Der entscheidende Unterschied zu einem reinen Vertriebs-CRM ist die Trennung von Datenerfassung und Umsatzsteuerung. Ein CRM wie Salesforce ist das System, in dem Deals, Kontakte und Aktivitäten gepflegt werden. Clari ist das System, das aus diesen Daten – und aus den Signalen daneben, etwa aus E-Mails, Kalendern und Gesprächen – ein Gesamtbild der Umsatzlage formt. Clari nennt diesen durchgängigen Steuerungsprozess gerne „Revenue Operations“ oder kurz RevOps: die Disziplin, Marketing, Vertrieb und Customer Success auf gemeinsame, datengestützte Umsatzziele auszurichten.
Drei Eigenschaften definieren Clari im Kern:
Clari wurde 2012 im Silicon Valley gegründet und hat sich zunächst als Spezialist für KI-gestütztes Forecasting einen Namen gemacht. Die Grundidee war ungewöhnlich präzise für ihre Zeit: Statt Vertriebsmitarbeiter regelmäßig nach ihrer Einschätzung zu fragen und diese in Tabellen zu sammeln, sollte eine Maschine aus den ohnehin anfallenden Aktivitätsdaten – gesendete E-Mails, wahrgenommene Termine, Bewegungen im CRM – ableiten, wie wahrscheinlich ein Abschluss ist. Aus diesem Kern ist über gut ein Jahrzehnt eine mehrteilige Plattform gewachsen.
Für den Leser im DACH-Raum ist diese Herkunft wichtig, weil sie erklärt, für wen Clari gebaut ist: für Vertriebsorganisationen mit vielen parallelen Deals, definierten Verkaufsphasen und einem echten Prognosebedarf gegenüber Geschäftsführung oder Investoren. Clari ist kein Werkzeug, um überhaupt erst Struktur in einen chaotischen Vertrieb zu bringen – es setzt eine bestehende Struktur voraus und macht sie messbar. Wer diese Voraussetzung nicht mitbringt, wird den Nutzen kaum heben.
Jede Vertriebsleitung kennt das Grundproblem: Am Anfang des Quartals steht eine Zahl, an die kaum jemand wirklich glaubt, und am Ende des Quartals steht eine andere, oft überraschende Zahl. Dazwischen liegen manuelle Pipeline-Reviews, optimistische Selbsteinschätzungen einzelner Mitarbeiter, Deals, die sich unbemerkt nicht bewegen, und ein CRM, das nur so gut ist wie die Disziplin, mit der es gepflegt wird. Genau in diese Lücke stößt Clari.
Der Ansatz lautet: Vertrauen ist gut, Signale sind besser. Wenn ein als „sehr wahrscheinlich“ markierter Deal seit Wochen keine E-Mail, keinen Termin und keine CRM-Aktualisierung mehr gesehen hat, dann stimmt die Einschätzung vermutlich nicht mehr – und Clari zeigt genau das. Diese Verbindung von harten Aktivitätsdaten mit der Prognose ist der eigentliche Wert. Sie ersetzt das Bauchgefühl nicht vollständig, aber sie gibt ihm ein datengestütztes Korrektiv.
Die Logik der Plattform ergibt in der Zusammenschau Sinn: Groove erzeugt Vertriebsaktivität – gesendete E-Mails, geführte Anrufe, wahrgenommene Termine. Clari Copilot zeichnet die Gespräche auf und analysiert, was in ihnen passiert. Aus diesen Aktivitäts- und Gesprächssignalen speist sich die RevAI-Intelligenz, die Deals bewertet und Risiken erkennt. Und all das mündet am Ende im Forecasting, das aus der Summe der Signale eine belastbare Umsatzprognose formt. Die Plattform bildet damit theoretisch den kompletten Kreislauf ab: ansprechen, sprechen, bewerten, prognostizieren.
