Kundengewinnung für KI-Produkte

Von Brian Tr · Aktualisiert am 5. Oktober 2026

Die Kundengewinnung für ein KI-Produkt folgt demselben grundlegenden Funnel wie bei jeder Software: Jemand wird aufmerksam, bewertet, kauft und baut die Nutzung aus. Was sich ändert, ist die Bewertung. Ein Käufer kann einer Demo nicht ansehen, ob das Ergebnis mit seinen eigenen Daten stimmt, ob seine Informationen sicher sind oder ob das Ganze in Monat drei noch funktioniert. Die Arbeit der Kundengewinnung verlagert sich daher davon, das Produkt zu beschreiben, hin dazu, die Unsicherheit des Käufers zu verringern.

Diese Verlagerung berührt jede Go-to-Market-Entscheidung eines Gründers: mit welchem Kanal man startet, ob man ein Pilotprojekt anbietet, wie man mit der Sicherheitsprüfung umgeht und wie man CAC liest, wenn jeder Nutzer echte Rechenleistung kostet. Diese Seite ist der Knotenpunkt für die Gruppe Kundengewinnung in der Sammlung KI-Startup-Wachstum. Sie zeigt, wie sich der Kauf von KI unterscheidet, vergleicht die wichtigsten Vertriebsbewegungen und erklärt, wie Sie je nach Käufertyp zwischen ihnen wählen.

Warum KI-Produkte anders gekauft werden

Klassische Software ist größtenteils deterministisch. Wenn ein Reporting-Tool mit einem Beispieldatensatz funktioniert, funktioniert es auch mit Ihrem. Ein KI-Produkt ist probabilistisch. Es kann mit den kuratierten Beispielen eines Anbieters gut abschneiden und mit den unordentlichen Daten eines Kunden schlecht, und es kann scheitern, ohne eine Fehlermeldung auszugeben. Käufer wissen das, auch jene, die nie ein technisches Paper gelesen haben, und es verändert ihr Verhalten auf drei Arten.

Sie suchen nach einem Nachweis mit ihren eigenen Daten. Eine polierte Demo beweist, dass das Produkt irgendwo funktionieren kann. Der Käufer will wissen, ob es mit seinen Dokumenten, seinen Tickets, seinen Kunden funktioniert. Teams, die früh ein Ergebnis mit den Daten des Käufers zeigen können, kommen meist schneller voran als Teams, die über Benchmarks streiten. Warum das so wichtig ist und wie Sie eine Demo oder ein Pilotprojekt darauf ausrichten, ist das Thema von Warum Demos bei KI-Produkten wichtiger sind.

Sie gewichten Vertrauen ebenso wie den Preis. In einer Umfrage unter 876 Entscheidern vom Juni 2025 stellte Futurum Research fest, dass Expertise und Erfahrung mit KI (52 Prozent) sowie Datenverarbeitung und Datenschutzkontrollen (51 Prozent) die beiden wichtigsten Kriterien bei der Anbieterauswahl waren, noch vor dem Preis mit 45 Prozent. Wenn Geld nicht der erste Filter ist, gewinnt ein günstigeres Produkt nicht automatisch.

Sie haben eine lange Liste möglicher Anwendungen und eine kurze Liste echter. Menlo Ventures berichtet, dass Organisationen 10 oder mehr potenzielle KI-Anwendungsfälle identifizieren, die Einführung aber auf kurzfristige Produktivitätsgewinne oder Kosteneinsparungen konzentrieren. Ein Käufer kauft nicht „KI“. Er sucht nach einer konkreten Aufgabe, die schneller oder günstiger erledigt werden soll, und Ihre Akquisebotschaft muss an genau diese Aufgabe anknüpfen.

