Die Herausforderung: Unvorbereitete Kundentermine

In vielen Vertriebsorganisationen starten Kundentermine noch immer mit generischen Vorstellungen und breiten Produktpitches, weil den Mitarbeitenden Zeit oder Werkzeuge für eine saubere Vorbereitung fehlen. Um wirklich vorbereitet zu sein, müssten sie E-Mails, CRM-Notizen, frühere Angebote, LinkedIn-Profile, Unternehmensnews und Branchentrends sichten – oft über sechs oder mehr Tabs hinweg. Unter konstantem Quotendruck und dicht getakteten Calls findet diese Recherche schlicht nicht statt. Meetings beginnen daher mit Rätselraten statt mit fundierten Insights.

Traditionelle Ansätze zur Vorbereitung funktionieren im Enterprise-Maßstab nicht mehr. Die Forderung, der Vertrieb solle „mehr recherchieren“, oder das Bereitstellen statischer Battlecards und Foliensätze lösen das Kernproblem nicht: Informationen sind fragmentiert, ändern sich schnell und müssen für jeden Account, jedes Buying Committee und sogar jedes einzelne Meeting individuell zugeschnitten werden. Manuelle Vorbereitung überlebt nicht in einer Welt mit 8–10 Stakeholdern pro Deal, komplexen Lösungsportfolios und Interessenten, die erwarten, dass Sie ihren Kontext besser kennen als sie selbst.

Die geschäftlichen Auswirkungen unvorbereiteter Kundentermine sind erheblich. Reps verfallen in One-Size-Fits-All-Demos, verpassen kritische Discovery-Fragen und übersehen Kaufsignale, die sich in E-Mail-Verläufen oder früheren Gesprächen verstecken. Das führt zu niedrigeren Conversion Rates, längeren Sales-Zyklen und verlorenen Deals an Wettbewerber, die mit schärferen Perspektiven auftreten. Führungskräfte kompensieren das dann mit mehr Headcount oder mehr Meetings statt mit besserer Execution pro Meeting – was die Akquisekosten in die Höhe treibt und Teams ausbrennt.

Die gute Nachricht: Dieses Problem ist lösbar. Mit dem richtigen Einsatz von KI-Copilots wie Gemini können Sie verstreute Informationen in Minuten statt Stunden in prägnante, dealspezifische Briefings verwandeln. Bei Reruption haben wir KI-Lösungen gebaut, die grundlegend verändern, wie Teams sich vorbereiten, entscheiden und handeln. Im weiteren Verlauf dieses Guides sehen Sie, wie Sie Gemini strategisch und taktisch einsetzen, damit Ihre Reps in jedes Kundengespräch informiert, selbstbewusst und bereit gehen, den Deal voranzubringen.

Brauchen Sie einen Sparring-Partner für diese Herausforderung?

Lassen Sie uns unverbindlich sprechen und brainstormen.

Innovatoren bei diesen Unternehmen vertrauen uns:

Unsere Einschätzung

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

Aus Reruption’s praktischer Arbeit beim Aufbau von KI-Copilots für Commercial-Teams wissen wir: Die größten Hebel entstehen nicht durch noch ein weiteres Dashboard – sondern dadurch, dass Intelligenz direkt in Workflows wie die Meeting-Vorbereitung eingebettet wird. Google Gemini ist hier besonders stark: Die Plattform kann öffentliche Web-Recherche, Unternehmensinformationen und interne Inhalte (E-Mails, Dokumente, CRM-Exporte) zu fokussierten, salesfähigen Briefings verknüpfen. Richtig eingesetzt wird Gemini zu einem Always-on-Analysten, der Reps in Minuten statt Stunden auf jede Kundeninteraktion vorbereitet.

Verankern Sie Gemini in einem klaren Sales-Workflow, nicht als generisches „Research-Tool“

Viele Teams führen KI für den Vertrieb als allgemeinen Assistenten ein und wundern sich dann über ausbleibende Adoption. Für die Meeting-Vorbereitung brauchen Sie jedoch einen konkreten Workflow: welche Inputs Gemini erhält, welche Outputs die Reps bekommen und an welcher Stelle im Sales-Prozess das Tool genutzt wird. Definieren Sie zum Beispiel, dass jeder Discovery-Call automatisch ein standardisiertes Gemini-Prep-Paket auslöst: Account-Zusammenfassung, Stakeholder-Map, zugeschnittene Value-Hypothesen und 10 Discovery-Fragen.

Mit dieser Denkweise wird Gemini von einem „Nice-to-have“-Tool zu einem unverzichtbaren Schritt in Ihrem Playbook. Gleichzeitig entsteht eine Grundlage für Coaching durch Sales Manager:innen: Sie können die KI-generierte Vorbereitung prüfen, mit den Call-Ergebnissen abgleichen und Prompts sowie Templates im Zeitverlauf verfeinern. Ohne diese Struktur wird Gemini schnell zu einem weiteren Browser-Tab – gelegentlich genutzt, aber ohne messbaren Impact.

