Der Sales-Pain in der Versicherungsbranche ist seit zehn Jahren derselbe: Marketing liefert Leads, der Außendienst verbrennt sich an Kalt-Kontakten, die Conversion-Quoten dümpeln zwischen 5 und 12 Prozent. Was wir bei einem österreichischen Versicherungsvertrieb (rund 180 Mitarbeiter, B2C- und B2B-Mix) in 8 Wochen verändert haben, ist nicht spektakulär — es ist brutal sauberes Lead-Scoring vor dem Erstkontakt. Das Ergebnis nach sieben Monaten Produktion: dreimal so viele qualifizierte Leads bei gleicher Marketing-Spend, 18 Prozent höhere Sales-Conversion und ein Investment, das nach neun Monaten amortisiert war.
1. Ausgangslage — was nicht funktioniert hat
Der Kunde — anonymisiert, aber alle Zahlen sind real — ist ein mittelständischer Versicherungsvertrieb mit Sitz in Niederösterreich, 180 Mitarbeiter, davon 95 im Außendienst. Vertrieb läuft über Lead- Generierung aus Performance-Marketing (Meta, Google, LinkedIn), Bestands- kundenausbau und klassisches Empfehlungsgeschäft. Sales-CRM: Salesforce Sales Cloud, seit 2019 produktiv, gut gepflegt.
Der konkrete Schmerz, der das Projekt ausgelöst hat:
- Aus rund 2.400 Marketing-Leads pro Monat waren etwa 70 Prozent Kalt-Leads — Personen, die ein Formular ausgefüllt hatten, aber weder Kaufabsicht noch ICP-Fit aufwiesen.
- Der Außendienst hat im Schnitt 25 Minuten pro Lead für die Vorab-Recherche gebraucht (Firmenbuch, LinkedIn, Webseite, Bestandsystem-Check) — und das bei einem Großteil der Leads umsonst.
- Die qualifizierte Lead-Rate — also der Anteil der Leads, die nach Erstkontakt als echte Opportunity ins CRM gewandert sind — lag bei 8 Prozent. Branchenüblich, aber inakzeptabel für den Vertriebsleiter.
- Die Erstkontakt-Conversion (Termin vereinbart) lag bei 14 Prozent über alle Leads, bei den wirklich qualifizierten bei 41 Prozent.
Die wirtschaftliche Logik war klar: Wenn man vor dem Erstkontakt die Hälfte der Kalt-Leads aussortiert und die Vorbereitung der echten Leads in 4 Minuten statt 25 Minuten liefert, dann gewinnt das Sales-Team ungefähr 40 Stunden pro Mitarbeiter und Monat zurück — und kann diese Zeit in die Leads investieren, die wirklich was bringen.
2. Die Lösung — KI-Sales-Agent mit drei Aufgaben
Wir haben keinen "AI-Chatbot für den Kunden" gebaut. Wir haben einen internen Sales-Agent gebaut, der drei klar abgegrenzte Aufgaben hat:
a) Lead-Anreicherung. Sobald ein Lead aus dem Marketing-Funnel in Salesforce landet, zieht der Agent automatisch öffentlich verfügbare Daten (Firmenbuch-AT, LinkedIn-Company-Page, Unternehmenswebseite, allenfalls Branchenverband-Mitgliedschaft) und reichert den Lead- Datensatz an. Das ersetzt die manuelle Recherche durch den Sales- Mitarbeiter.
b) ICP-Scoring. Auf Basis der angereicherten Daten plus historischer Conversion-Patterns aus dem CRM (die letzten 24 Monate Salesforce- History) berechnet der Agent einen ICP-Score zwischen 0 und 100. Score <35: Disqualifiziert, fließt in einen Nurture-Track. Score 35-64: Standard-Bearbeitung. Score 65+: Hot-Lead, geht priorisiert an einen Senior-Sales.
c) Erstkontakt-Vorbereitung. Für jeden Lead mit Score ≥35 erstellt der Agent ein einseitiges Vorbereitungs-Brief mit den drei wichtigsten Anknüpfungspunkten, der wahrscheinlichsten Bedarfssituation und einer vorgeschlagenen Gesprächs-Eröffnung. Das ist kein Auto-Generated-Pitch — das ist ein Briefing-Sheet, das der Sales liest und dann mit eigener Erfahrung anreichert.
Qualifizierte-Lead-Rate gesteigert durch ICP-Scoring vor Erstkontakt
Eine 3×-Steigerung allein dadurch, dass die Kalt-Leads vor dem Erstkontakt erkannt und ausgesteuert werden — nicht durch besseren Sales, sondern durch besseres Filtern.
3. Architektur und Salesforce-Integration
Der Agent läuft als eigenständiger Service, der über Salesforce- Platform-Events und REST-API mit dem CRM kommuniziert. Drei Komponenten:
- Ingestion-Layer: Salesforce-Webhook → Queue (Redis) → Worker greift sich neue Leads. Latenz: typischerweise unter 90 Sekunden vom Marketing-Lead-Submit bis zum angereicherten Datensatz.
- Enrichment- und Scoring-Engine: kombiniert deterministische Datenanreicherung (Firmenbuch-API, LinkedIn via Sales Navigator License, Webscraping mit Rate-Limiting) mit einem LLM-basierten Scoring-Schritt. Das LLM bekommt die strukturierten Daten plus einen kuratierten Few-Shot-Prompt mit 30 historischen Lead-Mustern aus dem CRM und gibt Score plus Begründung zurück.
- Output-Layer: schreibt zurück nach Salesforce in drei dedizierte Felder (Score, Reasoning, Briefing-URL). Das Briefing wird als versionierter PDF-Anhang im Lead-Datensatz abgelegt.
