AI SDR im B2B: Warum autonome Outreach-Bots scheitern – und was stattdessen funktioniert

Warum AI SDRs gerade so verlockend klingen

Kaum ein Thema landet derzeit so oft in meinen Gesprächen wie der AI SDR. Die Demos sind beeindruckend, das muss man ihnen lassen. Ein Agent sucht passende Firmen, findet Ansprechpartner, schreibt jedem eine „persönliche“ Mail, fasst dreimal nach und trägt am Ende Termine in den Kalender deines Account Executives ein. Kein Recruiting, keine Einarbeitung, kein Krankenstand, keine Kündigung nach acht Monaten. Für ein Revenue-Team unter Druck klingt das wie die Lösung.

Ich verstehe den Reiz. SDR-Arbeit ist teuer, die Fluktuation ist hoch, und ein großer Teil des Tages geht für Recherche, Listenpflege und Copy-Paste drauf. Wer dazu noch ein Pipeline-Ziel hat, das mit dem bestehenden Team nicht erreichbar scheint, greift gern zu einem Tool, das „1.000 personalisierte Mails pro Tag“ verspricht.

Nur löst ein AI SDR eine Aufgabe, die im sales-led B2B mit hohem ACV gar nicht der Engpass ist. Zu wenige Mails gingen in keinem Team, das ich kenne, raus. Was fehlt, sind relevante Gespräche mit den richtigen Accounts zum richtigen Zeitpunkt, und daran ändert mehr Volumen nichts. Oft macht es die Sache schlimmer.

Output ↑. Pipeline →.

Ich bin hier bewusst kritisch, wenn auch nicht pauschal. Zuerst geht es darum, was die Tools versprechen und woran vollautonomer Outreach in deinem Markt scheitert (Buying Center, Marke, Zustellbarkeit, Recht). Danach darum, wo KI in der SDR-Arbeit Hebel hat, und um die Alternative, die ich baue: signalbasierter Outreach mit Human Go. Weiter unten findest du eine Vergleichstabelle, ein durchgerechnetes Beispiel, die Kennzahlen, auf die ich schaue, und zehn Fragen, die du jedem Anbieter stellen solltest.

Was ist ein AI SDR, und was versprechen die Tools?

Ein AI SDR (oft auch KI SDR, „AI BDR“ oder „digitaler Mitarbeiter“ genannt) ist Software, die die Aufgaben eines Sales Development Representative mit Sprachmodellen und Automatisierung übernimmt. Je nach Anbieter reicht das von einem Schreibassistenten bis zum vollautonomen Agenten, der ohne menschliche Prüfung sendet. Um diese zweite Kategorie geht es hier.

Das typische Leistungsversprechen besteht aus fünf Bausteinen:

1. Prospecting: Der Agent baut Zielkontaktlisten aus Datenbanken, LinkedIn und Websites, oft auf Basis einer kurzen ICP-Beschreibung.
2. Recherche und Personalisierung: Pro Kontakt sammelt er Hinweise (Post, Stellenanzeige, Finanzierung, News) und baut daraus einen Einstieg.
3. Schreiben: Er formuliert Erstmail und Follow-ups, angeblich im Ton deiner Marke.
4. Senden und Nachfassen: Er verschickt über eigene Domains und Postfächer, häufig mit „Warm-up“ und Rotation, und fasst automatisch nach.
5. Antworten und Buchen: Er beantwortet Rückfragen, behandelt Einwände und bucht Termine.

Die Schritte eins bis drei sind Vorbereitung, die Schritte vier und fünf haben Außenwirkung: Sie erreichen Menschen bei deinen Zielaccounts, und zwar im Namen deiner Firma. An dieser Grenze entscheidet sich, ob dir ein Tool hilft oder schadet.

Dass die KI gute Mails schreiben kann, bezweifle ich gar nicht. Mich interessiert, wer entscheidet, dass diese Mail an diesen Menschen jetzt rausgeht.

