Konzeptkarte

KI ist überall im Go-to-Market. Kundennutzen nicht.

Stand 27. September 2026

Redaktion: Cédric Mary, alleiniger Redakteur und verantwortlich für die Veröffentlichung — 27 Jahre im SAP-Ökosystem. Wie diese Seiten entstehen und wo Automatisierung eingesetzt wird.

Was ist KI ist überall im Go-to-Market. Kundennutzen nicht.?

Die Lücke zwischen KI-Marketing und gemessenem Kundennutzen ist eine Mess- und Ehrlichkeitslücke, keine Technologielücke — jede KI-Behauptung ist daran zu prüfen, ob sie einen konkreten Mechanismus benennt oder nur eine Behauptung aufstellt.

Jeder Enterprise-Software-Anbieter führt sein Go-to-Market-Messaging inzwischen mit KI an. Feature-Listen zählen KI-gestützte Prognosen, KI-getriebene Empfehlungen, KI-unterstützte Workflows und KI-erweiterte Insights auf; Beschaffungsgremien bewerten KI-Reife; Analysten-Bewertungskriterien gewichten zunehmend die Breite der KI-Roadmap. Doch wenn Organisationen versuchen, die Adoption von KI-Features in gemessenen Kunden- oder Geschäftswert zu übersetzen, ist die Korrelation häufig schwach. Zu diagnostizieren, warum das so ist — und das Urteilsvermögen aufzubauen, eine echte Fähigkeit von einer Marketing-Behauptung zu unterscheiden — ist inzwischen eine Kernkompetenz für jeden, der zu SAP-Analytics oder KI-Strategie berät, denn die Lücke zwischen dem, was angekündigt wird, und dem, was geliefert wird, prägt fast jede Technologieentscheidung, die ein Kunde in diesem Zyklus trifft.

Die Lücke zwischen KI-im-Marketing und KI-liefert-Wert ist nicht in erster Linie ein Technologieproblem. Es ist eine Messlücke, eine Umsetzungsdisziplin-Lücke und in manchen Fällen schlicht eine Ehrlichkeitslücke — und jeder Typ erfordert einen anderen Rat.

Warum die Lücke besteht

KI-Features sind leicht anzukündigen und schwer zurückzuziehen. Sobald eine Fähigkeit ausgeliefert ist, bleibt sie über Releases hinweg in der Feature-Liste, unabhängig von Adoptionsrate oder gemessenem Wert, weil das Entfernen wie ein Rückschritt aussieht, selbst wenn sie niemand nutzt. Feature-Anzahl und KI-Ausgereiftheit sind in Wettbewerbsbewertungen zu einem Proxy-Signal für die Reife eines Anbieters geworden, was einen direkten Anreiz schafft, breit anzukündigen, selbst wenn die praktische Anwendbarkeit einer Fähigkeit eng begrenzt ist.

Warum es zählt

KI-Features sind leicht anzukündigen und schwer zurückzuziehen — sie bleiben über Releases hinweg bestehen, unabhängig von der Adoptionsrate, weil die Feature-Anzahl ein Proxy-Signal in Analystenbewertungen ist.
„Unsere KI analysiert die Kaufhistorie“ ist eine Behauptung; „unsere KI nutzt kollaboratives Filtern auf 36 Monate Transaktionshistorie, um Cross-Selling-Empfehlungen zu ranken“ ist ein prüfbarer Mechanismus.
Die Ergebnismessung scheitert am häufigsten, weil die Organisation vor dem Rollout nie eine Baseline etabliert hat — das Fehlen eines gemessenen Wertes ist kein Beweis für fehlenden Wert, aber ein Beweis für fehlende Sorgfalt.

Kernpunkte

Kundenergebnis-KPIs (TTFV, NRR, Expansion) ÜBER Aktivitätskennzahlen auf jedem Dashboard
Ergebnis-KPIs fest in das Datasphere-Analysemodell einbauen, damit SAC + Joule sie erben
Ohne semantische Durchsetzung fällt Go-to-Market innerhalb von 2 Quartalen auf Aktivitäts-Dashboards zurück
GenAI-Anwendungsfälle danach sortieren, welchen Kundenergebnissen sie dienen
Forresters eigene Quellumfrage (30 GTM-Führungskräfte, 07.05.2026): 88 % stimmen zu, dass der Nutzen von KI die Risiken überwiegen wird, doch die meisten genannten Initiativen bleiben auf interne Effizienz statt Kundenergebnisse fokussiert — dieselbe Lücke, die diese Karte diagnostiziert, unabhängig bestätigt.
Forrester benennt drei GTM-KI-Initiativtypen: KI auf bestehende Workflows anwenden (Risiko: automatisieren, was stattdessen entfernt werden sollte), Rollen/Fähigkeiten überdenken (neue Rollen: Marketing Engineer, KI-System-Owner, Governance-Owner), und mit marktorientierter KI für drei gleichzeitige Zielgruppen experimentieren.
Die Drei-Zielgruppen-Rahmung (Menschen, Käuferagenten, Antwortmaschinen) ist eine Designbeschränkung 2026: Der eigene KI-Agent eines Käufers, erreicht über A2A oder MCP, kann inzwischen der tatsächliche Konsument eines Data Product oder einer generierten Zusammenfassung sein — eine nur für menschliches Verständnis gebaute KPI oder Inhaltsstruktur ist möglicherweise nicht agentenhandlungsfähig.
Forresters empfohlener Wechsel: von Engagement-Kennzahlen (MQLs, Marketing-Pipeline-Volumen) zu einem „Return-on-Objectives“-Modell — direkt die eigene Empfehlung dieser Karte verstärkend, jedes Dashboard mit Ergebnis-KPIs statt Aktivitätszählungen zu führen.

Begriffe auf dieser Seite

TTFV: Time-to-First-Value — Zeitspanne vom Kauf bis zum ersten messbaren Kundennutzen.
NRR: Net Revenue Retention — Expansion abzüglich Abwanderung von Bestandskunden.
Semantische Durchsetzung: Sperren der KPI-Hierarchie im Analysemodell, damit nachgelagerte Tools sie erben.
Return-on-Objectives-Modell: Forresters empfohlener GTM-Messwechsel: KI-getriebene Marketing-/Vertriebsarbeit gegen erklärte Geschäfts- und Kundenziele bewerten statt allein gegen Engagement-Kennzahlen (MQLs, Pipeline-Volumen).
Drei-Zielgruppen-Rahmung: Forresters Modell dafür, wer 2026 marktorientierten Inhalt/Daten konsumiert: Menschen, käuferseitige KI-Agenten (erreicht über A2A/MCP) und Antwortmaschinen — jede benötigt möglicherweise eine strukturell andere, separat validierte Ausgabe.
Marketing Engineer: Eine aufkommende GTM-Rolle, die Forrester neben KI-System-Owner und Governance-Owner benennt — eine technisch versierte Rolle, verantwortlich für die Einbettung und Pflege von KI-Fähigkeit in Marketing-/Vertriebs-Workflows, getrennt von einer traditionellen Marketing-Operations-Rolle.

Quellen

Vollständige Karte für Mitglieder. Was die vollständige Karte ergänzt: den vollständigen Entscheidungsrahmen · den Vergleich SAP · Snowflake · Databricks · Fabric · die häufigen Fallstricke und ihre Behebung · die Kurzreferenz · die Architekturschemata · die Codeblöcke · die zitierfähigen Kennzahlen.

In der App öffnen →

Offene SAP-Projekte

Aktuelle SAP-Analytics-Projekte und Stellen im DACH-Raum: SAP-Analytics-Projekte im DACH-Raum.