CPQ Praxis

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? – ve...

Drei Wochen vor dem Go-live wurde es im Raum still. Jemand stellte die Frage, die niemand hören wollte: Welche Preisliste nutzen wir eigentlich in EMEA? Die Antwort: drei verschiedene Excel-Tabellen und ein Schulterzucken. Der Start verschob sich um zwei Monate, die Nutzerakzeptanz hat sich davon nie erholt. Dieses Szenario kenne ich aus unzähligen Projekten. Ein Medizintechnik-Hersteller ging mit unsauberen Produktdaten und unklaren Verantwortlichkeiten live. Die Angebote sahen gut aus, aber der Vertrieb führte parallel eine eigene Excel-Liste, weil er dem System nicht traute. Das CPQ-Projekt ist nicht laut gescheitert. Es scheiterte leise, durch Workarounds. Die unsichtbare Vorarbeit, die die meisten Teams überspringen Viele behandeln ein CPQ-Projekt wie eine reine Software-Installation. Das ist es nicht. Die entscheidende Arbeit findet statt, bevor die Software überhaupt aufgesetzt wird: eine klare Definition des Erfolgs, die Bereinigung von Produkt- und Preisdaten und die Auswahl ...

Wenn schnelle Angebote die falschen sind „Der Assistent sagt, das Bundle ist gültig.“ Zwei Tage später meldet sich die Fertigung: Die bestellte Kombination ist technisch unzulässig. Die Folge: Nacharbeit, ein verärgerter Kunde und ein Vertriebsteam, das dem eigenen System nicht mehr traut. Dieses Szenario kenne ich aus unzähligen Projekten. Man versucht, mit generativer KI schneller zu werden und lässt sie entscheiden, was gültig ist. Die KI antwortet selbstbewusst. Nur ist die Antwort nicht immer korrekt. Eine plausible Antwort reicht fürs Meeting. Für den Deal muss sie korrekt sein. Das ist kein Problem der Benutzeroberfläche oder des Prompt-Writings. Es ist ein Architekturproblem: Wir erwarten von der KI, die Produkthoheit zu übernehmen – eine Aufgabe, für die sie nicht konzipiert wurde. Plausibel versus korrekt: Warum der Unterschied zählt Viele nehmen an, eine KI könne das Produkt „lernen“ wie ein erfahrener Lösungsarchitekt. Sie kann Sprachmuster und Absichten erkennen...