„Wir wollen zunächst ein paar CRM Quick Wins realisieren.“ Diesen Satz höre ich seit Jahren in CRM-, Customer-Experience- und Digitalisierungsprojekten. Inzwischen fällt er mit ähnlicher Zuverlässigkeit auch in nahezu jedem zweiten KI-Projekt. Und sobald diese Formulierung auftaucht, werde ich extrem hellhörig.
Nicht, weil schnelle Erfolge grundsätzlich falsch wären, sondern weil „Quick Wins“ in vielen Unternehmen längst zu einem Tarnbegriff geworden sind.
Denn dahinter verbergen sich häufig fehlende Strategien, schlechte Daten, ungeklärte Verantwortlichkeiten und vor allem die mangelnde Bereitschaft, sich mit den unangenehmen, aber entscheidenden Grundlagen eines Projekts auseinanderzusetzen.
Nach vielen Jahren Projekterfahrung sehe ich es mittlerweile so: Viele sogenannte KI, CX oder CRM Quick Wins sind keine echten Erfolge. Es handelt sich vielmehr um Beruhigungspillen für Organisationen, die sich vor der eigentlichen Arbeit drücken.
Zugegeben: Das klingt hart. Doch nach vielen Jahren in Projekten, insbesondere in Industrieunternehmen, erlebe ich immer wieder dasselbe Muster:
- Das Management möchte nach wenigen Wochen sichtbare Ergebnisse präsentieren.
- Die Projektleitung braucht Fortschritte, die sich in einem Steering Committee gut darstellen lassen.
- Die Fachbereiche wollen möglichst wenig an bestehenden Abläufen verändern.
- Und IT soll idealerweise sofort eine funktionierende Lösung bereitstellen.
Also beginnt die Suche nach den berühmten niedrig hängenden Früchten. Das eigentliche Problem dabei ist nur: In vielen Unternehmen steht gar kein gesunder Obstbaum.
Die gefährliche Illusion vom schnellen Erfolg
Quick Wins können durchaus sinnvoll sein. Sie schaffen Akzeptanz, machen Fortschritte sichtbar und geben einem Projektteam das Gefühl, auf dem richtigen Weg zu sein. Problematisch werden sie dann, wenn sie nicht Teil eines klaren Zielbildes sind, sondern dieses ersetzen sollen.
Genau das sehe ich in der Praxis häufig. Es gibt keine belastbare Roadmap, keinen gemeinsam abgestimmten Zielzustand und keine klare Priorisierung.
Stattdessen hangelt sich das Projekt von einem vermeintlich schnellen Erfolg zum nächsten: Heute wird ein Dashboard gebaut, morgen ein Newsletter automatisiert und übermorgen ein kleiner KI-Assistent eingeführt.
Jede einzelne Maßnahme wirkt für sich betrachtet vernünftig. Doch am Ende entsteht kein funktionierendes Gesamtsystem. Das Unternehmen sammelt Features, baut aber keine nachhaltige Fähigkeit auf.
Dieses Vorgehen erinnert an ein marodes Haus, dessen Fassade frisch gestrichen wird, weil das Ergebnis sofort sichtbar ist. Das Fundament bleibt rissig, die Leitungen veraltet und das Dach undicht. Auf der Präsentationsebene wirkt das Gebäude zwar moderner, doch an seinem tatsächlichen Zustand hat sich wenig verändert.
Genau das passiert in vielen CRM- und Digitalisierungsprojekten: Es werden sichtbare Oberflächen verbessert, während die strukturellen Probleme unangetastet bleiben.
Bei KI-Projekten wiederholen wir gerade die Fehler aus CRM-Projekten
Besonders deutlich zeigt sich dieses Verhalten aktuell beim Thema Künstliche Intelligenz. Viele Unternehmen starten mit der Frage: „Wo können wir schnell generative KI einsetzen?“ Das klingt innovativ und handlungsorientiert, ist aber häufig die falsche Ausgangsfrage.
Die entscheidenden Fragen müssten eigentlich lauten:
- Welches konkrete Geschäftsproblem wollen wir lösen?
- Welche Daten stehen dafür zur Verfügung?
- Wie zuverlässig und vollständig sind diese Daten?
- Wer trägt fachlich die Verantwortung?
- Wie wird die KI in bestehende Prozesse integriert?
- Und woran erkennen wir später, ob der Use Case tatsächlich wirtschaftlichen Nutzen bringt?
