Die Demo, die alle lieben. Und die Frage, die keiner laut stellt.
Ich kenne das aus unzähligen Meetings: Jemand leitet eine E-Mail mit einer unstrukturierten Anfrage weiter. Die KI liest sie, stellt zwei intelligente Rückfragen und generiert eine fertige Konfiguration samt Preis und Hochglanz-PDF. Applaus. Dann eine kurze Pause und die unausgesprochene Frage: Können wir dem wirklich trauen?
Genau an diesem Punkt entscheidet sich, ob Teams sich die Finger verbrennen. Ein Angebot ist kein Entwurf, sondern ein quasi-vertragliches Dokument. Ein kleiner Fehler darin verursacht sehr realen Schaden.
Ein Angebot ist ein Vertrag. „Wahrscheinlich richtig“ ist falsch.
Es geht nicht um KI gegen Regeln, sondern um das richtige Werkzeug für die richtige Aufgabe.
Die Diskussion wird oft als Entweder-oder-Frage dargestellt: Voll auf KI setzen und „modern“ sein oder bei den alten Regeln bleiben und auf Nummer „sicher“ gehen. Das ist eine falsche Wahl. Die eigentliche Aufgabe besteht darin, die Jobs richtig zu verteilen.
Man braucht einen kreativen Assistenten für die unstrukturierten Anforderungen am Anfang des Prozesses. Und man braucht einen unbestechlichen Richter für das finale, verbindliche Ergebnis. Beides ist wichtig, aber es sind unterschiedliche Aufgaben.
Machen wir es konkret. Deterministisch bedeutet: Gleicher Input erzeugt immer den gleichen Output. Im CPQ ist das eine Regel wie: „Wenn Schlafkabine, dann muss der Motor ‚High HP‘ sein.“ Der Versuch, eine Niedrigleistungsvariante auszuwählen, wird blockiert. Dieselbe Konfiguration führt zur selben Stückliste und zum selben Preis. Vorhersehbar.
Probabilistisch bedeutet: Der Output wird aus einer Verteilung wahrscheinlicher Optionen ausgewählt. Stellt man einer KI zweimal die gleiche Frage, kann sie eine andere Variante wählen, Abhängigkeiten übersehen oder Details erfinden, wenn der Kontext schwach ist. Meistens liegt sie richtig. Garantiert richtig ist sie nicht.
KI ersetzt die Logik nicht – sie ist auf sie angewiesen.
Ich sage es ganz offen: Bei CPQ geht es nicht um Automatisierung, sondern um Korrektheit. Automatisierung ohne solide Logik skaliert nur Fehler schneller.
Der hybride Ansatz, der Angebote sicher macht
Ich verwende mit Kunden ein einfaches mentales Modell: Die KI übernimmt das Verstehen. Das deterministische CPQ-System garantiert die Antwort.
KI ist hervorragend darin, E-Mails zu lesen, Anforderungen zu extrahieren, Absichten zu klären und Kompromisse in natürlicher Sprache zu erläutern. Sie ist Ihr Dolmetscher und Erklärer.
Das deterministische CPQ-System ist der Richter. Es validiert Abhängigkeiten, konstruiert eine korrekte Stückliste, berechnet den Preis, wendet Richtlinien an und stellt das finale Angebot zusammen. Bei Systemen, die auf symbolischer Logik basieren, ist dies die Aufgabe der Rule Engine. Das ist der Teil, den man prüfen und verteidigen kann.
Warum dieser hybride Ansatz so wichtig ist? Weil Angebote zwei unverhandelbare Anforderungen haben.
Erstens: Garantierte Korrektheit. Wenn der Produktkonfigurator eine ungültige Kombination erzeugt, zahlen Sie dafür mit Nacharbeit in der Technik, Lieferverzögerungen, Margenverlust und verspieltem Vertrauen. Ich habe erlebt, wie eine Woche verloren ging, weil eine einzige Inkompatibilität in ein „fast perfektes“ Angebot gerutscht ist.
Zweitens: Wiederholbarkeit und Prüfbarkeit. Irgendwann wird jemand fragen: Warum hat das System das so entschieden? Können wir es reproduzieren? Welche Regeln wurden angewendet? Eine deterministische Engine kann die Logikkette lückenlos aufzeigen. Ein probabilistisches System kann diesen Beweis nicht auf Abruf liefern.
Ein System, das sich nicht erklären kann, wird niemals Vertrauen gewinnen.
Sehen wir uns den Unterschied in der Praxis an. Ein deterministisches CPQ-System bietet einen nachvollziehbaren Pfad: Option X löste Regel Y aus, was zu Stückliste Z und Preis P führte. Man kann es testen und erhält bei Wiederholung dasselbe Ergebnis. Es ist das Navigationssystem für den komplexen Vertrieb – es führt einen nicht über eine gesperrte Straße.
