von Benjamin WagnerChatGPT im Vertrieb 2026: 10 Workflows, die wirklich Deals schließen
ChatGPT wurde 2024 bis 2025 zum Standard-KI-Assistenten für Vertriebsteams. 2026 lautet die Frage nicht mehr „soll ich es nutzen", sondern „wo bewegt es wirklich die Nadel". Die meisten Online-Leitfäden geben Ihnen 50 Prompts und nennen das einen Tag. Dieser Artikel macht das Gegenteil: zehn Workflows, in echten B2B-Vertriebsmotionen getestet, geordnet nach echtem ROI, mit den Prompts und Integrationsmustern, die sie funktionieren lassen.
Ich baue Customermates, ein Open-Source-CRM. Die Hälfte meiner Kunden kam über die Aussage „ich nutze ChatGPT im Vertrieb sowieso, ich brauche nur ein CRM, das nicht dagegenarbeitet". Dieser Artikel ist das Spielbuch, das ich mit ihnen teile.
Warum „ChatGPT im Vertrieb" 2026 wirklich liefert
Drei Dinge haben sich in den letzten 18 Monaten geändert, die die unten stehenden Workflows funktionieren lassen:
Modelle mit langem Kontext. GPT-4o, Claude Sonnet 4.6 und Gemini 1.5 Pro lesen 100.000+ Tokens auf einmal. Sie können einen vollständigen E-Mail-Thread, ein Anrufprotokoll und einen CRM-Datensatz in einen Prompt einfügen und eine kohärente Antwort bekommen.
Stabilität von API und Tool-Use. Die ChatGPT-API ruft externe Tools inzwischen zuverlässig auf. Mit einem CRM, das MCP-Tools bereitstellt, kann der Agent Deals lesen, Notizen aktualisieren und Aufgaben anlegen, ohne dass Sie kopieren-einfügen müssen.
Custom GPTs und Projekte. Ein ChatGPT-Projekt (oder ein Custom GPT) hält Ihren ICP, Ihren Tonfall, Ihre Case Studies, Ihre Einwand-Antworten bereit. Jeder Prompt läuft gegen diesen Kontext. Sie hören auf, immer wieder zu erklären, wer Ihr Käufer ist.
Die Teams, die echten Wert aus „ChatGPT im Vertrieb" ziehen, behandeln es als Werkzeug, das neben dem CRM und dem Posteingang lebt, nicht als Chatbot, den man besucht, wenn man eine Schreibblockade hat.
Workflow 1: Vorbereitung und Recherche vor dem Gespräch (höchster ROI)
Der Hebel mit dem größten Effekt: Ein Discovery-Call in 5 Minuten statt 25 vorbereiten.
Der Prompt:
Ich habe in 30 Minuten einen Discovery-Call mit [Name] bei [Unternehmen]. Sie/er ist [Rolle] bei einem [Größe] [Branche]-Unternehmen. LinkedIn-Profil: [einfügen]. Unternehmenswebsite sagt: [einfügen]. Letzte Finanzierungsrunde: [einfügen]. Auf Basis davon: (1) drei Hypothesen zum aktuellen Schmerz, (2) drei offene Fragen für die ersten 10 Minuten, (3) die Case Study aus meinem Pitch-Deck, die am ehesten ankommt, (4) zwei Wettbewerbsprodukte, die sie wahrscheinlich evaluieren.
Die Integration: Ein ChatGPT-Projekt für Vertriebsvorbereitung, das bereits Ihren ICP, drei Case Studies und das Wettbewerbsbild eingebrannt hat. Sie werfen die Rohrecherche rein; ChatGPT liefert das Briefing.
Die CRM-Anbindung: Nach dem Gespräch das Aufnahme- oder Anrufprotokoll einfügen und den Agenten Entscheidungen, Action Items und nächste Schritte extrahieren lassen. Über die API ins CRM schieben. Die nächste Person, die den Deal übernimmt, sieht den vollen Kontext.
Workflow 2: Personalisierung von Cold E-Mails in der Skala
Der Workflow, der einen einzelnen Vertriebler pro Tag 20 tief personalisierte E-Mails statt 5 verschicken lässt.
Der Prompt:
Schreibe eine Cold E-Mail an [Name] bei [Unternehmen]. LinkedIn zeigt [einfügen]. Die Unternehmenswebsite erwähnt [einfügen]. Das Trigger-Ereignis ist [aktuelle Finanzierung / Einstellung / News]. Der Hook ist [Ihr Ein-Satz-Wertversprechen]. Schreibe eine 90-Wort-E-Mail mit einer P.S.-Zeile, die das Trigger-Ereignis aufgreift. Tonfall: peer-zu-peer, kein Vertriebsjargon, endet mit einer weichen Aufforderung zu einem 15-Minuten-Gespräch.
