Die Herausforderung: Generische E-Mail-Vorlagen

Die meisten Vertriebsteams starten mit einer guten Absicht: Sie erstellen E-Mail-Vorlagen, um Zeit zu sparen und für Konsistenz zu sorgen. Doch mit der Zeit werden diese Vorlagen generisch, übernutzt und entkoppelt von dem, was für Käufer wirklich wichtig ist. Interessenten sehen immer wieder die gleichen Betreffzeilen, die gleichen Value Propositions und die gleichen Call-to-Actions – und lernen, sie zu ignorieren. Das Ergebnis ist eine Outreach-Maschine mit hohem Volumen und geringer Wirkung.

Traditionelle Lösungsansätze funktionieren nicht mehr. Wenn Sie von Ihren Reps verlangen, „einfach mehr zu personalisieren“, verbringen sie späte Abende damit, Standardtexte umzuschreiben oder Details aus dem CRM in Gmail zu kopieren. Das Marketing versucht zu helfen, indem es mehr Vorlagenvarianten für verschiedene Branchen und Personas erstellt, doch auch diese berücksichtigen nicht aktuelle Ereignisse, den konkreten Deal-Kontext und Verhaltenssignale wie Website-Besuche oder Asset-Downloads. Je komplexer die Vorlagenbibliothek wird, desto weniger wird sie genutzt – und die Reps greifen stillschweigend auf das zurück, was für sie am schnellsten geht.

Die Kosten, dieses Problem nicht zu lösen, gehen weit über leicht sinkende Antwortquoten hinaus. Generischer Outreach schadet Ihrer Marke bei Entscheidern, sorgt dafür, dass Sie im Spam- oder Promotions-Ordner landen, und treibt Ihren Customer Acquisition Cost unbemerkt in die Höhe. Hochpotenzielle Accounts gehen verloren, weil sie nie eine Nachricht sehen, die ihre Rolle, ihre Branche oder ihre Aktivitäten der letzten Woche auf Ihrer Website wirklich adressiert. Gleichzeitig werden Ihre besten Reps zu Engpässen, weil nur sie es schaffen, konstant starke, personalisierte Texte zu verfassen – und das komplett manuell.

Diese Herausforderung ist real, aber sehr gut lösbar. Mit heutiger generativer KI müssen Sie sich nicht mehr zwischen Skalierung und Relevanz entscheiden. Wenn Sie Ihre bestehenden Vorlagen mit CRM-Daten und Interaktionshistorie kombinieren, können Tools wie Gemini in Google Workspace in Sekunden wirklich maßgeschneiderte E-Mails, Call Scripts und Angebote generieren. Bei Reruption haben wir Organisationen dabei geholfen, KI von einem Buzzword in funktionierende Systeme zu verwandeln. Im Folgenden finden Sie einen praktischen, Schritt-für-Schritt-Ansatz, um generischen Outreach systematisch zu beheben, statt Ihr Team nur aufzufordern, sich „mehr Mühe zu geben“.

Bauen Sie jetzt ein KI-System mit uns!

Wir bauen einen Proof of Concept für Ihr Problem für 5.000–8.000€. Sie bekommen eine handfeste Demo statt Folien mit Versprechen.

Innovatoren bei diesen Unternehmen vertrauen uns:

Unsere Einschätzung

Eine strategische Einschätzung der Herausforderung und High-Level-Tipps, wie Sie sie angehen können.

Aus Sicht von Reruption liegt die eigentliche Chance mit Gemini für Sales-Outreach nicht darin, „schönere“ E-Mails zu schreiben, sondern Personalisierung zu systematisieren – basierend auf Ihren echten Daten. Weil Gemini sich nahtlos in Google Workspace, Gmail und Docs integriert, können Sie KI direkt im täglichen Workflow Ihrer Vertriebsmitarbeitenden verankern, statt sie zwischen Tools hin- und herspringen zu lassen. Auf Basis unserer praktischen Arbeit beim Aufbau von KI-Assistenten, Automatisierungen und internen Tools sehen wir Gemini als einen pragmatischen Weg, die Lücke zwischen statischen Vorlagen und wirklich personalisierter Kommunikation in großem Maßstab zu schließen.