Für Variabilität über Segmente, Branchen und Deal-Phasen hinweg designen

Unvorbereitete Meetings sehen im SMB-Umfeld anders aus als im Enterprise-Segment – und in der frühen Discovery-Phase anders als in späten Verhandlungen. Ein strategischer Einsatz von Gemini für Vertriebsproduktivität berücksichtigt diese Unterschiede. Sie sollten unterschiedliche Prep-Templates für New-Logo-Discovery, Expansion in Bestandskunden und Executive-Briefings konfigurieren – jeweils mit klarer Fokussierung auf erwartete Outcomes und Stakeholder-Typen.

Denken Sie in „Prep-Playbooks“ statt in einem einzigen universellen Prompt. Enterprise-Meetings könnten zum Beispiel Organigramme, strategische Initiativen und Risikonarrative priorisieren, während im Mid-Market eher Differenzierung zum Wettbewerb und schneller ROI im Vordergrund stehen. Diese Segmentierung erhöht die Relevanz, vermeidet Informationsüberflutung und hilft Reps dabei, dem KI-Output zu vertrauen, weil er die nächste Kundenkonversation tatsächlich unterstützt.

Früh in Datenfundament und Zugriffsgrenzen investieren

Gemini ist nur so gut wie die Daten und Dokumente, auf die es zugreifen kann. Um daraus einen verlässlichen Copilot für die Vorbereitung von Sales-Meetings zu machen, müssen Sie festlegen, auf welche internen Quellen die KI zugreifen soll (CRM-Exporte, Angebotsbibliotheken, Case Studies, frühere Call-Notizen) und unter welchen Security- und Compliance-Bedingungen. Fragmentierte oder veraltete Daten führen zu schlechter Vorbereitung; zu weit gefasster Zugriff kann Compliance- oder Vertraulichkeitsrisiken erzeugen.

Strategisch bedeutet das: frühzeitige Abstimmung mit IT, Security und Legal. Definieren Sie, was für KI genutzt werden darf, wie PII und sensible Deal-Daten gehandhabt werden und wo Logs gespeichert werden. Bei Reruption laufen unsere Workstreams AI Engineering und Security & Compliance typischerweise parallel – aus gutem Grund: Starke Leitplanken erhöhen Vertrauen und Adoption, was kritisch ist, sobald KI in Interaktionen auf Executive-Level eingesetzt wird.

Bereiten Sie Ihr Team auf einen Copilot vor – nicht auf einen Ersatz

Ein wiederkehrendes Scheitermuster in Projekten zu KI im Vertrieb ist der Glaube, das Tool werde den Kunden „magisch kennen“. In der Realität ist Gemini hervorragend darin, Informationen zu aggregieren und zu strukturieren, aber Ihre Reps müssen weiterhin Urteilsvermögen einbringen, Annahmen hinterfragen und das Gespräch in Echtzeit anpassen. Positionieren Sie Gemini als Copilot, der die schwere Recherche- und Entwurfsarbeit übernimmt – während der Mensch für Entscheidungen und Nuancen verantwortlich bleibt.

Organisatorisch heißt das, Reps darin zu schulen, KI-Outputs kritisch zu prüfen und zu verbessern: Namen und Titel checken, Value-Hypothesen anpassen und Account-spezifische Nuancen ergänzen. Sales Leader sollten dieses Verhalten vorleben, etwa indem sie KI-vorbereitete Briefings in Pipeline-Reviews gemeinsam durchgehen. Wenn Reps sehen, dass „KI-Prep“ der Startpunkt und nicht die finale Antwort ist, steigt die Bereitschaft zur Nutzung – und das Risiko sinkt, Inhalte unreflektiert in kritische Meetings zu kopieren.

Mit einem fokussierten Pilot und klaren Produktivitätsmetriken starten

Statt Gemini direkt in der gesamten Vertriebsorganisation auszurollen, beginnen Sie mit einem gezielten Pilot rund um das konkrete Problem unvorbereiteter Kundentermine. Wählen Sie eine repräsentative Gruppe von Reps, einen klar definierten Satz von Meeting-Typen (z. B. erste Discovery-Calls in einer Region) und einen klaren Ausgangswert für aktuelle Vorbereitungszeit, Call-Ergebnisse und subjektive Meeting-Qualität.

Messen Sie dann den Impact: Reduktion manueller Recherchezeit, steigender Anteil von Meetings mit dokumentierter Vorbereitung, Veränderungen in der Conversion vom ersten Meeting zur Opportunity sowie qualitatives Feedback von Interessenten. Dieses Vorgehen passt gut zu Reruption’s AI-PoC-Philosophie: Sie validieren, dass der Use Case in der Praxis funktioniert – inklusive der menschlichen Faktoren – bevor Sie in eine vollständige Integration in CRM- und Kommunikationssysteme investieren.

Gemini für die Vorbereitung von Sales-Meetings zu nutzen bedeutet nicht, ein weiteres glänzendes Tool hinzuzufügen – es geht darum, einen konsistenten, KI-gestützten Workflow zu etablieren, der verstreute Informationen in präzise, maßgeschneiderte Kundengespräche verwandelt. Wenn Sie Gemini als strukturierten Copilot definieren, verankert in Ihren Daten und Sales-Playbooks, kommen Reps besser vorbereitet in Meetings und Deals bewegen sich schneller voran. Reruption hat wiederholt Organisationen dabei unterstützt, von abstrakten KI-Ideen zu funktionierenden Copilots in den täglichen Workflows zu kommen. Wenn Sie einen fokussierten PoC rund um unvorbereitete Meetings prüfen möchten, helfen wir Ihnen, ein Vorhaben zu scopen, zu prototypisieren und so auszurollen, dass es tatsächlich genutzt wird.

