Das Kundendatenmodell, das KI für echte Ergebnisse braucht

Fragt man drei Abteilungen eines beliebigen großen B2B-Unternehmens, wie viele Kunden sie haben, erhält man häufig drei unterschiedliche Zahlen. Der Vertrieb zählt Kundenkonten. Die Finanzabteilung zählt Rechnungseinheiten. Der Kundenservice zählt Standorte oder installierte Maschinen. Jahrelang haben Mitarbeiter diese Unterschiede durch Erfahrung und Telefonate überbrückt. KI kann das nicht. Sie übernimmt die Daten so, wie sie sie vorfindet, und handelt auf dieser Grundlage.

Ich habe dieses Thema gewählt, weil es mittlerweile zu den praxisrelevantesten Gesprächsthemen geworden ist, die ich mit Führungsteams bespreche. Ein immer größerer Teil der Arbeitszeit unseres Teams fließt in die Festlegung von Verhandlungsparametern für Kauf- und Verkaufsprozesse zwischen KI-Agenten, bei denen die KI eines Kunden direkt mit der KI eines Lieferanten kommuniziert, ohne dass ein Mensch dazwischengeschaltet ist. Eine neue Form der Kundenerfahrung, über die ich bereits in früheren Artikeln ausführlich gesprochen habe. In dieser Welt ist die Art und Weise, wie Kundendaten strukturiert werden, kein bloßes IT-Detail mehr. Sie entscheidet darüber, ob Ihre KI der richtigen Einheit den richtigen Preis anbietet, den richtigen Vertrag einhält und nur das verspricht, was Ihr operativer Betrieb tatsächlich leisten kann. Mein Team und ich beobachten in den verschiedenen Geschäftsbereichen von Samsung und bei anderen globalen Unternehmen immer wieder dasselbe Muster: Die KI ist längst einsatzbereit, bevor es das Kundendatenmodell ist.

Dieser Artikel knüpft an einen separaten Beitrag über die Auswahl von Daten auf Grundlage der Kundenbedürfnisse an. Hier geht es um eine andere Frage: Wenn Sie wissen, welche Daten relevant sind, wie sollten diese dann strukturiert werden, damit KI die Ergebnisse liefert, die B2B-Kunden erwarten?

#1 Ohne eindeutige Bedeutung führen Daten die KI in die Irre

Die meisten Unternehmen verfügen im technischen Sinne über strukturierte Daten: Tabellen, Felder und Schemata. Was ihnen jedoch fehlt, ist ein gemeinsames Verständnis ihrer Bedeutung.

• Was gilt als aktiver Kunde?
• Welches Datum ist das Lieferdatum: der Versand, die Ankunft oder die Installation?
• Ist ein «Standort» eine Fabrik, ein Gebäude oder eine Lieferadresse?

Führungskräfte sind sich dieser Lücke bewusst, dennoch treiben viele ihre Vorhaben weiter voran. In einer Censuswide-Umfrage unter 1.000 Führungskräften der obersten Managementebene in Großbritannien, den USA und Frankreich, die vom Datenmanagementunternehmen Semarchy in Auftrag gegeben und im März 2026 veröffentlicht wurde, bezeichneten 51% der Befragten das Datenmanagement als größte Herausforderung beim Einsatz von KI, noch vor Kosten und Fachkräftemangel. Ebenfalls 51% gaben an, KI ohne eine solide Grundlage im Stammdatenmanagement einzuführen, während 38% über keine verbindlich durchgesetzten Datenqualitätsstandards verfügen. Craig Gravina, Chief Technology Officer von Semarchy, brachte es auf den Punkt: «Man kann die KI-Vision schlichtweg nicht von der Datenrealität trennen.» Zwar handelt es sich um eine von einem Anbieter in Auftrag gegebene Studie, doch ihre Ergebnisse decken sich mit meinen Beobachtungen: Die KI wird zuerst vorangetrieben, während ein gemeinsames Verständnis der Kundendaten erst viel zu spät geschaffen wird.

