KI im Arbeitsalltag des Sales Managers: Was hilft, was schadet

Als ich zum ersten Mal eine KI-generierte Coaching-E-Mail ungelesen weiterleitete, fing die Vertriebsmitarbeiterin danach an zu weinen.

Nicht während des Meetings. Später. Ihr Kollege erzählte es mir am nächsten Tag.

Das Feedback war nicht einmal falsch. Gong hatte ihr Demo transkribiert, Claude hatte die Schwächen zusammengefasst, und die E-Mail enthielt drei sauber formulierte Verbesserungspunkte. Sie war strukturiert, konkret und in der Theorie gutes Coaching.

Was die KI nicht wusste: Sie hatte an diesem Morgen einen persönlichen Account verloren. Ein Freund ihres Vaters, der ihr erster warmer Kontakt im Unternehmen gewesen war. Sie hatte mir davon in unserem 1:1 der Woche zuvor erzählt. Die KI hatte keine 1:1-Notizen gelesen. Die KI schrieb ihr an dem schlimmsten Nachmittag ihres Quartals eine knackige Dreipunkt-Liste mit "Entwicklungsbereichen".

Ich hatte den Entwurf nicht gelesen. Ich hatte ihn weitergeleitet. Das war der Fehler. Nicht der KI. Meiner.

Seitdem habe ich das vergangene Jahr damit verbracht herauszufinden, wo KI tatsächlich in die Arbeitswoche eines Sales Managers gehört, und wo sie das Vertrauen, das man monatelang aufgebaut hat, still und leise beschädigt. Das ist mein Fazit.

Die eigentliche Verschiebung: Vom Ausführen zum Steuern

Die meisten Inhalte über KI für Sales Manager stellen sie als Produktivitätsmultiplikator dar. Zeit sparen. Den Output verzehnfachen. Mehr Vertriebsmitarbeiter in weniger Zeit coachen.

Dieses Framing ist irreführend und nach meiner Erfahrung gefährlich. Die Arbeit wird nicht schneller. Sie wird anders.

KI verlagert das Sales Management vom Ausführen zum Steuern. Früher schrieb man selbst die Pipeline-Review-Notizen. Heute weist man die KI an, einen Entwurf zu erstellen, und entscheidet, was davon übrig bleibt. Früher bewertete man Calls im Kopf beim Zuhören. Heute bewertet Gong AI sie, und man entscheidet, welche Bewertungen die Realität widerspiegeln. Früher schrieb man Coaching-E-Mails auf einer leeren Seite. Heute formuliert man Prompts, die Ausgangspunkte liefern, und entscheidet, was unter dem eigenen Namen herausgeht.

Die Sales Manager, die diesen Übergang meistern, sind nicht diejenigen, die KI am aggressivsten nutzen. Es sind die, die am kompromisslosesten redigieren. Die Fähigkeit, die sich aufbaut, ist nicht das Prompten. Es ist das Urteilsvermögen darüber, was das Modell falsch verstanden hat und welchen Kontext es schlicht nicht haben konnte.

Wer KI völlig meidet, wird beim Volumen zurückfallen. Wer KI-Ergebnisse ungeprüft weitergibt, verliert seine Vertriebsmitarbeiter. Der mittlere Weg, KI als schnellen Erststrategen und man selbst als abschließender Richter, ist der einzige, der über ein ganzes Jahr Bestand hat.

Wo KI hilft (frei nutzen, leicht redigieren)

Das sind die Bereiche im Arbeitsalltag des Sales Managers, in denen KI die Arbeit echte beschleunigt, ohne sie zu verzerren.

Deal-Strategie-Rollenspiel. Bevor ein Vertriebsmitarbeiter in ein entscheidendes Meeting geht, setzt man ihn mit Claude oder ChatGPT zusammen, das den Käufer spielt. Man gibt die Rolle des Käufers, die Branche, frühere Einwände und den Plan des Vertriebsmitarbeiters ein. Die KI hakt nach, so wie der Käufer es wahrscheinlich tun wird. Der Vertriebsmitarbeiter übt. Man beobachtet und ergänzt den Kontext, den das Modell nicht sehen kann: Wettbewerbswissen, aktuelle Personalveränderungen, interne Dynamiken aus früheren Gesprächen. Das ist eine der wirkungsvollsten KI-Anwendungen, die ich gefunden habe, und sie kostet fast nichts.