Hilfe bei der Umsetzung dieser Ideen?

Nehmen Sie gerne unverbindlich Kontakt zu uns auf.

Fallbeispiele aus der Praxis

Von Bildung bis Logistik: Erfahren Sie, wie Unternehmen Gemini erfolgreich einsetzen.

Khan Academy

Bildung

Khan Academy stand vor der gewaltigen Aufgabe, personalisierte Nachhilfe in großem Maßstab für ihre 100M+ jährlichen Nutzenden bereitzustellen, viele davon in unterversorgten Regionen. Traditionelle Online-Kurse, so wirksam sie auch sind, fehlte die interaktive Eins-zu-eins-Begleitung durch menschliche Tutoren, was zu hohen Abbruchraten und ungleichmäßigen Lernfortschritten führte. Lehrkräfte waren mit Planung, Bewertung und Differenzierung für heterogene Klassen überlastet. Im Jahr 2023, als KI große Fortschritte machte, kämpften Pädagogen mit Halluzinationen und Risiken einer Überabhängigkeit bei Tools wie ChatGPT, die häufig direkte Antworten statt Lernförderung lieferten. Khan Academy benötigte eine KI, die schrittweises Denken fördert, ohne zu schummeln, und gleichzeitig gleichberechtigten Zugang als Nonprofit sicherstellt. Sichere Skalierung über Fächer und Sprachen hinweg stellte technische und ethische Hürden dar.

Lösung

Khan Academy entwickelte Khanmigo, einen KI-gestützten Tutor und Lehrassistenten, der auf GPT-4 basiert, im März 2023 für Lehrkräfte pilotiert und später für Schüler ausgeweitet. Anders als generische Chatbots nutzt Khanmigo maßgeschneiderte System‑Prompts, um Lernende sokratisch zu führen — mit gezielten Fragen, Hinweisen und Feedback, ohne direkte Lösungen zu liefern — in Mathematik, Naturwissenschaften, Geisteswissenschaften und mehr. Der gemeinnützige Ansatz legte Wert auf Sicherheitsmaßnahmen, Integration in Khans Content-Bibliothek und iterative Verbesserungen durch Lehrkräfte-Feedback. Partnerschaften wie mit Microsoft ermöglichten Lehrkräften bis 2024 kostenlosen globalen Zugang, inzwischen in 34+ Sprachen. Laufende Updates, etwa 2025 zur Mathematik‑Berechnung, adressieren Genauigkeitsprobleme.

Ergebnisse

  • Nutzerwachstum: 68.000 (Pilot 2023-24) auf 700.000+ (Schuljahr 2024-25)
  • Lehrerakzeptanz: Kostenlos für Lehrkräfte in den meisten Ländern, Millionen nutzen Khan Academy-Tools
  • Unterstützte Sprachen: 34+ für Khanmigo
  • Engagement: Verbesserte Schüler-Persistenz und Lernfortschritte in Pilotprojekten
  • Zeitersparnis: Lehrkräfte sparen Stunden bei Unterrichtsplanung und -vorbereitung
  • Skalierung: Integriert in 429+ kostenlose Kurse in 43 Sprachen
Fallstudie lesen →

Duolingo

EdTech

Duolingo, ein Vorreiter im gamifizierten Sprachlernen, sah sich mit wesentlichen Einschränkungen bei der Bereitstellung von praktischer Konversationspraxis und tiefgehendem Feedback konfrontiert. Während die kurzen Lektionen Wortschatz und Grundlagen effektiv vermittelten, sehnten sich Nutzer nach immersiven Dialogen, die Alltagssituationen simulieren – etwas, das statische Übungen nicht leisten konnten . Diese Lücke behinderte den Fortschritt in Richtung Sprachflüssigkeit, da Lernende kaum Gelegenheiten für freies Sprechen und nuancierte Grammatik-Erklärungen ohne teure menschliche Tutoren hatten. Zudem war die Inhaltserstellung ein Engpass. Fachexperten erstellten Lektionen manuell, was die Einführung neuer Kurse und Sprachen bei schnellem Nutzerwachstum verlangsamte. Die Skalierung personalisierter Erfahrungen über 40+ Sprachen erforderte Innovation, um das Engagement ohne proportionale Ressourcensteigerung aufrechtzuerhalten . Diese Herausforderungen drohten erhöhte Abwanderung und begrenzte Monetarisierung in einem wettbewerbsintensiven EdTech-Markt.