Für Führungskräfte im B2B-Bereich verändert sich dadurch die Fragestellung. Es geht nicht darum, ob «unsere Daten sauber sind», sondern darum, ob «unsere Daten für jedes System, jedes Team und jeden KI-Agenten, der sie nutzt, dieselbe Bedeutung haben».

#2 Die sechs Ebenen eines B2B-Kundendatenmodells

Im B2B-Bereich ist ein Kunde nicht einfach eine Person mit einer E-Mail-Adresse. Vielmehr handelt es sich um ein komplexes Geflecht aus rechtlichen Einheiten, Standorten, Einkaufsrollen, Verträgen, Anlagen und Leistungsversprechen. Mein Team und ich strukturieren das Kundendatenmodell in sechs Ebenen. Jede Ebene beantwortet eine Frage, die eine KI korrekt beantworten können muss.

Die sechste Ebene ist diejenige, die die meisten Unternehmen vergessen, obwohl sie für die erzielten Ergebnisse am wichtigsten ist. Wenn die Ergebnisse, die Sie einem Kunden versprochen haben, nicht in Ihren Daten erfasst sind, kann Ihre KI Ihnen auch nicht dabei helfen, diese Versprechen einzuhalten.

#3 Wie führende Unternehmen Kundendaten strukturieren

Dänemark: Lemvigh-Müller mit SAP

Bevor der KI-Agent eines Kunden mit dem KI-Agenten eines Lieferanten verhandeln kann, müssen beide in der Lage sein, die Daten der jeweils anderen Seite zu lesen. Wie viele der Informationen, die Ihre Geschäftspartner Ihnen übermitteln, gehen noch immer als PDF-Dokumente oder E-Mails ein? Beim dänischen Großhändler Lemvigh-Müller gingen rund 60% der Auftragsbestätigungen von Lieferanten als unstrukturierte Dokumente ein. Das Unternehmen wickelt jährlich etwa 175.000 Bestellungen bei mehr als 2.000 Lieferanten ab. Im Juni 2026 berichtete SAP, dass das Unternehmen drei KI-Agenten produktiv eingesetzt hat, die bereits mehr als 100.000 zuvor manuell bearbeitete Auftragsbestätigungen übernommen haben: Ein Agent sortiert die E-Mails der Lieferanten, ein weiterer extrahiert Preise, Mengen und Liefertermine, und ein dritter gleicht diese Informationen mit den SAP-Bestellungen ab und kennzeichnet Abweichungen.

Frederik Aakerlund, IT-Direktor des Unternehmens, brachte es auf den Punkt: «Der entscheidende Unterschied besteht diesmal darin, dass wir die Aufgabe auf mehrere unabhängige KI-Agenten aufgeteilt haben.»

Der Markt, in dem sich diese Entwicklung abspielt, ist riesig: Das SAP Business Network, zu dem auch SAP Ariba gehört, verzeichnet ein jährliches Handelsvolumen von 7,4 Billionen US-Dollar und 824 Millionen B2B-Transaktionen pro Jahr in 190 Ländern. Die Erkenntnis für das Kundenerlebnis: Der Handel zwischen KI-Agenten beginnt nicht mit Verhandlungen. Er beginnt mit Daten, denen die Systeme auf beiden Seiten vertrauen können.

Deutschland: Hans Weber Maschinenfabrik

Nicht jedes gute Beispiel stammt von einem globalen Großkonzern. Der deutsche Hersteller von Extrusionsmaschinen betreibt bereits ein browserbasiertes Kundenportal für Betriebsanleitungen und Anfragen, auf das Wartungsverantwortliche, Maschinenbediener und Schichtleiter von jedem Standort aus zugreifen können. Der nächste Schritt besteht darin, das Portal um KI zu erweitern, damit Kunden ihre Fragen, beispielsweise zur Maschinenwartung, direkt stellen können, anstatt selbst nach Antworten suchen zu müssen.