Forecast-Musteranalyse. Man bittet die KI, die aktuelle pipeline des Quartals mit historischen Abschlussmustern zu vergleichen. Welche deals sehen wie Gewinner aus, passen aber nicht zum Profil vergangener Gewinner auf dieser Stufe? Welche sehen schwach aus, passen aber tatsächlich zum Muster langsamer, aber echter Abschlüsse? Die KI kann nicht sagen, was stimmt; sie kann markieren, was einen zweiten Blick wert ist. Das eigene Urteilsvermögen entscheidet dann, ob der deal real ist.

1:1-Vorbereitungszusammenfassungen. Vor einem Einzelgespräch lässt man die KI die letzten sieben Tage des Vertriebsmitarbeiters aus CRM-Aktivitäten, Call-Aufzeichnungen und E-Mail-Volumen zusammenfassen. Man geht mit einem aktuellen Bild hinein, statt zu fragen "Und, was war diese Woche los?" und dann die rekonstruierte Erinnerung des Vertriebsmitarbeiters zu bekommen. Kombiniert man das mit dem Framework aus Coaching im Einzelgespräch: Frameworks, die funktionieren, werden die 1:1s schärfer, ohne länger zu werden.

Post-Call-Zusammenfassung und Risikomarkierungen. Man übergibt ein Transkript und bekommt eine strukturierte Zusammenfassung mit nächsten Schritten, offenen Fragen und Risikomarkierungen zurück. Die Risikomarkierungen sollte man gründlich redigieren. KI neigt dazu, wörtlich gehörte Einwände überzubewerten und die stillen zu übersehen. Aber die Struktur spart 10 Minuten pro Call und hält einen ehrlich gegenüber dem, was gesagt wurde, versus dem, was man sich gemerkt hat.

Kompetenzeinschätzung des Vertriebsmitarbeiters als Input, nicht als Urteil. Gong AI und Clari Copilot bewerten Calls nach einer Checkliste. Man behandelt die Bewertung als ein Signal, nicht als die Antwort. Ich habe Vertriebsmitarbeiter erlebt, die einen ganzen Monat lang bei der Discovery "schlecht" abschnitten und sich dann als die Mitarbeiter mit der höchsten Gewinnrate im Team herausstellten, weil ihr Stil anders war, nicht schlechter. Die Bewertung beginnt das Gespräch. Sie beendet es nicht.

Wo KI schadet (stark redigieren oder ganz weglassen)

Das sind die Bereiche, in denen ich beobachtet habe, wie KI Manager-Mitarbeiter-Beziehungen still beschädigt.

Unredigiert versendete Coaching-E-Mails. Vertriebsmitarbeiter erkennen den Ton auf Anhieb. Sie haben in diesem Jahr genug KI-generierte Inhalte gesehen, dass der Rhythmus ihnen vertraut ist. Wenn eine Coaching-E-Mail so klingt, als hätte sie ein kompetenter Fremder geschrieben, schlussfolgert der Vertriebsmitarbeiter, dass sein Manager die Beziehung ausgelagert hat. Dieses Vertrauen kann man durch eine einzige Nachricht nicht zurückgewinnen, aber man kann durch eine ein Viertel der Glaubwürdigkeit verlieren.

Mitarbeiterbeurteilungen. KI glättet Konkretes zu Unternehmenssprech. "Zeigt starke Kundenorientierung und übertrifft die Erwartungen an die Pipeline-Generierung kontinuierlich." Dieser Satz ist in jeder KI-entworfenen Beurteilung aufgetaucht, die ich je gelesen habe. Er bedeutet nichts. Der Vertriebsmitarbeiter weiß, dass er nichts bedeutet. Die Führungskraft, die die Beurteilung liest, weiß das auch. Man schreibt Mitarbeiterbeurteilungen selbst oder man schreibt sie nicht.

Empfehlungen zur Vergütungsanpassung. KI weiß nicht, was man im Flur versprochen hat. Sie weiß nicht, wer ein größeres Gebiet bekommen hat, weil er gedroht hatte zu gehen. Sie weiß nicht, dass der Vertriebsmitarbeiter, der 110 % erreicht hat, zwei seiner fünf Abschlüsse von einem Outbound-Team bekommen hatte, das nicht mehr existiert. Vergütungsentscheidungen brauchen vollständigen Kontext. Den hat KI nicht.

Kündigungsgespräche. Niemals. Nicht das Skript, nicht die Gesprächspunkte, nicht die "empathischen Formulierungen". Wer die eigenen Worte für das schwerste Gespräch im Management nicht selbst finden kann, sollte es nicht führen.