Die Integration: Kontaktdaten aus dem CRM ziehen, durch ChatGPT in Stapeln laufen lassen, Entwürfe als Aktivitätsdatensätze ins CRM zurückschreiben. Jede E-Mail wird vor Versand von einem Menschen geprüft; die KI erledigt 80 Prozent der Arbeit.
Die ehrliche Begrenzung: Cold-E-Mail-Volumen über 100/Tag wirkt aus Sicht der Domain-Reputation wie Spam. Personalisierungsqualität zählt mehr als Volumen. Nutzen Sie ChatGPT, um aus 30 E-Mails 200 zu machen; nutzen Sie es nicht, um 500 mittelmäßige zu senden.
Workflow 3: Follow-up-E-Mail nach einem Termin
Die tägliche Nutzung mit dem geringsten Aufwand und der höchsten Wirkung:
Der Prompt:
Schreibe eine Follow-up-E-Mail nach meinem Termin mit [Name] bei [Unternehmen]. Hier das Termin-Transkript: [einfügen]. Fasse die drei getroffenen Entscheidungen zusammen, liste die Action Items pro Verantwortlichem auf und ende mit einer weichen Zusage, das Angebot bis [Datum] zu schicken. Tonfall: warm, aber professionell. Länge: unter 200 Wörter.
Die Integration: ChatGPT mit Ihrem Aufnahme-Tool (Fathom, Fireflies, Read.ai) verbinden. Jeder Termin endet mit einem Follow-up-Entwurf in Ihrem Posteingang. Sie editieren und senden.
Die CRM-Anbindung: Dasselbe Transkript, das die E-Mail entwirft, aktualisiert auch den CRM-Datensatz. Die Kommunikationshistorie des Kontakts zeigt, was gesagt, entschieden und zugesagt wurde.
Workflow 4: Einwandbehandlung schreiben
Wenn ein Interessent einen harten Einwand bringt, können Sie entweder eine defensive Antwort hinrotzen oder 5 Minuten mit ChatGPT etwas Durchdachtes entwerfen.
Der Prompt:
Ein Interessent hat gerade mit diesem Einwand geantwortet: [einfügen]. Unser Wertversprechen ist [einfügen]. Diesen Einwand kennen wir; so framen wir ihn üblicherweise: [einfügen]. Schreibe drei mögliche Antworten: eine, die anerkennt und umlenkt, eine, die den Einwand frontal mit einer Case Study angeht, eine, die eine klärende Frage stellt, um mehr Kontext zu bekommen. Jede Antwort unter 100 Wörter.
Die Integration: Ein ChatGPT-Projekt pro Funnelstufe (frühe Discovery, späte Discovery, Angebotsphase, Closing). Jedes Projekt hat die relevanten Einwandmuster und Standardantworten vorgeladen. Vertriebler ziehen aus dem Projekt, nicht aus einem allgemeinen ChatGPT-Fenster.
Workflow 5: Account-Recherche vor einem Renewal-Termin
Für Account Manager, die Renewals führen, zählt die Vorbereitung mehr als das Gespräch selbst.
Der Prompt:
Ich bereite einen Renewal-Termin mit [Account] vor. Hier sind die Nutzungsdaten der letzten 12 Monate: [einfügen]. Hier das letzte QBR: [einfügen]. Sie haben in Q2 um [X] Nutzer expandiert und in Q4 um [Y] reduziert. Auf Basis davon identifiziere: (1) drei Risikosignale, (2) zwei Expansionschancen, (3) den Fall für Renewal auf aktuellem Vertragslevel vs. Expansion-Play.
Die Integration: ChatGPT mit Ihrer Nutzungsanalytik und dem CRM verbinden. Jeder Renewal-Account bekommt 7 Tage vor dem Termin ein automatisches Briefing. Der AM kommt mit Insights ins Gespräch, nicht nur mit Historie.
Workflow 6: Angebotspersonalisierung
Für Deals, bei denen jedes Angebot individuell wirken muss, aber meist nicht ist.
Der Prompt:
Passe diese Angebotsvorlage für [Unternehmen] an. Hier die Vorlage: [einfügen]. Hier, was ihnen laut Discovery-Call wichtig ist: [einfügen]. Justiere das Executive Summary, die Case-Study-Auswahl (nimm die zur Branche passende) und die Preisbegründung. Die Boilerplate-Abschnitte unverändert lassen.
Die Integration: Angebotsvorlagen in einer Notion-Datenbank oder Dokumentensystem. ChatGPT-getriebener Workflow regeneriert die personalisierten Abschnitte; der Vertriebler prüft und sendet. Aus einem halben Tag Angebot wird ein 45-Minuten-Angebot.
Workflow 7: CRM-Dateneingabe aus Voice-Notes
Der einfachste Workflow, der sofort Vertriebler-Zeit freisetzt.
