Deutsch

KI im Workflow des Enterprise AE

Ein Enterprise AE, den ich kenne, schickte im letzten Quartal ein "personalisiertes" Vor-Meeting-Briefing an den CFO eines Fortune-500-Konzerns. Fünfundvierzig Minuten modellgenerierte Prosa über Branchenrückenwind, die strategischen Prioritäten des CFO und darüber, wie die Plattform des Verkäufers zu den erklärten Zielen der digitalen Transformation des Unternehmens passte. Der CFO antwortete mit einer einzigen Zeile.

"Hat ChatGPT das geschrieben?"

In Cc: der EVP. Der Deal starb nicht an diesem Tag, aber er erholte sich nie. Ein anderer Anbieter schloss den Vertrag acht Monate später ab. Das Verrückte daran ist, dass das Briefing nicht falsch war. Es zitierte echte Earnings Calls, echte strategische Prioritäten, echte öffentliche Aussagen. Es war nur generisch genug, dass ein erfahrener Käufer das Modell dahinter riechen konnte. Und sobald ein Käufer zu dem Schluss kommt, dass Sie sich keine echten Gedanken über die Beziehung machen, wird jede E-Mail danach durch denselben Filter gelesen.

Das ist der Teil der KI-Diskussion, vor dem Enterprise AEs nicht gewarnt werden. KI ist echter Hebel. Sie spart Ihnen fünf bis acht Stunden pro Woche. Sie macht Sie schneller bei Recherche, Synthese und ersten Entwürfen. Und wenn Sie sie an die falschen Stellen Ihres Deals lassen, verbrennt sie still und leise Ihre Glaubwürdigkeit bei genau den Menschen, die Sie zum Abschluss brauchen.

Warum das jetzt wichtig ist

Enterprise-Käufer tolerieren weniger KI-Schrott als SMB-Käufer, nicht mehr. Das ist der Teil, den die meisten Verkäufer falsch verstehen. Die Annahme lautet: "Führungskräfte sind beschäftigt, sie wollen es knapp." Stimmt. Aber knapp ist nicht dasselbe wie generisch, und erfahrene Käufer hören den Unterschied in einem einzigen Satz.

Auf C-Level wird jedes Wort als Signal dafür gelesen, wie ernst Sie ihr Geschäft nehmen. Eine generische, KI-geschriebene Führungskräfte-E-Mail sagt einem CRO, dass Sie sein Unternehmen nicht gut genug kennen, um drei individuelle Absätze zu schreiben. Was im Umkehrschluss bedeutet, dass Sie wahrscheinlich auch keinen komplexen Deal-Zyklus steuern können. Das Risiko ist nicht die KI. Das Risiko ist unbearbeitete KI vor erfahrenen Menschen. KI, die Sie geprüft, umgeschrieben und mit Ihrem eigenen Denken überlagert haben, ist einfach ein Werkzeug. KI, die Sie direkt aus dem Modell weitergeleitet haben, ist ein verräterisches Zeichen.

Es gibt ein verwandtes Risiko, das schwerer zu erkennen ist. KI ist am nützlichsten für die Teile des EAE-Jobs, die mechanisch sind: Terminplanung, Transkription, Recherchesynthese, erste Entwürfe. Das sind echte Erfolge. Aber die Teile des Jobs, die tatsächlich Deals abschließen (neugierig in einem Discovery Call sein, einen Raum voller skeptischer Führungskräfte lesen, wissen, welcher Stakeholder vor dem Steuerungsausschuss ein Vier-Augen-Gespräch braucht), sind nicht mechanisch. Wenn Sie die mechanischen 70 % an die KI auslagern, haben Sie mehr Zeit für die menschlichen 30 %. Wenn Sie versuchen, die menschlichen 30 % auszulagern, rutscht der Deal weg.

Wo KI hilft und wo sie schadet

Hier ist das praktische Entscheidungsframework, das ich verwende. Drei Zonen: Grün (KI laufen lassen), Gelb (KI für den ersten Entwurf, Sie schreiben um), Rot (lassen Sie die KI das nicht anfassen).