Sieben Prompts, die man morgen verwenden kann

Das sind Prompts, die ich tatsächlich verwende, keine Spielzeugbeispiele. Man ersetzt die eingeklammerten Abschnitte, und sie funktionieren in Claude, ChatGPT oder welchem Tool auch immer die eigene Organisation standardisiert hat.

1. Deal-Strategie-Rollenspiel

You are [BUYER NAME], the [TITLE] at [COMPANY], a [INDUSTRY]
company with [SIZE] employees. You are evaluating [PRODUCT
CATEGORY] and have shortlisted three vendors including [OUR
COMPANY]. Your top three concerns are [CONCERN 1], [CONCERN 2],
[CONCERN 3]. You are skeptical of [SPECIFIC THING, e.g., AI
features, implementation timelines, total cost over 3 years].

I will play [REP NAME], your account executive, who is meeting
you to [PROPOSE NEXT STEP, e.g., present pricing, set up
proof-of-concept, get exec sponsor].

Push back the way a real buyer in this role would. Do not be
agreeable. If the rep gives a vague answer, ask a follow-up
question that exposes it. End the meeting if the rep doesn't
earn it. Start the conversation as if I just walked in.

2. 1:1-Vorbereitungszusammenfassung

Summarize [REP NAME]'s last 7 days of work using the data below.
Structure the summary as:

1. Pipeline movement (deals advanced, deals slipped, deals
   created)
2. Activity volume vs their 30-day average (calls, emails,
   meetings)
3. Two specific moments worth discussing, one positive and one
   that needs a question (not a verdict)
4. Open commitments from our last 1:1 that I should follow up on

Do not score the rep. Do not recommend actions. Just surface
what's worth a 30-minute conversation.

[PASTE: CRM activity export, Gong call summaries, prior 1:1
notes]

3. Pipeline-Anomalieerkennung

You have my team's pipeline data below and our historical close
patterns from the last 8 quarters. Identify deals that:

- Are forecasted to close this quarter but don't match the
  activity profile of past closed-won deals at this stage
- Have higher-than-baseline buyer engagement but are not yet in
  forecast
- Have stalled (no buyer activity in 14+ days) but are still
  being actively worked by the rep

For each, give me one line: deal name, rep, the specific pattern
mismatch, and one question I should ask the rep about it. No
recommendations. I'll decide what to do.

[PASTE: pipeline export, historical close-pattern summary]

4. Post-Call-Coaching-Notizen

Read the transcript below and produce coaching notes in this
format:

3 things the rep did well (specific quotes, not categories)
2 things to work on (specific moments, with the alternative
phrasing I'd suggest)
1 question I should ask the rep in our next 1:1 about a moment
where I genuinely couldn't tell what they were thinking

Write in plain English. No "demonstrated strong rapport." No
"could improve discovery." Quote the actual words. If you can't
point to a specific timestamp or quote, leave it out.

[PASTE: call transcript]

5. Forecast-Risikomarkierungen

Compare the deals in my forecast below against my team's
historical close patterns. Flag any deal where:

- The decision-maker hasn't appeared on a call in the last 21
  days
- The deal value is more than 1.5x the rep's average closed-won
  size and they haven't closed one this big before
- The next step is set 14+ days out without a calendared meeting
- The buyer has not shared internal stakeholders by this stage
  in past closed-won deals

For each flag, give me the deal, the specific trigger, and a
single question to ask in our pipeline review. Do not call deals
"at risk" or "healthy." Just surface the patterns. I'll decide.

[PASTE: forecast export, historical close-pattern data]

6. Entwurf eines Entwicklungsplans für Vertriebsmitarbeiter

Below are summaries of [REP NAME]'s last 30 days of customer
calls, scored against our rubric. Identify the 2 skill gaps that
appear most consistently. Not the most dramatic single misses,
but the patterns that show up across multiple calls.

For each gap, give me:
- The pattern, in one sentence, with examples from at least 3
  different calls
- One specific behavior change I could ask for (something
  observable on the next call, not a category like "be more
  consultative")
- A 2-week practice plan the rep could realistically execute
  alongside their normal pipeline

This is a draft I will rewrite in my voice before sharing with
the rep. Don't soften it. Don't pad it. If the gap is unclear
from the data, say so and stop.

[PASTE: 30-day call rubric data]

7. Entwurf einer Kunden-Eskalations-E-Mail

Draft a response to the customer email below. The customer is
upset because [SPECIFIC ISSUE]. The reality is that [HONEST
ASSESSMENT: what we did wrong, what we did right, what we can
and can't fix].