Nichts davon bedeutet, dass KI schwer zu verkaufen ist. Derselbe Menlo-Bericht ergab, dass 47 Prozent der KI-Deals in die Produktion gehen, verglichen mit 25 Prozent bei klassischem SaaS, was er als starke Verbindlichkeit der Käufer und klaren unmittelbaren Wert deutet. Die Nachfrage ist real. Die Reibung liegt in der Mitte des Prozesses, zwischen Interesse und Unterschrift, und genau dort zählt die Gestaltung der Kundengewinnung.

Wichtige Fakten

• PLG trägt mehr KI-Ausgaben: 27 Prozent der Ausgaben für KI-Anwendungen fließen über Product-led-Growth-Bewegungen, gegenüber 7 Prozent bei klassischer Software, laut Menlo Ventures (2025).
• Deals gehen häufiger in die Produktion: 47 Prozent der KI-Deals gehen in die Produktion, verglichen mit 25 Prozent bei klassischem SaaS (derselbe Menlo-Bericht).
• Käufer kaufen statt selbst zu bauen: 76 Prozent der KI-Anwendungsfälle wurden 2025 eingekauft statt intern entwickelt, nach 53 Prozent im Jahr 2024 (Menlo Ventures).
• Vertrauen rangiert neben Fähigkeiten: KI-Expertise (52 Prozent) sowie Datenverarbeitung und Datenschutzkontrollen (51 Prozent) waren die beiden wichtigsten Anbieterkriterien, noch vor dem Preis (45 Prozent), laut Futurum Research (876 Entscheider, Juni 2025).
• Die Margen unterscheiden sich unter KI-Startups stark: Die am schnellsten wachsenden „Supernovas“ von Bessemer arbeiteten mit rund 25 Prozent Bruttomarge (oft negativ), gegenüber etwa 60 Prozent bei den „Shooting Stars“ (Bessemer, The State of AI 2025).

Wert mit den eigenen Daten des Käufers belegen

Der verlässlichste Weg, die Unsicherheit eines Käufers zu verringern, besteht darin, ihn sehen zu lassen, wie das Produkt bei etwas funktioniert, das ihm wichtig ist, bevor er sich festgelegt hat. Es gibt mehrere Formate, und sie liegen auf einem Spektrum von günstig und oberflächlich bis teuer und überzeugend.

Zwei Prinzipien trennen Pilotprojekte, die zu Verträgen werden, von solchen, die stocken.

Definieren Sie Erfolg, bevor Sie beginnen. Ein Pilotprojekt ohne vereinbartes Maß endet mit „interessant, lassen Sie uns weiter sprechen“. Ein gutes benennt die Kennzahl (Lösungsquote, eingesparte Stunden, Fehlerquote im Vergleich zu einer menschlichen Ausgangsbasis), die Daten, mit denen es läuft, die Dauer und was passiert, wenn das Ziel erreicht wird. Der letzte Teil ist wichtig: Ein Pilotprojekt ohne Weg zu einem Vertrag ist ein kostenloses Beratungsprojekt.

Messen Sie am aktuellen Prozess des Käufers, nicht an Perfektion. Die ehrliche Frage lautet, ob das Produkt besser ist als das, was er heute tut, und zu welchen Kosten. Ein Produkt, das in 90 Prozent der Fälle richtig liegt, kann ein klarer Gewinn sein, wenn der aktuelle manuelle Prozess langsamer und nicht genauer ist. Und es kann schlecht passen, wenn die verbleibenden 10 Prozent Fehler teuer sind. Sagen Sie, in welchem Fall Sie sich befinden.

Wenn Ihr Angebot eine dünne Schicht auf einem Allzweckmodell ist, rechnen Sie damit, dass Käufer prüfen, wie viel vom Ergebnis tatsächlich von Ihnen stammt. Das ist dasselbe Thema wie in AI wrapper vs. AI-native: Je stärker Ihre Datenschleife und Ihr Evaluierungsprozess, desto glaubwürdiger Ihr Nachweis.

Sicherheit, Datenschutz und Einkauf

Für viele B2B-Käufer läuft die Bewertung auf zwei Spuren gleichzeitig. Auf der einen entscheidet das Fachteam, ob das Produkt funktioniert. Auf der anderen entscheiden Sicherheit, Recht und Einkauf, ob der Anbieter akzeptabel ist. Die zweite Spur ist oft langsamer und kann den Deal allein beenden.