Grüne Zone, KI übernimmt von Anfang bis Ende:

  • Stakeholder-Recherche vor dem Call. Geben Sie der KI ein LinkedIn-Profil, das jüngste Earnings-Call-Transkript und Auszüge aus dem 10-K. Bitten Sie sie, drei strategische Prioritäten und zwei wahrscheinliche Einwände herauszuarbeiten. Sie verifizieren, aber Sie starten eine Stunde weiter vorn, als Sie es sonst tun würden.
  • Synthese der Notizen nach dem Call. Fügen Sie das rohe Gong- oder Chorus-Transkript ein und bitten Sie die KI, Entscheidungen, Verantwortliche, nächste Schritte und offene Fragen zu extrahieren. Zehn Minuten statt vierzig. Das ist einer der zuverlässigsten Erfolge im Workflow.
  • Vorbereitung des internen Deal-Reviews. Ziehen Sie Ihre CRM-Daten heraus, fügen Sie sie ein und bitten Sie die KI, die Lücken in Ihrem MEDDPICC zu markieren. Sie wird Dinge erkennen, die Sie übersehen haben, weil Sie zu nah am Deal sind.
  • Proposal-Boilerplate. Unternehmenshintergrund, Sicherheitsüberblick, Implementierungszeitplan, Struktur des gemeinsamen Abschlussplans. Die KI baut das Gerüst zusammen. Ihre Zeit verwenden Sie auf das individuelle Wertversprechen, das der einzige Teil ist, den der Käufer tatsächlich aufmerksam liest.

Gelbe Zone, KI entwirft und Sie schreiben stark um:

  • Multi-Threading-Cadence-Outreach. Generieren Sie erste E-Mail-Entwürfe für die 6 bis 8 Stakeholder in einem Deal und schreiben Sie dann jeden einzelnen selbst um. Die KI gibt Ihnen das Skelett. Ihr Wissen über den Account macht es konkret. Eine ausführlichere Behandlung, wie das in der Praxis funktioniert, finden Sie in Multi-Threading bei Enterprise-Deals.
  • Einwandvorbereitung. Die KI generiert eine Liste wahrscheinlicher Einwände; Sie prüfen sie auf Herz und Nieren gegen das, was Sie tatsächlich im Discovery gehört haben.
  • Executive Summaries. Erster Entwurf von der KI, dann starke menschliche Überarbeitung, damit es nach Ihnen klingt und nicht nach einem Modell.

Rote Zone, lassen Sie die KI das nicht anfassen:

  • Unbearbeitete Führungskräfte-Kommunikation. Schicken Sie niemals eine KI-generierte E-Mail an einen VP oder höher ohne starke menschliche Überarbeitung. Erfahrene Käufer erkennen den Rhythmus modellgenerierter Prosa in zwei Sätzen. Wenn ich KI-entworfene Exec-E-Mails ohne Überarbeitung verschicke, werde ich ignoriert. Jedes Mal.
  • Individuelle MSA-Vertragsmarkierungen. KI halluziniert juristische Begriffe. Beschaffungs- und Rechtsteams werden es entdecken, das Vertrauen verlieren und den Deal um zwei Wochen verlangsamen, während sie alles, was Sie geschickt haben, neu prüfen.
  • Antworten auf Sicherheitsfragebögen. Falsche Antworten schaffen ein Sicherheitsverletzungsrisiko und schriftliche Falschaussagen. Das ist eine Aufgabe für Security und InfoSec, nicht für Ihren KI-Assistenten.
  • Generierung von Discovery-Fragen. Sie verlieren den Neugier-Muskel, der EAEs gut macht. Die Discovery-Fragen, die Deals gewinnen, entstehen aus echtem Zuhören beim letzten Call, nicht aus einer Prompt-Vorlage.

Die EAE-Prompt-Bibliothek

Sieben Prompts, die ich tatsächlich verwende. Fügen Sie diese in Claude oder ChatGPT ein, bearbeiten Sie die eingeklammerten Eingaben, und Sie haben den Großteil des KI-Workflows, den Sie brauchen.