In der Praxis nutzen die wenigsten Organisationen von Anfang an alle vier Bereiche. Häufig beginnt der Einstieg beim Forecasting oder der Pipeline-Inspektion, weil dort der akuteste Schmerz sitzt. Groove und Copilot kommen erst später hinzu – wenn überhaupt. Für die Bewertung ist entscheidend zu verstehen, dass jeder zusätzliche Baustein nicht nur Funktionen, sondern auch Datenverarbeitung und Lizenzkosten hinzufügt. Die Plattform-Idee ist attraktiv, sollte aber nie zum unkritischen „alles gleichzeitig“ verleiten.
Clari positioniert sich bewusst als Revenue-Platform und nicht als CRM. Das ist keine Marketing-Feinheit, sondern eine grundlegende Abgrenzung: Clari will das CRM nicht ersetzen, sondern veredeln. Es setzt auf dem CRM auf, zieht dessen Daten, ergänzt sie um Signale aus der Kommunikationsschicht und liefert die Steuerungsebene zurück, die im CRM selbst fehlt. Diese Positionierung erklärt auch, warum die Salesforce-Anbindung im Zentrum steht – dazu Kapitel 05.
Gegenüber reinen Conversation-Intelligence-Anbietern wie Gong betont Clari die Prognose- und Pipeline-Steuerung als Kern, während das Gesprächsthema über Copilot eher ein Baustein ist. Gegenüber klassischen BI- und Analytics-Werkzeugen betont Clari die vertriebsspezifische Intelligenz und die Automatisierung der Datenerfassung. Diese Selbstverortung ist wichtig für die Kaufentscheidung: Wer vor allem Gesprächsanalyse sucht, wer vor allem Reporting sucht, und wer vor allem Prognose-Steuerung sucht, landet jeweils bei einem anderen Schwerpunkt – auch wenn die Anbieter sich funktional zunehmend überlappen.
Das Forecasting ist Claris zentrale Funktion. Statt einer einzelnen Zahl in einer Tabelle erzeugt Clari eine strukturierte Prognose, die sich über die gesamte Vertriebshierarchie zusammenrollt: vom einzelnen Vertriebsmitarbeiter über Teams und Regionen bis zur Gesamtorganisation. Jede Ebene sieht ihre eigene Prognose und den Beitrag der darunterliegenden Ebenen. Prognosen lassen sich in unterschiedlichen Kategorien führen – etwa gesichert, wahrscheinlich und optimistisch – und über die Zeit im Verlauf beobachten.
Der eigentliche Wert liegt im Vergleich zwischen Prognose und Realität über die Zeit. Clari hält fest, wie sich eine Prognose im Laufe einer Periode entwickelt, wo Deals hinein- und herausrutschen und wie treffsicher einzelne Mitarbeiter oder Teams in der Vergangenheit prognostiziert haben. Diese Rückschau schafft ein Korrektiv: Wer regelmäßig zu optimistisch war, dessen Zahlen werden entsprechend eingeordnet. Damit wird die Prognose nicht nur einmalig erstellt, sondern zu einem lernenden, wiederkehrenden Prozess.
Die Pipeline-Inspektion ist die zweite tragende Säule. Clari visualisiert die gesamte Pipeline und macht Bewegungen sichtbar, die im CRM untergehen: Welche Deals sind neu hinzugekommen, welche sind herausgefallen, welche haben sich im Wert oder im Abschlussdatum verändert? Besonders wertvoll ist die Sichtbarkeit von Stillstand – Deals, die zwar formal offen und vielversprechend sind, an denen aber seit längerem nichts mehr passiert.
Möglich wird das durch die automatische Erfassung von Aktivitätsdaten, die im Hintergrund abläuft. Clari verbindet sich mit E-Mail- und Kalendersystemen und protokolliert automatisch, welche Kontakte wann angeschrieben wurden, welche Termine stattfanden und wie intensiv der Austausch mit den beteiligten Ansprechpartnern ist. Dieser Punkt ist doppelt bedeutsam: Er ist funktional der Kern von Claris Mehrwert – denn ohne Aktivitätssignale keine intelligente Prognose – und zugleich der Punkt, an dem der Beschäftigtendatenschutz besonders sorgfältig zu betrachten ist, weil hier fortlaufend Verhaltensdaten von Mitarbeitern anfallen.
Auf Basis dieser Daten bewertet Clari einzelne Deals mit einem Scoring, das die Abschlusswahrscheinlichkeit einschätzt. In das Scoring fließen die im CRM gepflegten Attribute ebenso ein wie die tatsächliche Aktivität rund um den Deal: Wie viele relevante Ansprechpartner sind eingebunden, wie aktuell ist der letzte Kontakt, wie gut passt der bisherige Verlauf zu erfolgreich abgeschlossenen Deals der Vergangenheit? So entsteht eine datengestützte Einschätzung, die neben die subjektive Bewertung des Vertriebsmitarbeiters tritt.
In der Praxis strukturiert Clari damit die wiederkehrenden Deal- und Pipeline-Reviews. Statt sich in Meetings mühsam durch Tabellen zu arbeiten, kann sich das Team auf die auffälligen Fälle konzentrieren: hoch bewertete Deals ohne Aktivität, prognosekritische Chancen mit widersprüchlichen Signalen, Deals, deren Abschlussdatum sich wiederholt verschoben hat. Der Review wird dadurch fokussierter und kürzer – vorausgesetzt, die zugrunde liegenden Daten sind vollständig und gepflegt. Denn auch für Clari gilt die eiserne Regel jeder Datenauswertung: schlechte Eingangsdaten ergeben schlechte Ergebnisse.
Der Kern der KI-Funktionen sind die Prognosemodelle. Sie lernen aus der Historie einer Organisation, wie erfolgreiche und gescheiterte Deals typischerweise verlaufen, und wenden dieses Muster auf die aktuell offene Pipeline an. Anders als eine statische Formel berücksichtigt das Modell eine Vielzahl von Signalen gleichzeitig: die CRM-Attribute des Deals, das Aktivitätsniveau, die Zahl und Rolle der eingebundenen Ansprechpartner, den bisherigen zeitlichen Verlauf und den Vergleich mit ähnlichen Deals der Vergangenheit.
Der praktische Nutzen liegt darin, dass diese Modelle Muster erkennen, die ein Mensch in der Masse der Deals übersieht. Sie sind aber weder unfehlbar noch neutral gegenüber der Datenlage: Ein Modell, das auf einer bestimmten Vertriebshistorie trainiert wurde, überträgt auch deren Verzerrungen. Verändert sich der Markt, das Produkt oder die Vertriebsstrategie grundlegend, muss die KI-Einschätzung mit besonderer Vorsicht gelesen werden. Aus INAGRO-Sicht gilt: Die KI-Prognose ist ein starkes Korrektiv zum Bauchgefühl, aber sie ersetzt weder das Urteil erfahrener Vertriebsführung noch das Verständnis des eigenen Marktes.
Die vielleicht alltagstauglichste KI-Funktion sind die Risiko-Signale. Clari markiert Deals, bei denen die Signale nicht zur eingetragenen Einschätzung passen: ein hoch bewerteter Deal ohne jüngste Aktivität, ein Deal, dessen Abschlussdatum sich mehrfach verschoben hat, eine Chance, bei der wichtige Entscheider offenbar nicht eingebunden sind, oder ein plötzliches Abreißen der Kommunikation. Diese Frühwarnungen sind wertvoll, weil sie das Team auf die wenigen kritischen Fälle lenken, statt es mit der gesamten Pipeline zu überfordern.
In der Praxis ist gerade diese Signalgebung ein zweischneidiges Schwert. Richtig eingesetzt, verhindert sie böse Überraschungen am Quartalsende. Falsch eingesetzt – als reines Kontroll- und Druckinstrument gegenüber Vertriebsmitarbeitern – kann sie das Vertrauen im Team untergraben und Abwehrreaktionen erzeugen, etwa das absichtliche Zurückhalten oder Beschönigen von Informationen. Der Umgang mit den Signalen ist damit nicht nur eine technische, sondern auch eine Führungs- und Kulturfrage, die vor der Einführung geklärt sein sollte.
Über die reine Signalgebung hinaus verdichtet Clari Daten zu Insights: Zusammenfassungen der Pipeline-Entwicklung, Hervorhebung der wichtigsten Veränderungen seit dem letzten Review, Verdichtung von Gesprächsinhalten aus Clari Copilot. Gerade die Auswertung von Vertriebsgesprächen durch KI – Erkennen von Themen, Einwänden, Wettbewerbernennungen oder nächsten Schritten – kann Coaching und Deal-Verständnis unterstützen.
Hier ist der Datenschutz-Aspekt jedoch besonders präsent, denn diese Insights basieren auf der Aufzeichnung und Auswertung von Gesprächen realer Personen – Mitarbeiter wie Kunden. Die KI-Verarbeitung von Gesprächsinhalten berührt sowohl den Beschäftigtendatenschutz als auch die Rechte der externen Gesprächspartner. Bevor solche Funktionen aktiviert werden, müssen die Rechtsgrundlage, die Einwilligungen und – bei Mitarbeiterbezug – die Mitbestimmung geklärt sein. Wir vertiefen das in Kapitel 09.
Im Zentrum steht die Integration mit dem CRM, und hier ist Salesforce die tiefste und am besten unterstützte Anbindung. Das ist historisch und strategisch begründet: Clari ist stark im Salesforce-Ökosystem verwurzelt, und auch der zugekaufte Baustein Groove war primär auf Salesforce ausgerichtet. Clari liest Deals, Konten, Kontakte und Aktivitäten aus Salesforce, reichert sie an und spielt Ergebnisse – etwa Prognosekategorien oder Deal-Scores – teils wieder zurück. Für Organisationen, die Salesforce als CRM nutzen, ist die Integration entsprechend ausgereift.
Ob und wie tief andere CRM-Systeme angebunden werden können, hängt vom konkreten Produktstand ab und sollte direkt beim Anbieter geprüft werden. Wer kein Salesforce einsetzt, sollte die Integrationstiefe zu einem harten Prüfkriterium der Beschaffung machen – denn eine oberflächliche CRM-Anbindung untergräbt den gesamten Nutzen von Clari. Für den deutschen Mittelstand, der häufig andere CRM-Systeme nutzt, ist dieser Punkt oft der erste Filter in der Eignungsprüfung.
Die zweite Integrationsebene ist die Kommunikationsschicht. Clari bindet die E-Mail- und Kalendersysteme der Vertriebsmitarbeiter an – typischerweise die gängigen Umgebungen für Geschäftskommunikation –, um automatisch Aktivitätsdaten zu erfassen: gesendete und empfangene Nachrichten mit Kunden, wahrgenommene Termine, Häufigkeit und Aktualität des Kontakts. Diese Daten sind, wie in Kapitel 03 beschrieben, das Rohmaterial der intelligenten Prognose.
Datenschutzrechtlich ist diese Ebene heikel, weil sie fortlaufend Metadaten der Mitarbeiterkommunikation auswertet – wer wann mit wem kommuniziert hat. Auch wenn oft nur Metadaten und nicht Inhalte verarbeitet werden, entsteht ein detailliertes Bild des Arbeitsverhaltens. Das berührt den Beschäftigtendatenschutz unmittelbar und ist in mitbestimmten Betrieben ein klarer Fall für die Beteiligung des Betriebsrats. Der Umfang der erfassten Daten, die Aufbewahrung und der Zugriff sollten vor der Anbindung genau festgelegt werden.
Die dritte Ebene betrifft die Gesprächsintegration über Clari Copilot. Hier werden Vertriebsgespräche – Telefonate und Video-Meetings – aufgezeichnet, transkribiert und analysiert. Technisch bindet sich Copilot dafür an Telefonie- und Meeting-Systeme an. Der Funktionswert ist hoch: Aus Gesprächen lassen sich Coaching-Hinweise, Deal-Signale und Wettbewerbsinformationen gewinnen, die sonst im Kopf einzelner Mitarbeiter verbleiben.
Zugleich ist dies die datenschutzintensivste Integration überhaupt, denn die Aufzeichnung von Gesprächen betrifft nicht nur eigene Mitarbeiter, sondern auch externe Gesprächspartner, die dem in vielen Fällen zustimmen müssen. Die rechtlichen Anforderungen an Gesprächsaufzeichnung sind in Deutschland und der EU streng. Ob und wie diese Funktion eingesetzt werden darf, ist eine sorgfältig zu prüfende Frage – technisch möglich heißt hier keineswegs automatisch rechtlich zulässig. Auch die Wahl, Copilot überhaupt zu aktivieren, sollte bewusst und dokumentiert getroffen werden.
Gong ist der bekannteste Name im Feld und hat seine Wurzeln in der Conversation Intelligence – der Aufzeichnung und Analyse von Vertriebsgesprächen. Wo Clari historisch vom Forecasting kommt, kommt Gong vom Gespräch. Beide Anbieter haben sich seither in Richtung des jeweils anderen entwickelt: Clari hat mit Copilot die Gesprächsanalyse hinzugewonnen, Gong baut seine Forecasting- und Pipeline-Funktionen aus. Die Schwerpunkte bleiben aber erkennbar.
Die Faustregel aus unserer Sicht: Steht die Prognose- und Pipeline-Steuerung im Zentrum – etwa weil eine wachstumsstarke Organisation gegenüber Investoren belastbar prognostizieren muss –, spielt Clari seine Herkunft aus. Steht dagegen das Coaching auf Basis von Gesprächen und die Gesprächsanalyse im Vordergrund, ist Gong traditionell stärker. Für Organisationen, die beides wollen, wird der Vergleich zur Detailfrage der jeweiligen Ausprägung und der Integration in die bestehende Landschaft. Eine ausführliche Einordnung zu Gong finden Sie im verlinkten Beitrag.
BoostUp positioniert sich als Revenue-Intelligence-Plattform mit starkem Fokus auf RevOps-Teams und flexibler Auswertung. Aviso betont – ähnlich wie Clari – die KI-gestützte Prognose als Kern. Alle drei bewegen sich damit im selben Grundfeld: das CRM veredeln, Aktivitätssignale nutzen, Prognosen und Pipeline transparent machen. Die Unterschiede liegen weniger in der Grundidee als in der konkreten Ausprägung, der Bedienlogik, der Integrationstiefe und der Preisgestaltung.
Für eine seriöse Auswahl heißt das: Der Markenname allein trägt die Entscheidung nicht. Entscheidend sind der eigene Schwerpunkt (reine Prognose, breite Plattform oder Gesprächsfokus), das eingesetzte CRM, die Größe und Reife der Vertriebsorganisation und die datenschutzrechtliche Bewertung des jeweiligen Anbieters. Wir empfehlen, zwei bis drei Anbieter mit realen eigenen Daten in einer klar abgegrenzten Pilotphase zu vergleichen, statt sich auf Funktionslisten zu verlassen. Zu BoostUp und Aviso finden Sie eigene Beiträge in dieser Wissensdatenbank.
InsightSquared stand traditionell für vertriebliche Analytik und Reporting und ist über Marktbewegungen inzwischen Teil eines größeren Anbieterumfelds. Der Vergleich verdeutlicht eine wichtige Unterscheidung: Manche Werkzeuge im Feld sind eher reporting- und analytiklastig, andere – wie Clari mit seiner Aktivitäts- und Signalauswertung – eher steuerungs- und prognoseorientiert. Beides ist legitim, adressiert aber unterschiedliche Bedürfnisse.
Der ehrliche Blick auf den Wettbewerb führt fast immer zur selben Erkenntnis: Es gibt nicht das eine beste Werkzeug, sondern nur das am besten passende für den konkreten Fall. Der Markt konsolidiert und die Funktionsumfänge nähern sich an; entscheidend ist die eigene Ausgangslage. Aus INAGRO-Sicht ist die wichtigste Vorfrage ohnehin nicht „welcher Anbieter“, sondern „brauchen wir diese Werkzeugklasse überhaupt schon“ – dazu Kapitel 08.
Clari entfaltet seinen Wert erst im laufenden Betrieb, und dieser Betrieb braucht eine verantwortliche Rolle. In größeren Organisationen ist das typischerweise eine RevOps-Funktion – Menschen, die die Datenqualität sichern, die Prognoseprozesse moderieren, die Auswertungen pflegen und das Werkzeug an veränderte Vertriebsstrukturen anpassen. Ohne diese Rolle verkümmert Clari schnell zu einem weiteren Dashboard, das niemand pflegt und dem niemand vertraut.
Genau hier liegt eine der wichtigsten Weichenstellungen für den Mittelstand: Verfügt das Unternehmen über die Ressourcen und die Reife für einen solchen kontinuierlichen Betrieb? Wenn nicht, ist die ehrliche Antwort oft, dass die Einführung verfrüht ist. Ein leistungsfähiges Werkzeug ohne die Organisation, es zu betreiben, ist keine Lösung, sondern eine wiederkehrende Kostenstelle. Diese Frage gehört an den Anfang jeder Überlegung, nicht ans Ende.
Die ehrliche Einordnung lautet: Clari ist für strukturierte, größere Vertriebsorganisationen konzipiert und stößt im typischen Mittelstand schnell an Grenzen. Ein Betrieb mit einer Handvoll Vertriebsmitarbeitern, überschaubarer Deal-Zahl und einem Verkauf, der stark über persönliche Beziehungen statt über einen systematischen Prozess läuft, wird den Nutzen kaum heben. Für solche Organisationen ist der Aufwand für Einführung, Datenpflege und Betrieb höher als der Ertrag – ein gut gepflegtes CRM mit soliden Standard-Auswertungen leistet dann oft das Nötige.
Hinzu kommen drei praktische Hürden. Erstens die CRM-Abhängigkeit: Die tiefe Integration ist vor allem für Salesforce gegeben; wer ein anderes CRM nutzt, muss die Anbindung genau prüfen. Zweitens der Betriebsaufwand: Ohne eine RevOps-nahe Rolle verkümmert das Werkzeug. Drittens die Kosten, die für kleine Teams selten im Verhältnis zum Nutzen stehen. Diese drei Punkte zusammen erklären, warum Clari im DACH-Mittelstand eher in der oberen Größenklasse und in wachstumsstarken, vertriebsintensiven Unternehmen ankommt.
Positiv gewendet: Es gibt im Mittelstand durchaus passende Profile. Wachstumsstarke B2B-Unternehmen – häufig aus dem Software- oder technologienahen Umfeld – mit einem größeren Vertriebsteam, einem definierten Verkaufsprozess, vielen parallelen Deals und einem echten Prognosedruck gegenüber Kapitalgebern finden in Clari ein passendes Werkzeug. Ebenso Organisationen, die bereits Salesforce professionell nutzen und den nächsten Reifegradschritt in Richtung datengestützter Umsatzsteuerung gehen wollen.
Für alle anderen gilt unsere wiederkehrende Empfehlung: Erst die Hausaufgaben im CRM und im Vertriebsprozess machen, dann den Bedarf ehrlich prüfen. Häufig zeigt sich, dass der eigentliche Engpass nicht das fehlende Prognosewerkzeug ist, sondern eine unsaubere Datenbasis oder ein unklarer Vertriebsprozess. Diese Probleme löst Clari nicht – es macht sie nur sichtbarer und teurer. Die reife Entscheidung ist manchmal, mit Clari noch zu warten.
Clari ist ein Werkzeug für Unternehmen mit ernsthaftem Vertriebs- und Prognosebedarf und entsprechend im oberen Segment der Sales-Tech positioniert. Konkrete Preise nennen wir bewusst nicht – sie werden individuell verhandelt, hängen von Modulen, Nutzerzahl und Vertragsvolumen ab und ändern sich. Entscheidend ist die Mechanik: Die Kosten skalieren typischerweise über die Zahl der Nutzer und die genutzten Produktbereiche (Forecasting, RevAI, Groove, Copilot), oft in mehrjährigen Verträgen. Wer mehrere Bausteine aktiviert, zahlt entsprechend mehr.