Tone: calm, accountable, no blame on the rep, no blame on the
customer, no defensive language. Acknowledge what we got wrong
without inventing fault we don't own. Propose one concrete next
step within 48 hours.

3-5 short paragraphs. No "I wanted to circle back." No "moving
forward." No em dashes. Sign as me.

[PASTE: customer email, internal context on what happened]

Die Steuerungskompetenz: Was die zwei Lager unterscheidet

Der Unterschied zwischen Sales Managern, die aus diesen Prompts Nutzen ziehen, und solchen, die es nicht tun, liegt nicht in den Prompts. Er liegt im Kontext, den sie einbringen.

Ein schwacher Prompt: "Schreib Coaching-Notizen für diesen Vertriebsmitarbeiter." Ein starker Prompt: "Schreib Coaching-Notizen für einen AE mit 14 Monaten Betriebszugehörigkeit, der bei der technischen Discovery stark ist, aber das Preisgespräch überhastet. Seine letzten drei deals über 100.000 Dollar sind alle im Procurement ins Stocken geraten. Zieh das aus dem Transkript unten. Schreib nicht 'an Einwandbehandlung arbeiten'. Sei konkret darüber, was bei Minute 38 dieses Calls zu tun ist."

Der zweite Prompt liefert nützliche Ergebnisse. Der erste liefert das Unternehmenssprech, das man dann ignoriert.

Die Steuerungskompetenz hat vier Teile: Kontext zum Vertriebsmitarbeiter (wer er ist, wo er in seiner Entwicklung steht), aktuelle Geschichte (was diese Woche, dieses Quartal passiert ist), die eigene Stimme (damit der Output so klingt, als hätte man ihn selbst geschrieben), und Einschränkungen (Länge, Ton, was zu vermeiden ist).

Die meisten Sales Manager kommen nie über den ersten Teil hinaus. Diejenigen, die alle vier in jeden Prompt einbringen, sind die, deren KI-Einsatz sich über ein Jahr aufbaut.

Der "KI hier, nicht dort"-Entscheidungsbaum

Wenn eine Aufgabe auf dem Tisch landet, stellt man sich drei Fragen der Reihe nach.

Frage 1: Könnte ein kompetenter Kollege, der diesen Vertriebsmitarbeiter nicht kennt, diese Aufgabe akzeptabel erledigen? Wenn ja, kann KI es wahrscheinlich auch. Beispiele: Entwurf einer Zusammenfassungs-E-Mail, Transkript-Zusammenfassung, Pipeline-Mustervergleich. Wenn nein, wenn die Aufgabe die Geschichte dieses Vertriebsmitarbeiters, die Unternehmenskultur dieses Kunden oder die ungeschriebenen Regeln dieses Teams erfordert, ist KI bestenfalls ein Ausgangspunkt und schlimmstenfalls ein Risiko.

Frage 2: Was ist der schlimmste Fall, wenn dieser Output unredigiert herausgeht und falsch ist? Wenn der schlimmste Fall ist "ich spare 10 Minuten, indem ich einen Tippfehler nicht abfange", sendet man ihn ab. Wenn der schlimmste Fall ist "ein Vertriebsmitarbeiter, bei dem ich 18 Monate Vertrauen aufgebaut habe, glaubt, ich habe unsere Beziehung an einen Chatbot ausgelagert", redigiert man kompromisslos oder schreibt es selbst.

Frage 3: Werde ich diesen Output in einem Jahr noch vertreten wollen? Mitarbeiterbeurteilungen, Vergütungsentscheidungen, Kündigungen und jedes schriftliche Coaching, das in eine Personalakte eingeht: man sollte es ein Jahr später lesen und sagen können "ja, das waren meine Worte, das war mein Urteil." Wenn nicht, hat man es nicht geschrieben. Die KI hat es geschrieben. Und beim nächsten Mal, wenn es angefochten wird, kann man es nicht verteidigen, weil man es schlicht nicht kennt.

Eine einfache Merkregel: KI hilft bei Arbeit, die mit Volumen und Mustern zu tun hat. KI schadet, wenn es um Beziehung und Urteilsvermögen geht. Pipeline-Reviews sind meist das Erstere. Coaching ist meist das Letztere. Pipeline-Reviews profitieren davon, Muster zu durchlaufen, so wie es Pipeline-Reviews, die echte Risiken erkennen beschreibt. KI kann die Kandidaten markieren. Die Fragen kommen trotzdem von einem selbst.

