Viele CRM-Projekte stehen gerade an einem interessanten Punkt. Die ersten KI-Funktionen in Standard-Systemen sind da, gleichzeitig kommen mit OpenAI, Claude und ähnlichen Plattformen ganz andere Möglichkeiten auf den Tisch. Für Unternehmen wird damit eine Frage plötzlich sehr konkret: Reicht die KI, die direkt im CRM steckt, oder verschiebt sich die eigentliche Intelligenz zunehmend auf eine übergeordnete Plattform? Genau diese Verschiebung verändert aktuell die Architektur von CRM-Systemen.
Warum das Thema gerade jetzt relevant ist
Der Markt bewegt sich spürbar. McKinsey berichtet 2025, dass 88 Prozent der befragten Unternehmen KI bereits regelmäßig in mindestens einer Funktion nutzen. Gleichzeitig haben erst ungefähr ein Drittel der Unternehmen ihre KI-Programme wirklich skaliert. Bei agentischer KI ist das Bild ähnlich: 23 Prozent skalieren solche Systeme bereits irgendwo im Unternehmen, weitere 39 Prozent experimentieren damit. Das zeigt sehr deutlich, wo wir gerade stehen: KI ist angekommen, aber die eigentliche industrielle Nutzung steckt vielerorts noch zwischen Pilot und Aufbauphase. (McKinsey & Company)
Parallel dazu bauen die großen Anbieter nicht nur bessere Modelle, sondern komplette Plattformen. OpenAI beschreibt Workspace Agents als Agenten, die teamweit wiederkehrende Workflows übernehmen, über verschiedene Tools hinweg arbeiten und mit Governance- und Admin-Kontrollen gesteuert werden können. Anthropic definiert MCP wiederum als offenen Standard, um KI-Systeme mit Repositories, Business-Tools und Entwicklungsumgebungen zu verbinden. (OpenAI)
Für CRM-Verantwortliche ist das deshalb relevant, weil sich damit die Gewichte verschieben. Früher lag die Hoffnung oft darin, dass das CRM selbst „intelligent“ wird. Heute zeigt sich immer klarer: Die eigentliche KI-Schicht kann auch oberhalb des CRM entstehen, wenn sie auf CRM-Daten, Dokumente, Tickets, Mails, Wissensbasis und andere Systeme zugreift. Das CRM verliert dadurch nicht an Bedeutung. Aber seine Rolle verändert sich.
Was mit horizontalen KI-Plattformen gemeint ist
Mit horizontalen KI-Plattformen sind Systeme gemeint, die nicht nur für einen einzelnen Fachprozess gebaut sind. Sie sitzen quer über mehrere Anwendungen und können Informationen zusammenführen, Arbeitsschritte auslösen und Kontext aus verschiedenen Quellen nutzen. Genau darin liegt ihr Unterschied zu klassischen, eher vertikalen KI-Funktionen in einem CRM-Modul. Dort bleibt die Logik meist innerhalb eines einzelnen Produkts. Eine horizontale Plattform denkt dagegen systemübergreifend.
OpenAI positioniert seine Business-Angebote genau in diese Richtung: mit Anbindungen an Unternehmenswerkzeuge wie Google Drive, SharePoint und andere Enterprise-Tools sowie mit Workspace Agents für wiederkehrende teamweite Workflows. Anthropic treibt dieselbe Bewegung über MCP als offenen Standard für den Anschluss externer Systeme voran. Aus CRM-Sicht ist das der entscheidende Punkt: Die KI sitzt immer seltener nur im CRM selbst. Sie sitzt zunehmend darüber oder daneben und verbindet Systeme, die bislang oft getrennt betrachtet wurden. (OpenAI)
Statistik-Block: Warum diese Entwicklung für CRM-Systeme relevant ist
Die Veränderung ist nicht nur technisch interessant, sondern operativ relevant. Unternehmen investieren in KI, Kundenerwartungen steigen und gleichzeitig bleibt der Sprung von einzelnen Piloten in die Fläche schwierig. Gerade im CRM-Kontext ist das wichtig, weil Vertrieb, Service, Marketing und Backoffice nicht länger isoliert betrachtet werden können. Wer KI sinnvoll einsetzen will, braucht belastbaren Kontext über Abteilungsgrenzen hinweg. Genau das ist die Lücke, die horizontale Plattformen gerade besetzen.
