Zum Inhalt

Erweiterte Suche

Ergebnisvorschau für Ihre aktuellen Suchbegriffe: 0

Suchoperatoren:

Sie können Operatoren mit Ihrer Suchanfrage kombinieren, um diese noch präziser einzugrenzen. Klicken Sie auf den Suchoperator, um eine Erklärung seiner Funktionsweise anzuzeigen.
Findet Dokumente mit genau dieser Wortgruppe in exakt dieser Schreibweise und Reihenfolge (z.B. "employer branding").
Findet Dokumente, in denen beide Begriffe zusammen vorkommen (z.B. vertrieb UND bonus).
Findet Dokumente, in denen einer der beiden oder beide Begriffe vorkommen (z.B. porsche OR volkswagen).
Findet Dokumente, in denen alle Begriffe vorkommen. Das Leerzeichen wird als UND interpretiert (z.B. mensch roboter alltag).
Findet Dokumente, in denen der Begriff nach NOT nicht vorkommt (z.B. ford NOT "harrison ford").
Findet Dokumente, in denen der gesuchte Begriff mehr als n mal vorkommt. n steht für eine beliebige Anzahl (z.B. COUNT(getriebe)>8).
Findet Dokumente, in denen beide Begriffe in beliebiger Reihenfolge innerhalb von maximal n Worten zueinander stehen. Empfehlung: Wählen Sie zwischen 15 und 30 als maximale Wortanzahl (z.B. NEAR(hybrid, antrieb, 20)).
Findet Dokumente, in denen der Begriff in Wortvarianten vorkommt, wobei diese VOR, HINTER oder VOR und HINTER dem Suchbegriff anschließen können (z.B., leichtbau*, *leichtbau, *leichtbau*).
Findet Dokumente mit dem Suchbegriff in verschiedenen Schreibweisen. Das ? steht für eine einzige Stelle (z.B. organi?ation).
Sonderzeichen werden als UND interpretiert (z.B. Mann + Hummel).

Semantische Suche

powered by (Link öffnet in neuem Fenster)
loading …
Anmelden
Nach oben

Künstliche Intelligenz gezielt einsetzen

Verfasst von
Sabrina Egging
2:30 Min. Lesedauer

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …
print
DRUCKEN
insite
SUCHEN

Datenmanagement und Künstliche Intelligenz gewinnen in der digitalen Vertriebswelt stetig an Relevanz. Ihre wachsende Bedeutung heißt jedoch keineswegs, dass ihr Einsatz unüberlegt erfolgen kann. Diese Praxis-Checklisten können bei Strategien unterstützen.

KI-Strategien im Vertrieb können mit klar definierten Zielen und festgelegter Planung im Datenmanagement positive Ergebnisse erzielen.


Александр Марченко / Generated with AI / Stock.adobe.com

Bei der Entwicklung und Anwendung neuer KI- und Datenstrategien ist es wichtig, deren Ziele und den Nutzen eindeutig zu formulieren und diese Transformation zielorientiert und gut überlegt anzugehen. Eine KI-Strategie zum Beispiel, die des aktuellen Marktes wegen ohne genaueres Ziel etabliert wird, wird dem Unternehmen wahrscheinlich weniger Nutzen bringen als erhofft.

Matthias Emler et al. stellen im Springer-Buchkapitel "KI- und Datenstrategie" eine klare Anforderung an Unternehmen:

Unternehmen, die hier das volle Potenzial von KI und Daten ausschöpfen möchten, müssen eine klare KI- und Datenstrategie in Verbindung mit einer belastbaren Ambition entwickeln."

Um diese Anforderung zu erfüllen, sollten die fünf Schritte der nachfolgenden Checkliste beachtet werden.

Auswahlschritte für Anwendungsfälle

Erläuterung

Geschäftsverständnis und Ideenfindung

  • Bedenken von Geschäftsmodell und Wertschöpfung des eigenen Unternehmens
  • Markt- und Wettbewerberanalysen dienen als Grundlage und Inspiration
  • Eigene Wertschöpfungs- und Lieferketten werden hinsichtlich KI-Potenzial untersucht

Scoping

  • Genauere Untersuchung und Definition der identifizierten Anwendungsmöglichkeiten
  • Identifikation der relevanten Stakeholder für eine eventuelle Umsetzung
  • Technische, organisatorische und rechtliche Rahmenbedingungen prüfen