Positionieren Sie Gemini als Unterstützungsschicht, nicht als Texter

Die erste strategische Veränderung betrifft die Denkweise. Gemini für Sales-Outreach sollte als zusätzliche Unterstützungsschicht auf Ihrem bestehenden Vertriebsprozess verstanden werden – nicht als magischer Texter, der das Urteilsvermögen Ihres Teams ersetzt. Ihre Vorlagen, ICP-Definitionen und Messaging-Frameworks bleiben die zentralen Assets; Gemini hilft lediglich, diese auf die Rolle, Branche und das aktuelle Verhalten des einzelnen Kontakts zuzuschneiden.

Dieses Framing ist entscheidend für Akzeptanz und Risikosteuerung. Wenn Reps befürchten, dass KI Nachrichten ohne ihre Kontrolle in ihrem Namen versendet, werden sie sich dagegen sträuben. Wenn Sie stattdessen zeigen, dass Gemini die personalisierte Version vorformuliert, die sie in Sekunden anpassen können, bleibt die menschliche Kontrolle erhalten – bei gleichzeitig deutlicher Zeitersparnis. Strategisch sollten Sie „Human in the Loop“ als nicht verhandelbares Designprinzip verankern.

Definieren Sie Ihre Datenbasis, bevor Sie Prompts entwerfen

Die meisten Teams springen direkt dazu über, Gemini zu bitten, „diese E-Mail zu personalisieren“. Strategisch erzielen Sie deutlich bessere Ergebnisse, wenn Sie zuerst festlegen, welche Datensignale die Personalisierung steuern sollen: Rolle, Seniorität, Branche, Unternehmensgröße, CRM-Phase, letzter Kontaktpunkt, Website-Verhalten und bestehender Tech-Stack sind typische Beispiele.

Stimmen Sie sich anschließend mit RevOps oder Sales Operations ab, wie diese Felder in Ihrem CRM gespeichert und benannt sind und wie sie in Google Workspace sichtbar werden. Je klarer und konsistenter Ihr Datenmodell ist, desto einfacher können Sie Gemini anweisen, es zu nutzen. Ohne diese Grundlage wird KI-basierte Personalisierung Ihr Datenchaos widerspiegeln – generisch hinein, generisch hinaus.

Starten Sie mit einem fokussierten, wirkungsvollen Use Case

Statt zu versuchen, alle E-Mail-Touchpoints auf einmal zu transformieren, konzentrieren Sie sich strategisch auf ein oder zwei hochvolumige, hochwirksame Momente. Beispiele sind der erste Outbound-Kontakt, Follow-ups nach Events oder Antworten auf eingehende Demo-Anfragen. In diesen Situationen bringt Personalisierung deutlich sichtbare Verbesserungen bei Öffnungen, Antworten und gebuchten Meetings.

Wenn Sie bewusst eng starten, können Sie eine klare Erfolgskennzahl definieren (z. B. +20 % Antwortquote beim Erstkontakt) und einen A/B-Vergleich zwischen Standardvorlagen und Gemini-gestützter Personalisierung durchführen. Diese Pilotstruktur erleichtert es, Zustimmung und Budget zu sichern, und bringt reale Edge Cases ans Licht, bevor Sie KI auf alle Sequenzen ausrollen.

Bereiten Sie Ihr Team auf eine neue Art des Schreibens vor

Der erfolgreiche Einsatz von Gemini im Vertrieb ist mindestens ebenso viel Change Management wie Technologie. Reps brauchen Orientierung, wann sie KI einsetzen sollen, wie viel sie voraussichtlich nachbearbeiten müssen und wie ihre Performance gemessen wird, wenn KI ihren Outreach unterstützt. Ohne diese Klarheit sehen Sie inkonsistente Nutzung und verwässerte Ergebnisse.

Investieren Sie in Enablement: kurze Live-Demos, Side-by-Side-Vergleiche alter vs. KI-gestützter E-Mails sowie klare „Do/Don’t“-Beispiele. Betonen Sie, dass ihre Vertriebsexpertise weiterhin zentral ist – Gemini beschleunigt Recherche und Entwurf, aber der Rep entscheidet, ob die finale Nachricht wirklich zum Account passt. Mit der Zeit können Ihre Top-Reps die Prompts und Muster mitgestalten, sodass das System Ihre besten Vertriebspraktiken widerspiegelt.

Adressieren Sie Marken- und Compliance-Risiken von Anfang an

Strategisch sollten Sie KI-generierte E-Mails als regulierte Kommunikation behandeln – nicht als Experimente im Feld. Das bedeutet, dass Sie Markenstimmrichtlinien, Tabuthemen und Compliance-Vorgaben (z. B. Aussagen zu ROI, Wettbewerbsvergleichen oder regulierten Produkten) von Tag eins an in Ihr KI-Design integrieren.