1. Stakeholder-Vorabbriefing

You are helping me prepare for a 30-minute discovery call with [NAME], 
[TITLE] at [COMPANY]. 

I'm pasting in: their LinkedIn profile, the most recent quarterly earnings 
call transcript, and excerpts from the latest 10-K filing.

Output:
1. Three strategic priorities the company has publicly committed to in 
   the last 12 months, with the source for each.
2. Two likely objections this person will raise about a [your category] 
   purchase, given their role and the company's current financial profile.
3. One non-obvious connection between their stated priorities and a 
   challenge that [your category] solves, phrased as a hypothesis 
   I should test in the call, not a claim I should make.

Be conservative. If you cannot source a claim from the documents I 
pasted, say "no public source, verify before citing."

[PASTE LINKEDIN]
[PASTE EARNINGS TRANSCRIPT]
[PASTE 10-K EXCERPTS]

Die Klausel "be conservative" ist der wichtige Teil. Ohne sie erfinden Modelle strategische Prioritäten, die plausibel klingen und es nicht sind. Mit ihr erhalten Sie einen vertretbaren Ausgangspunkt.

2. Synthese nach dem Call

I'm pasting a raw transcript from a 45-minute discovery call with 
[NAMES, TITLES] at [COMPANY].

Extract:
1. Decisions made during the call (who decided, what was decided)
2. Action items with owner and due date (if stated)
3. Open questions raised but not resolved
4. Buying signals: language that suggests urgency, budget, or 
   stakeholder readiness. Quote the exact phrase.
5. Risk signals: language that suggests hesitation, competing 
   priorities, or unresolved objection. Quote the exact phrase.
6. Three follow-up questions I should ask in the next conversation 
   based on what was said, not what I assumed.

Do not summarize the call. Extract only.

[PASTE TRANSCRIPT]

Die Anweisung "do not summarize" ist entscheidend. Modelle tendieren standardmäßig zur Zusammenfassung, die das am wenigsten nützliche Ergebnis ist. Sie wollen rohe Extraktion, damit Sie gegen das Transkript verifizieren können.

3. Multi-Thread-Cadence-Entwurf

I'm running an active opportunity at [COMPANY]. The economic buyer 
is [NAME, TITLE]. I have champion-level relationships with [NAME, TITLE] 
and [NAME, TITLE]. I need to expand into [NAME, TITLE] (security), 
[NAME, TITLE] (IT), and [NAME, TITLE] (finance).

Context: [3-4 sentences on the deal, what they're solving, where 
they are in the process, what just happened on the last call].

Draft a first-touch email to each of the three new stakeholders. 
Each email should:
- Reference one specific business outcome relevant to that role 
  (security: risk reduction; IT: implementation lift; finance: TCO).
- Include one question only that role can answer.
- Be under 120 words.
- Avoid the phrases "circle back," "touch base," "leverage," 
  "synergies," and any sentence beginning with "I hope this finds 
  you well."

Each draft will be heavily rewritten before sending. Optimize for 
specificity over polish.

[PASTE CONTEXT]

Die Liste der blockierten Formulierungen hält das Modell davon ab, in Standard-Outreach-Prosa zu verfallen. Probieren Sie es ohne die Blockliste aus, und Sie werden sehen, warum.

4. Einwandvorbereitung

Deal stage: [stage]. Buyer role: [TITLE]. Industry: [industry]. 
Deal size: $[amount] ARR.

Based on the typical concerns of someone in this role at this stage 
of an enterprise software purchase, generate the five most likely 
objections I will face in my next conversation.

For each objection:
1. The objection in the buyer's likely phrasing
2. The underlying concern (often different from the surface objection)
3. A response approach (not a script, the angle I should take)
4. The discovery question I should have asked earlier to surface this

Mark any objection that is genuinely about [your product] vs. about 
the broader category vs. about the buyer's internal politics.

[PASTE DEAL CONTEXT]

Die dritte Achse (Einwand zum Produkt vs. zur Kategorie vs. zur internen Politik) ist diejenige, die Menschen am häufigsten verfehlen. Sie ist auch diejenige, die darüber entscheidet, ob der Einwand von Ihnen oder von Ihrem Champion zu behandeln ist.