Dies erläuterte Timo Horn, Leiter Operational Services im Bereich Extrusionstechnik, im Vorfeld der Fachmesse K 2025: «Ziel dieses Projekts ist es, die Benutzerfreundlichkeit deutlich zu verbessern.»

Ebenso wichtig für das Datenmodell ist, dass das Unternehmen ein Nachrüstpaket für sein Steuerungssystem anbietet, damit auch ältere Maschinen Daten erfassen können. Das ist die Ebene der installierten Basis in der Praxis: Keine KI kann einen Kunden zu einer Maschine beraten, auf deren Daten sie keinen Zugriff hat. Das Unternehmen hat bislang noch keine Ergebnisse veröffentlicht, doch die Reihenfolge stimmt: zuerst die installierte Maschinenbasis vernetzen, dann das Wissen strukturieren und anschließend KI integrieren.

China: SANY

Der Baumaschinenhersteller führte im Juli 2025 seine Servicephilosophie «No More Waiting» («Keine Wartezeiten mehr») ein. Unterstützt wird diese durch mehr als 900 Servicestandorte im Ausland, 3.500 Servicetechniker und über 900 Ersatzteillager. Über die Plattform MySANY können Kunden mit nur einem Klick eine Serviceanfrage stellen. Das System vermittelt ihnen einen geeigneten Servicetechniker und ermöglicht die Echtzeitverfolgung sowie die Einsicht in Ersatzteilpreise und den Lieferstatus. Das funktioniert nur, wenn Kunden, Maschinen, Servicetechniker und Ersatzteile innerhalb einer gemeinsamen Datenstruktur miteinander verknüpft sind. Wie der turnusmäßig amtierende Vorsitzende Tang Xiuguo erklärte: «Service ist kein Zusatzangebot, sondern unser zentrales Leistungsversprechen.»

#4 Fünf Gestaltungsprinzipien für ein KI-fähiges Kundendatenmodell

1. Ein Kunde, eine eindeutige Identität: Weisen Sie jedem Kundenkonto, jedem Standort und jeder rechtlichen Einheit eine eindeutige Kennung zu, die systemübergreifend in CRM, ERP, Kundenservice und Rechnungsstellung verwendet wird. Das Zusammenführen von Duplikaten ist keine besonders attraktive Aufgabe, bildet jedoch die Grundlage für jede KI-gestützte Entscheidung.
2. Zuerst die Bedeutung festlegen, dann das Modell entwickeln: Dokumentieren Sie die Definitionen, die für Kunden relevant sind: Lieferdatum, aktiver Vertrag, abgeschlossener Servicefall, termingerechte Lieferung. Integrieren Sie diese in ein gemeinsames Geschäftsglossar oder eine semantische Ebene, die sowohl von Menschen als auch von KI genutzt wird.
3. Dokumente in strukturierte Daten umwandeln: Vertragsbedingungen, Service-Level-Agreements (SLAs) und Leistungsansprüche müssen als strukturierte Datenfelder vorliegen und dürfen nicht ausschließlich in PDF-Dokumenten gespeichert sein. Ein KI-Agent kann keinen Rabatt gewähren, dessen Bedingungen er nicht auslesen kann.
4. Ergebnisse erfassen, nicht nur Transaktionen: Speichern Sie, welche Leistungen Sie jedem wichtigen Kunden versprochen und welche Sie tatsächlich erbracht haben. So kann KI den geschaffenen Mehrwert verfolgen und frühzeitig vor möglichen Abweichungen warnen.
5. Daten in beide Richtungen zugänglich machen: Gestalten Sie Ihre Datenarchitektur so, dass Kunden, Partner und deren KI-Agenten auf die Daten zugreifen können, für die sie eine entsprechende Berechtigung besitzen. Dabei müssen Zugriffsrechte und Einwilligungen klar geregelt sein.

