Künstliche Intelligenz
AI Agents im Vertrieb: Mehr Umsatz durch intelligente Automatisierung
Im Vertrieb steckt die meiste Zeit nicht im Verkaufen, sondern im Vorbereiten: passende Firmen finden, qualifizieren, Kontaktdaten recherchieren, ins CRM eintragen. Genau diese Fleißarbeit ist der natürliche erste Anwendungsfall für KI-Agenten. Statt theoretisch zu beschreiben, wie das gehen könnte, zeigen wir es an einem System, das wir selbst gebaut haben und produktiv betreiben: dem lead-gen-agent.
Das Problem: gekaufte Lead-Listen taugen wenig
Für die Akquise unserer eigenen SaaS-Plattform heysuma brauchten wir saubere, inhabergeführte Studios mit Inhaber-E-Mail aus dem Impressum — kein generisches Listenkauf-Material. Klassische Lead-Anbieter decken den Long-Tail nicht ab, und eine Liste aus dem Vorjahr ist heute zur Hälfte veraltet. Also haben wir die Recherche selbst gebaut: agentisch, reproduzierbar, mit sauberen Daten.
Die Lösung: vier spezialisierte Agenten statt einem Mega-Prompt
Die naheliegende, aber falsche Idee wäre ein einziger großer Agent, der „alles macht”. Solche Monolithen glänzen im Demo und scheitern in der Breite — jeder zusätzliche Schritt multipliziert das Fehlerrisiko (das Warum dazu in Die Zukunft der AI Agents). Stattdessen haben wir die Aufgabe in vier kleine, fokussierte Agenten zerlegt, gebaut mit dem Google Agent Development Kit (ADK):
- StudioFinderAgent — sucht mit Gemini-Grounding nach passenden Firmen je Stadt und liefert eine strukturierte Kandidatenliste, keinen Fließtext.
- ChainFilterAgent — entfernt Ketten und Franchise-Betriebe per Blocklist plus LLM-Reasoning, sodass nur inhabergeführte Ziele übrig bleiben.
- StudioEnrichmentAgent — besucht das Impressum, extrahiert Inhaber, E-Mail, Telefon und Adresse. Robust gegen kaputte Seiten — fail-soft statt Absturz.
- CRMWriterAgent — prüft auf Dubletten und schreibt Company → Person → Opportunity ins CRM, mit Retries und sauberem Logging bei Fehlern.
Warum das verlässlich funktioniert
Der Unterschied zwischen einem beeindruckenden Demo und einem Werkzeug, dem man traut, liegt nicht im Prompt, sondern im Engineering. Vier Entscheidungen machen den lead-gen-agent produktionstauglich:
- Strukturierte Übergaben statt freiem Text. Die Agenten reichen sich Daten ausschließlich über typisierte Modelle (Pydantic) und einen gemeinsamen Session-State weiter. Jeder Übergang ist ein Vertrag mit definierten Feldern — deterministisch testbar, jeder Fehler isolierbar.
- Reentrant by design. Ein abgebrochener Lauf setzt durch erneutes Starten exakt dort fort, wo er stehen blieb — kein doppeltes Anlegen, kein Datensalat.
- Trockenlauf-Modus. Recherche und Mapping laufen vollständig durch, ohne echte CRM-Datensätze zu erzeugen. So lässt sich jede Änderung gefahrlos testen.
- Fail-soft. Kaputte Impressen, geänderte API-Schemata oder Rate-Limits führen zu sauberem Logging und Skip, nicht zum Crash.
Eine architektonische Feinheit am Rande, die zeigt, dass solche Frameworks reale Ecken haben: ADKs eingebautes google_search-Tool darf nicht mit anderen Tools in einer Agent-Instanz koexistieren. Genau deshalb ist die Such-Funktion in einen eigenen Agenten gekapselt — die Zerlegung ist hier nicht nur sauber, sondern technisch notwendig.
Das Ergebnis
Der Agent läuft seit April 2026 in regelmäßigen Batches und schreibt qualifizierte Leads in ein selbst-gehostetes CRM, das wir für 3,99 Euro im Monat auf einer kleinen VM betreiben — beliebige Nutzerzahl, volle Datenhoheit, Hosting in Deutschland. Keine CRM-Lizenz, kein Listen-Kauf-Budget. Aus „wir bräuchten mal saubere Leads” wurde eine reproduzierbare Pipeline.
Was das auf euren Vertrieb überträgt
Der lead-gen-agent ist ein konkretes Beispiel, aber das Muster ist allgemein: KI-Agenten eignen sich überall dort, wo Vertrieb aus Recherche, Anreicherung und Dateneingabe besteht. Lead-Generierung, Daten-Anreicherung, CRM-Pflege, Angebots-Vorbereitung, Follow-up-Vorschläge — all das lässt sich agentisch automatisieren, wenn man es mit Engineering-Disziplin baut statt mit einem Wunsch-Prompt. Der Mensch bleibt dabei der Verkäufer; die Maschine übernimmt die Fleißarbeit davor. Wo KI-Agenten im Mittelstand sonst noch Hebel bieten, zeigt unser Whitepaper Chancen für KMUs.
Häufige Fragen
Kann ein KI-Agent wirklich qualifizierte Leads liefern, nicht nur Adressen? Ja, wenn Qualifizierung Teil der Pipeline ist. Im lead-gen-agent filtert ein eigener Agent nach Zielkriterien (z. B. inhabergeführt) und ein weiterer reichert echte Kontaktdaten aus dem Impressum an — das Ergebnis ist mehr als eine gekaufte Adressliste.
Brauche ich dafür ein teures CRM? Nein. Wir nutzen ein selbst-gehostetes Open-Source-CRM für wenige Euro im Monat, bei voller Datenhoheit. Der Agent schreibt direkt dort hinein.
Was passiert, wenn eine Webseite kaputt ist oder sich eine Schnittstelle ändert? Das System ist fail-soft: Solche Fälle werden sauber geloggt und übersprungen, statt den ganzen Lauf abzubrechen. Unterbrochene Läufe setzen genau dort fort, wo sie stehen blieben.
Ist so ein System DSGVO-konform? Es kann es sein — durch Hosting in Deutschland und volle Kontrolle über die Daten. Bei sensiblen Daten lässt sich die Verarbeitung zusätzlich on-premise mit Open-Weights-Modellen abbilden.
Fazit
AI Agents transformieren den Vertrieb, indem sie die zeitraubende Vorarbeit übernehmen — Recherche, Qualifizierung, Anreicherung, Eintrag. Der lead-gen-agent zeigt, dass moderne Agenten-Frameworks wie Google ADK keine Forschungsprojekte mehr sind, sondern produktive Werkzeuge, wenn man sie mit klassischer Engineering-Disziplin kombiniert. Unternehmen, die diese Vorarbeit automatisieren, geben ihren Vertriebsteams die knappste Ressource zurück: Zeit für den eigentlichen Verkauf.
kitun baut solche Akquise- und Daten-Pipelines maßgeschneidert — Lead-Recherche, Anreicherung, CRM-Integration, Workflow-Automatisierung — in Wochen, nicht Monaten. Im 20-minütigen Erstgespräch lässt sich einschätzen, was sich in eurem Vertrieb zuerst lohnt.