Lösung

Duolingo startete Duolingo Max im März 2023 – ein Premium-Abo, das von GPT-4 angetrieben wird und Roleplay für dynamische Dialoge sowie Explain My Answer für kontextuelle Rückmeldungen einführte . Roleplay simuliert reale Interaktionen wie Kaffeebestellungen oder Urlaubsplanung mit KI-Charakteren und passt sich in Echtzeit an Nutzereingaben an. Explain My Answer liefert detaillierte Aufschlüsselungen richtiger/falscher Antworten und verbessert so das Verständnis. Ergänzend automatisiert Duolingo's Birdbrain-LLM (feinabgestimmt auf proprietären Daten) die Lektionserstellung, sodass Experten Inhalte 10× schneller produzieren können . Dieser hybride Mensch‑KI-Ansatz sicherte Qualität bei gleichzeitiger schneller Skalierung und wurde nahtlos in die App für alle Schwierigkeitsstufen integriert .

Ergebnisse

  • DAU-Wachstum: +59 % YoY auf 34,1 Mio. (Q2 2024)
  • DAU-Wachstum: +54 % YoY auf 31,4 Mio. (Q1 2024)
  • Umsatzwachstum: +41 % YoY auf 178,3 Mio. $ (Q2 2024)
  • Bereinigte EBITDA-Marge: 27,0 % (Q2 2024)
  • Lektionserstellung: 10× schneller mit KI
  • Selbstwirksamkeit der Nutzer: deutliche Steigerung nach KI-Nutzung (Studie 2025)
Fallstudie lesen →

Walmart (Marketplace)

Einzelhandel

Im umkämpften Umfeld des Walmart Marketplace konkurrieren Drittanbieter‑Verkäufer hart um die Buy Box, die den Großteil der Verkaufsabschlüsse ausmacht . Diese Verkäufer verwalten umfangreiche Bestände, haben aber mit manuellen Preisänderungen zu kämpfen, die zu langsam sind, um mit sich schnell ändernden Wettbewerberpreisen, Nachfrageschwankungen und Markttrends Schritt zu halten. Das führt häufig zum Verlust der Buy Box, verpassten Verkaufschancen und geschwächten Gewinnmargen auf einer Plattform, auf der Preis das wichtigste Schlachtfeld ist . Zusätzlich sehen sich Verkäufer einer Datenflut gegenüber, wenn sie Tausende von SKUs überwachen, optimale Preisniveaus prognostizieren und Wettbewerbsfähigkeit gegen Profitabilität abwägen müssen. Traditionelle statische Preisstrategien versagen in diesem dynamischen E‑Commerce‑Umfeld, was zu suboptimaler Leistung und übermäßigem manuellen Aufwand führt – oft Stunden pro Tag und Verkäufer . Walmart erkannte den Bedarf an einer automatisierten Lösung, um Verkäufer zu stärken und das Plattformwachstum voranzutreiben.

Lösung

Walmart führte den Repricer ein, ein kostenloses KI‑gesteuertes automatisiertes Preiswerkzeug, das in Seller Center integriert ist und generative KI zur Entscheidungsunterstützung neben Machine‑Learning‑Modellen wie sequentieller Entscheidungsintelligenz nutzt, um Preise in Echtzeit dynamisch anzupassen . Das Tool analysiert Wettbewerberpreise, historische Verkaufsdaten, Nachfrageindikatoren und Marktbedingungen, um optimale Preise zu empfehlen und umzusetzen, die die Buy‑Box‑Berechtigung und die Verkaufsgeschwindigkeit maximieren . Ergänzend dazu liefert das Pricing Insights‑Dashboard Kontoebenen‑Metriken und KI‑generierte Empfehlungen, einschließlich vorgeschlagener Preise für Aktionen, sodass Verkäufer Chancen ohne manuelle Analyse erkennen können . Für fortgeschrittene Nutzer erweitern Drittanbietertools wie Biviar's AI repricer – im Auftrag von Walmart entwickelt – dies durch Reinforcement Learning zur profitmaximierenden täglichen Preisfindung . Dieses Ökosystem verschiebt Verkäufer von reaktiven zu proaktiven Preisstrategien.

Ergebnisse

  • 25% Steigerung der Conversion‑Raten durch dynamische KI‑Preisgestaltung
  • Höhere Buy‑Box‑Gewinnraten durch Echtzeit‑Wettbewerbsanalyse
  • Maximierte Verkaufsgeschwindigkeit für Drittanbieter im Marketplace
  • 850 Millionen Katalognachdatenverbesserungen durch GenAI (breitere Wirkung)
  • Potenzial für über 40% Conversion‑Steigerung durch KI‑gesteuerte Angebote
  • Reduzierung der manuellen Preisfindung um täglich mehrere Stunden pro Verkäufer
Fallstudie lesen →

Capital One

Bankwesen

Capital One sah sich mit einem hohen Volumen routinemäßiger Kundenanfragen konfrontiert, die ihre Callcenter überschwemmten – darunter Kontostände, Transaktionshistorien und grundlegende Supportanfragen. Das führte zu steigenden Betriebskosten, Überlastung der Agenten und frustrierenden Wartezeiten für Kunden, die sofortige Hilfe erwarteten. Traditionelle Callcenter arbeiteten nur eingeschränkt rund um die Uhr und konnten die Anforderungen an 24/7-Verfügbarkeit im wettbewerbsintensiven Bankenmarkt, in dem Tempo und Komfort zentral sind, nicht erfüllen. Zusätzlich erschwerten die branchenspezifische Finanzterminologie und regulatorische Vorgaben die Lage, wodurch Standard-AI-Lösungen unzureichend waren. Kunden erwarteten personalisierte, sichere Interaktionen, doch die Skalierung menschlicher Unterstützung war angesichts der wachsenden Nutzung digitaler Bankangebote nicht nachhaltig.