KI und CRM Quick Wins: ein typisches Beispiel aus der Projektpraxis
In einem Industrieprojekt sollte beispielsweise ein KI-Modell Vertriebschancen priorisieren. Die Erwartungen waren hoch. Der Vertrieb sollte weniger Zeit mit unattraktiven Opportunities verbringen, sich stärker auf erfolgversprechende Geschäftschancen konzentrieren und dadurch die Abschlusswahrscheinlichkeit erhöhen. Die Idee war gut. Die Datengrundlage war es nicht.
Denn die Opportunities wurden uneinheitlich gepflegt, Abschlussgründe fehlten und Kundenpotenziale beruhten teilweise auf persönlichen Einschätzungen. Auch die Verkaufsphasen wurden von den Vertriebsmitarbeitenden unterschiedlich interpretiert. Einige aktualisierten ihre Daten regelmäßig, andere erst kurz vor dem Monatsreporting.
Das Unternehmen wollte also ein intelligentes Vorhersagemodell, hatte aber zunächst einmal ein sehr gewöhnliches Daten- und Prozessproblem.
Dieser Fall ist kein Einzelfall. Im Gegenteil: Er steht exemplarisch für viele aktuelle KI-Initiativen. Denn KI macht aus schlechten Daten keine guten Entscheidungen. Im schlimmsten Fall automatisiert sie lediglich den bereits vorhandenen Unsinn, nur schneller, skalierbarer und überzeugender formuliert.
Gerade darin liegt eine erhebliche Gefahr: Ein fehlerhaft gepflegtes CRM-System wird von Mitarbeitenden häufig kritisch hinterfragt. Ein professionell formulierter KI-Vorschlag dagegen wirkt schnell objektiv und intelligent. Dadurch bekommen schlechte Daten plötzlich eine Autorität, die sie nicht verdienen.
Die Grundlagenarbeit ist unattraktiv, aber unvermeidbar
Nachhaltige CRM-, CX- und KI-Initiativen brauchen aus meiner Erfahrung heraus fünf grundlegende Voraussetzungen:
Grafik: Fünf Voraussetzungen für nachhaltige CRM-, CX- und KI-Initiativen (Quelle: Vision11)
Am Anfang steht ein klares Zielbild. Aussagen wie „Wir wollen KI nutzen“, „Wir wollen den Vertrieb digitalisieren“ oder „Wir wollen kundenzentrierter werden“ genügen nicht. Unternehmen müssen konkret beschreiben, welche Prozesse, Entscheidungen und Kundenerlebnisse künftig besser funktionieren sollen. Erst wenn dieses Zielbild verständlich und verbindlich formuliert ist, lassen sich sinnvolle Maßnahmen ableiten und priorisieren.
Ebenso entscheidend ist eine belastbare Datengrundlage. Dazu gehören eindeutige Datenverantwortlichkeiten, einheitliche Definitionen, konsistente Strukturen und eine realistische Bewertung der vorhandenen Datenqualität. Viele Unternehmen überschätzen ihre Datenbasis deutlich. Sie verfügen zwar über große Datenmengen, können diese aber weder zuverlässig zusammenführen noch sinnvoll interpretieren.
Hinzu kommen klar definierte Prozesse. Einen schlechten Prozess zu automatisieren macht ihn nicht besser. Er wird einfach nur schneller. Deshalb muss vor jeder Automatisierung verstanden werden, wie ein Prozess tatsächlich abläuft, wo Medienbrüche entstehen, welche Sonderfälle existieren und welche Schritte echten Mehrwert schaffen.
Eine weitere Voraussetzung sind verbindliche Verantwortlichkeiten. In vielen Projekten sind erstaunlich viele Menschen beteiligt, doch niemand fühlt sich für das Gesamtergebnis verantwortlich. Das Marketing wartet auf die IT, die IT wartet auf den Fachbereich und der Fachbereich wartet auf eine Entscheidung des Managements. So entsteht ein organisatorisches Vakuum, in dem zwar viele Abstimmungen stattfinden, aber kaum verbindliche Entscheidungen getroffen werden.
Gefragt ist auch – vielleicht vor allem anderen – echte Veränderungsbereitschaft. Ein neues CRM-System, eine Customer Data Platform oder ein KI-Assistent verändern nicht nur die Technologie. Solche Lösungen verändern Arbeitsweisen, Entscheidungsprozesse, Rollen und mitunter auch bestehende Machtverhältnisse. Wer diesen organisatorischen Aspekt ignoriert, kann technisch durchaus live gehen, wird operativ aber niemals wirklich ankommen.
„Das machen wir später“ bedeutet oft: „Das machen wir nie“
Einer der gefährlichsten Sätze in Projekten lautet: „Das bereinigen wir später.“ Gemeint sind dann fast immer Daten, Prozesse, Rollen, Berechtigungen oder veraltete Sonderlösungen. Die Begründungen sind meist dieselben: Eine gründliche Bereinigung würde den Zeitplan gefährden, das Budget belasten oder den Go-live verzögern.