Warum autonomer Outreach im High-ACV-B2B scheitert

Im Transaktionsgeschäft mit kleinen Tickets, großen Märkten und kurzen Zyklen kann volumengetriebener Outbound funktionieren. Wer an zehntausende Kleinunternehmen verkauft, verkraftet eine verbrannte Adresse. Im sales-led B2B mit fünf- oder sechsstelligem ACV gelten andere Regeln. Was ich in Projekten immer wieder sehe, lässt sich auf vier Gründe verdichten.

1. Du verkaufst an ein Buying Center

Ein AI SDR denkt in Kontakten: Kontakt rein, Sequenz raus. Deine Deals entscheidet aber ein Gremium aus Economic Buyer, Champion, Fachbereich, IT und Einkauf. Wenn drei Personen eines Accounts unabgestimmt angeschrieben werden, wirkt das beliebig, zumal die Empfänger miteinander reden (öfter, als man denkt). Der Agent weiß nicht, dass der CFO vor zwei Monaten abgesagt hat oder dass dein AE gerade mit dem Champion an einem Business Case arbeitet, außer du baust dieses Wissen ein. Wie du ein Buying Center systematisch erfasst, beschreibe ich in Buying-Center-Recherche mit Agenten.

2. „Personalisierung“ ist meist nur eine Variable

Die meisten automatisierten Mails folgen demselben Muster: ein Satz zu einem LinkedIn-Post oder einer News, dann der Standard-Pitch. Empfänger in deinem ICP bekommen davon oft mehrere pro Woche. Sie erkennen das Muster nach zwei Zeilen. Relevanz entsteht aus einer Hypothese über die Situation des Accounts: Warum gerade jetzt, warum diese Rolle, welcher Proof passt? Mit besserem Text hat das wenig zu tun, es ist ein Wissensproblem. Ohne dokumentierten ICP, Message Angles und Proof Points produziert auch das beste Modell nur schneller Austauschbares.

3. Markenrisiko skaliert mit

Ein Mensch, der eine schlechte Mail schreibt, schreibt eine schlechte Mail. Ein Agent mit einer fehlerhaften Regel schreibt fünfhundert. Halluzinierte Fakten über das Unternehmen des Empfängers, falsche Namen, ein Follow-up an jemanden, der längst abgesagt hat, ein Claim, den dein Produkt nicht hält: All das geht unter deinem Namen raus. Dazu kommt, dass dein Markt im High-ACV-B2B oft klein ist. Die 400 Accounts, die du dir wünschst, sind dieselben 400, die sich an dich erinnern.

4. Der Agent optimiert auf das Falsche

Autonome Systeme brauchen ein Ziel. Bei den meisten AI-SDR-Tools ist das sinngemäß „gebuchte Meetings“ oder „positive Antworten“. Beides lässt sich mit Volumen nach oben treiben, und bezahlt wird mit Fit, Domain und Ruf. Ein Termin mit einem Account außerhalb deines ICP sieht im Dashboard gut aus, bindet aber einen Account Executive, der in dieser Stunde mit einem passenden Kandidaten hätte sprechen können.

AI ohne System produziert nur schneller das Falsche.

Zustellbarkeit: Was Google und Yahoo von Massenversendern verlangen

Der zweite große Bruchpunkt ist technisch, und in Demos kommt er praktisch nie vor. Seit 2024 setzen Google und Yahoo verbindliche Regeln für Absender großer Mailmengen durch, und die Durchsetzung wird schärfer. Die wichtigsten Punkte, Stand Oktober 2026 (prüfe die verlinkten Originalseiten, bevor du dich darauf verlässt):