Der Prompt:
Hier ist eine 90-Sekunden-Sprachnotiz, die ich nach einem Vertriebsgespräch aufgezeichnet habe: [Transkript]. Extrahiere: (1) getroffene Entscheidungen, (2) Action Items pro Verantwortlichem, (3) Datum für nächsten Schritt, (4) jeden neu erwähnten Kontakt. Formatiere als JSON-Datensatz, den ich ins CRM einfügen kann.
Die Integration: Sprachmemos (Mac, iPhone) mit Whisper oder ChatGPTs Speech-to-Text koppeln, Output durch ChatGPT laufen lassen, strukturierten Datensatz über MCP oder API ins CRM schieben. Fünf Minuten nach einem Gespräch ist Ihr CRM aktuell, ohne zu tippen.
Workflow 8: Vorbereitung des Pipeline-Reviews
Für Vertriebsleiter, die wöchentliche Pipeline-Reviews führen.
Der Prompt:
Hier der aktuelle Pipeline-Stand: [Deal-Liste mit Stufe, Betrag, letzter Aktivität, Verantwortlichem einfügen]. Identifiziere: (1) Deals, die wegen veralteter Aktivität gefährdet sind, (2) Deals, die wegen Stufenfortschritt vs. erwartetem Abschluss gefährdet sind, (3) Deals, die sich in der letzten Woche positiv bewegt haben, (4) Coaching-Chancen pro Vertriebler basierend auf Conversion-Rates pro Stufe.
Die Integration: Ein wöchentliches Skript zieht Pipeline-Daten aus dem CRM, lässt sie durch ChatGPT laufen und erzeugt ein Manager-Briefing. Aus dem 90-minütigen Montags-Pipeline-Review wird ein 30-minütiges fokussiertes Gespräch.
Workflow 9: Wettbewerbsanalyse auf Abruf
Vertriebler verlieren Deals, weil sie Wettbewerbsfragen nicht in Echtzeit beantworten können.
Der Prompt:
Ein Interessent hat gerade gefragt, wie wir uns gegen [Wettbewerber X] bei [Funktion/Dimension] vergleichen. Was wir über [Wettbewerber X] wissen: [aus Wettbewerber-Sheet einfügen]. Unsere Positionierung: [einfügen]. Schreibe eine 60-Sekunden-Antwort, die die Stärke des Wettbewerbers anerkennt, benennt, wo wir gewinnen, und eine konkrete Case Study oder Beweispunkt anbietet.
Die Integration: Ein Wettbewerbsanalyse-Projekt in ChatGPT, das der Vertriebler aus seinem Telefon während des Gesprächs anpingen kann. Aktuelle Wettbewerbspositionierung in 30 Sekunden verfügbar.
Workflow 10: Win/Loss-Analyse
Für Revenue Leaders, die aus jedem gewonnenen und verlorenen Deal lernen wollen.
Der Prompt:
Hier die letzten 20 verlorenen Deals aus dem CRM mit Verlust-Notizen: [einfügen]. Identifiziere die drei häufigsten Verlustgründe. Schlage für jeden eine Prozessänderung oder ein neues Vertriebsmaterial vor, das den Ausgang geändert hätte.
Die Integration: Monatliches Skript, das Closed-Lost (und Closed-Won) Daten aus dem CRM zieht, eine Musteranalyse erzeugt und sie dem Revenue Leader fürs QBR übergibt. Jahresplanung beginnt mit Daten statt mit Anekdoten.
So bleibt „ChatGPT im Vertrieb" wirklich hängen
Fünf Praktiken, die Teams mit echtem ROI von Teams unterscheiden, die ChatGPT nach drei Wochen aufgegeben haben:
Vorlagen bauen, keine Einzelfälle. Jeder Prompt oben sollte in einem gespeicherten Custom GPT oder Projekt liegen. Wenn Vertriebler die Struktur jedes Mal neu tippen müssen, nutzen sie es nicht. Die Vorlagen wiederverwendbar machen.
Mit dem CRM verbinden. ChatGPT in einem Tab, das nicht mit dem CRM spricht, ist ein verlustreicher Workflow. Über MCP oder API-Integration die KI vom System of Record lesen und schreiben lassen. Sonst tippen Vertriebler doppelt.
Review-Regeln festlegen. KI-entworfene Outreach geht immer durch einen Menschen vor Versand. Interne Nutzung (Notizen, Zusammenfassungen, Vorbereitung) kann reibungsärmer sein. Die Vertrauenskalibrierung zählt; eine schlechte KI-versendete E-Mail verbrennt mehr Goodwill als zehn gesparte.
Ein Modell wählen und dabei bleiben. Zwischen Claude, ChatGPT, Gemini für unterschiedliche Aufgaben zu wechseln, fügt kognitiven Aufwand hinzu. Eines für Vertriebsarbeit wählen, seine Eigenheiten meistern, nur aus konkreten Gründen wechseln.