Lösung

Capital One begegnete diesen Problemen durch die Entwicklung von Eno, einem proprietären konversationellen KI-Assistenten, der auf firmeneigener NLP beruht und für Banking-Vokabular angepasst wurde. Ursprünglich 2017 als SMS-Chatbot eingeführt, wurde Eno auf mobile Apps, Weboberflächen und Sprachintegration mit Alexa ausgeweitet und ermöglicht Multichannel-Support per Text oder Sprache für Aufgaben wie Kontostandsabfragen, Ausgabenanalysen und proaktive Benachrichtigungen. Das Team meisterte die Terminologie-Herausforderungen durch die Entwicklung domänenspezifischer NLP-Modelle, die auf Capital One–Daten trainiert wurden und so natürliche, kontextbewusste Gespräche gewährleisteten. Eno eskaliert komplexe Anfragen nahtlos an Agenten und bietet gleichzeitig Betrugsschutz durch Echtzeitüberwachung – bei gleichbleibend hohen Sicherheitsstandards.

Ergebnisse

  • 50% Reduzierung des Callcenter-Kontaktvolumens bis 2024
  • Rund-um-die-Uhr-Verfügbarkeit, die jährlich Millionen von Interaktionen abwickelt
  • Über 100 Millionen verarbeitete Kundengespräche
  • Bedeutende Einsparungen bei den Betriebskosten im Kundenservice
  • Beinahe sofortige Antwortzeiten bei Routineanfragen
  • Verbesserte Kundenzufriedenheit durch personalisierten Support
Fallstudie lesen →

AT&T

Telekommunikation

Als führender Netzbetreiber verwaltet AT&T eines der weltweit größten und komplexesten Netzwerke, das Millionen von Funkzellen, Glasfasern und 5G-Infrastruktur umfasst. Die zentralen Herausforderungen umfassten ineffiziente Netzplanung und -optimierung, etwa die Festlegung optimaler Standorte für Funkzellen und die Frequenzakquisition vor dem Hintergrund explodierender Datenanforderungen durch den 5G-Rollout und das Wachstum des IoT. Traditionelle Methoden beruhten auf manueller Analyse, was zu suboptimaler Ressourcenzuteilung und höheren Kapitalaufwendungen führte. Zusätzlich verursachte die reaktive Netzwartung häufige Ausfälle, da die Anomalieerkennung nicht mit den Echtzeitanforderungen Schritt hielt. Probleme proaktiv zu erkennen und zu beheben war entscheidend, um Ausfallzeiten zu minimieren, doch die enormen Datenmengen aus Netzwerksensoren überforderten die Altsysteme. Dies führte zu erhöhten Betriebskosten, Kundenunzufriedenheit und verzögerter 5G-Bereitstellung. AT&T benötigte skalierbare KI, um Ausfälle vorherzusagen, Selbstheilung zu automatisieren und die Nachfrage präzise zu prognostizieren.

Lösung

AT&T integrierte Maschinelles Lernen und Vorhersageanalytik über seine AT&T Labs und entwickelte Modelle für das Netzwerkdesign, einschließlich Spektrum-Refarming und Optimierung von Funkzellenstandorten. KI-Algorithmen analysieren Geodaten, Verkehrsprofile und historische Leistungsdaten, um ideale Standorte für Sendemasten zu empfehlen und so Baukosten zu reduzieren. Für den Betrieb nutzen Systeme zur Anomalieerkennung und Selbstheilung prädiktive Modelle auf NFV (Network Function Virtualization), um Ausfälle vorherzusagen und automatisierte Behebungen durchzuführen, etwa durch Umleitung von Traffic. Kausale KI geht über Korrelationen hinaus und liefert Ursachenanalysen bei Abwanderung und Netzproblemen. Die Implementierung umfasste Edge-to-Edge-Intelligenz und die Bereitstellung von KI in den Arbeitsabläufen von über 100.000 Ingenieurinnen und Ingenieuren.

Ergebnisse

  • Milliarden von Dollar an Einsparungen bei Netzwerkkosten
  • 20–30% Verbesserung der Netzauslastung und Effizienz
  • Signifikante Reduktion von Vor-Ort-Einsätzen (Truck Rolls) und manuellen Eingriffen
  • Proaktive Erkennung von Anomalien, die größere Ausfälle verhindert
  • Optimierte Standortwahl für Funkzellen, die CapEx um Millionen reduziert
  • Bis zu 40% bessere Genauigkeit bei 5G-Nachfrageprognosen
Fallstudie lesen →

Best Practices

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

Erstellen Sie ein standardisiertes Gemini-Template für „Meeting Prep“-Prompts

Der schnellste Weg, KI-gestützte Vorbereitung von Sales-Meetings zu operationalisieren, ist ein wiederverwendbarer Prompt, den jede Vertriebsmitarbeiterin und jeder Vertriebsmitarbeiter vor einem Call nutzen kann. Dieses Template sollte öffentliche Web-Recherche mit internen Informationen zum Account, zur Opportunity und zu den Produktlinien kombinieren. Ermutigen Sie Reps, relevante Snippets aus dem CRM, aus aktuellen E-Mails und eventuellen Briefing-Notes direkt in den Prompt zu kopieren.