• Wer gilt als Bulk Sender? Laut den Gmail-Richtlinien für E-Mail-Absender alle, die rund 5.000 oder mehr Nachrichten innerhalb von 24 Stunden an private Gmail-Konten senden. Wer die Schwelle einmal erreicht, wird nach Googles Angaben dauerhaft so eingestuft.
• Authentifizierung: Bulk Sender brauchen SPF, DKIM und DMARC, und die Absenderdomain muss zu SPF oder DKIM passen. Yahoo verlangt im Yahoo Sender Hub ebenfalls SPF, DKIM und eine DMARC-Richtlinie, mindestens p=none.
• Spam-Rate: Google empfiehlt, die in den Postmaster Tools gemessene Spam-Rate unter 0,1 % zu halten und 0,3 % nie zu erreichen. Wer darüber liegt, verliert laut Googles FAQ Unterstützung bei Zustellproblemen, bis die Rate wieder mehrere Tage am Stück darunter liegt. Yahoo nennt ebenfalls 0,3 % als Grenze.
• One-Click-Unsubscribe: Werbliche Mails brauchen einen List-Unsubscribe-Header mit Ein-Klick-Abmeldung nach RFC 8058. Google und Yahoo verlangen, dass Abmeldungen innerhalb von zwei Tagen umgesetzt werden.
• Durchsetzung: Google hat angekündigt, nicht konforme Nachrichten ab November 2025 verstärkt abzulehnen oder in den Spam-Ordner zu verschieben. Microsoft hat für Outlook.com vergleichbare Anforderungen an Absender mit mehr als 5.000 Mails pro Tag eingeführt.

Jetzt die Rechnung, die in keiner Demo vorkommt. Angenommen, ein AI SDR sendet 500 Mails pro Tag, und alle landen bei Gmail. Bei 0,3 % reichen rein rechnerisch 1,5 Spam-Klicks pro Tag, um die harte Grenze zu reißen, bei 0,1 % sogar ein halber. Es genügen also zwei genervte Empfänger am Tag, und bei Kaltakquise, um die niemand gebeten hat, ist das keine hohe Hürde.

Formal gelten die Gmail-Schwellen für private Konten, und viele deiner B2B-Empfänger sitzen in Google Workspace oder Microsoft 365. Nach meiner Erfahrung sind die Filter dahinter trotzdem nicht nachsichtiger, nur weil eine Mail an eine Firmenadresse geht. Viele Anbieter reagieren darauf mit Domain-Rotation: zusätzliche Lookalike-Domains, viele Postfächer, automatisches Warm-up. Das verteilt das Risiko, das Problem bleibt. Mir zeigt es vor allem, dass das Modell auf Volumen gebaut ist, das Empfänger nicht wollen.

Wenn ein Outreach-Modell nur mit Ersatz-Domains funktioniert, ist es kein Vertriebsprozess, sondern ein Verschleißprozess.

Ist Cold Email mit einem AI SDR im DACH-Raum erlaubt?

Vorweg: Ich bin kein Anwalt, und das hier ist keine Rechtsberatung. Wer in Deutschland, Österreich oder der Schweiz einen KI SDR einsetzen will, muss diese Fragen trotzdem vor dem Kauf klären, weil sich die Rechtslage deutlich von dem unterscheidet, was viele US-Tools als Standard annehmen.

Deutschland: § 7 UWG

Nach § 7 Abs. 2 Nr. 2 UWG ist Werbung per elektronischer Post ohne vorherige ausdrückliche Einwilligung des Adressaten eine unzumutbare Belästigung. Anders als beim Telefon, wo gegenüber Unternehmen eine mutmaßliche Einwilligung genügen kann, sieht das Gesetz für E-Mails keine B2B-Erleichterung vor. Die Ausnahme in § 7 Abs. 3 für Bestandskunden ist eng: Die Adresse muss aus einem Verkauf stammen, es muss um ähnliche eigene Produkte gehen, und der Kunde muss auf sein Widerspruchsrecht hingewiesen worden sein. Kalte Erstansprache per Mail fällt nach gängiger Auslegung nicht darunter. Typischerweise folgen Abmahnungen und Unterlassungsansprüche, von Wettbewerbern oder von den Empfängern selbst.

Österreich: § 174 TKG 2021

In Österreich regelt § 174 TKG 2021 die Direktwerbung per E-Mail. Grundsätzlich ist sie ohne vorherige Einwilligung des Empfängers unzulässig, und der Wortlaut unterscheidet dabei nicht zwischen Verbrauchern und Unternehmen. Die Wirtschaftskammer Österreich weist außerdem darauf hin, dass eine im Internet veröffentlichte Adresse nicht als Zustimmung gilt und dass Verstöße als Verwaltungsübertretung bestraft werden können. Für die Schweiz gelten wieder eigene Regeln.

