Wird generative KI CPQ-Systeme wirklich überflüssig machen oder intelligenter?

In einem Workshop letzte Woche kam die Frage auf, die alle umtreibt: Wenn AGI Realität wird, brauchen wir dann überhaupt noch CPQ-Systeme? Es wurde so still im Raum, wie es nur wird, wenn eine Frage ins Schwarze trifft.

Ich arbeite seit dem Jahr 2000 mit CPQ-Systemen, meist mit Tacton, und sehe in Projekten ein wiederkehrendes Muster: CPQ ist stark in der Validierung und Struktur, versagt aber genau in dem Moment, der einen Deal voranbringt. Der Vertriebler muss immer noch die entscheidende Frage des Kunden beantworten: Warum ist genau diese Konfiguration die richtige für meine Situation?

Große Sprachmodelle (LLMs) können dieses „Warum“ erklären. Sie können Szenarien abwägen, Zielkonflikte aufzeigen und Komplexes verständlich machen. Das verändert die Risikobewertung fundamental. Die Gefahr ist nicht, dass KI CPQ ersetzt. Die Gefahr ist, dass KI offenlegt, wo CPQ heute an seine Grenzen stößt.

Die falsche Frage nach der Zukunft von CPQ

Die binäre Frage – ersetzt KI CPQ oder nicht? – verdeckt das eigentliche Designproblem. Traditionelle CPQ-Systeme glänzen durch Korrektheit, Governance und Wiederholbarkeit. Sie sind deterministisch: gleicher Input, gleicher Output. Sie sichern ab, was technisch zulässig ist, und berechnen, was es kostet. Im komplexen Maschinen- und Anlagenbau, wo die Baubarkeit über Marge oder Chaos entscheidet, ist das essenziell.

Ein Verkaufsgespräch beginnt aber selten mit einer Artikelnummer. Es beginnt mit einem Szenario: enge Innenstädte, gelegentlicher Offroad-Einsatz, eine vierköpfige Besatzung und eine Diskussion über die Gesamtbetriebskosten (TCO) über fünf Jahre. LLMs sind genau für diese Art von Abwägungen gut. Sie können Kontext analysieren, Optionen vergleichen und Zielkonflikte in einfacher Sprache formulieren. Sie ersetzen nicht die harte Logik dessen, was technisch gültig ist, aber sie verkürzen massiv die Zeit bis zu einer fundierten, vertretbaren Entscheidung.

Wenn Ihr Angebotsprozess sich nicht selbst erklären kann, wird der Vertrieb ihn umgehen.

Die Marktsignale sind eindeutig. Salesforce hat sein bisheriges CPQ für Neukunden eingestellt und leitet sie zu einem neuen, teureren Revenue-Cloud-Stack. Laut der Salesforce-Preisliste kostet die Revenue Cloud Advanced 200 US-Dollar pro Nutzer und Monat. Das ist kein einfacher SKU-Wechsel. Es ist ein Moment der erzwungenen Migration, der jeden CPQ-Verantwortlichen zu einer Frage zwingt: Wenn wir ohnehin wechseln müssen, wohin wechseln wir dann?

Wenn Ihre Antwort nur „zum nächsten CPQ“ lautet, übersehen Sie den strukturellen Wandel. Die entscheidende Fähigkeit verschiebt sich vorgelagert – von der reinen Validierung hin zur argumentativen Begründung.

Warum dieser Moment anders ist

Zwanzig Jahre lang haben wir einen Kompromiss akzeptiert: Geschwindigkeit gegen Vertrauen. Excel ist schnell, aber fragil. CPQ ist verlässlich, aber oft langsam in der Anpassung und schlecht im Erklären. LLMs stellen diese Gleichung auf den Kopf. Sie bieten eine neue Schnittstelle zu denselben alten Problemen: Sinnstiftung, Vergleich und narrative Klarheit, alles in der Sprache des Kunden.

Zwei Einschränkungen sorgen für Bodenhaftung. Erstens sind LLMs probabilistisch. Sie können verallgemeinern und Erklärungen entwerfen, aber sie können auch mit großer Überzeugung falsch liegen. Zweitens braucht der Vertrieb von Investitionsgütern Garantien. Man baut keine MRT-Geräte, Industrie-LKW oder Prozess-Skids mit probabilistischen Regeln.

Damit zeichnet sich die zielführende Architektur ab: Nutzen Sie explizite, testbare Logik für Validität und Kosten und überlassen Sie den Sprachmodellen die Erfassung der Absicht, die Szenario-Analyse und die Erklärung. Das Regelwerk bleibt die Leitplanke. Die neue Schicht ist der Navigator.

Regeln garantieren Korrektheit. Sprachmodelle komprimieren die Zeit.

Warum das jetzt wichtig ist, nicht später:

• Anbietergetriebener Wandel: Der Migrationsdruck ist real und steht bereits in den Kalendern für Vertragsverlängerungen.
• Kostendruck: 200 Dollar pro Nutzer und Monat für Angebotssoftware zwingen Unternehmen, den tatsächlichen täglichen Nutzen und messbaren Mehrwert kritisch zu hinterfragen.
• Verändertes Käuferverhalten: Kunden und Vertrieb erwarten ein System, das sowohl argumentiert als auch seine Arbeit nachvollziehbar macht. Wenn der offizielle Prozess langsamer ist als Excel und ChatGPT, werden Schatten-Workflows zur Norm.