Beispiel-Prompt für Gemini:

Sie sind ein Copilot für die Vorbereitung von Vertriebsmeetings.

Ziel: Bereiten Sie mich auf einen 45-minütigen Discovery-Call mit folgendem Interessenten vor.

Interessentendaten:
- Unternehmen: <Unternehmensname>
- Website: <URL>
- Rollen der Ansprechpersonen und LinkedIn-Profile: <Namen/URLs, falls verfügbar>
- Meeting-Kontext: <kurze Beschreibung, z. B. Inbound-Demo-Anfrage, RFP, Expansion>

Interne Informationen:
- CRM-Notizen: <relevante Notizen einfügen>
- Aktuelle E-Mails: <letzte 3–5 E-Mails einfügen>
- Relevante Produkte/Lösungen: <auflisten>

Aufgaben:
1) Fassen Sie das Unternehmen in 5 Bullet Points zusammen (Geschäftsmodell, Größe, Kernmärkte).
2) Identifizieren Sie wahrscheinliche geschäftliche Prioritäten und Herausforderungen basierend auf Branche und aktuellen News.
3) Schlagen Sie 3–5 maßgeschneiderte Value-Hypothesen vor, die unsere Lösungen mit deren Kontext verknüpfen.
4) Entwickeln Sie 10 Discovery-Fragen, nach Themen gruppiert.
5) Heben Sie potenzielle Risiken oder Red Flags hervor, über die ich Bescheid wissen sollte.
6) Erstellen Sie ein prägnantes Meeting-Briefing auf einer Seite, das ich in 3 Minuten lesen kann.

Schulen Sie Reps darin, diesen Prompt zu speichern (z. B. in einem Snippet-Manager oder im internen Wiki) und ihn je Segment leicht anzupassen. Mit der Zeit können Sie den Prompt auf Basis der Teile des KI-Outputs verfeinern, die am stärksten mit erfolgreichen Meetings korrelieren.

Nutzen Sie Gemini, um lange E-Mail-Verläufe und Dokumente in ein Deal-Briefing zu verwandeln

Vor vielen Meetings liegen die wertvollsten Signale in langen E-Mail-Ketten, technischen Anhängen oder internen Slack-Threads verborgen. Statt Reps alles durchscrollen zu lassen, nutzen Sie Gemini, um dieses Rauschen in ein kurzes Deal-Briefing zu überführen, das sie schnell aufnehmen können. Besonders wirkungsvoll ist dies bei Handover-Situationen zwischen SDRs und AEs oder zwischen Sales und Customer Success.

Beispiel-Prompt für Gemini:

Sie unterstützen bei der Vorbereitung eines Vertriebsdeals.

Gegeben sind:
- E-Mail-Verläufe zwischen unserem Team und dem Interessenten
- Interne Notizen und Slack-Nachrichten zu diesem Account
- Alle angehängten Anforderungen oder Dokumente

Aufgaben:
1) Fassen Sie die Historie des Deals in einer Erzählung von maximal 10 Bullet Points zusammen.
2) Listen Sie alle bekannten Stakeholder, ihre Rollen und vermuteten Interessen auf.
3) Extrahieren Sie zentrale Anforderungen, Rahmenbedingungen und Entscheidungskriterien.
4) Identifizieren Sie offene Fragen, die wir im nächsten Meeting klären sollten.
5) Schlagen Sie eine kurze Meeting-Agenda vor, um die Opportunity voranzubringen.

Dieser Workflow kann die Handover-Zeit drastisch reduzieren und sicherstellen, dass selbst ein Rep, der mitten im Zyklus neu einsteigt, genügend Kontext hat, um ein sicheres, fokussiertes Meeting zu führen.

Branchenspezifische Discovery-Fragensets nach Persona generieren

Generische Discovery-Fragen sind ein sicheres Zeichen unvorbereiteter Meetings. Mit Gemini können Sie personaspezifische Discovery-Fragen generieren und verfeinern, die an Brancheneigenheiten und Ihr Lösungsportfolio gekoppelt sind. Starten Sie mit Master-Fragensets für Schlüssel-Personas (CFO, CIO, Head of Operations, Sales Leader) und Branchen und lassen Sie Gemini diese anschließend für einzelne Accounts adaptieren.

Beispiel-Prompt für Gemini:

Sie sind ein Experte für Sales-Discovery.

Kontext:
- Branche: <Branche>
- Persona: <z. B. CFO, VP Operations>
- Unser Lösungsfokus: <kurze Beschreibung>
- Situation des Interessenten (falls bekannt): <kurze Zusammenfassung>

Aufgabe:
Erstellen Sie 15 Discovery-Fragen, die:
- generische Aufforderungen wie „Erzählen Sie mir etwas über Ihr Geschäft“ vermeiden
- sich direkt auf wahrscheinliche KPIs und Initiativen dieser Persona beziehen
- aktuellen Pain, bestehende Lösungen und den Entscheidungsprozess sichtbar machen
- in einem beratenden, nicht suggestiven Ton formuliert sind

Gruppieren Sie die Fragen in 3 Abschnitte: Current State, Impact & Priorities, Decision & Next Steps.