Probabilistische KI hingegen ist ein redegewandter Rater. Man kann sie optimieren, aber ihrer Natur nach kann sie beim nächsten Mal eine leicht andere Antwort geben. Das ist für einen E-Mail-Entwurf in Ordnung. Für ein Dokument mit Vertragscharakter ist es das nicht.
Ich erinnere mich an ein Pilotprojekt, bei dem eine KI eine lange Ausschreibung brillant zusammenfasste und dann eine Motorvariante vorschlug, die wir in dieser Spannung gar nicht herstellten. Beeindruckende Demo. Falsches Teil. Wir haben es nur bemerkt, weil die CPQ-Logik die Validierung der Konfiguration verweigerte. Genau das ist die Aufgabe der Leitplanken.
Die Regeln für die Praxis
Dies sind die Regeln, deren Einhaltung ich von Projektteams verlange.
Regel 1: KI für die unstrukturierten Anforderungen, CPQ für die verbindliche Entscheidung. Lassen Sie die KI Anforderungen extrahieren und strukturieren und übergeben Sie diese dann an die Rule Engine. Die finale Produktkonfiguration, die Stückliste und der Preis müssen zu 100 Prozent deterministisch sein. Ohne Ausnahme.
Regel 2: Jeden KI-Vorschlag durch das Regelwerk validieren. Kein KI-Vorschlag darf jemals die Constraint-Engine umgehen. Das klare Gegenmuster sind intransparente „Black-Box-Angebote“, bei denen man der KI vertraut, nur weil sie überzeugend klingt.
Regel 3: Einen lückenlosen Audit-Trail pflegen. Speichern Sie die extrahierten Anforderungen, die Validierungsschritte, die angewendeten Regeln und die finalen Berechnungen. Sie müssen jederzeit beantworten können, warum ein Ergebnis so zustande kam und ob es reproduzierbar ist. Das ist Governance, kein Mehraufwand.
Regel 4: Regeln als Asset behandeln, nicht als Altlast. Das Problem sind nicht Regeln, sondern spröde, schlecht wartbare Regeln. Modellieren Sie Logik so, dass sie modular, lesbar und testbar ist. Dann wird die KI zu einem nützlichen Assistenten auf einer soliden Basis.
Regel 5: Klare Verantwortlichkeiten und Leitplanken definieren. Wer verantwortet Änderungen an Constraints? Wer genehmigt neue Preisrichtlinien? Wenn jede Änderung einen Projektplan erfordert, werden die Vertriebsmitarbeiter Ihr System umgehen. Die Akzeptanz im Feld ist die einzige Metrik, die zählt.
Hier sind vier praktische Schritte, die Sie jetzt umsetzen können.
Aktion 1: Teilen Sie Ihren Angebotsprozess in zwei Bahnen auf. Bahn A ist für die KI: E-Mails rein, strukturierte Anforderungen raus, Rückfragen klären, Entwürfe erstellen. Bahn B ist das deterministische CPQ: validieren, konfigurieren, bepreisen, Richtlinien anwenden, Dokumente erzeugen. Zeichnen Sie es auf ein Whiteboard.
Aktion 2: Bauen Sie eine Test-Suite für Fehlerfälle auf. Erstellen Sie einen Satz von bekannten, ungültigen Kombinationen und kniffligen Preis-Sonderfällen. Lassen Sie diese Tests täglich laufen. Wenn etwas durchkommt, das fehlschlagen sollte, ziehen Sie die Reißleine.
Aktion 3: Machen Sie die Logik für den Vertrieb sichtbar. Zeigen Sie das „Warum“ in der Benutzeroberfläche. Wenn eine Option blockiert wird, zeigen Sie die Regel in einfacher Sprache. Wenn ein Preis eine Genehmigung erfordert, zeigen Sie den Schwellenwert. Menschen verkaufen besser, wenn sie die Logik des Systems verstehen.
Aktion 4: Halten Sie die KI vom „Bestätigen“-Button fern. Die KI kann entwerfen, vorschlagen und erklären. Sie darf keine Konfiguration freigeben oder einen Preis finalisieren. Das ist der Job des Richters, des Regelwerks. Betrachten Sie die KI als Autopiloten für den Angebotsprozess – das Flugzeug steuern Sie immer noch selbst.
Nicht Regeln sind der Feind, sondern spröde, schlecht wartbare Regeln.
Manche werden argumentieren, dass KI mit genügend Training vollständig zuverlässig werden kann. Vielleicht für einige Teile des Prozesses. Aber sobald Geld und Haftung ins Spiel kommen, brauchen Sie Garantien. Wahrscheinlichkeit ist keine Garantie. Deshalb muss die finale Entscheidungsebene im Angebotsprozess deterministisch bleiben.
Nutzen Sie KI, um die Frage des Kunden zu verstehen. Nutzen Sie Ihr CPQ-System, um die Antwort Ihres Unternehmens zu garantieren.
Kommentare
Kommentar veröffentlichen