5. Proposal-Narrativ

I'm drafting the executive summary section of a proposal for [COMPANY]. 
This is the only section the [TITLE] economic buyer will read carefully. 
Maximum 250 words.

I'm pasting my discovery notes from four conversations with the 
deal team.

Output a first-draft executive summary that:
- Opens with the business problem in their words, not mine
- States the measurable outcome they told us they're trying to hit
- Names the two or three capabilities that map directly to that outcome 
  (skip features that don't map)
- Closes with what success looks like in 12 months

No marketing language. No "transform," "unlock," "empower," "leverage," 
"unleash." Match the prose style of a Harvard Business Review case 
study, not a sales deck.

[PASTE DISCOVERY NOTES]

Der HBR-Stilanker ist der nützlichste Trick, den ich gefunden habe, um Modelle aus der Marketing-Stimme herauszuholen.

6. Gemeinsamer Abschlussplan

I'm building a mutual close plan with [COMPANY] for a [SIZE] deal 
targeting [DATE] close. Buying committee includes: [LIST OF NAMES, 
ROLES, INFLUENCE LEVEL].

Their procurement process typically requires: [LIST WHAT YOU KNOW].

Output a milestone framework with:
1. Workstreams (legal, security, technical validation, executive 
   alignment, commercial)
2. Key milestone in each workstream with target date
3. Owner on their side and our side
4. Dependencies between workstreams (what blocks what)
5. The three milestones most likely to slip and why

Format as a table I can paste into a shared doc with the buyer.

[PASTE DEAL CONTEXT]

Diesem hier vertraue ich am wenigsten. Das Ergebnis ist immer eine ordentliche Ausgangsstruktur, aber jeder Deal hat eine Eigenheit, die das Modell nicht sehen kann. Ich schreibe wahrscheinlich die Hälfte der Zeilen um, bevor ich extern teile.

7. Internes Deal-Review (MEDDPICC-Lücke)

I'm preparing for an internal deal review. Pasting CRM notes, 
recent email threads, and meeting summaries for opportunity [ID].

Run a MEDDPICC gap analysis. For each letter:
- What I know with confidence (with source)
- What I'm assuming but haven't verified
- The single highest-value question I should answer before next 
  Friday's review

Be skeptical. If I claim a champion exists but there's no evidence 
of independent advocacy in their behavior, flag it. If I have a 
metric but it's a marketing-page number, not something the buyer 
told me, flag it.

[PASTE NOTES]

Die Skepsis-Anweisung macht diesen Prompt erst wirklich nützlich. Ohne sie stimmt das Modell allem zu, was Sie bereits in Ihrem CRM geschrieben haben, was genau das ist, was Sie vor einem Deal-Review nicht brauchen.

Häufige Fallstricke

Reine KI-Führungskräfte-E-Mails verschicken, weil Sie an einem Freitag im Rückstand sind. Käufer erinnern sich an den Ton, nicht an Ihre Woche. Die Abkürzung fühlt sich für zehn Minuten lohnenswert an; die mentale Akte des Käufers über Sie braucht ein Jahr, um sich zu reparieren.

KI verwenden, um MSA-Vertragsmarkierungen oder Sicherheitsantworten zu entwerfen. Diese landen in rechtsverbindlichen Dokumenten. Fachprüfer werden jeden Fehler finden. Sobald das Rechtsteam halluzinierte Formulierungen markiert, wird jede Zeile des Vertrags neu geprüft, und dort wird aus einer zweiwöchigen Deal-Verzögerung eine vierwöchige.

KI-Account-Recherche als gesicherte Wahrheit behandeln. Modellhalluzinationen über Organisationsstrukturen, jüngste Nachrichten oder finanzielle Leistung werden Sie live im Raum blamieren. Die Lösung ist die einfachste mögliche Disziplin: Zitieren Sie vor einem Käufer niemals einen Fakt, den Sie nicht an der Quelle verifiziert haben.

