Lesezeit: 3 Minuten

Welchen Wert KI in einem Unternehmen erzeugt, hängt weniger vom gewählten Modell ab als vom Kontext, mit dem dieses Modell arbeitet. Vollständige, strukturierte und konsistente Daten ermöglichen es der künstlichen Intelligenz, die Realität zu lesen und präzise zu handeln; fragmentierte und schlecht verwaltete Daten zwingen sie, ihre Schlüsse aus einem unvollständigen Bild zu ziehen, mit Ergebnissen, die nur scheinbar korrekt sind, weil sie auf lückenhaften Informationen beruhen. Wir haben den Unterschied zwischen den beiden Szenarien bei einem unserer Kunden gemessen, und die Zahlen sprechen für sich: Dasselbe Unternehmen, dasselbe Vorhersagemodell und eine Conversion in Werkstattbesuchen, die von 6,5 auf rund 14 Prozent steigt.

Das Prinzip ist klar: KI gibt die Qualität zurück, die sie erhält. Auf einer soliden Datenbasis vervielfacht sie den Wert; auf einer unorganisierten Datenbasis vervielfacht sie die Fehler, und zwar mit der Geschwindigkeit, die Automatisierung möglich macht.

Daten als Wettbewerbsvorteil

Im Automobilhandel ist die Ausgangslage fast immer dieselbe: Über Jahre angesammelte Kundendaten, verstreut über das DMS, das CRM, eine Marketingplattform und die Website-Analysen. Jedes System verwahrt innerhalb seines eigenen Bereichs zuverlässige Daten, doch zusammen erzeugen sie isolierte Silos, in denen derselbe Kunde mehrfach existieren kann, mit unterschiedlichen Kennungen und einer jeweils unvollständigen Historie. Genau diese Fragmentierung aufzulösen, ist die Aufgabe, für die eine CDP [LINK] geschaffen wurde: ein einziges, verlässliches Profil für jeden Kunden, gespeist aus allen Systemen und dauerhaft konsistent gehalten.

Solange die Prozesse manuell bleiben, fällt die Fragmentierung kaum auf: Die Mitarbeiterinnen und Mitarbeiter gleichen aus, fügen Informationen zusammen und schließen Lücken mit Erfahrung. Die Kosten entstehen dennoch, und sie werden jeden Tag bezahlt, in Zeit, die dem Kunden fehlt, und in Chancen, die niemand zu sehen bekommt. Mit KI ändert sich das Bild gleich zweifach: Zum einen entfaltet jede einzelne Person ihr volles Potenzial, wenn sie Seite an Seite mit der Intelligenz arbeitet; zum anderen agiert die Intelligenz skaliert und autonom und verstärkt, was sie vorfindet. Aus diesem Grund sind Daten zu einem echten Wettbewerbsvorteil geworden: Organisationen, die über saubere, strukturierte und gut organisierte Daten verfügen, schöpfen aus KI einen Wert, den ihre Wettbewerber bei gleicher Technologie schlicht nicht sehen.

Eine Fallstudie: Daten als Grundlage des Mehrwerts

Eine Fallstudie, die wir mit den Daten eines unserer Kunden durchgeführt haben, liefert den Beleg. Sie beruht auf einem prädiktiven KI-System für den Aftersales-Bereich: Ausgehend von der Historie jedes Endkunden schätzt das System die Wahrscheinlichkeit, dass dieser innerhalb der nächsten 60 Tage einen vorhersehbaren Werkstattbesuch vornimmt, etwa einen Reifenwechsel, eine Inspektion oder einen Bremsentausch.

Im direkten Vergleich erzählen die beiden Konfigurationen eine Geschichte. In der ersten konzentrieren sich die Kunden in den unteren Score-Bereichen: Das System kann kaum unterscheiden, wer kurz vor einem Werkstatttermin steht und wer nicht, und die jährliche Conversion in Werkstattbesuchen bleibt bei 6,5 Prozent stehen. In der zweiten verschiebt sich die Verteilung in die oberen Bereiche: Das Scoring wird präziser, die Vorhersagen werden zuverlässiger, und die Conversion erreicht rund 14 Prozent.

Die Lektüre der beiden Kurven offenbart den Mechanismus. Verfügt das System über vollständige und konsistente Historien, erkennt es die Signale, die einem Werkstattbesuch vorausgehen, mit größerer Sicherheit: Es konzentriert die Maßnahmen auf die richtigen Kunden, und zwar in dem Moment, in dem der Kontakt relevant ist. Die Präzision des Scorings übersetzt sich so in Werkstattbesuche und, für den Endkunden, in ein besseres Erlebnis, geprägt von passenden Angeboten statt generischer Kommunikation.