Speichern Sie die besten Outputs in einem gemeinsamen Repository und lassen Sie Reps 5–8 Fragen aus dieser Bibliothek in ihre konkrete Meeting-Vorbereitung übernehmen. So bauen Sie im Zeitverlauf ein lebendes Asset auf, das mit Feedback aus realen Calls immer schärfer wird.

Verbinden Sie Gemini-Prep mit Ihrem CRM und Ihren Notizgewohnheiten

Um kein weiteres isoliertes Artefakt zu erzeugen, integrieren Sie die Gemini-Meeting-Prep in Ihr CRM und Ihre Dokumentationsgewohnheiten. Nachdem Gemini das Briefing erstellt hat, sollten Reps die wichtigsten Teile (Zusammenfassung, Stakeholder, Value-Hypothesen, geplante Fragen) in die entsprechenden CRM-Felder oder einen standardisierten Meeting-Prep-Bereich einfügen. So wird Vorbereitung sichtbar und messbar.

Nach dem Meeting können Reps ihre Rohnotizen oder Auszüge aus dem Call-Transcript wieder in Gemini einfügen – mit einem Folgeprompt wie: „Fassen Sie das Meeting in 8 Bullet Points zusammen, aktualisieren Sie die Opportunity-Beschreibung und listen Sie Next-Best-Actions inklusive Verantwortlichen und Terminen auf.“ Damit schließen Sie den Kreis: Derselbe Copilot, der das Meeting vorbereitet, strukturiert auch dessen Ergebnisse, reduziert Admin-Aufwand und verbessert die Datenqualität.

Nutzen Sie Gemini zum Verfassen maßgeschneiderter Opening- und Recap-E-Mails

Gute Vorbereitung wird durch klare Kommunikation vor und nach dem Meeting verstärkt. Nutzen Sie Gemini, um personalisierte Pre-Meeting- und Post-Meeting-E-Mails auf Basis des Briefings und der Notizen zu verfassen. Das spart Zeit und stellt sicher, dass jeder Kundenkontaktpunkt maßgeschneidert und professionell wirkt.

Beispiel-Prompt für eine Pre-Meeting-E-Mail:

Sie helfen einem Vertriebsmitarbeitenden, eine prägnante, professionelle Pre-Meeting-E-Mail zu schreiben.

Inputs:
- Details zum Interessenten und Meeting-Kontext: <aus dem Briefing einfügen>
- Geplante Agenda: <auflisten>

Aufgabe:
Verfassen Sie eine E-Mail, die:
- Zeitpunkt und Teilnehmende bestätigt
- eine Agenda mit 2–3 Bullet Points teilt
- zeigt, dass wir den Kontext des Kunden verstehen
- den Kunden einlädt, weitere Themen oder Fragen zu ergänzen

Halten Sie die E-Mail unter 180 Wörtern und wählen Sie einen neutralen, businessfreundlichen Ton.

Für Recap-E-Mails können Sie Gemini bitten, vereinbarte Pain Points, Next Steps, Verantwortliche und Timelines hervorzuheben. Das reduziert Reibung in der Nachbereitung und hilft, die Opportunity ohne zusätzlichen manuellen Aufwand voranzutreiben.

Prompts kontinuierlich anhand von Call-Ergebnissen und Manager-Feedback verfeinern

Ihre erste Version der Gemini-Prompts für die Meeting-Vorbereitung wird nicht perfekt sein. Behandeln Sie sie als lebende Assets: Fragen Sie Reps und Manager:innen nach wichtigen Calls, wo die Vorbereitung hilfreich war und wo sie danebenlag. Verfeinern Sie die Prompts dann – gewichten Sie bestimmte Bereiche stärker oder schwächer, fügen Sie neue Fragen hinzu oder passen Sie den Detaillierungsgrad an.

Wenn Reps beispielsweise berichten, dass die KI zu viel Zeit auf generische Unternehmensbeschreibungen verwendet und zu wenig auf potenzielle Blocker, passen Sie den Prompt so an, dass explizit nach „3 potenziellen internen Blockern und möglichen Gegenmaßnahmen“ gefragt wird. Dokumentieren Sie diese Iterationen zentral, damit Verbesserungen im gesamten Team ankommen. Nach einigen Zyklen werden Sie feststellen, dass die Qualität der Vorbereitung stabil hoch ist und zur konsistenten Stärke statt zum Zufallsprodukt wird.

Wenn dieser Ansatz konsequent umgesetzt wird, sehen Unternehmen typischerweise konkrete Ergebnisse: 30–50 % weniger manuelle Recherchezeit pro Meeting, nahezu 100 % dokumentierte Vorbereitung für Schlüssel-Calls, fokussiertere Discovery-Gespräche und einen messbaren Anstieg der Conversion vom ersten Meeting zur qualifizierten Opportunity. Die exakten Kennzahlen variieren, doch das Muster ist konsistent: Besser vorbereitete Reps schließen mehr Deals – mit gleicher oder sogar geringerer Teamgröße.

Brauchen Sie jetzt Umsetzungskompetenz?

