Datenkatalog und Use-Case-Architektur für KI-Vertrieb

Ausgangslage

Ein internationaler Lebensmittelzutatenhersteller wollte seinen Vertrieb mit KI ausstatten — aber ohne klares Bild davon, welche Daten überhaupt existieren, wo sie liegen und was sie wert sind. Use Cases wurden diskutiert, bevor die Datenbasis verstanden war. Das Ergebnis: Initiativen, die an fehlenden oder fragmentierten Datenquellen scheiterten, bevor sie überhaupt begonnen hatten.

Was wir getan haben

Wir haben den kompletten Vertriebsdatenkatalog aufgebaut: 127 Datenpunkte entlang von 17 Vertriebsphasen, von der Gebietsplanung bis zur Churnprävention, aus 18 internen und externen Quellen. Auf dieser Grundlage haben wir 10 High Impact KI-Use-Cases definiert — mit Funnel-Zuordnung, technischem Muster, Aufwand und Wertbeitrag — und einen Backbone-Use-Case identifiziert, dessen strukturierte Datenextraktion fünf weitere Use Cases erst ermöglicht. Das Ergebnis ist eine gemeinsame Planungsgrundlage für Vertrieb, IT und KI-Implementierung.

Ergebnisse

Was wir dabei gelernt haben

In fast allen Fällen ist nicht das Modell der Engpass — es ist die Datenbasis. Mehr als die Hälfte der identifizierten Use Cases waren technisch blockiert, weil die notwendigen Daten entweder nicht verfügbar, nicht strukturiert oder nicht integriert waren. Wer KI-Projekte im Vertrieb ohne vorherige Dateninventur startet, riskiert, an der falschen Stelle zu bauen.