Mit Gemini können Sie diese Vorgaben in wiederverwendbare Prompt-Vorlagen und Standardprozesse einbetten, sodass jede Person im Vertrieb von einem sicheren Ausgangspunkt startet. Kombinieren Sie dies mit regelmäßigen Reviews der KI-gestützten Kommunikation und Feedbackschleifen mit Legal, Marketing und Vertriebsführung. Auf diese Weise senken Sie Risiken, ohne die Flexibilität zu verlieren, die KI-basierte Personalisierung so wirkungsvoll macht.

Durchdacht eingesetzt kann Gemini in Google Workspace Ihre generischen Vorlagen in eine skalierbare Personalisierungs-Engine verwandeln, die dort lebt, wo Ihr Vertriebsteam ohnehin arbeitet. Der Schlüssel ist die Kombination aus sauberen Daten, klaren Vorgaben und einer „Human in the Loop“-Denkweise, sodass KI Ihre besten Vertriebspraktiken verstärkt, statt zusätzliches Rauschen zu erzeugen. Bei Reruption sind wir es gewohnt, diese Art von KI-Fähigkeiten direkt in reale Vertriebs-Workflows einzubetten – nicht in Foliensätze. Wenn Sie das risikoarm testen möchten, ist unser KI-PoC ein strukturierter Weg, um zu beweisen, was Gemini für Ihren Outreach leisten kann, bevor Sie den Rollout ausweiten.

Bauen Sie jetzt ein KI-System mit uns!

Wir bauen einen Proof of Concept für Ihr Problem für 5.000–8.000€. Sie bekommen eine handfeste Demo statt Folien mit Versprechen.

Fallbeispiele aus der Praxis

Von Bankwesen bis Luft- und Raumfahrt: Erfahren Sie, wie Unternehmen Gemini erfolgreich einsetzen.

Bank of America

Bankwesen
Die Bank of America sah sich einem hohen Volumen routinemäßiger Kundenanfragen gegenüber, etwa Kontostände, Zahlungen und Transaktionsverläufe, was traditionelle Callcenter und Supportkanäle überlastete. Bei Millionen täglicher Nutzer des digitalen Bankings fiel es der Bank schwer, rund um die Uhr personalisierte Finanzberatung in großem Maßstab anzubieten, was zu Ineffizienzen, längeren Wartezeiten und uneinheitlicher Servicequalität führte.

Lösung

Bank of America entwickelte Erica, einen internen durch NLP unterstützten virtuellen Assistenten, der direkt in die Mobile-Banking-App integriert ist und Natural Language Processing sowie prädiktive Analytik nutzt, um Anfragen konversationell zu bearbeiten. Erica fungiert als Einstiegspunkt für Self-Service, bearbeitet Routineaufgaben sofort und liefert gleichzeitig personalisierte Einblicke, wie Liquiditätsprognosen oder maßgeschneiderte Empfehlungen, wobei Kundendaten sicher verwendet werden.

Ergebnisse

  • Über 3 Milliarden Kundeninteraktionen insgesamt seit 2018
  • Nahezu 50 Millionen eindeutige Nutzer unterstützt
  • Über 58 Millionen Interaktionen pro Monat (2025)
  • 2 Milliarden Interaktionen bis April 2024 erreicht (Verdoppelung von 1 Mrd. in 18 Monaten)
  • Bis 2024 wurden 42 Millionen Kunden unterstützt
  • 19 % Gewinnanstieg, verbunden mit Effizienzgewinnen
Fallstudie lesen →

Three UK

Telekommunikation
Three UK, ein führender Mobilfunkanbieter im Vereinigten Königreich, stand unter erheblichem Druck durch den stark ansteigenden Datenverkehr, getrieben vom 5G‑Ausbau, Video‑Streaming, Online‑Gaming und Remote‑Arbeit. Mit über 10 Millionen Kund:innen führten Spitzenzeiten‑Überlastungen in städtischen Gebieten zu Verbindungsabbrüchen, Buffering bei Streams und hoher Latenz, die das Gaming‑Erlebnis beeinträchtigte.

