Case Study: KI im eigenen Vertrieb

Case Study · Vertrieb & KI

Case Study: Wie wir KI im eigenen Vertrieb eingesetzt haben

In dieser Fallstudie ist ProvenAI der eigene erste Kunde: Sascha Bernd hat seinen Immobilienvertrieb mit KI optimiert. 358 Kundengespräche wurden lokal mit Whisper transkribiert und DSGVO-konform ausgewertet. Aus dem Pattern-Mining entstanden eine Einwand-Bibliothek und datenbasierte Erfolgsmuster. Der Beweis: Sensible Gesprächsdaten lassen sich analysieren, ohne dass sie je die Cloud erreichen.

358
analysierte Kundengespräche
100 %
lokal & DSGVO-konform
0
Datensätze in der Cloud

Ausgangslage – eine KI-Firma, die KI zuerst selbst nutzt

Bevor ich einem KMU verspreche, dass KI im Alltag wirklich etwas bringt, will ich das an mir selbst bewiesen haben. Seit Anfang 2026 bin ich hauptberuflich im Immobilienvertrieb – und damit lag ein perfektes Testfeld direkt vor mir: mein eigener Vertrieb. Über die Zeit hatten sich 358 aufgezeichnete Verkaufsgespräche angesammelt – ein enormer Erfahrungsschatz, der aber ungenutzt auf der Festplatte lag. Kein Mensch hört sich 358 Gespräche noch einmal an, um Muster zu finden. Eine Maschine schon. Der Gedanke: Wenn KI hier funktioniert – bei sensiblen, echten Kundendaten und mit klarer DSGVO-Anforderung – dann funktioniert sie überall im Mittelstand.

Die Herausforderung – Erkenntnisse gewinnen, ohne Datenschutz zu verletzen

Die Aufgabe hatte zwei Seiten, die sich zunächst widersprechen. Erstens: Aus 358 Gesprächen sollte belastbares Wissen werden – nachvollziehbare Muster, was ein Gespräch mit Abschluss von einem ohne unterscheidet. Zweitens, und das ist der harte Teil: Es handelt sich um echte Kundengespräche mit Namen, Wohnorten und finanziellen Details. So etwas lädt man nicht bei irgendeinem Cloud-KI-Dienst hoch – das verbietet die DSGVO und der gesunde Menschenverstand. Genau dieser Konflikt war der eigentliche Beweis: Geht anspruchsvolle KI-Analyse auch komplett lokal und rechtssicher?

Die KI-Lösung – lokale Transkription und Pattern-Mining

Die Lösung läuft vollständig auf lokaler Infrastruktur. Kein Gesprächsinhalt verlässt den Rechner.

Schritt 1 – Lokale Transkription mit Whisper

Jedes der 358 Gespräche wurde mit Whisper (faster-whisper) direkt auf dem Rechner in Text umgewandelt – ohne Internet, ohne Cloud. Aus Stunden Audio wurden durchsuchbare Transkripte. Das allein spart Wochen an manueller Arbeit.

Schritt 2 – Deterministische Anonymisierung

Vor jeder Auswertung durchlief jedes Transkript ein selbst gebautes Anonymisierungs-Skript: Namen werden zu Platzhaltern, Wohnorte zu [Wohnort], Beträge zu [Betrag]. Eine eingebaute Selbstprüfung blockiert jede Datei, in der ein sensibler Begriff überlebt.

Schritt 3 – Pattern-Mining über alle Gespräche

Ein Analyse-Skript zählt über alle anonymisierten Transkripte harte Kennzahlen – Redeanteil, Fragetypen, Einwand-Marker, Abschluss-Signale – und vergleicht Gespräche mit und ohne Abschluss.

Tech-Stack

Whisper (lokal) für die Transkription · eigenes Anonymisierungs-Skript mit Selbstprüfung · Pattern-Mining-Skript für die Auswertung. Für Kundenprojekte ergänzt um n8n (self-hosted), Azure OpenAI oder Mistral und Supabase auf EU-Servern, wenn eine laufende Automatisierung gebraucht wird.

Das Ergebnis – messbar, wo es seriös ist

Ich nenne hier bewusst keine erfundene Umsatzsteigerung. Was dieses Projekt gebracht hat, ist trotzdem konkret:

  • 358 Gespräche ausgewertet statt keiner – eine Analysetiefe, die von Hand unmöglich gewesen wäre.
  • Wochen an Zeit gespart – die lokale Transkription übernahm in einem Bruchteil der Zeit, was manuelles Abhören bedeutet hätte.
  • Eine Einwand-Bibliothek aus echten Kundenaussagen – die typischen Einwände und die Formulierungen, die im Gespräch wirklich funktioniert haben.
  • Datenbasierte Erfolgsmuster statt Bauchgefühl. Beispiel: Die Auswertung zeigte, dass der Abschluss im Zweitgespräch entschieden wird und dass, wer abschließt, den Kunden tendenziell mehr zu Wort kommen lässt – nicht weniger.
  • Der DSGVO-Beweis: Alle 358 Gespräche wurden analysiert, ohne dass ein einziger Datensatz je einen Cloud-Dienst erreicht hat.