Hinzu kommt ein zweiter Punkt. Kundinnen und Kunden erwarten heute konsistente Interaktionen, auch wenn intern mehrere Teams oder Systeme beteiligt sind. Wenn CRM, Service, Wissensbasis, Dokumente und Kommunikation nicht zusammenspielen, wird KI zwar schnell eingeführt, aber selten wirklich nützlich. Die Zahlen unten zeigen deshalb nicht einfach nur eine KI-Welle. Sie zeigen vor allem, warum systemübergreifende Architektur für CRM-Themen strategisch wird.
| Kennzahl | Wert | Einordnung für CRM und KI |
|---|---|---|
| Unternehmen, die KI regelmäßig in mindestens einer Funktion nutzen | 88 % | KI ist kein Spezialthema mehr, sondern Teil des operativen Alltags. |
| Unternehmen, die ihre KI-Programme bereits skaliert haben | ca. 33 % | Der Engpass liegt nicht beim Ausprobieren, sondern bei sauberer Skalierung. |
| Unternehmen, die agentische KI irgendwo im Unternehmen skalieren | 23 % | Agenten werden real, aber oft noch nur in einzelnen Bereichen. |
| Unternehmen, die mit agentischer KI experimentieren | 39 % | Viele Organisationen sind in einer Übergangsphase zwischen Test und Struktur. |
| Kunden, die konsistente Interaktionen über Abteilungen hinweg erwarten | 85 % | CRM, Service und andere Systeme müssen in der KI-Logik zusammengeführt werden. |
| Kunden, die wissen wollen, wenn sie mit einem KI-Agenten sprechen | 72 % | Transparenz und Governance sind keine Nebenthemen, sondern Akzeptanzfaktoren. |
Quellenbasis: McKinsey State of AI 2025 und Salesforce State of the Connected Customer. (McKinsey & Company)
Warum das CRM dadurch nicht kleiner, sondern wichtiger wird
Auf den ersten Blick könnte man meinen, horizontale KI-Plattformen schwächen CRM-Systeme. In der Praxis ist oft das Gegenteil der Fall. Denn je stärker die KI über mehrere Systeme hinweg arbeitet, desto wichtiger wird ein sauber geführtes CRM als verlässliche Quelle für Kunden-, Vertriebs- und Servicekontext. Wenn Opportunity-Phasen, Ansprechpartner, Historien, Verträge, Servicefälle oder Rollenlogiken nicht belastbar gepflegt sind, fehlt der KI genau der Kontext, der sie im Geschäftsalltag brauchbar macht.
Das verändert aber den Blick auf das CRM. Es ist dann nicht mehr automatisch der Ort, an dem die ganze Intelligenz selbst entsteht. Es wird stärker zum System of Record, zum Prozessanker und zur Ausführungsumgebung für geschäftliche Logik. Anders gesagt: Das CRM wird nicht weniger wichtig, sondern fachlich wertvoller. Denn dort liegen Datenmodell, Beziehungen, Rechte, Statuslogiken, Workflows und Reports. Genau diese Dinge braucht eine horizontale KI-Plattform, wenn sie nicht nur nett formulieren, sondern sinnvoll handeln soll.
Gerade CRM-Systeme mit flexiblem Datenmodell, belastbarer API, anpassbaren Workflows und sauberem Rollen- und Rechtekonzept sind in dieser neuen Lage im Vorteil. Sie lassen sich deutlich besser an eine übergeordnete KI-Schicht anbinden als Systeme, die nur auf vordefinierte Standardprozesse ausgelegt sind. Genau hier zeigt sich in Projekten sehr schnell, ob ein CRM langfristig tragfähig aufgebaut wurde oder nur als Eingabemaske funktioniert.