Regeln zur Output-Überprüfung (Die drei Fragen)

Bevor man eine KI-entworfene Nachricht mit dem eigenen Namen abschickt, stellt man sich drei Fragen. Laut denken ist besser.

Klingt es nach mir? Man liest es durch. Wenn es so klingt, als hätte es ein kompetenter Fremder geschrieben, schreibt man die groben Stellen in der eigenen Stimme um. Die häufigsten Anzeichen: "Ich wollte mich kurz melden," "Weiterführend," "Bezugnehmend auf unser vorheriges Gespräch," strukturierte Aufzählungslisten in Nachrichten, die ein Absatz sein sollten, Gedankenstriche überall und das Wort "leverage" als Verb.

Hat es Kontext, den die KI nicht haben konnte? Das Detail, das die Nachricht treffen lässt (der deal, den sie heute Morgen verloren hat, das Gespräch in der Küche letzte Woche, die Tatsache, dass dieser Vertriebsmitarbeiter gerade geheiratet hat und erschöpft ist), muss von einem selbst kommen. Wenn der Entwurf keine solche Textur hat, hat man ihn nicht gesteuert; man hat ihn delegiert.

Würde ich meinen Namen dafür setzen, wenn es in sechs Monaten zitiert wird? Mitarbeiterbeurteilungen landen in HR-Akten. Coaching-E-Mails werden weitergeleitet. Vergütungserklärungen werden als Screenshot gesichert. Wenn die Antwort ist "nein, ich würde gerne klären, was ich meinte", dann lautet die Antwort: nicht absenden.

Diese drei Fragen dauern 90 Sekunden. Sie verhindern die meisten Fehler, die ich in diesem Jahr bei Sales Managern beobachtet habe.

Häufige Fallstricke

Die Fallstricke häufen sich in einer kleinen Anzahl von Mustern. Die meisten sind in Häufige Fallstricke für Sales Manager beschrieben, aber einige sind spezifisch für KI.

KI-generiertes Coaching unredigiert versenden. KI-Call-Bewertungen als Wahrheit statt als einen Datenpunkt behandeln. Kein menschliches Urteil beim Forecast-KI-Override: das Modell sagt, der deal sei gefährdet, der Vertriebsmitarbeiter sagt, er sei es nicht, man greift nicht ein, der deal schließt, der Vertriebsmitarbeiter verliert das Vertrauen in das eigene Urteil. KI nutzen, um schwierige Gespräche zu vermeiden, weil der Entwurf "fast fertig" wirkt. Denselben generischen Prompt für jeden Vertriebsmitarbeiter kopieren, was Feedback produziert, das für Menschen mit völlig unterschiedlichen Situationen identisch klingt. Die Lösung für alle ist dieselbe: stärker redigieren, mehr kontextualisieren, dem Modell weniger vertrauen.

Messen, ob KI tatsächlich hilft

Zwei Kennzahlen und eine Umfragefrage.

Eingesparte Coaching-Zeit pro Woche. Ziel: 3 bis 5 Stunden. Wenn man das nicht zurückbekommt, sind die Prompts nicht präzise genug, oder man verwendet KI für Aufgaben, für die sie nicht geeignet ist. Wenn man 8+ Stunden zurückbekommt, überspringt man möglicherweise den Redigierschritt.

Gewinnrate bei gecoacht bearbeiteten deals gegenüber nicht gecoacht bearbeiteten deals. Man verfolgt, welche deals KI-gestützte Coaching-Vorbereitung hatten und welche nicht. Nach 90 Tagen vergleicht man die Abschlussraten. Wenn sie gleich sind, ist die KI-Nutzung reine Beschäftigung ohne Wirkung.

Die Umfragefrage. Vierteljährlich anonym: "Das Feedback meines Managers wirkt persönlich." Sollte nach der KI-Einführung nicht sinken. Wenn es um 10+ Punkte sinkt, delegiert man, wo man steuern sollte.

Den tieferen Kontext dazu, welche KI-Tools zu evaluieren sind, wie man budgetiert und wo sie in den breiteren Tech-Stack passen, findet man in Die Tools und der Tech-Stack des Sales Managers.

Die Kurzfassung

Die Sales Manager, die mit KI erfolgreich sind, sind nicht die eifrigsten Nutzer. Sie sind die kompromisslosesten Redakteure.

Man steuert die Arbeit. Man delegiert sie nicht. Man liest jeden Entwurf, bevor der eigene Name daran hängt. Und wenn eine Vertriebsmitarbeiterin die schlimmste Woche ihres Quartals hat, schreibt man die Coaching-E-Mail selbst.