Lösung

Microsoft Azure Operator Insights etablierte sich als cloudbasierte KI‑Plattform speziell für Telekommunikationsanbieter und nutzt Big‑Data‑Maschinelles Lernen, um Petabytes an Netztelemetrie in Echtzeit zu verarbeiten. Die Plattform analysiert KPIs wie Durchsatz, Paketverlust und Handover‑Erfolgsraten, erkennt Anomalien und sagt Überlastungen voraus.

Ergebnisse

  • 25% Reduktion von Netzüberlastungsereignissen
  • 20% Verbesserung der durchschnittlichen Download‑Geschwindigkeiten
  • 15% Verringerung der End‑to‑End‑Latenz
  • 30% schnellere Anomalieerkennung
  • 10% OPEX‑Einsparungen im Netzbetrieb
  • NPS um 12 Punkte verbessert
Fallstudie lesen →

Goldman Sachs

Investmentbanking
Im schnelllebigen Bereich des Investmentbanking sehen sich Goldman Sachs-Mitarbeiter mit überwältigenden Mengen an wiederkehrenden Aufgaben konfrontiert. Tägliche Routinen wie das Bearbeiten hunderter E-Mails, das Schreiben und Debuggen komplexer Finanzcodes sowie das Durcharbeiten langer Dokumente auf der Suche nach Erkenntnissen beanspruchen bis zu 40 % der Arbeitszeit und lenken von wertschöpfenden Tätigkeiten wie Kundenberatung und Deal-Abwicklung ab. Regulatorische Beschränkungen verschärfen diese Probleme, da sensible Finanzdaten höchste Sicherheitsanforderungen stellen und die Nutzung von Standard-KI-Lösungen einschränken.

Lösung

Goldman Sachs reagierte mit einem proprietären generativen KI-Assistenten, der auf internen Datensätzen in einer sicheren, privaten Umgebung feinabgestimmt wurde. Das Tool fasst E-Mails zusammen, indem es Aktionspunkte und Prioritäten extrahiert, erzeugt produktionsreifen Code für Modelle wie Risikoabschätzungen und analysiert Dokumente, um zentrale Trends und Anomalien hervorzuheben.

Ergebnisse

  • Rollout Scale: 10.000 Mitarbeiter in 2024
  • Timeline: PoCs 2023; erste Einführung 2024; unternehmensweit 2025
  • Productivity Boost: Routineaufgaben optimiert, geschätzte Zeitersparnis 25–40 % bei E-Mails/Code/Dokumenten
  • Adoption: Schnelle Akzeptanz in Technik- und Front-Office-Teams
  • Strategic Impact: Kernbestandteil der 10-Jahres-KI-Strategie für strukturelle Effizienzgewinne
Fallstudie lesen →

Citibank Hong Kong

Privatkundengeschäft
Citibank Hong Kong sah sich einer wachsenden Nachfrage nach fortschrittlichen persönlichen Finanzmanagement-Tools ausgesetzt, die über mobile Geräte zugänglich sind. Kunden suchten nach prädiktiven Erkenntnissen zu Budgetierung, Investitionen und Finanzverfolgung, doch traditionelle Apps fehlten an Personalisierung und Echtzeit‑Interaktivität.

Lösung

Wealth 360 entstand als Citibank HKs KI‑gestützter persönlicher Finanzmanager, eingebettet in die Citi Mobile App. Er nutzt prädiktive Analytik, um Ausgabemuster, Anlageerträge und Portfoliorisiken vorherzusagen und liefert personalisierte Empfehlungen über eine konversationelle Schnittstelle wie Chatbots.

Ergebnisse

  • 30% Zunahme der Engagement‑Kennzahlen in der mobilen App
  • 25% Verbesserung der Kundenbindungsrate im Wealth‑Management
  • 40% schnellere Reaktionszeiten durch konversationelle KI
  • 85% Kundenzufriedenheitswert für personalisierte Insights
  • Über 18 Mio. API‑Aufrufe in vergleichbaren Citi‑Initiativen
  • 50% Reduktion manueller Beratungsanfragen
Fallstudie lesen →

Morgan Stanley

Finanzen
Finanzberater bei Morgan Stanley hatten Schwierigkeiten, schnell auf die umfangreiche proprietäre Forschungsdatenbank des Unternehmens zuzugreifen, die über 350.000 Dokumente und Jahrzehnte institutionellen Wissens umfasst. Manuelle Recherchen in diesem riesigen Archiv waren zeitraubend und dauerten oft 30 Minuten oder länger pro Anfrage, was die Fähigkeit der Berater einschränkte, während Kundengesprächen zeitnahe, personalisierte Beratung zu liefern .