Warum das CRM dadurch nicht kleiner, sondern wichtiger wird
Die größte Veränderung liegt darin, dass KI nicht mehr nur als eingebautes Feature betrachtet wird. Früher lautete die Frage oft: Welche KI-Funktionen bietet unser CRM-Anbieter? Heute lautet sie häufiger: Wie verbinden wir CRM, Wissensquellen, Kommunikation, Files, Support und interne Prozesse so, dass eine KI sinnvoll darauf arbeiten kann? Das klingt ähnlich, ist architektonisch aber ein großer Unterschied.
In einem klassischen Ansatz sitzt die Logik stärker im CRM selbst. Ein Anbieter ergänzt Lead-Scoring, Textvorschläge oder Prognosen direkt im Produkt. Das kann sinnvoll sein, gerade für klar umrissene Standardfälle. Eine horizontale Plattform geht weiter. Sie verbindet Systeme, zieht Kontext aus mehreren Quellen, nutzt externe Tools und steuert ganze Abläufe. OpenAI beschreibt genau diese Richtung mit Workspace Agents, die über Enterprise-Tools hinweg Workflows automatisieren, während Anthropic MCP als Standard für die Verbindung von Modellen mit Datenquellen und Business-Tools positioniert. (OpenAI)
Dadurch verschiebt sich auch die Verantwortung. Wer horizontale Plattformen nutzt, muss stärker über Governance, Berechtigungen, Approval Gates, Auditierbarkeit und Ausführung nachdenken. OpenAI betont dafür in seinen Business-Angeboten Governance- und Admin-Kontrollen. Diese Punkte sind für CRM-Projekte zentral, weil dort nicht nur Informationen gelesen, sondern oft auch Datensätze verändert, Workflows ausgelöst und Kundenkontakte beeinflusst werden. (OpenAI)
Gerade bei agentischer KI wird dieser Punkt noch wichtiger. Denn ein Agent kann Standardaufgaben nur dann verlässlich übernehmen, wenn der zugrunde liegende Use Case sauber beschrieben ist. Dazu gehört nicht nur das Ziel des Prozesses, sondern auch der konkrete Ablauf: Was löst ihn aus, welche Informationen werden geprüft, welche Regeln gelten, wann darf automatisch gehandelt werden und an welcher Stelle muss ein Mensch übernehmen? In diesem Sinn hilft gute Prozessdokumentation später enorm bei der Einführung von Agenten. Streng genommen wird damit nicht immer das Modell selbst „trainiert“, aber der Agent wird dadurch deutlich besser steuerbar, nachvollziehbarer und im Alltag verlässlicher. Für Unternehmen ist das ein wichtiger Punkt: Wer seine Standardprozesse heute klar dokumentiert, schafft damit oft schon die Grundlage dafür, dass agentische KI morgen sinnvoll und kontrolliert arbeiten kann.
Warum europäische Unternehmen bei der Plattformwahl genauer hinschauen müssen
Für europäische Unternehmen kommt noch ein weiterer Punkt hinzu, der in der Diskussion oft zu kurz kommt. Wer mit großen US-KI-Plattformen arbeitet, muss nicht nur auf Funktionen, Integrationen und Kosten schauen, sondern auch auf den rechtlichen Rahmen. Gerade bei sensiblen CRM-Daten, vertraulichen Angebotsinformationen, Servicehistorien oder agentischen Prozessen mit Schreibrechten stellt sich die Frage, wie gut sich europäische und nationale Anforderungen tatsächlich absichern lassen. EU-Hosting allein reicht dabei nicht immer aus, wenn der Anbieter selbst einem außereuropäischen Rechtsraum unterliegt.
In der Praxis bedeutet das: Unternehmen sollten ihre KI-Architektur stärker nach Schutzbedarf aufbauen. Besonders sensible Daten und kritische Prozesse gehören in vielen Fällen in eine Umgebung, die europäisch kontrolliert ist oder zumindest so gestaltet wurde, dass nur minimal notwendige, stark begrenzte Informationen an externe Plattformen gehen. Dazu kommen Maßnahmen wie Pseudonymisierung, klare Rechte, saubere Freigaben und eine strikte Trennung zwischen Lesen, Empfehlen und tatsächlichem Handeln. Gerade bei agentischer KI wird das schnell relevant, weil Agenten nicht nur analysieren, sondern Prozesse anstoßen, Daten verändern oder Folgeaktionen auslösen können.