Vertrauliche Kundendaten in öffentliche KI-Tools einfügen. Gehen Sie davon aus, dass jeder Prompt protokolliert wird, sofern Ihr Unternehmen keine Enterprise-Vereinbarung hat. Wenn Sie mit einem echten Account-Namen, echten Umsatzzahlen oder echten Organigrammen arbeiten, verwenden Sie das Enterprise-taugliche Tool, das Ihr Security-Team freigegeben hat, nicht das Consumer-ChatGPT-Konto auf Ihrem Handy.

Die KI Ihre Discovery-Fragen schreiben lassen. Sie verlieren den Neugier-Muskel. Die Fragen, die Enterprise-Deals bewegen, entstehen aus echtem Zuhören dessen, was der Käufer gerade gesagt hat, nicht aus einer Prompt-Vorlage. Eine längere Liste davon finden Sie in Häufige Fallstricke für Enterprise AEs.

Drei Regeln für die Output-Prüfung

Bevor irgendein KI-Output Ihren Rechner verlässt, drei Checks. Das dauert dreißig Sekunden und rettet den Deal.

  1. Ist irgendetwas faktisch falsch? Konkret: jeder Name, jede Zahl, jedes Datum oder jede Behauptung über das Geschäft des Käufers. Wenn Sie es nicht belegen können, streichen Sie es.
  2. Wäre es mir peinlich, wenn diese Person wüsste, dass die KI das geschrieben hat? Falls ja, braucht es mehr Überarbeitung. Falls ehrlich nein, liest es sich wahrscheinlich wie Sie, nicht wie ein Modell.
  3. Klingt das nach mir, oder klingt es nach einem Modell? Lesen Sie den ersten Absatz laut vor. Modelle haben einen Rhythmus. Dreiergruppen, ausbalancierte Satzteile, dieselben fünf Verbindungswörter. Ihre Stimme hat Unebenheiten und Asymmetrie. Wenn die Prosa zu glatt ist, rauen Sie sie auf.

Vorher vs. nachher: eine Führungskräfte-E-Mail

Hier ist der unbearbeitete KI-Entwurf einer Outreach-E-Mail an einen VP of Engineering bei einem Mid-Market-Softwareunternehmen:

Betreff: Abstimmung zur Engineering-Geschwindigkeit bei [Company]

Hallo [Name],

ich hoffe, es geht Ihnen gut. Ich verfolge das jüngste Wachstum von [Company] und bin beeindruckt vom Umfang Ihrer Engineering-Organisation. Während Sie weiter skalieren, würde ich gern erkunden, wie [Product] Ihrem Team helfen kann, mehr Geschwindigkeit freizusetzen und Ihren Kunden mehr Wert zu liefern.

Viele Engineering-Führungskräfte, mit denen wir arbeiten, stehen vor ähnlichen Herausforderungen rund um Tool-Fragmentierung und Developer Experience. Wir haben Unternehmen wie [X] und [Y] geholfen, ihre Workflows zu verschlanken und die Time-to-Market zu beschleunigen.

Wären Sie offen für ein 30-minütiges Gespräch nächste Woche, um zu erkunden, wie wir partnerschaftlich zusammenarbeiten könnten?

Beste Grüße, [Sender]

Es ist nicht falsch. Es ist nur eine Modell-E-Mail. Jeder erfahrene Käufer hat genau diese E-Mail tausendmal gelesen.

Hier ist die Version nach der Überarbeitung:

Betreff: Das Q3-Reliability-Post-mortem

[Name],

ich habe Ihr Post-mortem zum Q3-Reliability-Vorfall gesehen. Die Stelle darüber, dass die Testinfrastruktur der eigentliche Engpass ist (nicht die Deploy-Frequenz), war der ehrlichste Engineering-Bericht, den ich dieses Jahr gelesen habe.

Zwei Fragen, kein Pitch dabei:

  1. Die von Ihnen beschriebene Lösung verschiebt den Engpass auf das Environment Provisioning. Hat sich das in Q4 bestätigt?
  2. Wir arbeiten mit drei Unternehmen, die im Bereich von 200 Engineers genau gegen dieselbe Wand gelaufen sind. Lohnt sich ein 20-minütiger Austausch?