Lösung

Morgan Stanley arbeitete mit OpenAI zusammen, um AI @ Morgan Stanley Debrief zu entwickeln, einen auf GPT-4 basierenden generativen KI-Chatbot, der speziell für Vermögensverwaltungsberater zugeschnitten ist. Das Tool verwendet retrieval-augmented generation (RAG), um sicher und kontextbewusst Abfragen in der proprietären Forschungsdatenbank durchzuführen und sofortige, quellenbasierte Antworten zu liefern .

Ergebnisse

  • 98% Akzeptanzrate bei Vermögensverwaltungsberatern
  • Zugriff für nahezu 50% der gesamten Mitarbeitenden von Morgan Stanley
  • Anfragen werden in Sekunden statt in über 30 Minuten beantwortet
  • Mehr als 350.000 proprietäre Forschungsdokumente indexiert
  • 60% Mitarbeiterzugriff bei Wettbewerbern wie JPMorgan zum Vergleich
  • Signifikante Produktivitätssteigerungen laut Chief Administrative Officer
Fallstudie lesen →

Best Practices

Erfolgreiche Implementierungen folgen bewährten Mustern. Werfen Sie einen Blick auf unsere taktischen Ratschläge für den Einstieg.

Verwandeln Sie Ihre beste generische Vorlage in ein Gemini-taugliches Blueprint

Starten Sie mit einer bestehenden Vorlage, die bereits einigermaßen gut performt (z. B. Ihre wichtigste Erstkontakt-Outbound-E-Mail). Zerlegen Sie sie in Bausteine: Betreffzeile, Einstiegs-Hook, Glaubwürdigkeitsaufbau, Value Proposition, Social Proof und Call-to-Action. Markieren Sie anschließend explizit, welche Teile fix bleiben und welche Teile von Gemini personalisiert werden sollen.

Nutzen Sie dies als Grundlage für einen wiederverwendbaren Gemini-Prompt in Gmail oder Google Docs. Ihr Ziel ist, Gemini Struktur und Leitplanken zu geben, statt eine leere Seite. Hier ist eine Beispielstruktur für einen Prompt, die Sie anpassen können:

Sie sind ein Vertriebs-E-Mail-Assistent, der SDRs dabei hilft, Outreach zu personalisieren.

Aufgabe:
Schreiben Sie die folgende Basisvorlage für den konkreten Interessenten um und verwenden Sie dabei ausschließlich korrekte Daten aus dem Input. Behalten Sie die Markenstimme bei: klar, direkt, professionell, kein Hype.

Basisvorlage:
[FÜGEN SIE HIER IHRE STANDARD-OUTBOUND-E-MAIL EIN]

Interessentendaten:
- Name: {{name}}
- Rolle: {{role}}
- Seniorität: {{seniority}}
- Unternehmen: {{company_name}}
- Branche: {{industry}}
- Unternehmensgröße: {{company_size}}
- CRM-Phase: {{stage}}
- Kürzliche Aktivitäten: {{recent_activities}}
- Besuchte Schlüsselseiten: {{pages_visited}}

Anforderungen:
- Personalisieren Sie den Eröffnungssatz anhand der Rolle und der kürzlichen Aktivitäten.
- Passen Sie die Value Proposition an Branche und Unternehmensgröße an.
- Verwenden Sie einen spezifischen, realistischen CTA.
- Halten Sie die E-Mail unter 140 Wörtern.
- Erfinden Sie keine Fakten oder Kennzahlen.

Wenn dieses Blueprint für eine Vorlage gut funktioniert, können Sie den Ansatz auf Ihre wichtigsten Sequenzen übertragen und gleichzeitig Struktur und Ton konsistent halten.

Nutzen Sie Gemini direkt in Gmail für Personalisierung mit zwei Klicks

Reps sollten Gmail nicht verlassen müssen, um von KI-gestützter Personalisierung zu profitieren. Richten Sie einen Workflow ein, in dem sie die Basisvorlage auswählen, CRM-Snippets einfügen (z. B. per Add-ons oder Copy & Paste) und dann Gemini aufrufen, um den Entwurf zu personalisieren. Das Kontextverständnis von Gemini verbindet die Vorlage mit den Kontaktdetails und den jüngsten Notizen im Thread.