Ich habe auf eGlobalis bereits über die verborgene Infrastruktur unterhalb der Wasserlinie geschrieben, die erlebnisorientiertes Wachstum ermöglicht – von integrierten Daten über Zugriffskontrollen bis hin zur Vorbereitung auf KI-Agenten, die eigenständig Einkäufe tätigen. Das Kundendatenmodell ist der Teil dieser Infrastruktur, den jedes Führungsteam verstehen kann und für den es auch die Verantwortung übernehmen sollte.

#5 Wie ein strukturiertes Kundendatenmodell Wachstum ermöglicht

• Schnellere und präzisere Geschäftsabschlüsse: Wenn Kundenstrukturen, Vertragsbedingungen und die installierte Basis miteinander verknüpft sind, kann KI innerhalb weniger Minuten Angebote und Vorschläge erstellen, die den vereinbarten Regeln entsprechen. Bei Kaufprozessen zwischen KI-Agenten entscheiden Geschwindigkeit und Genauigkeit darüber, wer den Auftrag erhält.
• Höhere Serviceumsätze: Daten zur installierten Basis und zur Nutzung zeigen Möglichkeiten für Upgrades, Ersatzbeschaffungen und Serviceleistungen auf, lange bevor der Kunde selbst danach fragt.
• Stärkere Kundenbindung bei Vertragsverlängerungen: Wenn die tatsächlich erbrachten Leistungen dokumentiert werden, basieren Gespräche über Vertragsverlängerungen auf konkreten Nachweisen: erreichte Anlagenverfügbarkeit, realisierte Einsparungen und gelöste Probleme.
• Geringere Betreuungskosten: Eine einheitliche Kundenidentität vermeidet doppelte Arbeit, fehlerhafte Rechnungen und wiederholte Rückfragen zwischen verschiedenen Abteilungen.

In einem Beitrag auf CMSWire habe ich die wichtigsten Fragen zur Einsatzbereitschaft in sieben Fragen zusammengefasst, die zeigen, ob Ihr Unternehmen für KI bereit ist. Die Art und Weise, wie Sie Ihre Kundendaten strukturieren, ist eine der schnellsten Möglichkeiten, diese Fragen ehrlich zu beantworten.

#6 Fazit: Strukturieren Sie Daten so, wie Ihre Kunden Ihr Unternehmen erleben

B2B-Kunden nehmen einen Lieferanten als ein einziges Unternehmen wahr. Allzu oft sind ihre Daten jedoch auf zahlreiche Systeme verteilt. KI macht diese Lücke in großem Maßstab sichtbar, bietet aber gleichzeitig die Chance, sie zu schließen. Diejenigen Unternehmen, die ihre Kundendaten nach Kundenkonten, Anlagen, Vertragsbedingungen und Ergebnissen strukturieren, werden diejenigen sein, deren KI die Erwartungen ihrer Kunden erfüllt.

Drei Maßnahmen für die nächsten 90 Tage:

1. Erfassen Sie Ihre Kunden einheitlich: Fragen Sie Vertrieb, Finanzabteilung und Kundenservice nach der jeweiligen Anzahl ihrer Kunden, gleichen Sie die Zahlen miteinander ab und weisen Sie jedem Kundenkonto und jeder rechtlichen Einheit eine eindeutige Kennung zu.
2. Definieren Sie die zehn Begriffe, die für Ihre Kunden am wichtigsten sind: Stimmen Sie diese Definitionen abteilungsübergreifend ab und etablieren Sie sie als gemeinsame Sprache für Menschen und KI.
3. Ergänzen Sie für Ihre 20 wichtigsten Kunden eine Ebene zur Erfassung der Ergebnisse. Dokumentieren Sie, welche Leistungen Sie versprochen und welche Sie tatsächlich erbracht haben, und überprüfen Sie diese Informationen bei jedem Kundengespräch.

KI wird auf der Grundlage des Kundenbildes handeln, das Sie ihr zur Verfügung stellen. Sorgen Sie dafür, dass es das Bild ist, in dem sich Ihre Kunden selbst wiedererkennen.