Ich habe Unternehmen erlebt, die neue CRM-Systeme eingeführt und bewusst schlechte Altdaten übernommen haben, weil die Bereinigung angeblich zu aufwendig war. Jahre später arbeiteten die Mitarbeitenden noch immer mit Dubletten, falschen Ansprechpartnern und unvollständigen Kundenhistorien. Die technische Plattform war neu, die operativen Probleme waren gleich geblieben.
Bei KI-Projekten wird diese Rechnung noch teurer. Dort beeinflusst die Qualität der Ausgangsdaten unmittelbar die Qualität der Ergebnisse. Unvollständige, fehlerhafte oder verzerrte Daten führen nicht nur zu schlechteren Prognosen, sondern können falsche Entscheidungen systematisch verstärken.
Wer hier die Grundlagenarbeit in die Zukunft verschiebt, spart kein Geld. Er nimmt lediglich einen Kredit auf. Die Zinsen werden später von den Fachbereichen, der IT, den Projektteams und letztlich von den Kunden bezahlt.
Das Management bekommt die Projekte, die es belohnt
Die Verantwortung für diese Entwicklung liegt nicht allein bei den Projektteams. Auch das Management prägt sehr deutlich, welche Art von Ergebnissen ein Projekt produziert.
Wenn Führungskräfte ausschließlich sichtbare Resultate innerhalb eines Quartals honorieren, dürfen sie sich nicht wundern, wenn langfristige Architektur-, Daten- und Prozessarbeit liegen bleibt. Wer nur nach grünen Ampeln fragt, bekommt grüne Ampeln. Wer ausschließlich neue Funktionen zählen lässt, bekommt Funktionen. Und wer vor allem schnelle Erfolgsmeldungen erwartet, wird auch schnelle Erfolgsmeldungen erhalten – unabhängig davon, wie belastbar diese tatsächlich sind.
Eine andere Projektkultur entsteht erst dann, wenn das Management andere Fragen stellt. Welche Fähigkeiten wurden nachhaltig aufgebaut? Welche Risiken wurden reduziert? Welche Prozesse funktionieren nachweislich besser? Welche Datenprobleme wurden dauerhaft gelöst? Und welchen konkreten Nutzen haben Kunden und Mitarbeitende?
Auch ein KI oder CRM Quick Win kann in diesem Kontext sinnvoll sein. Entscheidend ist jedoch, dass klar erkennbar bleibt, welchen Beitrag er zum langfristigen Ziel leistet. Neben kurzfristigen Ergebnissen braucht es deshalb bewusst geplante mittelfristige und langfristige Erfolge. Diese sind meist weniger spektakulär, benötigen mehr Abstimmung und erzeugen seltener sofortige Begeisterung. Doch dafür verändern sie Strukturen, Prozesse und Fähigkeiten dauerhaft.
Fazit: Pflückt nicht nur Früchte. Kümmert euch um den Baum.
Ich bin nicht gegen KI und CRM Quick Wins. Ich bin gegen Quick Wins ohne Richtung, ohne Fundament und ohne Ehrlichkeit.
Ein schneller Erfolg kann ein guter Einstieg sein. Er kann Akzeptanz schaffen, erste Mehrwerte sichtbar machen und einem Projekt die nötige Dynamik verleihen. Er darf jedoch nicht zur Ausrede werden, um schwierige Themen dauerhaft zu umgehen.
In CRM-Projekten bedeutet das, Daten zu bereinigen, Prozesse zu harmonisieren, Verantwortlichkeiten zu klären und Kundenzentrierung nicht nur auf Folien zu behaupten. In KI-Projekten bedeutet es zusätzlich, Use Cases sauber zu priorisieren, Daten und Ergebnisse kritisch zu prüfen, Governance zu etablieren und die Technologie sinnvoll in reale Arbeitsabläufe zu integrieren.
Die unangenehme Wahrheit dabei lautet: Nachhaltige Transformation ist selten schnell, selten bequem und fast nie konfliktfrei. Aber sie lohnt sich.
Unternehmen, die heute konsequent an ihren Grundlagen arbeiten, werden morgen nicht nur einige „low hanging fruits“ ernten. Sie verfügen über einen gesunden Baum, der dauerhaft trägt.
Alle anderen werden weiterhin bunte Pilotprojekte präsentieren und sich gleichzeitig wundern, warum trotz CRM, Automatisierung und Künstlicher Intelligenz im operativen Alltag so wenig besser geworden ist.