Die Fragen, die sie aufwirft, sind KI-spezifisch. Wohin gehen die Kundendaten? Werden sie zum Training von Modellen verwendet, und lässt sich das abschalten? Welche Dritten verarbeiten sie? Wie werden Ergebnisse protokolliert, und kann der Käufer sie prüfen? Was passiert, wenn das Produkt in einem regulierten Workflow etwas falsch macht? Die oben genannte Futurum-Zahl, nach der 51 Prozent Datenverarbeitung und Datenschutzkontrollen als wichtigstes Kriterium nennen, zeigt Ihnen, dass das keine Randfälle sind. Sie machen die halbe Agenda des Einkaufsgremiums aus.

Gründer, die das gut handhaben, tun es, bevor danach gefragt wird:

• Halten Sie ein ständiges Sicherheits- und Datenschutzpaket bereit: Datenflussdiagramm, Aufbewahrungsregeln, Richtlinie zu Trainingsdaten, Liste der Unterauftragsverarbeiter und Vorfallprozess.
• Entscheiden Sie früh, ob Sie Kontrollen wie eine Garantie gegen Training oder regionale Datenverarbeitung anbieten können, und bepreisen Sie sie, wenn sie Sie etwas kosten.
• Beziehen Sie den Sicherheitsansprechpartner des Käufers zu Beginn eines Pilotprojekts ein, nicht am Ende. Ein Pilotprojekt, das beim Fachteam erfolgreich ist und dann in der Prüfung scheitert, ist der teuerste Weg zu erfahren, was die Prüfung verlangt.
• Behandeln Sie die Prüfungszeit als Teil Ihrer Prognose für den Vertriebszyklus. Sie variiert nach Branche und Käufergröße. Messen Sie also Ihre eigene, statt eine Zahl anzunehmen.

Hier schadet einem jungen Unternehmen auch die fehlende Erfolgsbilanz, und deshalb wählen manche Gründer einen Kanal, der Vertrauen leiht: einen Marktplatzeintrag, eine Integration in eine Plattform, die der Käufer bereits freigegeben hat, oder einen Reseller, den der Käufer bereits nutzt.

Die wichtigsten Akquisekanäle

Vier Kanäle leisten bei KI-Produkten den Großteil der Arbeit. Sie schließen sich nicht gegenseitig aus, aber meist führt einer.

Product-led Growth. Der Käufer beginnt, das Produkt zu nutzen, bevor er mit jemandem spricht. Menlo Ventures stellte fest, dass 27 Prozent der Ausgaben für KI-Anwendungen über PLG-Bewegungen kommen, fast das Vierfache der 7 Prozent bei klassischer Software, und deutet an, dass der wahre Wert unter Einbeziehung von Schatten-Adoption nahe 40 Prozent liegen könnte. Das passt zur Natur des Produkts: Ein KI-Tool lässt sich leicht an einer echten Aufgabe ausprobieren, und das Ergebnis ist sein eigener Nachweis. Der Haken sind die Kosten, denn jeder kostenlose Nutzer verbraucht Inferenz. Die allgemeine Mechanik finden Sie unter Product-led-Growth-Strategie. Was passt und was bricht, wenn Sie PLG auf KI anwenden, behandelt Product-led Growth für KI-Tools, und Testformate, die die Rechenkosten begrenzen, finden Sie unter Kostenlose Testphasen für KI-Produkte.

Sales-led. Ein Vertriebsmitarbeiter oder ein Lösungsteam führt Discovery, einen Proof of Concept und den Einkaufsprozess durch. Das passt zu hochwertigen, risikoreichen oder stark integrierten Produkten, bei denen der Käufer eine Person braucht, die für das Ergebnis einsteht. Das zugrunde liegende Modell finden Sie unter Sales-led-Growth-Strategie. Bei KI braucht das Vertriebsteam meist technische Tiefe, weil sich die Fragen um Daten und Genauigkeit drehen statt um Features.