Ein Beispiel für einen in-Gmail-Prompt, den Sie als Textbaustein standardisieren können:

Gemini, bitte personalisiere diese E-Mail für den konkreten Interessenten.

Kontext:
- Interessent: {{name}}, {{role}} bei {{company}} in der Branche {{industry}}
- Kürzliche Aktionen: {{recent_activities}} (aus CRM/Website)
- Unser Produkt hilft bei: {{key_value_prop}}

Anweisungen:
- Behalte die Struktur meiner E-Mail bei, aber schreibe den Einstieg und die Value Proposition um.
- Beziehe dich einmal ausdrücklich auf seine/ihre Rolle oder sein/ihr Team.
- Erwähne ein relevantes Problem für Unternehmen in der Branche {{industry}}.
- Lasse meinen Abschlusssatz unverändert.

Hier ist die E-Mail, die umgeschrieben werden soll:
[FÜGEN SIE DEN AKTUELLEN ENTWURF EIN]

So bleibt der Prozess schnell: Vorlage auswählen, Kontext einfügen, Gemini ausführen, kurz prüfen und senden. Messen Sie, wie häufig Reps diesen Flow nutzen, und vergleichen Sie die Performance mit nicht personalisierten Sendungen.

Erzeugen Sie automatisch rollen- und branchenspezifische Varianten

Statt dutzende Vorlagen manuell zu erstellen, können Sie Gemini in Google Docs nutzen, um Basisvarianten für Ihre wichtigsten Personas und Branchen zu generieren. Starten Sie mit Ihrer Kern-E-Mail und lassen Sie Gemini Formulierungen, Schmerzpunkte und Beispiele für jedes Segment anpassen – bei gleichbleibender Markenstimme.

Beispielprompt zur Erstellung von Persona-Vorlagen:

Sie sind ein Experte für B2B-Sales-Messaging.

Aufgabe:
Nehmen Sie die untenstehende Basis-E-Mail und erstellen Sie 3 Varianten:
1) Für eine:n CFO in einem Mid-Market-Unternehmen
2) Für eine:n Head of Sales in einem Enterprise-Unternehmen
3) Für eine:n Operations Manager in einem Scale-up

Basis-E-Mail:
[FÜGEN SIE DIE STANDARD-E-MAIL EIN]

Anweisungen:
- Struktur und Länge sollen ähnlich bleiben.
- Passen Sie Problemfokus, Value Proposition und Sprache an das an, was der jeweiligen Persona wichtig ist.
- Verwenden Sie neutrale, nicht übertriebene Sprache.
- Geben Sie die Varianten als klar getrennte Versionen mit Überschriften aus.

Überarbeiten und verfeinern Sie diese Entwürfe gemeinsam mit Sales und Marketing und speichern Sie die freigegebenen Versionen in Ihrer Vorlagenbibliothek. Später kann Gemini innerhalb dieser persona-spezifischen Baselines personalisieren, statt von generischem Text auszugehen.

Spielen Sie konkrete Verhaltenssignale in Gemini ein für zeitnahen Outreach

Personalisierung dreht sich nicht nur darum, wer jemand ist, sondern auch darum, was er oder sie gerade getan hat. Arbeiten Sie mit Ihrem RevOps-Team zusammen, um zentrale Verhaltensereignisse (z. B. Besuche der Pricing-Seite, Whitepaper-Downloads, Webinarteilnahmen) für Reps im CRM oder direkt im E-Mail-Kontext leicht zugänglich zu machen. Weisen Sie Gemini dann explizit an, diese Signale im E-Mail-Einstieg und beim CTA zu nutzen.

Hier ein Prompt-Muster, das Verhalten in den Vordergrund stellt:

Sie unterstützen einen SDR beim Follow-up auf Basis kürzlichen Verhaltens.

Details zum Interessenten:
- Name: {{name}}
- Rolle: {{role}}
- Unternehmen: {{company}}
- Branche: {{industry}}

Kürzliches Verhalten:
- Ereignis: {{event_type}} (z. B. Pricing-Seite besucht, Whitepaper X heruntergeladen, Webinar Y besucht)
- Datum: {{event_date}}
- Thema/Asset: {{asset_title}}

Anweisungen:
- Beginnen Sie die E-Mail mit einem natürlichen Verweis auf dieses Verhalten.
- Verknüpfen Sie das Verhalten mit einer wahrscheinlichen Priorität oder einem Problem.
- Schlagen Sie einen kurzen Call oder eine Antwort vor, die sich direkt auf dieses Verhalten bezieht.
- Halten Sie den Ton hilfsbereit, nicht aufdringlich.