Bewertung der Anwendungsfälle

  • Kosten-Nutzen-Abwägung der einzelnen potenziellen Anwendungsfälle
  • Einschätzung der Machbarkeit
  • Betrachtung des internen Mehrwert (Effizienzsteigerung, Qualitätsverbesserung, Entscheidungsfindung, ...)
  • Ziel ist ein positiver Return on Investment (ROI)

Priorisierung und Selektion

  • Ausgewählte Anwendungsfälle werden in eine sinnvolle Reihenfolge gebracht
  • Erstellung einer Roadmap für die gesetzten Ambitionen
  • Maßnahmen zur Weiterentwicklung der Strategien werden bedacht und eingeplant

Anpassung und Verfeinerung von Strategie & Ambition

  • Kontinuierliche Anpassung und Verfeinerung von KI-Anwendungen und -strategien
  • Analyse von Effektivität und Funktionalität der Strategien

Zitiert nach:

M. Emler et al., KI und Datenstrategie. In: Performance Intelligence. Springer Fachmedien Wiesbaden 2025.

Involvierte Rollen im KI-Betriebsmodell

Wie auch in jedem anderen Bereich innerhalb des Vertriebs ist es auch beim Betrieb von KI- und Datenstrategien wichtig, Rollen im involvierten Team klar zu definieren und Kompetenzen deutlich zuzuweisen und aufzuteilen. Die folgende Checkliste gibt einen Überblick über relevanten Rollen und ihr Involvement in KI- und Datenstrategien.

Rolle

Bezug zur KI

Chief Data & AI Officer /
KI- & Datenverantwortlicher

Kompetenz für Richtlinien, Definition & Koordination von KI- & Datenthemen

User / Nutzer

Nutzt als Endanwender die erstellten KI- und Datenlösungen und unterstützt bei Analyse und Weiterentwicklung

Process Owner

Verantwortet und gestaltet Prozesse, in denen konkrete KI- und Datenprodukte eingesetzt werden

Model Owner

Verantwortlich für spezifische KI-Modelle bzw. Use Cases inkl. Nutzung und Weiterentwicklung

Data Owner

Verantwortlich für spezifische Daten-Domänen bzw. deren Inhalte inkl. Datenqualität und Datenstrukturen

Data Scientist /
AI Developer

Datenanalyse und Entwicklung von KI- und Daten Use Cases

DevOps Engineer

Aufbau von Pipelines, ETL-Prozessen, etc. für die Einführung von KI & Daten-Anwendungsfällen

AI & Datenarchitekt

Entwicklung der übergreifenden KI- und Datenarchitektur und Datenmodelle

Infrastruktur Owner

Verantwortlich für die erforderliche Infrastruktur zum Betrieb von KI- und Daten-Anwendungen

Quelle:

J. Porsch/M. Emler: KI- & Daten-Betriebsmodell: Organisation, Governance und Kultur als Schlüssel zum Erfolg, in: Performance Intelligence, Springer Fachmedien Wiesbaden 2025.


print
DRUCKEN

Die Hintergründe zu diesem Inhalt

KI- und Datenstrategie

In der heutigen digitalen Welt sind Künstliche Intelligenz (KI) und Daten zentrale Treiber für die Performance-Optimierung und das Management entlang der gesamten Wertschöpfungskette. Unternehmen, die das volle Potenzial von KI und Daten …

KI- & Daten-Betriebsmodell: Organisation, Governance und Kultur als Schlüssel zum Erfolg

Um KI- und Datenanwendungen erfolgreich aufzubauen und zu betreiben, ist ein KI- und Daten-Ziel-Betriebsmodell (engl. Target Operating Model, TOM) erforderlich, das Strategie, Organisation, Governance und Kultur integriert. Dieses Modell basiert …

Aktuelle Trends und KI-Assistenten im Vertrieb

Im Jahr 2025 dominieren KI-gestützte Personalisierung und emotionale Omnichannel-Erlebnisse den Vertrieb: CRM-Systeme integrieren verstärkt IoT-Daten, um Echtzeit-Kundeneinblicke zu bieten. Automatisierung reduziert manuelle Aufgaben und steigert …

Praxis: KI Tools und ihre Einsatzmöglichkeiten

In diesem Kapitel werden die Möglichkeiten der künstlichen Intelligenz im Vertriebsbereich genauer erläutert und konkretisiert. Dafür werden die unzähligen KI-Tools und ihre Anwendungsmöglichkeiten in 20 Überkategorien zusammengefasst.

    Bildnachweise
    KI im Vertrieb gezielt einsetzen/© Александр Марченко / Generated with AI / Stock.adobe.com