Zeitersparnis messen. Tracken, wie lange eine Discovery-Vorbereitung, eine Follow-up-E-Mail, eine Angebotsanpassung mit vs. ohne KI tatsächlich dauern. Nach einem Monat haben Sie harte Zahlen, welche Workflows sich auszahlen und welche Theater sind.
Das CRM, das zu „ChatGPT im Vertrieb" passt
Ein CRM, das für die KI-getriebene Vertriebsmotion gebaut ist, sieht anders aus als eines, das für manuelle Eingabe gebaut ist:
Offene API und Webhooks. Der Agent muss vom CRM lesen und schreiben können. Geschlossene CRMs (HubSpots untere Tarife, manche Legacy-Systeme) machen das schwer.
MCP-Unterstützung. Native MCP-Tools bedeuten, dass jedes KI-Modell (Claude, ChatGPT, Gemini, lokale Modelle) das CRM direkt bedienen kann. Ohne MCP bauen Sie für jedes Modell eigene Integrationen.
Bidirektionale E-Mail- und Kalendersynchronisation. Ohne sie kann die KI nicht lesen, was gesagt wurde. Mit ihr ist jede E-Mail und jeder Termin Kontext, den der Agent nutzen kann.
Aktivitätshistorie pro Datensatz. Jede Interaktion (E-Mail, Anruf, Notiz, KI-Entwurf) lebt am Kontaktdatensatz. Die nächste Person, die den Deal übernimmt, sieht den vollen Kontext, einschließlich, was KI-generiert war und wann.
Customermates liefert alle vier. Die Preise liegen pauschal bei 9 €/Nutzer/Monat, mit allen Funktionen (API, Webhooks, MCP, Integrationen) inklusive. Für Teams, die bereits einen täglichen ChatGPT-im-Vertrieb-Workflow fahren, verschwindet die Reibung des Legacy-CRMs.
Ehrliche Grenzen
Vier Dinge, die ChatGPT im Vertrieb schlecht macht und für die es nicht genutzt werden sollte:
Entscheiden, ob ein Deal weiterverfolgt werden soll. Mustererkennung bei toten Deals beherrschen Menschen (besonders erfahrene Vertriebler) besser. KI tendiert dazu, Signale zu halluzinieren.
Körpersprache oder Tonfall in Gesprächen lesen. Auch mit Transkripten verpasst KI tonale Verschiebungen, die erfahrene Vertriebler erfassen. KI-Zusammenfassungen sind nützlich, sollten aber nicht das eigene Bauchgefühl ersetzen.
Direkt mit dem Kunden verhandeln. KI kann vorbereiten, entwerfen, analysieren. Sie sollte nicht die Stimme im Gespräch oder das letzte Wort in der Verhandlung sein.
Alles Regulierte oder rechtlich Hochrelevante. Compliance-Reviews, Vertrags-Redlines, MSA-Verhandlungen bleiben menschlich. KI kann das Dokument zusammenfassen, nicht die Änderung freigeben.
Das ehrliche Modell: KI erledigt die Vorbereitung, die Entwürfe und die Nacharbeit. Menschen erledigen Gespräche, Ermessensentscheidungen und Beziehungsvertrauen.
DSGVO-Hinweis für deutsche Teams
ChatGPT Team und Enterprise haben Auftragsverarbeitungsverträge und erlauben es, Trainingsdaten-Opt-out zu setzen. Für B2B-Outbound an EU-Kontakte ist das in der Regel handhabbar. Für sensible Daten (Vertriebsnotizen mit personenbezogenen Infos, vollständige Anrufprotokolle) reduzieren self-hosted Modelle oder EU-gehostete Alternativen das Risiko.
Der einfachste Weg: ChatGPT für allgemeine Entwürfe nutzen, Roh-Kundendaten in einem self-hosted CRM halten, niemals vollständige Kundenlisten in ein öffentliches ChatGPT-Fenster kopieren. Customermates Self-Hosted auf einem deutschen Server (Hetzner, IONOS) plus Anthropic Enterprise oder einem lokalen Modell wie Mistral ist die saubere DSGVO-Konfiguration.
12 fertige ChatGPT-Prompts, die Sie heute kopieren können
Diese in einem Custom GPT oder ChatGPT-Projekt speichern, damit Vertriebler aufhören, die Struktur jedes Mal neu zu tippen. Die geklammerten Platzhalter durch echte Daten ersetzen.
1. ICP-Passung vor der Recherche prüfen.
Hier ist ein Interessent: [LinkedIn-Bio einfügen]. Hier ist unser ICP: [einfügen]. Auf einer Skala von 1 bis 10, wie stark ist die Passung? Nenne zwei Gründe für die Bewertung und einen Disqualifizierer, den ich prüfen sollte, bevor ich mehr Zeit investiere. Ehrlich sein, nicht großzügig.
2. Erstkontakt-Cold-E-Mail.
Schreibe eine 90-Wort-Cold-E-Mail an [Name] bei [Unternehmen]. Trigger: [aktuelle Finanzierung / Einstellung / News]. LinkedIn sagt: [einfügen]. Hook: [Ihr Ein-Satz-Wertversprechen]. Tonfall: peer-zu-peer, keine Vertriebssprache. Ende mit einer 15-Minuten-Frage. Füge eine P.S.-Zeile hinzu, die den Trigger natürlich aufgreift. Vermeide die Wörter „Synergie", „Hebel" und „abschließend zurückkommen".
3. LinkedIn-DM nach einer angenommenen Verbindung.
Schreibe eine 50-Wort-LinkedIn-DM an [Name] bei [Unternehmen]. Sie/er hat gerade meine Verbindung angenommen. Wir haben noch nicht interagiert. Ich will ein echtes Gespräch starten, nicht pitchen. Beziehe dich auf den letzten Post: [einfügen]. Ende mit einer Frage, die sie/er tatsächlich gerne beantworten würde.
4. Nachfass Nummer 2, wenn die erste E-Mail keine Antwort bekam.
Ein Interessent hat nicht auf meine erste E-Mail geantwortet. Was ich gesendet habe: [einfügen]. Was ich über sie/ihn weiß: [einfügen]. Schreibe einen Nachfass, der kürzer als der erste ist, einen anderen Winkel anspricht und genuin nützlich ist (eine relevante Case Study, eine Statistik, eine Frage). Sage nicht „ich wollte nur sicherstellen, dass du das gesehen hast" oder „ich pushe das mal hoch".
5. Discovery-Call-Agenda.
Ich habe einen 30-Minuten-Discovery-Call mit [Name] von [Unternehmen]. Rolle: [Rolle]. Der Trigger, der sie/ihn ins Gespräch gebracht hat, war [Grund]. Baue mir eine Agenda: 5 Minuten Opener, 15 Minuten Discovery-Fragen in Reihenfolge der Wichtigkeit, 5 Minuten Demo der relevantesten Produkt-Funktion, 5 Minuten Abschluss mit klarem nächsten Schritt. Discovery-Fragen sollten offen sein und das Offensichtliche vermeiden.
6. Nach-Gespräch-Zusammenfassung fürs CRM.
Hier ein Transkript eines 30-Minuten-Discovery-Calls: [einfügen]. Gib eine strukturierte Zusammenfassung als JSON aus mit den Keys: pain_points (Array), decision_makers_mentioned (Array), budget_signal (String), timeline (String), next_steps (Array von {action, owner, due_date}), red_flags (Array). Keine Felder erfinden, die im Transkript nicht stehen.
7. Angebotspersonalisierung.
Passe diese Angebotsvorlage für [Unternehmen] an. Vorlage: [einfügen]. Was ihnen laut Discovery wichtig ist: [einfügen]. Branche: [Branche]. Justiere das Executive Summary, die Case Study (nimm die relevanteste) und die Preisbegründung. Boilerplate-Abschnitte unverändert lassen. Gib das vollständige Angebot in Markdown aus.
8. Einwandbehandlung: Preis.
Ein Interessent hat gerade beim Preis Einspruch erhoben: [exakte Worte einfügen]. Unsere Preise: [einfügen]. Unsere Hauptdifferenzierung: [einfügen]. Schreibe drei Antworten: eine, die den Preis als ROI umrahmt, eine, die den Preis in einen kleineren Rahmen aufteilt (pro Tag, pro Deal), eine, die eine klärende Frage stellt, um die echte Sorge zu verstehen. Jede Antwort unter 80 Wörter.
9. Wettbewerbs-Battle-Card auf Abruf.
Ein Interessent hat gerade gefragt, wie wir uns gegen [Wettbewerber X] vergleichen. Was wir über [Wettbewerber X] wissen: [einfügen]. Unsere Positionierung: [einfügen]. Schreibe eine 60-Sekunden-Antwort, die die echte Stärke des Wettbewerbers anerkennt, benennt, wo wir gewinnen, und eine konkrete Case Study anbietet. Den Wettbewerber nicht schlechtmachen; respektieren und differenzieren.
10. Empfehlungsanfrage nach einem gewonnenen Deal.
Schreibe eine Empfehlungs-Anfrage-E-Mail an [Name] bei [Unternehmen]. Kontext: Sie haben gerade unterschrieben und das Onboarding lief reibungslos. In der letzten E-Mail haben sie erwähnt, dass [einfügen]. Tonfall: warm, nicht transaktional. Frage, ob sie eine andere Person in [Ziel-ICP-Beschreibung] kennen, die profitieren könnte. Unter 100 Wörter halten.
11. Win/Loss-Interview-Skript.
Ich muss [Name] interviewen, der gerade von unserem Produkt abgesprungen ist. Der angegebene Grund war [einfügen]. Baue mir ein 15-Minuten-Interview-Skript mit 8 Fragen, die den echten Grund freilegen sollen (der ist meist anders als der angegebene Grund). Fragen sollten neutral sein, nicht defensiv, und ihn/sie nicht dazu führen, unsere Vorannahmen zu bestätigen.
12. Quarterly Business Review Vorbereitung.
Ich bereite ein QBR mit [Account] vor. Nutzungsdaten der letzten 90 Tage: [einfügen]. Letzte QBR-Verpflichtungen und was passiert ist: [einfügen]. Neue Einstellungen oder Organisationsänderungen, von denen ich weiß: [einfügen]. Baue mir eine QBR-Agenda: 5 Minuten Erfolge feiern, 15 Minuten zu Adoptions-Lücken und Lösungsvorschlägen, 10 Minuten zu Expansionschancen passend zu ihren Organisationsänderungen, 5 Minuten zu Verpflichtungen fürs nächste Quartal.
ChatGPT vs. Claude vs. Gemini in der Vertriebsarbeit
Drei Modelle dominieren Vertriebs-Workflows 2026. Jedes hat eine Persönlichkeit.
ChatGPT (GPT-4o, GPT-5). Stärkstes Ökosystem (Custom GPTs, Projekte, Plugins), breiteste API-Integrationsunterstützung, beste Wahl für Teams, die polierte UI-Funktionen gegenüber roher Schlussfolgerungs-Qualität bevorzugen. Etwas schwächer als Claude bei Lang-Dokument-Analyse. Beste Wahl für: Cold-E-Mail-Entwürfe, Prompt-Bibliotheks-Workflows, alles, wo Sie einen Custom GPT teamübergreifend teilen wollen.
Claude (Sonnet 4.6, Opus 4.7). Stärkste Lang-Kontext-Schlussfolgerungen (vollständige Anrufprotokolle, mehrteilige E-Mail-Historien, lange Angebote). Tonfall-Kalibrierung zuverlässiger als GPT für B2B-Schreiben. Nativer MCP-Support bedeutet, dass es Ihr CRM direkt über Tools wie Customermates bedienen kann. Beste Wahl für: Nach-Gespräch-Zusammenfassungen, Angebotspersonalisierung, alles, wo der Input lang ist und der Output präzise sein muss.
Gemini (1.5 Pro, 2.0). Stärkstes bei multimodal (Lesen von Dashboard-Screenshots, Parsen von Charts in PDFs). Engste Google-Workspace-Integration, wenn Ihr Team in Gmail und Drive lebt. Output-Qualität liegt bei reiner Textgenerierung hinter Claude und ChatGPT. Beste Wahl für: Teams, die ohnehin tief in Google Workspace stecken, Workflows, die nicht-textuelle Eingaben lesen müssen.
Das ehrliche Modell: eines als primäres wählen, gespeicherte Prompts dort konfigurieren und nur für spezifische Anwendungsfälle wechseln, in denen die Alternative deutlich besser ist. Die meisten Teams verbrennen mehr Zeit beim Wechsel zwischen Modellen, als sie einsparen, indem sie das optimale Modell für jede Aufgabe wählen.
Häufige Fehler bei ChatGPT im Vertrieb (und wie man sie behebt)
Sechs Muster, die ich wöchentlich sehe und die den ROI von ChatGPT-im-Vertrieb-Workflows leise zerstören.
Generisches Outreach, getarnt als personalisiert. ChatGPT produziert eine selbstbewusst personalisierte E-Mail, auch wenn Sie ihm fast nichts zum Arbeiten geben. Vertriebler kopieren einen Namen und eine Unternehmens-URL, bekommen eine 90-Wort-E-Mail zurück und nehmen an, die KI habe ihre Hausaufgaben gemacht. Hat sie meist nicht. Lösung: Immer den jüngsten LinkedIn-Post des Interessenten, die jüngste Finanzierungsrunde des Unternehmens und ein echtes Trigger-Ereignis in den Prompt einfügen. Ohne diese drei Eingaben bekommen Sie einen Mad Lib, der schlau klingt und zu Vorlagen-Raten konvertiert.
Jede Antwort als positiv interpretieren. KI tendiert dazu, mehrdeutige Antworten („interessant, wann können wir sprechen?") als positives Intent zu interpretieren und Termine zu buchen, die der Interessent später absagt. Vertriebler sitzen in zu vielen Low-Intent-Gesprächen. Lösung: Explizit nach Skepsis prompten. „Bewerte diese Antwort von 1 bis 10 auf Intent. Bei 7 oder höher Termin vorschlagen. Bei niedriger eine klärende Frage vorschlagen."
Denselben Custom GPT über alle Funnelstufen wiederverwenden. Ein Interessenten-Recherche-GPT und ein Renewal-Vorbereitungs-GPT brauchen unterschiedlichen Kontext. Vertriebler konfigurieren einen Custom GPT, kippen alles rein, und die Outputs degradieren, weil der Kontext zu breit ist. Lösung: Separaten Custom GPT pro Workflow bauen (Cold E-Mail, Discovery-Vorbereitung, Renewal, Win/Loss). Jedes Projekt hält die relevanten Case Studies und Tonfall-Richtlinien.
Den Human-Review im Outbound überspringen. KI-entworfenes Outbound, das ohne Prüfung rausgeht, beschädigt die Domain-Reputation schneller als gar kein Outbound. Eine KI-generierte E-Mail, die sich auf „Ihre Arbeit bei [VorherigesUnternehmen]" bezieht, wenn der Interessent vor sechs Monaten den Job gewechselt hat, verbrennt die Beziehung. Lösung: Human-Review auf jeder ausgehenden Nachricht, bis Sie 30 Tage saubere Daten haben. Interne Nutzung (Notizen, Zusammenfassungen) ist ohne Review okay.
Kundendaten in ein öffentliches ChatGPT-Fenster kopieren. Free-ChatGPT-Nutzer sind standardmäßig im Training-Opt-in. Echte Kundennamen, Deal-Größen oder Anrufprotokolle in ein Free-Fenster zu kopieren bedeutet, dass OpenAI darauf trainieren kann. Lösung: ChatGPT Team oder Enterprise (Training-Opt-out Standard), oder self-hosted Alternativen für sensible Daten. Nie vollständige Kundenlisten irgendwohin kopieren.
Aktivität messen, nicht Ergebnisse. „Wie viele E-Mails hat die KI diese Woche entworfen" ist eine schlechte Metrik. „Wie viele qualifizierte Termine haben wir gebucht" ist die richtige. Teams optimieren drei Monate auf das Falsche, schließen dann, KI funktioniere nicht. Lösung: Time-to-First-Touch, Reply-Rate und Qualifizierte-Termine-Rate vor und nach KI-Rollout tracken. Wöchentlich gegen Baseline vergleichen.
Das Muster aller sechs: KI verstärkt den Workflow, den Sie haben, gut oder schlecht. Erst den Workflow reparieren; die KI rettet Sie nicht vor einem kaputten Prozess.
Ihren ChatGPT-im-Vertrieb-Spielbuch in 30 Tagen aufbauen
Der kürzeste Weg von „wir nutzen ChatGPT manchmal" zu „ChatGPT ist das Standard-Tool, das jeder Vertriebler täglich nutzt".
Woche 1: Drei Workflows wählen. Aus den 10 Workflows oben die drei wählen, die zur Vertriebsmotion passen. Die meisten Teams wählen: Vor-Gespräch-Vorbereitung, Follow-up-E-Mail nach einem Termin, Nach-Gespräch-CRM-Eingabe. Einen Custom GPT oder ein Projekt für jeden bauen, mit Ihrem ICP, Case Studies und Tonfall vorgeladen. Zeit: ein halber Tag, um die drei Projekte aufzusetzen.
Woche 2: Das Team auf einen Workflow trainieren. Bringen Sie dem Team zuerst bei, wie der Vor-Gespräch-Workflow zu nutzen ist. Jeder Vertriebler soll ihn vor drei echten Gesprächen in der Woche laufen lassen. Feedback sammeln, was funktioniert hat und was nicht. Den Custom GPT basierend auf den Mustern anpassen. Der erste Workflow ist am schwersten, weil Vertriebler das Tool lernen; die folgenden Workflows übertragen sich schneller.
Woche 3: Zweiten und dritten Workflow ergänzen. Follow-up-E-Mails und Nach-Gespräch-Eingabe ausrollen. Inzwischen haben Vertriebler einen Workflow-Rhythmus und wissen, wie sie Prompts formulieren. Pro Vertriebler pro Tag gesparte Zeit tracken. Realistischer Gewinn: 30 bis 45 Minuten pro Vertriebler pro Tag allein durch diese drei Workflows.
Woche 4: Mit dem CRM verbinden. Die API- oder MCP-Integration so einrichten, dass der Agent direkt vom CRM liest und schreibt. Der Nach-Gespräch-Workflow profitiert besonders: Statt einen JSON-Datensatz manuell ins CRM zu kopieren, aktualisiert der Agent den Kontakt direkt. Gesamte gesparte Zeit pro Vertriebler pro Tag nach CRM-Integration: 60 bis 90 Minuten.
Nach dem ersten Monat zusätzliche Workflows aus der Liste schichtweise hinzufügen (Einwandbehandlung, Angebotspersonalisierung, Win/Loss-Analyse) je nach Bedarf. Die Falle vermeiden, alle 10 auf einmal ausrollen zu wollen. Drei täglich genutzte Workflows schlagen zehn gelegentlich genutzte.