So wirkt Ihr Outreach zeitnah und relevant – generische Follow-ups werden zu kontextsensitiven Anstößen.

Standardisieren Sie Call-Scripts und Angebots-Personalisierung mit Gemini

Beschränken Sie den Einsatz von Gemini nicht auf E-Mails. Nutzen Sie es in Docs, um personalisierte Gesprächseinstiege und Angebotsformulierungen auf Basis derselben CRM- und Aktivitätsdaten zu generieren. Beispielsweise kann ein:e Rep vor dem ersten Termin die Opportunity-Zusammenfassung, Notizen und öffentliche Unternehmensinformationen in ein Doc einfügen und Gemini drei passende Einstiegswinkel und fünf Discovery-Fragen vorschlagen lassen.

Beispielprompt für Call-Vorbereitung:

Sie sind ein Assistent für die Vorbereitung von Vertriebsgesprächen.

Opportunity-Daten:
- Unternehmen: {{company}}
- Branche: {{industry}}
- Deal-Phase: {{stage}}
- Bekannte Stakeholder: {{stakeholders}}
- Notizen aus Discovery: {{notes}}

Aufgabe:
- Schlagen Sie 3 kurze, zugeschnittene Eröffnungsstatements für den Call vor.
- Formulieren Sie 5 Discovery-Fragen, die über das hinausgehen, was wir bereits wissen.
- Heben Sie 2 Value Propositions hervor, die basierend auf Branche und Notizen voraussichtlich besonders relevant sind.

Vorgaben:
- Nur Stichpunkte.
- Keine Annahmen, die den Notizen widersprechen.

Für Angebote können Sie ein ähnliches Muster nutzen, um Standardformulierungen an Branche, Ziele und die in Gesprächen verwendete Sprache des Kunden anzupassen – bei unveränderter rechtlicher und kommerzieller Struktur.

Messen Sie den Impact und verfeinern Sie Prompts kontinuierlich

Damit Gemini zu einem verlässlichen Bestandteil Ihres Workflows zur Sales-Personalisierung wird, sollten Sie Ihre Prompts und Vorlagen als lebende Assets verstehen. Definieren Sie klare KPIs für KI-gestützten Outreach: Öffnungsrate, Antwortquote, gebuchte Meetings und benötigte Zeit pro E-Mail. Nutzen Sie Ihr Sales-Engagement- oder CRM-Tooling, um E-Mails zu taggen, die mit KI-Unterstützung erstellt wurden, sodass Sie die Performance vergleichen können.

Überprüfen Sie in einem regelmäßigen Rhythmus (z. B. monatlich) die am besten performenden KI-gestützten E-Mails und die schwächsten. Analysieren Sie, was Gemini bei der Personalisierung gut oder schlecht gemacht hat, und passen Sie Ihre Prompts entsprechend an – ergänzen Sie Vorgaben, betonen Sie bestimmte Datenfelder stärker und präzisieren Sie den Ton. Über wenige Iterationen hinweg verbessert diese Feedbackschleife die Output-Qualität deutlich.

Erwarteter Effekt: Bei Umsetzung dieser Praktiken sehen Teams typischerweise 20–40 % Zeitersparnis pro E-Mail, ein schnelleres Onboarding neuer Reps auf „gute“ Texte und spürbare Verbesserungen der Antwort- und Meeting-Quoten in zielgerichteten Sequenzen. Die genauen Zahlen hängen von Ihrem Ausgangsniveau ab, aber innerhalb eines Testzeitraums von 4–8 Wochen sollten Sie klar erkennen, ob Gemini-gestützte Personalisierung Ihre bisherigen generischen Vorlagen übertrifft.

Bauen Sie jetzt ein KI-System mit uns!

Wir bauen einen Proof of Concept für Ihr Problem für 5.000–8.000€. Sie bekommen eine handfeste Demo statt Folien mit Versprechen.

Häufig gestellte Fragen

Gemini kann Ihre bestehenden generischen E-Mail-Vorlagen nehmen und sie für jeden Interessenten dynamisch auf Basis von CRM-Daten und kürzlichen Aktivitäten umschreiben. Statt One-Size-fits-all-Text passt Gemini Einstiege, Value Propositions und CTAs an Rolle, Branche und Verhalten der Empfängerin bzw. des Empfängers an.