Datenschutz kommt obendrauf

Unabhängig vom Wettbewerbsrecht verarbeitet so ein Tool personenbezogene Daten: Namen, Rollen, Profile, oft angereichert aus mehreren Quellen. Die DSGVO verlangt eine Rechtsgrundlage (für Direktwerbung wird meist das berechtigte Interesse nach Art. 6 Abs. 1 lit. f geprüft), Information der Betroffenen spätestens bei der ersten Kontaktaufnahme (Art. 14) und die sofortige Beachtung eines Widerspruchs gegen Direktwerbung (Art. 21). Dazu kommen Fragen, die bei US-Tools oft offen bleiben: Wo werden die Daten verarbeitet? Welche Quellen nutzt das Tool? Trainiert der Anbieter mit deinen Daten?

Dann sind da noch die Plattformregeln. Die LinkedIn-Nutzervereinbarung untersagt den Einsatz von Bots oder nicht autorisierten automatisierten Methoden, um Kontakte hinzuzufügen oder Nachrichten zu senden. Ein AI SDR, der über das Profil deines AEs automatisch Nachrichten verschickt, riskiert dessen Account und damit sein wichtigstes Vertriebswerkzeug.

Was ich daraus ableite: Lass den konkreten Einsatz vor dem Kauf von einer auf Wettbewerbs- und Datenschutzrecht spezialisierten Kanzlei prüfen. Wer im DACH-Raum vollautonom kalt mailt, baut sich im Zweifel ein Rechtsrisiko auf, das mit jeder Mail wächst. Wer Outreach auf Signale, bestehende Beziehungen, Einwilligungen und andere Kanäle stützt und jede Nachricht von einem Menschen freigeben lässt, kann solche Regeln überhaupt erst Nachricht für Nachricht umsetzen. Ein Freibrief ist aber auch das nicht.

Wo KI in der SDR-Arbeit wirklich hilft

Nach so viel Kritik der faire Teil: KI verändert SDR-Arbeit, und ich setze sie jeden Tag ein. Nur eben dort, wo sie Hebel hat, ohne dass ungeprüft etwas nach außen geht. Fünf Felder, in denen ich den Unterschied jede Woche sehe:

• Recherche frisst am meisten Zeit. Ein Agent liest den Account, findet den Anlass und legt das Buying Center als Hypothese mit Belegstufen ab. Was einen SDR nach meiner Erfahrung 30 bis 45 Minuten kostet, liegt nach wenigen Minuten im CRM.
• Für die Signalerkennung führen Agenten Website-Besuche aus dem ICP, Stellenanzeigen, Führungswechsel, Intent-Daten und CRM-Ereignisse laufend zusammen und bewerten sie. Wie man das gewichtet, steht in Intent-Scoring mit Fit, Intent und Timing.
• Entwürfe entstehen aus dokumentierten Message Angles und freigegebenen Proof Points, pro Rolle, mit Begründung und mit einer QA gegen Claims und Tonalität.
• Bei Inbound zählen Minuten (Speed-to-Lead). Agenten können eine Demo-Anfrage sofort anreichern, gegen den ICP prüfen, an den richtigen AE routen und eine Bestätigung mit Terminlink senden. Hier hat der Empfänger den Kontakt selbst gewollt, das ist ein völlig anderes Risikoprofil als Kaltakquise. Mehr dazu unter Inbound Marketing 2.0.
• Bleibt die CRM-Hygiene: Dubletten, veraltete Rollen, fehlende Felder, Kontakte, die das Unternehmen verlassen haben, Sequenzen, die nach einem Meeting weiterlaufen. Das ist langweilige Arbeit, die niemand gern macht, und Agenten erledigen sie zuverlässig.

„KI ja oder nein“ ist deshalb die falsche Frage. Die Grenze verläuft entlang der Außenwirkung und der Regelbarkeit einer Aufgabe: Was intern bleibt und festen Regeln folgt, kann automatisch laufen, und was einen Menschen bei deinem Zielaccount erreicht, braucht ein Go.