Was der Unterschied wert ist

Der Abstand zwischen 6,5 und rund 14 Prozent entspricht 7,5 Prozentpunkten. Um ihn in wirtschaftlichen Wert zu übersetzen, genügt eine transparente Rechnung auf Basis offengelegter Annahmen. Bei einer Datenbank mit 100.000 Kunden entsprechen 7,5 zusätzliche Conversion-Punkte rund 7.500 zusätzliche Werkstattbesuche pro Jahr. Der durchschnittliche Umsatz pro Kunde, ermittelt aus den realen Rechnungen (die die KI ihrerseits liest und interpretiert), lag bei rund 290 Euro: Der Wert des Unterschieds erreicht damit rund 2,17 Millionen Euro an zusätzlichem Jahresumsatz.

Das Endergebnis hängt von der Größe des Kundenstamms ab, und jeder Betrieb kann die Rechnung mit den eigenen Volumina nachvollziehen. Die Struktur der Rechnung bleibt identisch: gewonnene Conversion-Punkte, multipliziert mit der Größe der Datenbank, multipliziert mit dem durchschnittlichen Umsatz pro Kunde.

Der Aftersales-Bereich ist jedoch nur eines von vielen möglichen Szenarien. Dieselbe Dynamik gilt überall dort, wo KI mit Kundendaten arbeiten soll: in der Qualifizierung von Leads, in der Segmentierung von Kampagnen, in der Personalisierung der Kaufprozesse. Der Fall belegt den Mechanismus; der Mechanismus gilt für die gesamte Wertschöpfungskette.

Die entscheidende Variable ist organisatorisch

Das Detail, das nicht übersehen werden darf, ist das, was unverändert blieb: dasselbe Unternehmen, dieselbe Datenbank, dasselbe KI-Modell. Der Unterschied zwischen den beiden Kurven entsteht vollständig aus dem Übergang von schlecht verwalteten Daten zu strukturiert verwalteten Daten: vollständige Profile, konsistente Informationen über alle Systeme hinweg, Interaktionen in strukturierter Form erfasst.

Das bestätigt ein Muster, das wir in der Branche immer wieder beobachten. Die Bedingungen, die zuverlässige Daten hervorbringen, sind organisatorischer Natur: Die Technologie ermöglicht sie und macht sie dauerhaft tragfähig, und sie entfaltet ihren vollen Wert, wenn die Organisation sie mit klaren Entscheidungen zu Verantwortlichkeiten, Vollständigkeitsstandards und Prozessqualität begleitet. Werkzeuge und Organisation wachsen gemeinsam: Die einen liefern die Fähigkeit, die andere die Richtung.

Für Händler verschiebt sich damit die Ausgangsfrage von: Welche KI sollten wir einführen? Zu: Welche Daten kann sie bearbeiten? Diese Frage lässt sich sofort angehen, mit den Systemen, die bereits im Haus sind: festlegen, wer in jeder Phase für die Datenqualität verantwortlich ist, was ein Datensatz enthalten muss, um als vollständig zu gelten, und wie Abweichungen zwischen Systemen aufgelöst werden. Jede Antwort, die heute gegeben wird, erhöht die Rendite jeder Investition von morgen.

Der richtige Einstieg

Für alle, die Investitionen in KI prüfen oder bereits getätigt haben, ist die Lehre eindeutig: Ausgangspunkt muss der Zustand der Daten sein, mit denen die Werkzeuge arbeiten sollen. Das heißt: Wie viele Systeme verwahren sie, wie viele doppelte Identitäten enthalten sie, welcher Anteil davon ist strukturiert, und wer ist für ihre Qualität verantwortlich?

Die Antworten auf diese vier Fragen ergeben ein objektives Bild des Ausgangspunkts und zugleich die Landkarte der nötigen Eingriffe: wo Dubletten zu bereinigen sind, welche Systeme zu verbinden sind, welche Prozesse beginnen müssen, strukturierte Informationen zu erzeugen. Jeder Schritt auf dieser Landkarte erhöht sofort den Ertrag der bereits aktiven Werkzeuge und bereitet den Boden für die kommenden.

Daten an die erste Stelle zu setzen, bedeutet genau das: den Kontext vorzubereiten, mit dem die Intelligenz arbeiten soll. Dort entscheidet sich der Wert der KI, noch bevor sie eingeschaltet wird.