In der Praxis arbeiten Reps wie gewohnt in Gmail oder Docs, fügen die Basisvorlage und den Kontext zum Interessenten ein und bitten Gemini anschließend um Personalisierung. Der Rep prüft und verfeinert den Entwurf vor dem Versand – so behalten Sie die Kontrolle und reduzieren gleichzeitig den manuellen Umschreibaufwand massiv.

Sie benötigen kein Data-Science-Team, um mit Gemini in Google Workspace zu starten, aber einige Grundlagen sollten vorhanden sein:

  • Saubere, zugängliche CRM-Felder für Rolle, Branche, Unternehmensgröße und zentrale Aktivitäten.
  • Mindestens eine oder zwei solide Basis-E-Mail-Vorlagen und Sequenzen.
  • Eine:n Verantwortliche:n im Sales oder RevOps, der/die Prompts und Workflows mitdefinieren kann.
  • Basis-Enablement, damit Reps wissen, wann und wie sie Gemini in Gmail und Docs nutzen sollen.

Aus Skills-Perspektive muss Ihr Team vor allem in der Lage sein, Prompts zu testen, Feedback zu geben und KI-generierte Entwürfe zu bearbeiten – was deutlich einfacher ist, als jede E-Mail von Grund auf selbst zu schreiben.

Wenn Sie sich auf einen klar definierten Use Case konzentrieren (z. B. Erstkontakt-Outbound-E-Mails) und Ihre Daten vorbereitet sind, können Sie relativ schnell Wirkung sehen. In vielen Organisationen lässt sich ein kleiner Pilot für Gemini-gestützten Outreach in 1–2 Wochen aufsetzen – mit echten A/B-Testdaten zu Antwort- und Meeting-Quoten innerhalb von 4–8 Wochen.

Entscheidend ist, fokussiert zu starten, Erfolgskennzahlen vorab zu definieren und Prompts iterativ auf Basis der Performance anzupassen. Sie benötigen keinen Voll-Rollout, um zu lernen, ob Gemini Ihre aktuellen generischen Vorlagen schlägt.

Gemini selbst wird in der Regel pro Nutzer:in oder pro Organisation lizenziert, und da es innerhalb von Google Workspace läuft, sind keine großen Infrastrukturinvestitionen notwendig. Die wichtigsten Kostentreiber sind Lizenzen sowie etwas Aufwand für Konfiguration und Enablement.

Auf der ROI-Seite ergeben sich Vorteile durch höhere Antwort- und Meeting-Raten, bessere Conversion in Schlüsselsequenzen und eine deutliche Reduktion der Zeit, die in das manuelle Umschreiben von E-Mails fließt. Selbst moderate Verbesserungen (z. B. ein Plus von 10–20 % bei Meetings aus Outbound) können den Pipeline-Effekt spürbar steigern – insbesondere in hochpreisigen B2B-Sales-Umgebungen.

Reruption unterstützt Unternehmen End-to-End – von der Definition des passenden KI-Use-Cases im Vertrieb bis hin zur Auslieferung einer funktionierenden Lösung. Unser KI-PoC-Angebot (9.900 €) ist darauf ausgelegt, schnell zu validieren, ob Gemini Ihren Outreach verbessern kann: Wir schärfen den Use Case, wählen das passende Modell-Setup, bauen einen funktionierenden Prototypen innerhalb Ihrer Google-Workspace-Umgebung und messen die Performance im Vergleich zu Ihren aktuellen Vorlagen.

Über den PoC hinaus bedeutet unser Co-Preneur-Ansatz, dass wir uns wie ein Mitgründer in Ihr Team einbetten: Wir arbeiten direkt in Ihrer Sales- und RevOps-Umgebung, verfeinern Prompts und Workflows gemeinsam mit echten Reps, adressieren Security- und Compliance-Fragen und treiben das Projekt so lange voran, bis etwas Nutzbares live ist. Wenn Sie von „Wir sollten mehr personalisieren“ zu einem operativen, KI-gestützten Outreach-System kommen wollen, helfen wir Ihnen, dieses Ziel in Wochen statt Jahren zu erreichen.

Kontaktieren Sie uns!

0/10 min.

Direkt Kontaktieren

Your Contact

Philipp M. W. Hoffmann

Founder & Partner

Adresse

Reruption GmbH

Falkertstraße 2

70176 Stuttgart

Kontakt

Social Media