KI wird schlechtes CPQ schneller verstärken als gutes CPQ

„Wir haben den KI-Assistenten aktiviert, und die Angebotserstellung wurde schneller. Dafür haben wir aber auch drei Fehler an die Technik übergeben und bei zwei Deals Marge verschenkt.“

Wenn Ihnen das bekannt vorkommt, haben Sie kein KI-Problem. Sie haben ein Logik-Problem, das die KI nur rasant sichtbar macht.

Dieses Muster sehe ich immer wieder: Eine gut gemeinte KI-Schicht wird über ein CPQ-System gelegt, das seine Komplexität bereits hinter verschachtelten Regeln, Einzelausnahmen und undokumentierten Provisorien versteckt. Die KI klingt souverän, die Oberfläche wirkt modern, und die Fehlerrate steigt im Stillen an. Selbstbewusstsein ohne Leitplanken ist eine riskante Mischung.

KI ist ein Brandbeschleuniger. Ist Ihre Logik unsauber, beschleunigt sie das Chaos.

Das versteckte Risiko von Blackbox-KI im CPQ

Die meisten Teams glauben, bessere Prompts oder eine neue Software-Demo seien die Lösung. Das sind sie nicht. Das eigentliche Problem ist die Nachvollziehbarkeit. Wenn Ihre Konfigurationslogik ein einfaches „Warum?“ nicht in klaren Worten beantworten kann, wird jede KI darauf diese Intransparenz erben und sie mit eloquentem Output kaschieren.

Der entscheidende Unterschied liegt hier: In Systemen, die für die Produktkonfiguration rein auf symbolischer Logik basieren, erhalten Sie eine deterministische Grenze: ja/nein, erlaubt/verboten, mit expliziten Regeln, die Sie prüfen können. Diese Grenze ist Gold wert. Sie verhindert Fehler und macht Entscheidungen nachvollziehbar. Ist diese Grenze jedoch schwach oder in einem Wirrwarr von Ausnahmen versteckt, haben Sie eine Blackbox geschaffen, die nicht einmal Ihr eigenes Team mehr hinterfragen kann.

KI funktioniert am besten auf einem klaren Fundament. Ohne klare Logik rät sie. Diese Vermutungen sehen in einer Demo hilfreich aus und werden in der Praxis teuer. Das Gefährliche ist nicht der Fehler an sich, sondern die autoritär wirkende Fassade, die Mitarbeiter dazu verleitet, ihm zu vertrauen.

Wenn das System sich nicht selbst erklären kann, wird der Vertrieb ihm nicht vertrauen.

Ich nenne das am häufigsten auftretende Antimuster: die eloquente Raterei. Die KI füllt Lücken in der Produktlogik mit plausibel klingenden Formulierungen. Es fühlt sich intelligent an, weil es sich gut liest. Es scheitert, weil die zugrunde liegenden Regeln nie explizit waren. Das Ergebnis: schnellerer Output und langsameres Lernen, weil nichts in diesem Prozess prüfbar oder testbar ist.

Von der Blackbox zum gläsernen System

Wir brauchen keine Heldentaten, sondern eine grundsolide, saubere Infrastruktur. Behandeln Sie Ihre Produktlogik wie die tragenden Balken eines Gebäudes. Die meisten sehen sie nicht, aber alles hängt von ihnen ab. Wenn die Balken korrekt und beschriftet sind, wird eine KI zum fähigen Assistenten. Sind sie verbogen und versteckt, wird sie zum selbstbewussten Geschichtenerzähler.

Hier sind die praktischen Regeln, die ich Teams empfehle, bevor sie KI in ihre Vertriebsprozesse integrieren:

Regel 1: Erst die Grenzen, dann die Generierung. Definieren Sie den Lösungsraum mit Ihrem Constraint-Solver. Lassen Sie die KI innerhalb dieses Raums arbeiten, um Erklärungen, Dokumente und Anleitungen zu beschleunigen. Beispiel: Der Solver validiert ein Kühlpaket für eine bestimmte Region; die KI entwirft die Zusammenfassung für das Management und die Risikohinweise zu den gewählten Komponenten.