Genau deshalb sollte die Plattformfrage nicht isoliert als Einkaufsentscheidung behandelt werden. Sie ist immer auch eine Frage von Governance, Datenarchitektur und Risikosteuerung. Auf diesen Aspekt werden wir in einem eigenen Blogbeitrag in Kürze noch ausführlicher eingehen und beleuchten, welche Strategien europäische Unternehmen konkret nutzen können, um KI-Plattformen rechtlich und organisatorisch belastbar in ihre CRM-Landschaft einzubinden.
Was Unternehmen daraus praktisch ableiten sollten
Viele Diskussionen über KI im CRM bleiben noch zu abstrakt. In der Praxis hilft deshalb meist eine andere Frage: Was bedeutet diese Entwicklung ganz konkret für die eigene CRM-Landschaft? Genau darauf sollten Unternehmen früh eine Antwort finden. Es geht nicht darum, sofort eine große Plattformentscheidung zu treffen. Es geht darum, die Architektur so vorzubereiten, dass CRM und KI später sauber zusammenspielen.
Die folgende Übersicht ist bewusst pragmatisch gehalten. Sie übersetzt die strategische Verschiebung in konkrete Handlungsfelder für CRM-Verantwortliche, IT und Fachbereiche. So wird aus einem Markttrend eine belastbare Arbeitsliste. Und genau das hilft, Dopplungen, teure Umwege und zu frühe Festlegungen zu vermeiden.
| Nr. | Vorschlag/Idee | Beschreibung |
|---|---|---|
| 1 | API-Strategie schärfen | Prüfen Sie, wie gut Ihr CRM Daten und Prozesse nach außen verfügbar macht und wieder sauber zurücknehmen kann. |
| 2 | System of Record sauber definieren | Legen Sie fest, welche Informationen verbindlich im CRM geführt werden und welche nur aus anderen Systemen zugespielt werden. |
| 3 | Rollen und Rechte nachziehen | Horizontal arbeitende KI braucht klare Berechtigungen, damit sie nicht zu viel sieht oder zu viel auslöst. |
| 4 | Workflows entkoppeln | Prüfen Sie, welche Automatisierungen besser im CRM bleiben und welche sinnvoll von einer externen KI-Schicht orchestriert werden. |
| 5 | Wissensquellen integrieren | CRM allein reicht selten. Wissensdatenbanken, Files, Support-Historien und Kommunikation müssen anschlussfähig sein. |
| 6 | Pilotfälle systemübergreifend denken | Wählen Sie Use Cases, die echten Mehrwert aus mehreren Quellen ziehen, statt nur eine Einzelmaske zu beschleunigen. |
| 7 | Governance früh einbauen | Approval-Schritte, Logging und klare Zuständigkeiten sollten vor dem Rollout stehen, nicht erst danach. |
| 8 | Fachlogik im CRM erhalten | KI darf nicht an Opportunity-Phasen, Freigaben oder Serviceprozessen vorbeiarbeiten, sondern muss daran andocken. |
| 9 | CRM-Datenmodell aufräumen | Je mehr horizontale KI genutzt wird, desto stärker wirken Schwächen bei Feldern, Statuslogiken und Dubletten. |
| 10 | Plattform neutral bewerten | Entscheiden Sie nicht nach Modellnamen allein, sondern nach Integrationsfähigkeit, Steuerbarkeit und Betrieb im eigenen Umfeld. |
Praxisbeispiel aus dem Alltag: nicht auf die nächste CRM-Funktion warten
Ein mittelständisches B2B-Unternehmen aus dem technischen Service- und Vertriebsumfeld wollte KI im CRM nutzen, war aber mit den eingebauten Standardfunktionen des bestehenden Systems nicht zufrieden. Die ersten Tests waren zwar interessant, blieben aber sehr eng am einzelnen Modul. Was fehlte, war der systemübergreifende Kontext. Servicefälle lagen im CRM, Produktdokumentation in SharePoint, interne Abstimmungen in Teams und ein Teil der Angebotslogik in einem ERP-nahen Prozess. Genau dadurch blieb der Nutzen der isolierten CRM-KI begrenzt.