Ehrlich bleibt ehrlich: Die Abschluss-Einordnung basiert auf der Sprache in den Transkripten, nicht auf CRM-Zahlen. Für harte Conversion-Werte müsste man die Gespräche zusätzlich mit dem CRM-Status verknüpfen – ein möglicher nächster Schritt.

Learnings – was ich daraus mitgenommen habe

  • KI muss nicht in die Cloud. Selbst sensibelste Daten lassen sich anspruchsvoll auswerten, ohne die DSGVO zu berühren. Lokal ist kein Kompromiss, sondern eine echte Option.
  • Der Wert steckt in vorhandenen Daten. Fast jeder Betrieb sitzt auf ungenutztem Wissen – Gespräche, Mails, Angebote. KI macht daraus durchsuchbare Erkenntnisse.
  • Datenmenge schlägt Bauchgefühl. Einzelne Gespräche täuschen. Erst der Blick über alle 358 zeigt, welche Muster wirklich tragen.
  • Der Prozess ist der eigentliche Gewinn. Nicht jedes Ergebnis lässt sich sofort in Euro messen – aber ein wiederholbarer, sauberer Prozess lässt sich auf jede Datenquelle übertragen.

Das kann ich auch für Sie bauen

Was hier im Vertrieb entstanden ist, funktioniert genauso für Ihren Betrieb – mit Ihren Daten und Ihrem Anwendungsfall. Ob 358 Kundengespräche, ein Berg an E-Mails, alte Angebote oder interne Dokumente: Überall dort, wo ungenutztes Wissen liegt, kann KI Muster sichtbar machen und Arbeit abnehmen. Und weil ich als Elektrotechnik-Ingenieur mit 13 Jahren Berufserfahrung, davon 3 Jahre KI-Praxis, sowohl die Technik als auch den Datenschutz verstehe, bekommen Sie beides aus einer Hand – DSGVO-konform mit EU-Hosting. Der erste Schritt ist immer gleich: ein kostenloses Erstgespräch, in dem wir schauen, wo bei Ihnen der größte Hebel liegt. Wenn Sie zuerst die Lage sortieren wollen, ist das KI-Schnell-Audit für 497 € der schnellste Weg zu einem konkreten Plan.

Häufige Fragen zu dieser Fallstudie

Wurden für die Analyse echte Kundendaten in die Cloud geladen?
Nein, und das ist der zentrale Punkt. Alle 358 Gespräche wurden lokal mit Whisper transkribiert und vor der Auswertung anonymisiert. Kein Gesprächsinhalt und keine personenbezogenen Daten haben je einen Cloud-Dienst erreicht.
Warum nennen Sie keine konkrete Umsatzsteigerung?
Weil ich keine Zahlen erfinde. Eine saubere Umsatz-Zuordnung würde eine Verknüpfung mit dem CRM erfordern, die hier bewusst nicht behauptet wird. Was messbar ist, nenne ich: 358 ausgewertete Gespräche, Wochen an gesparter Zeit und eine aus echten Daten abgeleitete Einwand-Bibliothek.
Welche KI-Technik kam genau zum Einsatz?
Für die Transkription das lokale Sprachmodell Whisper (faster-whisper). Für die Anonymisierung ein eigenes Skript mit Selbstprüfung. Für die Auswertung ein Pattern-Mining-Skript. Bei Kundenprojekten ergänze ich das je nach Bedarf um n8n, Azure OpenAI oder Mistral und Supabase auf EU-Servern.
Lässt sich das auf mein Unternehmen übertragen?
Ja. Das Prinzip – vorhandene Daten lokal und DSGVO-konform auswerten – funktioniert branchenneutral. Ob Handwerk, Praxis, Handel oder Mittelstand: Wenn bei Ihnen ungenutzte Daten liegen, lässt sich derselbe Ansatz anpassen.
Ist das nicht ein Eigenprojekt statt eines echten Kundenprojekts?
Genau das ist Absicht. Eine KI-Firma, die KI nicht selbst nutzt, wäre wenig glaubwürdig. Ich habe die Methode zuerst an meinem eigenen Vertrieb bewiesen, bevor ich sie Kunden anbiete. Weitere Fallstudien aus Kundenprojekten sind in Arbeit.

Ungenutzte Daten in Ihrem Betrieb? Lassen Sie uns sie heben.

Was ich für meinen eigenen Vertrieb gebaut habe, baue ich auch für Sie – lokal, DSGVO-konform und auf Ihren Anwendungsfall zugeschnitten. Unverbindlich im kostenlosen Erstgespräch.

Lieber telefonisch? 040-2286-55-73 · Mehr Cases: Case-Studies-Übersicht