Die Alternative: signalbasierter Outreach mit Human Go

Was ich stattdessen baue, dreht die Logik des AI SDR um. Nicht „so viele Kontakte wie möglich, so schnell wie möglich“, sondern „die richtigen Accounts im richtigen Moment, mit einer Nachricht, die ein Mensch freigibt“. Agenten machen die Arbeit. Menschen treffen die Entscheidungen.

Der Ablauf in sechs Schritten:

1. Signal erkennen. Der Signal Agent bemerkt ein Ereignis: ein ICP-Account besucht wiederholt die Preisseite, eine relevante Stelle wird ausgeschrieben, ein Champion wechselt zu einem Zielaccount, Intent-Daten springen an.
2. Bewerten. Fit × Intent × Timing ergibt eine Priorität. Unterhalb der Schwelle wird bewusst nur beobachtet.
3. Buying Center recherchieren. Wer ist an dieser Entscheidung wahrscheinlich beteiligt, wer davon ist erreichbar, und was braucht jede Rolle?
4. Entwurf vorschlagen. Der Angle & Content Agent wählt den passenden Angle und schreibt einen Entwurf, der QA & Brand Guard Agent prüft ihn. Dazu kommt ein Vorschlag für Kanal und Reihenfolge, denn nicht jedes Signal verdient eine Mail. Manchmal ist eine Audience oder ein kurzer Hinweis an den AE der bessere Zug.
5. Human Go. Der Account Owner bestätigt, ändert oder lehnt mit Grund ab. Erst dann geht etwas raus, idealerweise aus seinem eigenen Postfach.
6. Lernen. Jede Entscheidung landet im Change-Log und im Entscheidungsgedächtnis. Wiederkehrende Korrekturen werden zu Regeln in der Knowledge Base.

Wie aus einem Signal eine Nachricht wird, die nicht nach Vorlage klingt, beschreibe ich ausführlich in Vom Signal zur Nachricht. Weil ein Signal fast nie das ganze Buying Center abdeckt, gehört Multithreading mit Agenten dazu: Welche Rolle fehlt noch, und wie erreichst du sie, ohne den Account zu überrollen? Wie das als Gesamtablauf aussieht, zeigt die Seite zu Intent-Based Activation.

Kosten und Risiko im Vergleich

Ein Teil der Kosten eines Outreach-Bots steht auf der Rechnung: Lizenz, zusätzliche Domains und Postfächer, Daten. Die teureren Posten tauchen dort nie auf, also verbrannte Accounts, Domain-Reputation, Rechtsrisiko und AE-Zeit in schlechten Terminen. Deshalb sieht der Vergleich anders aus, als die Preisseite vermuten lässt.

Ein signalbasiertes System sendet weniger, und das ist Absicht. Wer nichts zu sagen hat, sollte nichts senden.

Beispiel: AI SDR oder Signale mit Go?

Ein durchgespieltes, fiktives Beispiel. Ein Anbieter von Qualitätsmanagement-Software für die Fertigung verkauft an Industrieunternehmen mit 300 bis 3.000 Mitarbeitenden in DACH. Der ACV liegt bei etwa 45.000 Euro, der Sales Cycle bei sechs Monaten. Zwei Account Executives, ein SDR, 250 Zielaccounts. Die Geschäftsführung hat ein AI-SDR-Angebot auf dem Tisch: 1.000 Mails pro Tag, „vollständig personalisiert“, Meetings garantiert.

Rechnen wir das grob durch. 250 Accounts mit im Schnitt vier relevanten Rollen ergeben rund 1.000 Kontakte. Bei 1.000 Mails pro Tag ist der gesamte Markt nach einem Tag angeschrieben und nach drei Follow-ups durchgekaut. Danach muss das Tool zwangsläufig über den ICP hinaus senden. Dazu kommen die offenen Fragen aus diesem Artikel: Kaltmails nach § 7 UWG, die Reaktion der Spam-Filter und die Frage, wie ein Bot mit einem Empfänger umgeht, der antwortet: „Wir sprechen doch schon mit Ihrem Kollegen.“