Statt auf den nächsten Feature-Release des CRM-Herstellers zu warten, wurde der Einstieg anders aufgesetzt. In der ersten Phase wurden Datenmodelle, Rechte, Fallkategorien und CRM-Workflows bereinigt. In der zweiten Phase wurde eine horizontale KI-Schicht testweise mit drei Quellen verbunden: CRM, Wissensdokumente und Servicehistorie. Zuerst ging es nur um Fallzusammenfassungen und die Vorbereitung von Antwortentwürfen. Danach kamen Routing-Hinweise und Vorschläge für nächste Schritte im Vertrieb hinzu. Die Einführung lief bewusst agil, mit kleinem Nutzerkreis, kurzen Feedbackschleifen und klaren Messpunkten.
Der Effekt war messbar. Die Zeit für die Einarbeitung in komplexe Servicefälle sank deutlich. Im Pilot verringerte sich der Aufwand für die Fallvorbereitung um rund 30 Prozent. Gleichzeitig wurden Übergaben sauberer dokumentiert, und das Vertriebsteam gewann schneller einen vollständigen Überblick über Kundenkontext, offene Tickets und letzte Kontakte. Entscheidend war dabei nicht die Plattform allein. Entscheidend war, dass CRM, Dokumente und Prozesslogik sauber zusammengedacht wurden.
Checkliste: So erkennen Sie, mit welchem KI-Use-Case Sie starten sollten
- Ist klar definiert, welche Daten im CRM führend sind?
- Verfügt das CRM über belastbare APIs und Integrationsmöglichkeiten?
- Sind Rollen, Rechte und Freigaben sauber geregelt?
- Lassen sich Workflows und Feldlogiken flexibel anpassen?
- Sind Service-, Vertriebs- und Kommunikationsdaten ausreichend strukturiert?
- Gibt es eine klare Trennung zwischen Lesen, Empfehlen und Handeln?
- Ist nachvollziehbar, welche Aktionen eine KI automatisch ausführen darf?
- Sind Logging, Monitoring und Auditierbarkeit vorgesehen?
- Können Wissensquellen, Files und andere Systeme kontrolliert angebunden werden?
- Gibt es einen kleinen, systemübergreifenden Pilot mit klarem Nutzen und messbaren Kennzahlen?
Fazit
OpenAI, Claude und ähnliche Plattformen verändern CRM-Systeme nicht deshalb, weil sie ein weiteres Feature liefern. Sie verändern CRM, weil sie die Intelligenzschicht aus dem einzelnen Fachsystem herauslösen und über mehrere Werkzeuge hinweg arbeitsfähig machen. Genau dadurch verschiebt sich der Fokus weg von der Frage nach der einen eingebauten KI-Funktion hin zur Frage nach Kontext, Orchestrierung, Governance und Integrationsfähigkeit. Für CRM-Verantwortliche ist das eine strategische Veränderung, keine kosmetische.
Das bedeutet aber nicht, dass das CRM an Bedeutung verliert. Im Gegenteil. Je stärker Unternehmen horizontale KI-Plattformen nutzen, desto wichtiger werden ein sauberes Datenmodell, klare Workflows, belastbare Rechte und eine gute API-Basis. Genau dort entscheidet sich, ob KI später nur interessant wirkt oder im Alltag wirklich hilft.
Ihr nächster Schritt: Prüfen Sie in Ihrem CRM drei strategische Punkte: API-Fähigkeit, Rollen- und Rechtekonzept sowie die Qualität Ihrer Prozesslogik in Vertrieb und Service. Genau dort entscheidet sich meist zuerst, ob horizontale KI-Plattformen in Ihrer CRM-Landschaft echten Nutzen erzeugen oder nur zusätzliche Komplexität schaffen.
Interesse an einem Austausch?
Melde dich gerne via LinkedIn oder reserviere dir jetzt eine unverbindliche 1:1-Beratung:
