200-Wörter-Feature-Liste, die niemand liest.

Schlecht: Prompts zur emotionalen Manipulation: "Schreibe eine Cold-E-Mail, die Dringlichkeit und FOMO erzeugt."

Ergebnis: peinlich. Echte Dringlichkeit entsteht aus einer echten Situation im Geschäft des Einkäufers, nicht aus Texttricks.

Wenn Ihr Prompt keine spezifische Person, keine spezifische Situation und keinen spezifischen Winkel enthält, hat die KI nicht das, was sie braucht, um eine nützliche Ausgabe zu produzieren. Sie wird trotzdem etwas produzieren. Und dieses Etwas wird wie alle anderen klingen.

Die KI-Output-Review-Checkliste

Bevor eine KI-berührte Nachricht abgesendet wird, führen Sie diese Prüfung durch. Dauert 30 Sekunden. Rettet Ihre Antwortrate.

Klingt das wie ich? Lesen Sie es laut vor. Wenn Sie diese Worte in dieser Reihenfolge nicht tatsächlich sagen würden, schreiben Sie die Teile um, die nicht von Ihnen stammen.
Ist jede Aussage wahr? Überprüfen Sie jede Tatsachenaussage. Hat das Unternehmen das tatsächlich angekündigt? Hat der CEO das tatsächlich gesagt? Wenn Sie es nicht in 60 Sekunden verifizieren können, streichen Sie es.
Würde ich das an das Unternehmen meines besten Freundes schicken? Das ist die Bauchprüfung. Wenn die E-Mail Sie vor jemandem, der Ihre Arbeit kennt, in Verlegenheit bringen würde, ist sie nicht bereit.
Verdient der Einstieg die E-Mail? Der erste Satz muss echte Arbeit leisten. Wenn es ein generisches Kompliment oder eine "Ich habe Ihren Beitrag gesehen"-Zeile ist, ersetzen Sie ihn.
Gibt es einen spezifischen Grund, warum diese E-Mail heute an diese Person geht? Wenn Sie diesen Grund nicht in einem Satz formulieren können, sollte die E-Mail nicht versendet werden.
Habe ich mindestens 60 % des KI-Outputs bearbeitet? Wenn Sie KI-Output mehr oder weniger unverändert versenden, delegieren Sie, anstatt zu steuern. Sie werden es innerhalb von zwei Wochen an Ihrer Antwortrate merken.

Messen, ob KI tatsächlich hilft

Einige Kennzahlen, die es sich lohnt, vor und nach der KI-Einführung in Ihrem Workflow zu verfolgen:

Recherche-Zeit pro Account. Ziel: 25 Minuten vor KI, 5 Minuten nach KI. Wenn Sie diese Komprimierung nicht erleben, sind Ihre Prompts nicht präzise genug.
Antwortrate auf Erstkontakt-E-Mails. Ziel: gleich oder höher. Wenn die Antwortrate nach der KI-Einführung sinkt, versenden Sie mehr polierten generischen Text. Zurückrudern.
% des KI-Outputs, der vor dem Versenden bearbeitet wurde. Ziel: 60 %+ Bearbeitungen. Weniger bedeutet, dass Sie die Stimme des Modells versenden, nicht Ihre eigene. Wer zwei Wochen lang unbearbeiteten KI-Output versendet, wird sehen, wie seine Antwortrate verfällt. Das ist so konsistent.
Pro Woche eingesparte Stunden. Tracken Sie es zwei Wochen lang. Wenn Sie nicht mindestens 3 bis 4 Stunden zurückgewinnen, hat Ihr KI-Workflow zu viel Reibung. Vereinfachen.
Erstellte Pipeline pro Rep, Quartal für Quartal. Das ist letztendlich die einzige Kennzahl, die zählt. KI sollte diese Zahl nach oben bewegen. Wenn sie flach oder rückläufig ist, während Sie KI mehr nutzen, produziert die Aktivität Volumen ohne Qualität.

Weitere Informationen zu gängigen Mustern, die die Performance still gefährden, finden Sie in Häufige BDR/SDR-Fehler und wie man sie vermeidet als ergänzende Lektüre.

Wie Rework KI-gestütztes Prospecting unterstützt

Die meisten KI-Prospecting-Fehler liegen nicht an der KI. Sie liegen daran, was mit dem KI-Output zwischen Generierung und Versand passiert. Notizen gehen in Chat-Threads verloren. Recherche-Zusammenfassungen verteilen sich auf fünf verschiedene Dokumente. Entwürfe der Zusammenfassungen werden in E-Mails eingefügt, ohne jemals dem Account zugeordnet worden zu sein, sodass der nächste Rep, der ihn bearbeitet, keinen Kontext hat. Rework CRM bietet BDRs und SDRs eine einzige Oberfläche, auf der KI-generierte Recherche, Call-Zusammenfassungen und Follow-up-Entwürfe direkt an den Account-Datensatz angehängt werden. Ihr Prompt-Output zur Vorbereitung liegt beim Account. Ihre Roleplay-Notizen liegen beim Account. Ihre KI-erstellte Zusammenfassung landet als E-Mail-Entwurf, der dem Kontakt zugeordnet ist. Nichts geht verloren. Der Preis beginnt bei 12 USD pro Nutzer und Monat.

Fazit

KI komprimiert die Vorbereitung, nicht das Urteilsvermögen.

Die besten BDRs 2026 nutzen KI, um 80 Seiten zu lesen, damit sie es nicht müssen, und verbringen die eingesparte Zeit damit, intensiver darüber nachzudenken, welchen 30 Accounts in diesem Quartal echte Aufmerksamkeit gebührt. Die schlechtesten BDRs nutzen KI, um schneller schlechte E-Mails zu schreiben. Die Pipeline der ersten Gruppe steigt. Die zweite Gruppe fragt sich, warum ihre Antwortrate abstürzt.

Bleiben Sie bei jedem Versand im Steuer. Redigieren Sie unnachgiebig. Halten Sie das Urteilsvermögen manuell. Setzen Sie KI für die Teile des Jobs ein, die Sie wirklich nicht erfordern, und behalten Sie die Teile in Ihrer Hand, die das tun.

Wenn KI das Denken übernimmt, merkt der Einkäufer es.

BDR- und SDR-Playbooks