Lassen Sie uns über Ihre Ideen sprechen!

Häufig gestellte Fragen

Gemini agiert als Copilot für die Vorbereitung von Sales-Meetings. Reps geben einige Basisinformationen ein – Unternehmensname, Meeting-Kontext, aktuelle E-Mails und relevante CRM-Notizen – und Gemini erstellt daraus ein kompaktes Briefing: Unternehmensüberblick, wahrscheinliche Prioritäten, Stakeholder-Map, maßgeschneiderte Value-Hypothesen und gezielte Discovery-Fragen. Außerdem kann Gemini lange E-Mail-Verläufe und interne Notizen durchsuchen, um die Deal-Historie und offene Punkte zu summarisch aufzubereiten.

Statt 30–60 Minuten zwischen mehreren Tabs zu springen, erhalten Reps ein strukturiertes Briefing von 3–5 Minuten Lesezeit, das sie vor dem Call durchgehen können. So sinkt das Risiko von „Blank-Slate“-Meetings drastisch, und selbst neue Teammitglieder können mit einem Kontext auf Senior-Level-Niveau arbeiten.

Sie benötigen kein großes Data-Science-Team, um zu starten. Minimal erforderlich sind: (1) eine Projektverantwortliche oder ein Projektverantwortlicher im Sales- oder Revenue-Operations-Bereich, (2) Zugang zu Gemini (über Google Workspace oder API) und (3) Zusammenarbeit mit IT/Security zur Definition von Datenzugriffsregeln. Die Kernarbeit liegt darin, wirksame Prompts zu designen, Workflows zu standardisieren und Outputs in Ihre bestehenden Tools (CRM, E-Mail, Notizen) zu integrieren.

Reruption bringt typischerweise eine:n KI-Engineer und eine:n produktorientierte:n Lead mit, die mit Ihrer Vertriebsleitung zusammenarbeiten. Gemeinsam definieren wir Workflows, entwickeln und testen Prompt-Templates und richten leichte Integrationen oder Automatisierungen ein, damit das Erlebnis für Ihre Reps reibungslos ist.

Für einen fokussierten Pilot zum Thema unvorbereitete Kundentermine sehen Sie in der Regel innerhalb von 2–4 Wochen erste Ergebnisse. In der ersten Woche definieren Sie Workflows und initiale Prompts; in Woche zwei und drei nutzt eine Teilgruppe von Reps Gemini in echten Meetings, während Sie Feedback einsammeln und das Setup anpassen. Bis Woche vier sollten Sie klare Indikatoren zu reduzierter Vorbereitungszeit, Adoption und ersten Effekten auf die Meeting-Qualität haben.

Eine tiefere Integration ins CRM und ein Rollout über das gesamte Unternehmen hinweg können je nach Tech-Landschaft und Change-Management-Bedarf mehrere zusätzliche Wochen erfordern. Sie müssen jedoch nicht auf die vollständige Integration warten, um zu profitieren – selbst ein Copy-&-Paste-Workflow kann schnell sichtbare Effekte bringen.

Der ROI entsteht sowohl durch Zeitersparnis als auch durch bessere Deal-Ergebnisse. Auf der Zeitachse reduzieren Teams manuelle Recherche und Strukturierung von Notizen häufig um 30–50 % – das schafft pro Rep mehrere zusätzliche Stunden pro Woche für echte Vertriebsarbeit. Auf der Effektivitätsseite führen besser vorbereitete Meetings typischerweise zu höheren Conversion-Raten vom ersten Call zur qualifizierten Opportunity und zu kürzeren Sales-Zyklen, insbesondere in komplexen B2B-Deals.

Da Gemini eine flexible Plattform ist, können Sie klein starten – z. B. mit einer begrenzten Anzahl Lizenzen oder einem eng umrissenen Use Case – und nach dem Nachweis des Impacts skalieren. Während eines PoC unterstützt Reruption Sie bei der Definition und dem Tracking konkreter Metriken (Vorbereitungszeit, Adoption, Conversion Rates), damit Sie den ROI quantifizieren und nicht nur anhand von Anekdoten bewerten.

Reruption unterstützt Sie End-to-End mit einem Co-Preneur-Ansatz: Wir arbeiten eingebettet mit Ihrem Team, hinterfragen bestehende Sales-Workflows und bauen Lösungen, die tatsächlich live gehen. Unser AI-PoC-Angebot (9.900€) ist ein strukturierter Weg, diesen Use Case schnell zu validieren. Wir helfen Ihnen, den Meeting-Prep-Workflow zu definieren, Gemini-Prompts zu designen und zu testen, Machbarkeit und Security zu bewerten und einen funktionierenden Prototyp zu liefern, den Ihre Reps in realen Opportunities nutzen können.

Über den PoC hinaus stellen unsere Kompetenzen in AI Engineering, Strategy und Enablement sicher, dass die Lösung skaliert: Wir integrieren sie in Ihr CRM und Ihre Produktivitätstools, setzen Governance auf und trainieren Ihre Vertriebsorganisation, sodass Gemini zu einem natürlichen Bestandteil jedes wichtigen Kundentermins wird – und nicht zu einem weiteren ungenutzten Tool im Stack.

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