Regel 2: Jeder Vorschlag muss ein „Weil“ beantworten. Wenn das System eine Konfiguration oder eine Preisanpassung vorschlägt, muss es den Grund dafür in verständlicher Sprache aufzeigen: die Regel, den Kostentreiber oder die Richtlinie. Bauen Sie neben jede Empfehlung ein „Begründungs-Panel“ ein.

Regel 3: Machen Sie die Logik abfragbar. Ermöglichen Sie es Benutzern, auf jeden Regelnamen zu klicken, um dessen Beschreibung, Geltungsbereich und Verantwortlichen zu sehen. Wenn die Zuständigkeit unklar ist, verrottet die Regel. Wenn die Regel nicht in einem Satz zusammengefasst werden kann, teilen Sie sie auf.

Regel 4: Liefern Sie eine Regressions-Testsuite mit Ihrem CPQ aus. Jede Änderung an Regeln oder Prompts durchläuft kanonische Szenarien. Erfassen Sie Vorher-Nachher-Unterschiede sowohl bei der Konfiguration als auch bei den KI-generierten Ausgaben. Wenn Sie Tests nicht in wenigen Stunden durchführen können, werden Sie sich scheuen, überhaupt etwas zu ändern.

Regel 5: Beseitigen Sie versteckte Informationen. Pricing-Annahmen, regionale Ausnahmen und Freigaben, die in Posteingängen oder Excel-Tabellen leben, werden jede KI-Schicht aushebeln. Es braucht eine einzige Quelle der Wahrheit, sonst erhalten Sie mehrere Wahrheiten und kreative Erzählungen.

Jede neue Regel ist eine Hypothek auf zukünftige Änderungen. Machen Sie Regeln einfacher, nicht länger.

Das durchgehende Thema ist klar: Nicht die KI ist der Held. Der Wegbereiter ist eine saubere, symbolische Logik mit klaren Grenzen, verantwortet von Menschen, die sie erklären können. Die KI beschleunigt dann Dialoge, Dokumente und Erkenntnisse. Sie wird zum Assistenten eines Experten – schnell und hilfreich, weil der Experte die Leitplanken bereits gesetzt hat.

Wenn die Logik glasklar ist, kann ein Vertriebsmitarbeiter sehen, warum sich die Motorgröße bei zunehmender Höhe geändert hat. Die Finanzabteilung kann nachvollziehen, warum ein Rabatt aufgrund von Servicekapazitäten blockiert wurde. Ein Vertriebsingenieur kann eine Konfigurationsentscheidung auf eine Sicherheitsnorm zurückführen. Erklärungen schaffen Vertrauen. Vertrauen fördert die Nutzung. Nutzung erzeugt Daten. Und Daten verbessern Pricing und Empfehlungen. Das ist der positive Kreislauf, den Sie wollen.

Was Sie dieses Quartal tun können

Hier ist ein kurzer, umsetzbarer Plan, um Ihr CPQ für KI vorzubereiten, ohne den Vertrieb zu stoppen:

1. Inventarisieren und vereinfachen Sie Ihre 20 wichtigsten Regeln. Nehmen Sie die am häufigsten ausgelösten Regeln und Ausnahmen. Schreiben Sie für jede eine Ein-Satz-Erklärung und benennen Sie einen Verantwortlichen. Wenn Sie eine Regel nicht in einem Satz erklären können, teilen Sie sie auf. Entfernen Sie Duplikate.

2. Bauen Sie eine nachvollziehbare „Begründungsebene“. Legen Sie in Ihrem CPQ die Begründungen für zentrale Ergebnisse offen: Konfigurationsänderungen, Bundle-Anpassungen, Preisschwellen. Beginnen Sie mit den drei häufigsten „Warum?“-Fragen aus dem Vertrieb.