Das Team entscheidet sich anders. In vier Wochen werden ICP, Rollenmodell und drei Message Angles in der Knowledge Base dokumentiert, die Signalquellen angebunden und die Sperrliste übernommen. Dann laufen die Agenten. An einem Dienstag sieht der Vorschlag für einen Account so aus:

Account:   Hersteller Präzisionsteile, ca. 900 MA, 2 Werke
Priorität: 77/100 · Fit 0,95 × Intent 0,9 × Timing 0,9
Signale:   [belegt]    3 Besuche auf /preise und /audit in 6 Tagen
           [belegt]    Stelle „Leitung Qualitätsmanagement“ seit 9 Tagen
           [plausibel] Zertifizierungs-Audit laut Fachpresse 2027
Beziehung: Werkleiter kennt den AE aus einem früheren Kundenprojekt
           [belegt] CRM-Historie, Gesprächsbasis vorhanden

Vorschlag (L1 · nichts wird gesendet)
1 Persönliche Nachricht des AE an den Werkleiter, Einstieg Audit
  Entwurf: 74 Wörter · Angle „Audit-Bereitschaft“ (live)
  QA: 1 Claim ersetzt („100 % auditsicher“ → freigegebene Formulierung)
2 Keine Kaltmail an Leitung QM (vakant) → Audience „QM Fertigung“
3 CFO: kein Direktkontakt, One-Pager für den Werkleiter vorbereiten
Kanal:     Postfach des AE · Kanalregel: bestehende Beziehung (prüfen)
Status:    wartet auf Go · Owner: AE Region Nord

Der AE ändert zwei Sätze, weil er weiß, dass der Werkleiter Audits hasst, die in Papier ersticken, und gibt das Go. Gesendet wird eine einzige Nachricht.

Nach 60 Tagen zählt das Team Accounts. Angenommen, aus 40 freigegebenen Vorschlägen entstehen neun Gespräche mit ICP-Accounts, aus denen fünf Opportunities werden. Die Zahlen sind ausgedacht und taugen nicht als Benchmark. Entscheidend ist der Vergleich mit dem eigenen Ausgangswert, und ob die Domain gesund geblieben ist und kein einziger Account verbrannt wurde.

Bevor du ein AI-SDR-Tool kaufst: zehn Fragen

Wenn du trotzdem ein solches Tool evaluierst (und es gibt Situationen, in denen Teile davon sinnvoll sind), stell dem Anbieter diese Fragen. Weicht er bei mehr als zwei davon aus, hast du deine Antwort.

• Kann ich für jede Nachricht ein verpflichtendes menschliches Go erzwingen, und zwar dauerhaft, nicht nur im Onboarding?
• Arbeitet das Tool mit meinem ICP inklusive Ausschlusskriterien, meinen Message Angles und freigegebenen Claims, oder mit eigenen Annahmen?
• Versteht es Accounts und Buying Center, oder nur einzelne Kontakte in Sequenzen?
• Liest und respektiert es den CRM-Kontext: offene Deals, Owner, laufende Gespräche, Absagen, Sperrlisten?
• Von welchen Domains und Postfächern wird gesendet, und wie sind SPF, DKIM, DMARC und One-Click-Unsubscribe umgesetzt?
• Wie werden Spam-Rate und Domain-Reputation überwacht, und was passiert automatisch, wenn sie kippen?
• Welche Datenquellen nutzt das Tool, wo werden Daten verarbeitet, gibt es einen AV-Vertrag, und wird mit meinen Daten trainiert?
• Wie setzt das Tool Widersprüche, Abmeldungen und Informationspflichten um, und passiert das sofort und kanalübergreifend?
• Automatisiert es LinkedIn-Aktionen über persönliche Profile, und wie verträgt sich das mit den Plattformregeln?
• Woran misst der Anbieter Erfolg: an gesendeten Mails und Meetings, oder an Pipeline aus ICP-Accounts, die ich in meinem CRM nachprüfen kann?

Die letzte Frage ist die wichtigste. Ein Tool, das sich an Aktivität misst, wird Aktivität liefern.