Eine hybride Architektur für CPQ

Hier ist die Architektur, die den alten Kompromiss auflöst, ohne alles auf einen Hype zu setzen. Man kann sie sich als eine Interpretationsschicht über der expliziten Logik vorstellen:

1. Explizite Produktlogik als Fundament: Regeln, Constraints und Preistreiber gehören in ein System, das deterministisch, testbar und beherrschbar ist. Hier sichern Sie Stücklisten, Baubarkeit und Gewinnmargen ab.

2. Eine konversationelle Logikschicht darüber: Nutzen Sie LLMs, um die Kaufabsicht zu erfassen, Optionen zu vergleichen und Zielkonflikte zu erklären. Fragen wie „Warum dieses Getriebe für den städtischen Einsatz?“ werden hier beantwortet – mit Verweis auf die darunterliegende Logik. Das LLM schlägt vor, das Regelwerk entscheidet.

3. Integrierte Begründungslogik: Jede Empfehlung muss mit einer nachprüfbaren Begründung verbunden sein: technische Gründe, Kostenauswirkungen über die Zeit, Eignung für das Szenario. Wenn das System nicht zeigen kann, warum eine Wahl gültig und vorzuziehen ist, ist es nicht praxistauglich.

4. Leitplanken und Test-Suiten: Behandeln Sie das LLM wie einen Junior-Berater: leistungsstark, aber unter Aufsicht. Leiten Sie seine Vorschläge durch die Constraint-Engine. Pflegen Sie eine Test-Suite mit Ihren wichtigsten Angebotspfaden. Wenn sich Modell, Preisliste oder Prompts ändern, lassen Sie die Tests erneut laufen, bevor der Vertrieb es merkt.

5. Progressive Datenstrategie: Fangen Sie klein, aber strukturiert an. Beschreiben Sie das Produkt in klarem Vertriebsdeutsch, das spezifisch genug für eine Analyse ist: Szenarien, Vor- und Nachteile, Anwendungsfälle. Sobald die Nutzung wächst, erweitern Sie den Datenkorpus und verfeinern die Prompts. Fortschritt ist wichtiger als Perfektion.

Praktisch bedeutet das eine Roadmap in Schichten statt eines monolithischen Rollouts:

• Kurzfristig: Setzen Sie eine dialogorientierte Oberfläche vor 2–3 volumenstarke Angebotsprozesse. Die bestehende CPQ- oder ERP-Logik bleibt die letzte Instanz.
• Im nächsten Schritt: Machen Sie Erklärungen sichtbar. Zeigen Sie Constraint-Gründe, TCO-Unterschiede und Preisänderungen direkt am Bildschirm an.
• Danach: Etablieren Sie Governance für Änderungszyklen. Übergeben Sie die Verantwortung für Texte und Szenarien an Produktmanagement und Sales-Ops. Die Regeln und Tests bleiben bei Ihrem CPQ-Team.

Wer gewinnt in diesem Modell? Teams, die akzeptieren, dass die Erzählung Teil der Konfiguration ist. Sie bringen das System dazu, in der Sprache des Käufers zu argumentieren, während die Regeln im Hintergrund sicherstellen, dass nichts Unsinniges passiert.

Wer gerät ins Hintertreffen? Programme, die ein Jahr mit einer Tool-Migration verbrennen, aber die wichtigsten Einwände im Produktkonfigurator unbeantwortet lassen. Teams, die ohne Leitplanken auf ein reines LLM setzen, werden schmerzhaft lernen, dass man mit skaliertem Raten keine Investitionsgüter verkauft. Und Teams, die nichts tun, werden in einer Realität aus Schatten-Workflows aufwachen, weil der offizielle Weg immer noch langsamer ist.

Es geht nicht darum, einen Anbieter zu wählen. Es geht darum, eine Architektur zu wählen, die die Stärken jeder Technologie anerkennt. Determinismus sichert die Validität. Probabilistische Logik übernimmt Sprache und Vergleich. In der richtigen Reihenfolge kombiniert, erhalten Sie Geschwindigkeit und Vertrauen.

Ich glaube nicht, dass AGI den Bedarf an CPQ im B2B-Bereich beseitigen wird. Ich glaube aber, dass sich die Definition von CPQ ändern wird. Die Grenze verschiebt sich: Szenario-Analyse und Begründung werden zu Kernfähigkeiten, nicht zu Add-ons. Genau in diesem Moment befinden wir uns.

Das stille Risiko ist die Annahme, dies sei ein Zukunftsthema. Im Verhalten des Vertriebs ist es bereits Realität. Käufer wollen Zielkonflikte sofort verstehen. Vertriebler erwarten, dass das System ihnen beim Denken hilft, nicht nur beim Klicken.

Stellen Sie sich also eine andere Frage als die vom Anfang dieses Beitrags. Nicht: Wird KI CPQ überflüssig machen? Sondern: An welchem Punkt genau hilft Ihr aktuelles System einem Käufer nicht mehr bei der Entscheidung? Und wenn ein Assistent diese Lücke jetzt in Minuten füllen kann, während Ihre Regeln für Sicherheit sorgen – worauf warten Sie dann?