3. Etablieren Sie kanonische Szenarien und führen Sie wöchentlich Diff-Tests durch. Wählen Sie 10 repräsentative Deals aus verschiedenen Regionen und Produktlinien. Speichern Sie deren Inputs und erwarteten Outputs. Führen Sie die Tests nach jeder Regel- oder Prompt-Änderung aus und prüfen Sie die Abweichungen.

4. Fügen Sie KI-Leitplanken hinzu, keine Features. Zwingen Sie die KI-Schicht, bei Empfehlungen Regelnamen oder Preisrichtlinien zu zitieren. Fordern Sie eine menschliche Freigabe, wenn ein Vorschlag Sicherheit, Garantie oder Margenuntergrenzen berührt.

5. Eliminieren Sie jede Woche eine Notlösung. Identifizieren Sie die häufigste „Schatten-Excel-Liste“ oder manuelle Ausnahme und schaffen Sie sie ab. Kleine Erfolge schaffen Momentum und signalisieren, dass das System sicherer ist als der Workaround.

Akzeptanz ist die einzige Kennzahl, die zählt.

Was passiert, wenn Sie das nicht tun? Sie bekommen immer noch Geschwindigkeit, nur in die falsche Richtung. Die Blackbox-Lösung trainiert den Vertrieb leise darauf, eloquentem Output mehr zu vertrauen als nachvollziehbarer Logik. Nacharbeit verlagert sich nach hinten. Die Qualitätskontrolle wird zur reaktiven Daueraufgabe. Das System kollabiert nicht. Es driftet. So verlieren Teams das Vertrauen, ohne es zu merken, bis ein Quartal danebengeht.

Und wenn Sie es tun? Sie erzielen einen sich verstärkenden Vorteil. Neue Mitarbeiter sind schneller produktiv, weil sie das System befragen können, anstatt einen erfahrenen Kollegen anzuschreiben. Produkt-Updates werden sicher ausgerollt, weil Sie sie in Stunden testen können. Die Finanzabteilung vertraut den Rabattgrenzen, weil sie den Richtlinienpfad sehen kann. Das Management erlebt weniger Überraschungen, weil Entscheidungen mit Begründung protokolliert werden.

Noch ein Praxistipp: Setzen Sie KI dort ein, wo Erklärung wichtiger ist als Urteilsvermögen. Lassen Sie sie technische Regeln in Kundensprache übersetzen, Zusammenfassungen für Angebote entwerfen oder interne Vermerke formulieren. Lassen Sie sie keine Konfigurationen oder Preismodelle erfinden, die Ihr Solver und Ihre Kontrollen nicht bereits freigegeben haben. Der Solver entscheidet, was gültig ist. Die KI hilft Menschen, dies zu verstehen und zu kommunizieren.

Erfolgreiche Unternehmen behandeln CPQ als Umsatzinfrastruktur, nicht als Add-on. Sie investieren zuerst in saubere Regeln, klare Verantwortlichkeiten und schnelle Testzyklen. Dann fügen sie KI hinzu, um die menschliche Arbeit rund um diese Regeln reibungsloser zu gestalten. Das Ergebnis ist ein System, das sich wie eine Führung anfühlt, nicht wie Kontrolle. Der Vertrieb bleibt im Cockpit. Das System hindert ihn daran, gegen den Berg zu fliegen.

Die Vorbereitung auf eine KI-gestützte Vertriebszukunft ist kein Quantensprung. Es ist eine Frage der Ordnung. Räumen Sie die Regeln auf. Legen Sie die Gründe offen. Testen Sie früh und oft. Danach wird KI zu einem sicheren Beschleuniger.

Wenn Sie eine vertrauenswürdige KI im Vertrieb wollen, fangen Sie damit an, Ihr CPQ erklärbar zu machen.