Welche Kennzahlen zählen und welche nur gut aussehen

Die Dashboards dieser Tools sind voller großer Zahlen: gesendete Mails, Öffnungsraten, Antworten, gebuchte Meetings. Die meisten davon sind Vanity Metrics. Gesendete Mails messen Aufwand. Öffnungsraten sind durch Datenschutzfunktionen der Mail-Clients ohnehin unzuverlässig, und „positive Antworten“ zählen oft auch ein höfliches „Melden Sie sich in einem Jahr“. Aktivität ist nicht Wirkung. Pipeline ist Wirkung.

Den Pipeline Reporting Agent richte ich so ein, dass er diese Zahlen jede Woche zeigt. Gesendete Mails tauchen dort nur als Kontext auf.

Drei Fehler, die ich immer wieder sehe

• Der Pilot startet ohne Ausgangswert. Wer nicht weiß, wie viele ICP-Meetings und wie viel Pipeline pro Account das Team vorher hatte, kann nach 90 Tagen nur Aktivität bewerten.
• Automatisiert wird von der Hauptdomain gesendet, über die auch Angebote, Rechnungen und Support laufen. Damit steht mehr als ein Kanal auf dem Spiel.
• Das Go wird zur Formsache. Ein Go, das im Sekundentakt geklickt wird, ist keins. Es braucht wenige, gute Vorschläge pro Tag und einen Owner, der den Account kennt.

Meine Empfehlung: so startest du in 90 Tagen

Ehrlich gesagt würde ich im sales-led B2B mit hohem ACV keinen vollautonomen AI SDR einsetzen, der ohne Go an kalte Kontakte sendet. An der Technik liegt das nicht. Das Modell optimiert auf ein Problem, das du nicht hast, und geht dafür Risiken ein, die du nicht brauchst. Kein Pitch, nur das, was ich in Projekten sehe.

Meine Empfehlung: Nutze KI maximal für alles, was vor der Nachricht passiert, und lass einen Menschen über alles entscheiden, was nach außen geht. Das ist langsamer als ein Bot, aber deutlich schneller als ein Team, das jede Recherche von Hand macht. Nebenbei entsteht ein Asset, das bleibt: eine Knowledge Base, die mit jedem Go besser wird.

Tag 1–30: Fundament

Dokumentiere ICP mit Ausschlusskriterien, Rollenmodell, zwei bis drei Message Angles und freigegebene Claims. Prüfe dein Domain-Setup (SPF, DKIM, DMARC), richte die Postmaster Tools ein und kläre mit deiner Rechtsberatung und dem Datenschutz, welche Kanäle für welche Kontakte zulässig sind. Halte den Ausgangswert fest: ICP-Meetings und Pipeline pro Account der letzten zwei Quartale.

Tag 31–60: Signale und Go

Binde zwei bis drei Signalquellen an, etwa Website-Besuche, Stellenanzeigen und CRM-Ereignisse. Starte mit 20 bis 30 Accounts. Die Agenten recherchieren und schlagen vor, die Owner geben frei oder lehnen mit Grund ab. Parallel übernehmen Agenten Speed-to-Lead für Inbound und die CRM-Hygiene als freigegebene Regel.

Tag 61–90: messen und entscheiden

Vergleiche Meetings mit ICP-Accounts, Pipeline pro Account, Antwortqualität und Domain-Gesundheit mit dem Ausgangswert. Übernimm wiederkehrende Korrekturen als Regeln. Erst danach entscheidest du, ob du auf mehr Accounts erweiterst. Ob du mehr Mails sendest, ist dabei gar nicht die Frage.

Wie Rechte, Freigaben und Protokoll in RevPrime^® technisch umgesetzt sind, findest du unter Security & Governance. Falls du gerade ein AI-SDR-Angebot auf dem Tisch hast: Im kostenlosen 30-minütigen Diagnose-Call schauen wir gemeinsam drauf, was es in deinem Markt leisten kann, wo es Risiken birgt und ob ein Neuaufbau (Build) oder die Reparatur deines bestehenden Outbounds (Repair) der bessere Weg ist.