Häufig gestellte Fragen
Was ist der beste ChatGPT-Prompt für den Vertrieb?
Es gibt keinen einzelnen besten Prompt. Die wertvollsten Workflows sind Vorbereitung vor Gesprächen, Follow-up-E-Mail-Entwurf und CRM-Eingabe aus Sprachnotizen. Für jeden eine gespeicherte Vorlage (Custom GPT oder Projekt) bauen, mit Ihrem Kontext (ICP, Case Studies, Tonfall) bestückt, damit Sie aufhören, das Setup neu zu tippen.
Kann ChatGPT einen Vertriebler ersetzen?
Bei komplexen B2B-Deals nein. KI erledigt Vorbereitung und Verwaltung; Menschen führen Gespräche und Ermessensentscheidungen. Bei einfachen Hochvolumen-Verkäufen (Low-Touch-SaaS, E-Commerce-Upsell) kann KI mehr vom Workflow tragen, aber ein Mensch ist beim Closing immer noch dabei.
Wie verbinde ich ChatGPT mit meinem CRM?
Drei Optionen: (1) Custom GPT mit API-Integration ins CRM (funktioniert, wenn Ihr CRM eine offene API hat), (2) Workflow-Automation-Tool wie n8n oder Zapier zwischen ChatGPT und CRM, (3) MCP-natives CRM, in dem ChatGPT oder Claude CRM-Datensätze direkt lesen und schreiben können. Die dritte Option liefert die beste UX; Customermates unterstützt sie nativ über 54 MCP-Tools.
Ist ChatGPT gut für Cold E-Mail?
Für Entwürfe ja, für Versand nein. Nutzen Sie ChatGPT, um personalisierte Erstkontakt-E-Mails auf Basis echter Recherche über den Interessenten zu schreiben. Lassen Sie einen Menschen prüfen und senden. KI-versendete Cold E-Mail in Skala beschädigt die Domain-Reputation und schlägt durchdachte manuelle Outreach selten.
Was ist der Unterschied zwischen ChatGPT im Vertrieb und Agentforce?
ChatGPT ist eine universelle KI, die Sie für Vertriebs-Workflows nutzen können; die Integrationen bauen Sie selbst. Agentforce ist eine Salesforce-spezifische Agenten-Plattform, die vorintegriert kommt, aber nur in Salesforce funktioniert. Für Teams, die ohnehin auf Salesforce sind, ist Agentforce die natürliche Erweiterung. Für alle anderen ist ChatGPT plus ein offenes CRM flexibler und dramatisch günstiger.
Was kostet die Nutzung von ChatGPT im Vertrieb?
ChatGPT Plus für 20 €/Nutzer/Monat deckt die meisten Einzelnutzungsfälle ab. Teams brauchen ChatGPT Team (25 €/Nutzer/Monat) für geteilte Custom GPTs und Admin-Steuerung. API-Nutzung für automatisierte Workflows läuft bei 5 bis 50 €/Monat pro Heavy User. Gesamtbudget für ein 10-Personen-Vertriebsteam, das ChatGPT ernsthaft nutzt: 250 bis 500 €/Monat, plus die CRM-Kosten.
Was ist mit DSGVO bei ChatGPT im Vertrieb?
ChatGPT Team und Enterprise haben Auftragsverarbeitungsverträge und erlauben Trainingsdaten-Opt-out. Für B2B-Outbound an EU-Kontakte ist das in der Regel handhabbar. Für sensible Daten reduzieren self-hosted Modelle oder EU-gehostete Alternativen das Risiko. Der einfachste Weg: ChatGPT für allgemeine Entwürfe, Roh-Kundendaten in einem self-hosted CRM, nie vollständige Kundenlisten in ein öffentliches ChatGPT-Fenster kopieren.
Kann ChatGPT mein CRM automatisch aktualisieren?
Mit dem richtigen Setup ja. ChatGPT über API oder MCP mit dem CRM verbinden. Workflows, in denen die KI Eingaben (E-Mail, Anrufprotokoll) liest und Ausgaben (CRM-Update, Follow-up-Aufgabe) schreibt, eliminieren die Daten-Eingabe-Steuer. Customermates' MCP-Integration ist genau dafür gebaut; ChatGPT oder Claude bedient das CRM direkt ohne zusätzliche Tools.
ChatGPT oder Claude im Vertrieb?
Beide stark. Claude ist tendenziell besser bei Schlussfolgerungen über lange Dokumente (vollständige Anrufprotokolle, mehrteilige E-Mail-Historien). ChatGPT hat das bessere Integrations-Ökosystem (Custom GPTs, Plugins, breitere API-Unterstützung). Eines wählen und meistern. Mittendrin zu wechseln kostet mehr als die marginale Verbesserung.