In die Gesamtkosten (TCO) gehört mehr als die Lizenz: die Einführung und Datenmigration, die laufende CRM- und Datenpflege, der interne Betriebsaufwand für eine RevOps-nahe Rolle sowie Schulung und Change-Management. Für eine belastbare Wirtschaftlichkeitsrechnung sollten Sie den konkreten Preis beim Anbieter erfragen und ihn den erwarteten Effekten gegenüberstellen – etwa treffsichereren Prognosen, geretteten Deals und effizienteren Reviews. Ohne diese Gegenüberstellung bleibt die Investition ein Bauchgefühl.
Clari ist ein US-amerikanisches Unternehmen und unterliegt damit grundsätzlich US-Recht. Für den Einsatz in der EU bedeutet das: Der Ort der Datenverarbeitung, die Möglichkeit einer EU-Datenhaltung und die einschlägigen Transfer-Mechanismen müssen geprüft werden. Relevant sind hier insbesondere das EU-US Data Privacy Framework (DPF) und – ergänzend oder alternativ – Standardvertragsklauseln (SCCs) sowie gegebenenfalls zusätzliche Schutzmaßnahmen. Aus diesen ergibt sich ein Restrisiko, das dokumentiert und bewertet werden muss.
Ob und in welchem Umfang Clari eine Datenhaltung innerhalb der EU anbietet, ist direkt beim Anbieter zu erfragen und vertraglich festzuhalten. Ein abgeschlossener und geprüfter Auftragsverarbeitungsvertrag (AVV bzw. Data Processing Agreement) ist Grundvoraussetzung. Für Organisationen mit besonders sensiblen Daten oder in regulierten Umfeldern empfiehlt sich eine gesonderte, dokumentierte Abwägung – im Zweifel mit fachkundiger rechtlicher Begleitung.
Der schwierigste Punkt bei Clari ist der Beschäftigtendatenschutz. Weil die Plattform kontinuierlich Aktivitäts- und Kommunikationsdaten von Vertriebsmitarbeitern erfasst und auswertet – wer wann mit wem kommuniziert, wie aktiv jemand ist, wie Gespräche verlaufen –, entsteht potenziell ein System zur Leistungs- und Verhaltenskontrolle. Das ist datenschutzrechtlich hoch sensibel und berührt unmittelbar die Rechte der Beschäftigten. Umfang, Zweck und Aufbewahrung der Daten müssen eng begrenzt und transparent kommuniziert werden.
In mitbestimmten Betrieben kommt die Mitbestimmung des Betriebsrats hinzu. Die Einführung von Systemen, die geeignet sind, das Verhalten oder die Leistung von Arbeitnehmern zu überwachen, ist nach § 87 Abs. 1 Nr. 6 Betriebsverfassungsgesetz (BetrVG) mitbestimmungspflichtig. Praktisch heißt das: Der Betriebsrat ist frühzeitig einzubinden, und in aller Regel ist eine Betriebsvereinbarung erforderlich, die Umfang, Zweck, Zugriff und Grenzen der Auswertung festlegt. Wird dieser Schritt übersprungen, drohen nicht nur rechtliche Risiken, sondern auch erhebliche Akzeptanzprobleme im Team.
Besonders streng ist die Lage bei der Gesprächsaufzeichnung via Copilot. Sie betrifft eigene Mitarbeiter und externe Gesprächspartner zugleich. Für die Aufzeichnung von Gesprächen gelten in Deutschland enge rechtliche Grenzen; sie setzt in aller Regel eine wirksame Rechtsgrundlage und die Einwilligung der Beteiligten voraus. Ob diese Funktion überhaupt eingesetzt wird, sollte eine bewusste, dokumentierte und rechtlich geprüfte Entscheidung sein – nicht eine stillschweigend mitaktivierte Voreinstellung.
