Der Begriff Revenue Intelligence beschreibt eine noch junge Kategorie von Werkzeugen, die zwischen dem klassischen CRM und den Menschen im Vertrieb sitzen. Ein CRM speichert, was Vertriebsmitarbeiter eintragen; eine Revenue-Intelligence-Plattform wie InsightSquared setzt eine Ebene darüber an: Sie erfasst zusätzlich automatisch, was tatsächlich passiert – welche E-Mails geschrieben, welche Termine gehalten, welche Deals bewegt wurden –, verknüpft dies mit den CRM-Daten und leitet daraus ein realistischeres Bild der Vertriebslage ab. So sollen die typischen Lücken und Schönfärbereien im CRM ausgeglichen werden, ohne dass das Team zusätzliche Handarbeit leisten muss.
Wichtig ist die Abgrenzung von drei Begriffen, die im Umfeld von InsightSquared oft synonym verwendet werden, aber unterschiedliche Schwerpunkte bezeichnen. Sie erklären, wofür die Plattform gedacht ist:
Der eigentliche Perspektivwechsel, den InsightSquared verkörpert, liegt im Übergang vom eingetragenen zum beobachteten Vertrieb. In vielen Organisationen ist das CRM nur so gut wie die Disziplin der Mitarbeiter, die es pflegen – und diese Disziplin ist naturgemäß lückenhaft. Deals werden zu optimistisch bewertet, Aktivitäten nicht nachgetragen, Abschlusstermine geschoben, ohne dass es jemand bemerkt. Wer den Vertrieb allein auf Basis solcher Einträge steuert, steuert auf halb blinder Sicht.
Revenue Intelligence setzt genau hier an: Die Plattform ergänzt die freiwillig eingetragenen Daten um automatisch erfasste Signale aus der realen Aktivität und vergleicht die aktuelle Lage mit historischen Mustern vergleichbarer Deals. Daraus entsteht ein realistischeres Bild, das Fragen beantwortet wie: Bewegt sich dieser Deal wirklich, oder steht er still? Passt die Prognose zum tatsächlichen Verhalten, oder ist sie Wunschdenken? Diese Verschiebung von der Selbstauskunft zur Beobachtung ist der Kern des Nutzenversprechens.
InsightSquared richtet sich in erster Linie an Vertriebsorganisationen mit einer gewissen Struktur und Datenmenge: Teams, die bereits ein CRM ernsthaft nutzen, mehrere Vertriebsmitarbeiter beschäftigen und regelmäßig über Prognosen und Pipeline sprechen. Besonders wertvoll ist die Plattform dort, wo das manuelle Zusammentragen von Vertriebsberichten viel Zeit frisst und wo Prognosen bisher unzuverlässig sind. Vertriebsleitungen, die belastbare Zahlen für die Steuerung und für die Kommunikation nach oben brauchen, sind die typische Zielgruppe.
Weniger passend ist ein solches Werkzeug für sehr kleine Vertriebe ohne gepflegtes CRM, für rein transaktionale Geschäftsmodelle ohne echten Vertriebsprozess oder für Organisationen, die ihre Datengrundlage noch gar nicht sauber im Griff haben. Denn eine Revenue-Intelligence-Plattform kann nur so gut analysieren, wie die zugrunde liegenden Daten es zulassen – schlechte Daten führen zu selbstbewusst präsentierten, aber falschen Ergebnissen. Und schließlich sollte jedes DACH-Unternehmen den Datenschutzrahmen dieses US-Anbieters sauber klären, worauf wir in Kapitel 09 eingehen.
InsightSquared entstand als spezialisierter Anbieter für Sales-Analytics und Forecasting und hat sich über die Jahre in Richtung Revenue Intelligence weiterentwickelt – also von reinen Berichten hin zu einer umfassenderen, teils KI-gestützten Auswertung des gesamten Umsatzprozesses. In diese Entwicklungslinie fällt die Eingliederung in Mediafly, einen Anbieter, dessen ursprünglicher Schwerpunkt im Bereich Sales Enablement und Content für den Vertrieb lag – also bei den Materialien, Präsentationen und Interaktionen, mit denen Vertriebsteams im Kundengespräch arbeiten.
Aus dem Zusammengehen ergibt sich eine erkennbare strategische Logik: Auf der einen Seite steht die Analyse dessen, was im Vertrieb passiert (Revenue Intelligence), auf der anderen die Unterstützung dessen, was der Vertrieb im Kundenkontakt tut (Sales Enablement). Für ein interessiertes Unternehmen bedeutet das zweierlei. Erstens ist InsightSquared heute Teil eines breiteren Portfolios und wird in dessen Kontext vermarktet und weiterentwickelt. Zweitens sollte man die konkrete aktuelle Produktbezeichnung, den Funktionszuschnitt und die Verfügbarkeit einzelner Module direkt beim Anbieter prüfen, da sich diese im Zuge solcher Zusammenführungen verschieben können.
Im Markt der Revenue-Intelligence- und Forecasting-Werkzeuge ist InsightSquared einer der Namen mit vergleichsweise langer Historie, gerade im Bereich Analytics und Reporting. Die Kategorie insgesamt ist in den vergangenen Jahren stark gewachsen und umfasst neben InsightSquared eine Reihe weiterer Anbieter, die wir in Kapitel 06 gegenüberstellen – darunter Clari, Aviso und BoostUp. Diese Werkzeuge überschneiden sich in ihrem Kernversprechen, setzen aber unterschiedliche Schwerpunkte: Manche betonen die reine Forecast-Genauigkeit, andere die Analytics-Tiefe, wieder andere die Nähe zum Deal-Management oder zum Enablement.
InsightSquared positioniert sich traditionell stark über Sales-Analytics und flexible Reporting-Fähigkeiten – also über die Frage, wie tief und individuell sich Vertriebsdaten auswerten und darstellen lassen. Durch die Mediafly-Zugehörigkeit kommt die Nähe zum Enablement-Gedanken hinzu. Für die Einordnung im DACH-Mittelstand ist weniger die Marktrhetorik entscheidend als die nüchterne Frage, ob der jeweilige Schwerpunkt zum eigenen Bedarf passt: Wer vor allem verlässlichere Forecasts sucht, gewichtet anders als jemand, der tiefe, individuelle Auswertungen braucht.
Für einen DACH-Mittelständler ist relevant, dass es sich um einen US-amerikanischen Anbieter handelt. Das ist kein Werturteil, hat aber praktische Folgen: Vertragssprache, Support-Zeitzonen, die Ausrichtung von Roadmap und Vertragswerken sowie – besonders wichtig – die Fragen von Serverstandort, Datentransfer und Datenschutz, die wir in Kapitel 09 vertiefen. Anbieterzugehörigkeiten und Portfolio-Zuschnitte solcher Plattformen ändern sich zudem im Zeitverlauf; wer heute evaluiert, sollte den aktuellen Stand von Eigentümerschaft, Produktnamen und Modulzuschnitt direkt beim Anbieter erfragen und nicht auf ältere Darstellungen vertrauen.
Ebenso lohnt der Blick darauf, wie eng InsightSquared künftig mit den übrigen Mediafly-Bausteinen verzahnt sein wird. Für Unternehmen, die ohnehin Interesse an Sales Enablement haben, kann die Nähe ein Vorteil sein; für solche, die ausschließlich Analytics und Forecasting suchen, ist zu prüfen, ob sich der gewünschte Funktionsumfang eigenständig und ohne unnötigen Ballast beziehen lässt. Diese Fragen sind keine Randnotiz, sondern gehören in jede seriöse Evaluierung – gerade weil die Antworten sich mit der Portfolio-Strategie des Anbieters verändern können.
Das Herzstück von InsightSquared ist traditionell die Sales-Analytics. Statt dass eine Vertriebsleitung Woche für Woche Tabellen zusammenkopiert, wertet die Plattform die Vertriebsdaten fortlaufend aus und legt Muster offen: Wie lange dauert der Verkaufszyklus im Schnitt, an welchen Stufen brechen Deals ab, welche Konten- oder Deal-Typen schließen zuverlässiger ab als andere? Solche Auswertungen sollen dabei helfen, nicht nur zu sehen, wie viel verkauft wurde, sondern zu verstehen, warum – und daraus Schlüsse für die Steuerung zu ziehen.
Ein häufig hervorgehobener Punkt ist die Flexibilität der Auswertungen. Vertriebe unterscheiden sich stark darin, wie sie Deals führen, welche Stufen ihr Prozess kennt und welche Kennzahlen sie für relevant halten. Eine Analytics, die sich nur starr vorgegebene Berichte anschauen lässt, hilft wenig; gefragt ist die Möglichkeit, Auswertungen an den eigenen Prozess anzupassen. Genau das ist historisch eine Stärke, mit der sich InsightSquared positioniert – wie weit die individuelle Anpassbarkeit im Einzelfall reicht, ist Teil einer sorgfältigen Evaluierung.
Die zweite Kernfähigkeit ist das Forecasting. Traditionelle Umsatzprognosen entstehen, indem Vertriebsmitarbeiter ihre Deals einschätzen und die Zahlen nach oben aggregiert werden – mit dem bekannten Problem, dass menschliche Einschätzungen zu Optimismus und zu Verzerrungen neigen. InsightSquared verfolgt den Ansatz, die Prognose zusätzlich auf beobachtbares Verhalten und auf historische Muster zu stützen: Wie haben sich vergleichbare Deals in der Vergangenheit entwickelt, und passt das aktuelle Aktivitätsmuster zu einem Deal, der abschließt, oder zu einem, der versandet?
Der Nutzen einer solchen datenbasierten Prognose liegt weniger in einer vermeintlich perfekten Vorhersage – die gibt es nicht – als in der Fähigkeit, Abweichungen zwischen Erwartung und Realität früh sichtbar zu machen. Wenn die eingetragene Zuversicht eines Deals nicht zu seiner tatsächlichen Bewegung passt, ist das ein Signal, genauer hinzuschauen. Wichtig bleibt die nüchterne Erwartungshaltung: Auch die beste Prognose ist nur so gut wie die Datenbasis und ersetzt weder das Urteil erfahrener Vertriebsführung noch das Gespräch über einzelne Deals.
Die dritte sichtbare Fähigkeit ist das Reporting mit Dashboards, das die Ergebnisse für unterschiedliche Rollen aufbereitet: kompakte Übersichten für die Geschäftsführung, detailliertere Sichten für die Teamleitung, konkrete Arbeitslisten für den einzelnen Mitarbeiter. Der praktische Wert liegt oft schlicht in der eingesparten Zeit: Wiederkehrende Berichte, die früher manuell in Tabellen entstanden und schnell veraltet waren, stehen automatisch und aktuell zur Verfügung – vorausgesetzt, die Datenbasis stimmt.
Damit all dies auf verlässlichen Daten beruht, ist das automatische Aktivitäts-Capturing die stille Grundlage. Die Plattform erfasst Vertriebsaktivitäten wie E-Mails und Termine automatisch und ordnet sie den passenden Deals zu, statt auf die manuelle Pflege durch die Mitarbeiter zu warten. Das entlastet das Team und macht die Datenbasis realistischer. Zugleich berührt genau dieses automatische Mitlesen von Aktivitäten sensible Fragen des Datenschutzes und der Mitbestimmung, weil dabei personenbezogene Daten von Mitarbeitern und Kommunikationsinhalte verarbeitet werden – ein Punkt, den wir in Kapitel 09 ausführlich behandeln.
Der greifbarste Nutzen liegt oft weniger in spektakulärer künstlicher Intelligenz als in schlichter, verlässlicher Automatisierung. Das automatische Erfassen von Aktivitäten, das automatische Erstellen und Aktualisieren von Berichten, das automatische Zusammenführen verstreuter Daten zu einem Gesamtbild – all das nimmt dem Vertrieb wiederkehrende Handarbeit ab und hält die Datenbasis aktuell. Diese Automatisierung ist unspektakulär, aber sie ist es, die im Alltag am spürbarsten entlastet und die Grundlage für alles Weitere legt.
Ein wichtiger Teil dieser Automatisierung ist die Datenanreicherung und -verknüpfung im Hintergrund: Aktivitäten werden den richtigen Deals zugeordnet, Lücken sichtbar gemacht, Zusammenhänge hergestellt, die ein Mensch von Hand nie in dieser Vollständigkeit pflegen würde. Gerade weil das CRM in vielen Organisationen lückenhaft gepflegt ist, entsteht hier ein realer Mehrwert – vorausgesetzt, die automatische Zuordnung funktioniert zuverlässig und nachvollziehbar. Wie gut das im eigenen Umfeld gelingt, sollte in einer Pilotphase geprüft werden.
Über die reine Automatisierung hinaus kommen zunehmend Verfahren zum Einsatz, die als künstliche Intelligenz oder maschinelles Lernen bezeichnet werden. Im Revenue-Intelligence-Kontext bedeutet das typischerweise: Aus historischen Daten werden Muster gelernt, um aktuelle Deals einzuschätzen, Prognosen zu stützen oder Risiken zu markieren. Ein Deal, dessen Verlauf von den Mustern erfolgreicher Abschlüsse abweicht, kann so früher als gefährdet erkannt werden; die Priorisierung von Deals oder Aktivitäten kann datenbasiert unterstützt werden.
Bei diesen Funktionen ist eine gesunde Skepsis angebracht. Erstens hängt die Qualität jeder gelernten Vorhersage von der Menge und Sauberkeit der historischen Daten ab – kleinere Vertriebe mit wenigen Deals liefern schlicht zu wenig Datengrundlage für belastbare Muster. Zweitens sollte man Ergebnisse einer KI nie als Wahrheit, sondern als Hinweis behandeln, der menschliches Urteil unterstützt, nicht ersetzt. Und drittens ist die Nachvollziehbarkeit entscheidend: Eine Prognose oder Risikoeinschätzung, die niemand erklären kann, schafft kein Vertrauen und lässt sich im Zweifel nicht verantworten.
Neuere Funktionen im gesamten Markt greifen zunehmend auf generative KI zurück – etwa um Deals oder Meetings zusammenzufassen, Berichte in Textform zu erläutern oder Fragen in natürlicher Sprache zu beantworten. Solche Funktionen können den Zugang zu den Daten erleichtern, werfen aber zusätzliche Fragen auf, die vor dem Einsatz zu klären sind: Wo werden die Daten verarbeitet, die in solche KI-Funktionen einfließen? Werden Inhalte an externe Modelle übermittelt, und wenn ja, an welche und unter welchen Bedingungen? Werden Kundendaten zum Training verwendet?
Gerade weil diese Funktionen sich schnell verändern, lassen sich hier keine dauerhaften Aussagen treffen – umso wichtiger ist, den aktuellen Stand beim Anbieter konkret zu erfragen und schriftlich festzuhalten. Für ein DACH-Unternehmen sind dabei die datenschutzrechtlichen Aspekte zentral: Verarbeitungsort, Übermittlung an Subdienstleister, Trainingsnutzung und die Möglichkeit, einzelne KI-Funktionen abzuschalten. Wir greifen diese Punkte in Kapitel 09 auf. Der grundsätzliche Rat lautet: KI-Funktionen nach ihrem konkreten, nachvollziehbaren Nutzen bewerten – nicht nach dem Etikett – und den Datenschutz von Anfang an mitdenken.
Die mit Abstand wichtigste Integration ist die an das CRM. InsightSquared ist im Kern ein Werkzeug, das CRM-Daten auswertet und veredelt – ohne eine belastbare CRM-Anbindung fehlt die Grundlage. Entsprechend ist die Anbindung an verbreitete CRM-Systeme der erste Prüfpunkt jeder Evaluierung: Wird das im eigenen Haus eingesetzte CRM unterstützt, und in welcher Tiefe? Werden Daten nur ausgelesen, oder können Erkenntnisse auch zurückgeschrieben werden? Wie aktuell sind die Daten – nahezu in Echtzeit oder in bestimmten Abständen?
Für DACH-Mittelständler ist dabei ein Punkt besonders zu beachten: Viele Revenue-Intelligence-Werkzeuge sind primär auf die im angloamerikanischen Raum dominierenden CRM-Systeme zugeschnitten. Wer ein im DACH-Raum verbreitetes oder ein selbst entwickeltes CRM einsetzt, sollte sehr genau prüfen, ob und wie gut es unterstützt wird – und nicht davon ausgehen, dass jede Integration gleich reibungslos funktioniert. Eine nur oberflächliche oder umständliche CRM-Anbindung untergräbt den gesamten Nutzen der Plattform, weshalb dieser Punkt ganz am Anfang der Bewertung stehen sollte.
Neben dem CRM sind die Quellen der Vertriebsaktivität die zweite wichtige Integrationsebene. Das automatische Aktivitäts-Capturing aus Kapitel 03 setzt voraus, dass die Plattform an die E-Mail- und Kalendersysteme des Vertriebs angebunden ist, um Nachrichten und Termine automatisch zu erfassen und den passenden Deals zuzuordnen. Hier liegt ein erheblicher Teil des praktischen Nutzens – und zugleich ein erheblicher Teil der datenschutzrechtlichen Sensibilität, weil dabei die Kommunikation von Mitarbeitern und Kundenkontakten verarbeitet wird.
Für die Bewertung heißt das: Welche E-Mail- und Kalenderumgebungen werden unterstützt, welche Daten werden dabei genau erfasst, und lässt sich der Umfang der Erfassung steuern? Gerade weil hier personenbezogene Daten in großem Umfang verarbeitet werden, sollten die technischen Möglichkeiten von Anfang an gemeinsam mit den datenschutzrechtlichen Anforderungen und – in Deutschland – mit der Mitbestimmung betrachtet werden. Eine technisch mögliche, aber rechtlich oder betrieblich nicht sauber geregelte Erfassung ist kein Vorteil, sondern ein Risiko.
Über CRM, E-Mail und Kalender hinaus kann eine Anbindung an weitere Werkzeuge sinnvoll sein: an andere Sales-Tools wie Sales-Engagement-Plattformen, an Datenquellen oder an nachgelagerte Auswertungs- und Business-Intelligence-Systeme. Auch die Nähe zu den übrigen Mediafly-Bausteinen, insbesondere im Enablement, gehört in diese Betrachtung. Ob solche Integrationen als fertige Verbindungen, über offene Schnittstellen oder gar nicht verfügbar sind, unterscheidet sich und ist konkret zu prüfen.
Aus INAGRO-Sicht ist entscheidend, die Integration nicht als technisches Detail, sondern als strategische Frage zu behandeln. Eine Revenue-Intelligence-Plattform entfaltet ihren Wert nur, wenn sie sauber in die vorhandene Systemlandschaft eingebettet ist und keine neuen Datensilos schafft. Der Grundsatz lautet daher: Zuerst die eigene Datenlandschaft und die tatsächlich benötigten Verbindungen klären, dann prüfen, wie gut ein Werkzeug diese abdeckt – und nicht umgekehrt eine Plattform kaufen und hoffen, dass sich die Integrationen schon fügen. Die Datenhoheit über den eigenen Datenfluss bleibt eine Frage, die das Unternehmen bewusst gestalten muss.
Alle vier genannten Anbieter – InsightSquared, Clari, Aviso und BoostUp – lassen sich der Kategorie Revenue Intelligence zuordnen und teilen ein gemeinsames Grundversprechen: aus CRM- und Aktivitätsdaten verlässlichere Prognosen, mehr Pipeline-Transparenz und bessere Steuerung zu machen. Wer erwartet, dass sich diese Werkzeuge fundamental unterscheiden, wird enttäuscht – die Überschneidungen sind erheblich, und alle bewegen sich um dieselben Kernaufgaben. Die Unterschiede liegen in den Akzenten, der Herkunft der jeweiligen Plattform und darin, welche Aufgabe historisch im Vordergrund stand.
InsightSquared kommt, wie beschrieben, traditionell stark aus der Analytics- und Reporting-Ecke und betont die flexible, individuelle Auswertung von Vertriebsdaten. Clari wird häufig mit einem umfassenden Anspruch an die durchgängige Umsatzsteuerung und einem starken Fokus auf Forecasting und Pipeline in Verbindung gebracht. Aviso stellt die KI-gestützte Prognose und deren Genauigkeit in den Vordergrund. BoostUp betont die Verbindung von Aktivitätsdaten und Deal-Qualität für Forecasting und Deal-Steuerung. Diese Zuordnungen sind grobe Orientierungen, keine scharfen Grenzen – die Anbieter entwickeln sich aufeinander zu und erweitern ihre Funktionsumfänge laufend.
Weil sich die Werkzeuge im Kern ähneln, entscheidet nicht die Frage, welches das objektiv beste ist – die gibt es nicht –, sondern welches am besten zum eigenen Bedarf und zur eigenen Landschaft passt. Ein Vertrieb, der vor allem tiefe, individuelle Auswertungen braucht, gewichtet anders als einer, der schlicht eine verlässlichere Prognose sucht oder der besonderen Wert auf Deal-Steuerung legt. Ebenso wichtig sind die praktischen Faktoren: Wie gut wird das eigene CRM angebunden? Wie steht es um deutschsprachigen Support und um die Vertragsgestaltung? Und, für DACH-Unternehmen zentral: Wie sind Serverstandort, Datentransfer und Datenschutz geregelt?
Denn ein Aspekt eint alle vier Anbieter: Es handelt sich um US-amerikanische Plattformen, bei denen die datenschutzrechtlichen Fragen von Serverstandort, Drittlandtransfer und Auftragsverarbeitung in jedem Fall sorgfältig zu klären sind. Kein Werkzeug dieser Kategorie ist allein aufgrund seiner Funktionen für ein DACH-Unternehmen unbedenklich; die Datenschutzbewertung ist bei allen gleichermaßen erforderlich. Diese Einordnung dient der Orientierung zwischen verwandten Werkzeugen und ist keine Empfehlung für oder gegen einen bestimmten Anbieter – die tragfähige Entscheidung entsteht erst aus einer strukturierten Evaluierung am konkreten Bedarf.
Der wichtigste Satz zur Einführung lautet: Eine Analytics-Plattform kann nur so gut sein wie die Daten, die sie auswertet. Wer InsightSquared auf ein schlecht gepflegtes, uneinheitliches CRM aufsetzt, erhält keine bessere Steuerung, sondern lediglich schön aufbereitete falsche Zahlen – und untergräbt damit das Vertrauen in das gesamte Werkzeug. Deshalb steht am Anfang jeder erfolgreichen Einführung nicht die Software, sondern die ehrliche Bestandsaufnahme der eigenen Datenqualität: Sind die Vertriebsprozesse und Deal-Stufen im CRM einheitlich definiert? Werden Deals konsequent gepflegt? Sind die Felder, auf denen Auswertungen beruhen sollen, verlässlich gefüllt?
Häufig ist die Einführung einer Revenue-Intelligence-Plattform daher zugleich ein Anlass, die eigene CRM-Hygiene und die Vertriebsprozesse aufzuräumen. Das ist kein Nachteil, sondern oft der eigentliche Gewinn: Die Disziplin, die eine belastbare Analytics erfordert, verbessert die Datenqualität insgesamt. Wer diesen Schritt überspringt und erwartet, dass die Software die eigene Unordnung heilt, wird enttäuscht. Aus INAGRO-Sicht gehört die Klärung der Datengrundlage zwingend vor die technische Einführung.
Für die eigentliche Einführung hat sich ein schrittweises Vorgehen bewährt, das die Datengrundlage, die technische Anbindung und die Akzeptanz im Team gleichermaßen berücksichtigt. Entscheidend ist auch hier die Reihenfolge: Erst das Fundament, dann die Ausweitung – nicht umgekehrt.
Im laufenden Betrieb ist die größte Herausforderung selten technischer Natur, sondern menschlicher. Eine Plattform, die Aktivitäten und Leistung von Vertriebsmitarbeitern sichtbar macht, kann als Werkzeug der Unterstützung oder als Instrument der Überwachung wahrgenommen werden – und dieser Unterschied entscheidet über Erfolg oder Scheitern. Wird das Werkzeug als reines Kontrollinstrument erlebt, reagieren Teams mit Misstrauen, Widerstand oder dem Umgehen der Erfassung, was die Datenqualität gerade wieder untergräbt. Wird es als Hilfe zur Selbststeuerung und für faires Coaching eingeführt, steigt die Akzeptanz.
Entscheidend sind daher Transparenz und ein klarer Umgang mit den Daten: Die Mitarbeiter sollten wissen, welche Daten erfasst werden, wozu sie genutzt werden und wozu nicht. In Deutschland ist dies nicht nur eine Frage der Kultur, sondern häufig auch der Mitbestimmung, weil die Erfassung von Aktivitäts- und Leistungsdaten regelmäßig mitbestimmungspflichtig ist. Der laufende Betrieb umfasst außerdem die fortlaufende Pflege der Datenqualität, die Anpassung von Berichten an sich verändernde Prozesse und die regelmäßige Überprüfung, ob die Plattform den erwarteten Nutzen tatsächlich stiftet. Eine Revenue-Intelligence-Plattform ist kein einmaliges Projekt, sondern ein dauerhaft zu pflegender Bestandteil der Vertriebssteuerung.
Für den Mittelstand lohnt sich eine Revenue-Intelligence-Plattform vor allem dann, wenn mehrere Voraussetzungen zusammenkommen. Es braucht eine gewisse Größe und Datenmenge im Vertrieb – ein Team mit mehreren Verkäufern, einen echten Vertriebsprozess mit mehreren Stufen und genügend Deals, damit Auswertungen und Muster überhaupt aussagekräftig werden. Es braucht ein bereits ernsthaft genutztes CRM als Datenquelle. Und es braucht einen konkreten Schmerzpunkt, den das Werkzeug adressiert: unzuverlässige Prognosen, zu viel Zeit für manuelles Reporting oder fehlende Transparenz über die Pipeline.
Wo diese Voraussetzungen erfüllt sind, kann der Nutzen erheblich sein – gerade der Wegfall manueller Berichtsarbeit und die verlässlichere Prognose zahlen sich rasch aus. Wichtig ist eine realistische Erwartung an den Umfang: Nicht jeder Mittelständler braucht die volle Bandbreite einer solchen Plattform, und oft deckt bereits ein gut konfiguriertes CRM mit soliden Reporting-Funktionen einen großen Teil des Bedarfs ab. Die Frage ist daher nicht nur, ob ein Revenue-Intelligence-Werkzeug hilft, sondern ob der zusätzliche Nutzen den zusätzlichen Aufwand und die zusätzliche Abhängigkeit rechtfertigt.
Zurückhaltung ist angebracht, wenn die Grundvoraussetzungen fehlen. Ein sehr kleiner Vertrieb mit wenigen Deals liefert zu wenig Datengrundlage, als dass Analytics und gelernte Prognosen belastbar würden – hier ist der Aufwand kaum zu rechtfertigen. Ein Unternehmen, dessen CRM lückenhaft oder gar nicht ernsthaft gepflegt ist, sollte zuerst diese Grundlage schaffen, bevor es eine Analytics-Schicht darüberlegt, die andernfalls nur Unordnung veredelt. Und Organisationen, die den Datenschutz- und Mitbestimmungsrahmen nicht sauber klären können oder wollen, sollten von der Erfassung von Mitarbeiteraktivitäten Abstand nehmen.
Hinzu kommt die grundsätzliche Abwägung, die für jeden US-Cloud-Dienst gilt und die im DACH-Mittelstand zunehmend Gewicht hat: Wie viel Abhängigkeit von einem außereuropäischen Anbieter möchte man eingehen, und wie steht es um Datenhoheit und Datenschutz? Diese Fragen sind kein Ausschlusskriterium, gehören aber bewusst abgewogen – gerade in stark regulierten Branchen oder bei besonders schützenswerten Daten. Wir vertiefen sie im folgenden Kapitel. Der Grundsatz für den Mittelstand lautet: Klein und ehrlich prüfen, ob die eigenen Voraussetzungen passen, statt sich von Funktionsversprechen zu einem überdimensionierten Werkzeug drängen zu lassen.
Zu konkreten Preisen lässt sich seriös nur wenig Allgemeingültiges sagen: Anbieter im Revenue-Intelligence-Umfeld gestalten ihre Preismodelle in aller Regel individuell, meist abhängig von der Zahl der Nutzer, dem Funktionsumfang und der Vertragslaufzeit, und veröffentlichen selten belastbare Listenpreise. Ein konkretes Angebot ist daher unmittelbar beim Anbieter einzuholen. Wichtiger als der reine Lizenzpreis ist ohnehin der Blick auf die Gesamtkosten über den Lebenszyklus – die tatsächliche Investition liegt oft weit über der reinen Softwaregebühr.
Zu den Gesamtkosten gehören neben den Lizenzen der Aufwand für Einführung und Integration, die Zeit für das Aufräumen der Datenbasis und die CRM-Hygiene, interne Ressourcen für Betrieb und Pflege, Schulung des Teams sowie der Aufwand für die datenschutzrechtliche und mitbestimmungsseitige Absicherung. Diese Posten werden regelmäßig unterschätzt und übersteigen im ersten Jahr nicht selten die Lizenzkosten. Aus INAGRO-Sicht sollte eine Wirtschaftlichkeitsbetrachtung diese Gesamtkosten dem erwarteten Nutzen gegenüberstellen – und ehrlich prüfen, ob nicht ein günstigerer oder bereits vorhandener Weg denselben Kern des Problems löst.
InsightSquared ist ein US-amerikanischer Cloud-Dienst, und das macht die datenschutzrechtliche Prüfung zur Pflicht. Die Plattform verarbeitet personenbezogene Daten in zweifacher Hinsicht: zum einen Daten der eigenen Vertriebsmitarbeiter – deren Aktivitäten, E-Mails und Leistung erfasst werden –, zum anderen Daten von Kundenkontakten aus dem CRM und der Kommunikation. Beide unterliegen der DSGVO. Zentral sind die Fragen, wo die Daten gespeichert und verarbeitet werden, ob eine Verarbeitung in einer EU-Region möglich ist und wie ein Transfer in die USA rechtlich abgesichert wird.
In der Praxis bedeutet das mehrere konkrete Prüfungen. Es ist zu klären, ob der Anbieter eine Datenverarbeitung innerhalb der EU anbietet und wie mit Übermittlungen in Drittländer umgegangen wird – etwa über anerkannte Übermittlungsmechanismen und ergänzende Schutzmaßnahmen. Mit dem Anbieter ist ein Auftragsverarbeitungsvertrag abzuschließen, der Zweck, Umfang und die Einbindung etwaiger Subdienstleister regelt. Für die eigene Verarbeitung sind Rechtsgrundlage, Zweckbindung, Aufbewahrung und Datensparsamkeit zu dokumentieren. Besondere Aufmerksamkeit verdienen KI-Funktionen, bei denen zu klären ist, ob Daten an externe Modelle übermittelt oder zu deren Training verwendet werden.
Eine Besonderheit im deutschen Kontext ist die Mitbestimmung. Weil InsightSquared Aktivitäten und Leistung von Mitarbeitern erfasst und auswertet, handelt es sich in aller Regel um eine technische Einrichtung, die geeignet ist, das Verhalten oder die Leistung von Beschäftigten zu überwachen – und deren Einführung damit mitbestimmungspflichtig ist. Der Betriebsrat ist frühzeitig einzubinden, und häufig ist eine Betriebsvereinbarung sinnvoll, die Umfang und Zweck der Datenerfassung, die zulässige Nutzung und die Grenzen klar regelt. Wer diesen Schritt übergeht, riskiert nicht nur rechtliche Probleme, sondern auch den Vertrauensverlust im Team, der die ganze Einführung entwerten kann.
Über die rechtliche Zulässigkeit hinaus stellt sich die strategische Frage der Datenhoheit: Wie viel Kontrolle über die eigenen Vertriebs- und Kundendaten möchte ein Unternehmen behalten, und wie abhängig macht es sich von einem außereuropäischen Anbieter? Vertriebsdaten gehören zu den wertvollsten und sensibelsten Informationen eines Unternehmens. Sie einem US-Cloud-Dienst anzuvertrauen, ist eine bewusste Abwägung zwischen Nutzen und Kontrolle – kein Automatismus. Für manche Organisationen, etwa in stark regulierten Branchen, wiegt die Datenhoheit so schwer, dass sie datenschutzkonformere oder europäische Alternativen bevorzugen oder Teile der Auswertung im eigenen Haus belassen. Andere gewichten den Funktionsvorsprung höher und sichern die Nutzung rechtlich ab. Wichtig ist, dass die Entscheidung als bewusste Abwägung fällt.