Partnerschaften und Ökosysteme. Integrationsmarktplätze, Plattformpartnerschaften und Reseller ermöglichen es Ihnen, eine bestehende Vertrauensbeziehung zu leihen. Ein Käufer, der eine Plattform bereits freigegeben hat, gibt einen Anbieter innerhalb dieser Plattform oft schneller frei. Der Nachteil ist die Abhängigkeit: Der Partner kontrolliert die Beziehung und kann die Bedingungen ändern.

Content und Community. Wer dem Käufer beibringt, wie er das Problem bewertet, baut Glaubwürdigkeit auf, bevor ein Gespräch beginnt. Bei KI-Produkten funktioniert das besonders gut, wenn der Content echte Methoden zeigt, etwa wie man ein Evaluierungsset aufbaut oder ein Pilotprojekt misst, denn Käufer suchen dringend nach einem Weg, Behauptungen zu beurteilen. Das ist langsamer, aber es baut sich auf und verringert die Abhängigkeit von bezahlten Kanälen.

Die Vertriebsbewegung nach Käufertyp wählen

Die richtige Vertriebsbewegung hängt davon ab, wer unterschreibt, wie viel er riskiert und wie stark Ihr Produkt integriert werden muss.

Zwei Verfeinerungen helfen. Erstens fahren viele Unternehmen ein Hybridmodell: Einzelpersonen steigen über eine kostenlose oder günstige Stufe ein, und ein Vertriebsteam folgt, sobald die Nutzung innerhalb eines Kontos eine Schwelle erreicht. Dieses Hybridmodell ist im SaaS-Bereich allgemein verbreitet. Zweitens wirkt Ihre Fokuswahl auf Ihre Vertriebsbewegung zurück. Ein Produkt, das für eine Branche gebaut ist, kann oft einen gezielteren, beziehungsorientierten Ansatz nutzen, während ein horizontales Produkt auf Self-Service und Breite setzt. Dieser Zielkonflikt wird in Vertikale KI vs. horizontale KI untersucht.

CAC, Amortisation und die Kosten der Inferenz

Die Kundenakquisitionskosten eines KI-Produkts haben eine Besonderheit, die klassische Software meist nicht hat: Einen Interessenten zu bedienen, ist nicht kostenlos. Eine kostenlose Testphase, ein Pilotprojekt und ein Proof of Concept verbrauchen jeweils Rechenleistung und manchmal Entwicklungszeit, bevor überhaupt Umsatz entsteht. Wenn Sie nur Marketing- und Vertriebsgehälter zählen, unterschätzen Sie, was es kostet, einen Kunden zu gewinnen.

Ein vollständigeres Bild umfasst:

• Ausgaben für Vertrieb und Marketing, wie üblich.
• Rechenleistung für Tests und Pilotprojekte, für Interessenten, die nie zu Kunden werden.
• Zeit für Presales-Engineering, einschließlich der Datenaufbereitung für Proofs of Concept.
• Sicherheits- und Compliance-Arbeit, die zum Bestehen von Prüfungen geleistet wird, sofern sie an den Gewinn bestimmter Deals gebunden ist.

Auf der anderen Seite beeinflusst die Marge die Amortisation. Die Daten 2025 von Bessemer zeigen schnell wachsende KI-Unternehmen bei rund 25 Prozent Bruttomarge (oft negativ) und nachhaltigere bei nahezu 60 Prozent. Die Amortisation wird normalerweise auf Basis des um die Bruttomarge bereinigten Umsatzes berechnet, sodass eine niedrigere Marge die Amortisation verlängert, selbst wenn CAC unverändert bleibt. Zwei Unternehmen mit identischem CAC und identischem Umsatz können sehr unterschiedliche Amortisationszeiten haben, weil eines viel mehr dafür bezahlt, jedes Konto zu bedienen. Bessemer beschreibt außerdem, dass die am schnellsten wachsenden Unternehmen kurzfristig oft Profit gegen Reichweite tauschen. Das ist eine bewusste Entscheidung, keine kostenlose.