Falls ja, schicke ich Ihnen drei konkrete Dinge, die sie gemacht haben. Falls nein, kein Nachfassen.

[Sender]

Gleiche Absicht. Andere Wahrscheinlichkeit, eine Antwort zu bekommen. Die zweite hat sechs Minuten zum Schreiben gebraucht, weil die ersten drei Minuten dafür draufgingen, das Post-mortem zu lesen, das der Käufer tatsächlich geschrieben hat.

Messen, ob KI hilft oder schadet

Verfolgen Sie drei Dinge über ein Quartal.

Eingesparte Admin-Zeit pro Woche. Ziel: 5 bis 8 Stunden. Messen Sie ehrlich. Wenn Sie vier Stunden bei der Synthese sparen und drei davon für mehr Synthese aufwenden, ist der Nettogewinn eine Stunde, nicht vier.

Deal-Geschwindigkeit in Phasen, in denen die KI die Vorarbeit leistet. Ziel: 15 bis 20 % schnelleres Durchlaufen der Phasen, in denen die Arbeit überwiegend Recherche und Synthese ist (frühes Discovery, Proposal-Erstellung, interne Reviews). Wenn diese Phasen nicht schneller werden, funktioniert Ihr KI-Workflow nicht wirklich für Sie.

Qualität des Führungskräfte-Engagements. Antwortraten von VP-plus-Kontakten halten sich stabil oder verbessern sich, statt zu sinken. Die falsche Kennzahl ist "versendete E-Mails". Die richtige Kennzahl ist, ob erfahrene Käufer seit dem Einsatz von KI mehr, gleich viel oder weniger antworten. Wenn die Antwortraten erfahrener Käufer nach der KI-Einführung sinken, verschicken Sie zu viel unbearbeiteten Modell-Output. Reduzieren Sie das Volumen, erhöhen Sie die Qualität. Eine ausführlichere Aufschlüsselung, wie man über den Tool-Stack eines EAE nachdenkt, finden Sie in Enterprise AE Tools & Tech-Stack.

Wie Rework hineinpasst

Die meisten KI-Tools leben außerhalb Ihres CRM. Die Übergabe zwischen "KI hat diesen Entwurf erzeugt" und "dieser Entwurf liegt im Deal-Datensatz, wo der Rest des Teams ihn sehen kann" ist die Stelle, an der Zeit verloren geht. Rework CRM hält die KI-gestützte Recherche, die Synthese nach dem Call und die Stakeholder-Notizen direkt am Opportunity-Datensatz, sodass der SE, der CSM und der Deal-Review-Ausschuss denselben Kontext sehen, den Sie erzeugt haben. KI als separates Produktivitätstool ist in Ordnung. KI, die in den Deal-Datensatz integriert ist, ist tatsächlich schneller. CRM startet bei 12 $/Nutzer/Monat.

Was Sie hieraus mitnehmen sollten

KI ist Hebel, keine Abkürzung um die Teile des Jobs herum, die tatsächlich einen EAE erfordern. Der erfahrene Käufer merkt es immer. Die Disziplin besteht darin, zu wissen, welche 70 % Ihrer Woche die KI gut bewältigt, und die 30 % zu schützen, die sie nicht kann. Die 70 % sind Recherche, Synthese, Entwürfe, interne Vorbereitung. Die 30 % sind das menschliche Urteilsvermögen, das den Deal abschließt: mit einem skeptischen CFO zusammenzusitzen, zu wissen, welcher Stakeholder ein Vier-Augen-Gespräch braucht, zu hören, was in einem Discovery Call nicht gesagt wurde.

Wenn Sie diese Woche noch einmal durch das Grün/Gelb/Rot-Framework laufen ließen, wo würden Sie fünf Stunden KI-gestützten Hebel finden? Und welche Führungskräfte-E-Mail haben Sie im letzten Quartal verschickt, die im Rückblick ein wenig zu glatt klang?

Fangen Sie dort an. Wie der Tag eines Enterprise AE aussieht, einschließlich der Frage, wo die KI darin sitzt, ist ausführlicher in Ein Tag im Leben eines Enterprise AE dargelegt.

Mehr erfahren