Die praktischen Schritte sind: kostenlose Nutzung begrenzen, damit ein Test nicht unbegrenzt laufen kann, teure Features hinter ein qualifiziertes Gespräch stellen und die CAC-Amortisation auf Margenbasis statt auf Umsatzbasis verfolgen. Die Formeln finden Sie unter Kundenakquisitionskosten und Optimierung der CAC-Amortisation. Wie die Preisgestaltung mit all dem zusammenspielt, da nutzungsbasierte und ergebnisbasierte Modelle sowohl das Verkaufsgespräch als auch die Marge verändern, behandelt Geschäftsmodelle von KI-Startups.

Häufige Fehler

Mit dem Modell statt mit der Aufgabe beginnen. Käufer kaufen keine Technologie. Sie kaufen einen schnelleren, günstigeren oder besseren Weg, eine Aufgabe zu erledigen, die sie bereits haben. Beginnen Sie mit der Aufgabe.

Pilotprojekte ohne Erfolgsmaß durchführen. Das ist die häufigste Ursache für stockende Deals, weil beide Seiten mit unterschiedlichen Vorstellungen davon auseinandergehen, was „funktioniert hat“ bedeutet.

Sicherheit als Formalität in der Spätphase behandeln. Die Prüfung kann einen Deal zunichtemachen, den das Fachteam bereits genehmigt hat. Sprechen Sie sie früh an.

Unbegrenzte Rechenleistung verschenken. Eine kostenlose Stufe ohne Obergrenze wandelt einige Nutzer um und zieht beim Rest Geld ab. Setzen Sie Grenzen, die zu den Kosten des Bedienens passen.

Die Vertriebsbewegung eines Wettbewerbers kopieren. Ein Wettbewerber, der über Sales-led-Pilotprojekte an Enterprises verkauft, hat eine andere Kostenstruktur, einen anderen Käufer und ein anderes Risikoprofil. Sein Kanal belegt seine Situation, nicht Ihre.

Ein einfacher Entscheidungspfad

Beginnen Sie mit dem Käufer. Wer unterschreibt, und was passiert, wenn die KI falsch liegt? Lautet die Antwort „die Aufgabe wird neu erledigt“, tendieren Sie zu Self-Service und halten die Personalkosten niedrig. Geht es um Compliance, Geld oder Kunden, planen Sie ein Sales-led-Pilotprojekt und eine Sicherheitsprüfung ein und kalkulieren Sie die Zeit. Prüfen Sie dann die Wirtschaftlichkeit: Können Sie sich die kostenlose Nutzung und die Rechenleistung für Pilotprojekte leisten, die Ihr gewähltes Nachweisformat erfordert, angesichts Ihrer Marge? Wenn nicht, verengen Sie den Nachweis (eine Datenstichprobe statt eines vollständigen Pilotprojekts) oder qualifizieren Sie strenger, bevor Sie ihn anbieten. Wählen Sie schließlich einen führenden Kanal und testen Sie ihn ernsthaft, bevor Sie weitere hinzufügen.

Wenn Sie noch entscheiden, welche Art von Unternehmen Sie aufbauen, legt Was ist ein AI-native Startup? die zugrunde liegenden Definitionen dar, aus denen sich diese Entscheidungen ergeben.

Weiterführende Lektüre

• Warum Demos bei KI-Produkten wichtiger sind
• Kostenlose Testphasen für KI-Produkte
• Ein KI-Produkt ohne Hype positionieren
• Product-led Growth für KI-Tools
• Was ist ein AI-native Startup?
• Geschäftsmodelle von KI-Startups
• AI wrapper vs. AI-native
• Vertikale KI vs. horizontale KI
• Product-led-Growth-Strategie
• Sales-led-Growth-Strategie