LLM: Anthropic Claude Sonnet, EU-Routing über Anthropic-Enterprise. Hosting: Hetzner Falkenstein. Datenresidenz vollständig in der EU. Keine Lead-Daten verlassen die EU.
4. Compliance — UWG, MaBV-V und EU AI Act
Versicherungsvertrieb in Österreich ist eines der regulatorisch sensibelsten Sales-Felder. Drei Compliance-Pflöcke haben wir vor dem ersten Sprint eingeschlagen:
- UWG (Bundesgesetz gegen den unlauteren Wettbewerb): Erstkontakt per Telefon ohne Einwilligung ist verboten. Der Agent darf nur Leads scoren, die nachweislich eingewilligt haben (Double-Opt-In aus dem Marketing-Funnel). Die Einwilligungs-Quelle wird im CRM mitgeführt.
- MaBV-V (Maklerverordnung für Versicherungsvermittler): verlangt Dokumentationspflichten beim Vermittlungsgespräch. Der Agent dokumentiert nicht das Gespräch selbst — er erstellt nur das Briefing. Die Gesprächsdokumentation bleibt manuelle Aufgabe des Vermittlers, mit definiertem Template.
- EU AI Act: Lead-Scoring auf B2C-Privatkundendaten ist Risikoklasse "Begrenztes Risiko" mit Transparenz-Pflicht intern, da keine automatisierte Ablehnung gegenüber dem Kunden stattfindet — der Score steuert nur die interne Priorisierung. Hätten wir automatische Ablehnung von Versicherungsanträgen gebaut, wäre das Hochrisiko gewesen — mit ganz anderem Compliance-Aufwand.
5. Sprint-Ablauf — 8 Wochen von Brief bis Go-Live
Sprint Mid-Complexity, klassischer Will-AIgency-Zuschnitt:
- Woche 1-2: Discovery, CRM-Audit, Auswertung historischer Lead- Daten, ICP-Workshop mit Sales-Leitung. Definition: was ist ein guter Lead, wie sehen die Top-20-Conversion-Patterns aus.
- Woche 3-4: Datenanreicherungs-Layer bauen, Firmenbuch- und LinkedIn-Integration, Webscraping-Pipeline. Parallel: erste Scoring-Prompts entwickeln, gegen historische Daten validieren.
- Woche 5-6: Salesforce-Integration, Output-Felder, Briefing-PDF- Generierung. UAT mit dem Sales-Team auf 200 Test-Leads.
- Woche 7: Pilot mit 3 Außendienstlern, 100 Live-Leads, Feedback- Loop täglich.
- Woche 8: Rollout an alle 95 Außendienstler, Go-Live September 2025, Schulung in 2-Stunden-Webinaren plus Onepager.
Team auf unserer Seite: 1 Solution-Architect (Lead), 1 Engineer (Backend/Integration), 0,5 Engineer (Data/Scoring), 0,25 Compliance- Anwältin für UWG/MaBV-V-Check. Auf Kundenseite: Vertriebsleiter, 1 IT-Lead, 1 Salesforce-Admin, 3 Pilot-Außendienstler.
6. ROI nach 7 Monaten — und was dahintersteckt
Stand April 2026, sieben Monate nach Go-Live:
- Qualifizierte Lead-Rate: von 8 auf 24 Prozent (+200 Prozent relativ, +16 Prozentpunkte absolut). Bei gleichem Marketing-Spend.
- Sales-Conversion-Rate (Lead zu Abschluss): von 14 auf 17 Prozent über alle Leads, von 41 auf 48 Prozent bei den qualifizierten — netto +18 Prozent auf Gesamtebene.
- Recherche-Zeit pro Lead: von 25 auf 4 Minuten. Das entspricht rund 39 Stunden zurückgewonnener Zeit pro Außendienstler pro Monat.
- Investment: €72.000 (Implementation Sprint Mid-Complexity inkl. Compliance-Review).
- Laufende Kosten: rund €2.800 pro Monat (LLM-API, Hosting, Datenquellen-Lizenzen, Wartung).
- Amortisation: 9 Monate, gerechnet auf zusätzliche abgeschlossene Verträge attribuiert auf das verbesserte Scoring.
Das Sales-Management hat nach drei Monaten den Marketing-Spend reduziert — weil der Funnel nicht mehr mit Müll geflutet werden musste, sondern enger und qualitativer eingestellt werden konnte.
7. Was wir gelernt haben — drei Erkenntnisse
Erstens: Scoring-Drift ist real. Nach vier Monaten Live-Betrieb haben wir gemerkt, dass die Score-Verteilung sich verschoben hat — mehr Leads im 35-64-Bereich, weniger im <35-Bereich. Ursache: das Marketing hat auf Basis der Scoring-Signale die Kampagnen- Targeting angepasst und damit selbst die Lead-Qualität gehoben. Der ICP-Score war nicht mehr ganz kalibriert. Wir haben das mit einem monatlichen Recalibration-Job gelöst, der die Score-Verteilung gegen die letzten 90 Tage Conversion-Daten nachzieht.
Zweitens: Sales-Akzeptanz steht und fällt mit dem Briefing. Das Scoring allein hätte das Team nicht überzeugt — "Algorithmus sagt Lead ist schlecht" ist eine schwer schluckbare Pille. Was funktioniert hat: das Briefing-PDF mit den drei Anknüpfungspunkten plus Score-Begründung. Sales-Mitarbeiter sehen den Wert sofort und vertrauen dann auch dem Score.
Drittens: Compliance vor Sprint, nicht nach Sprint. Wir haben die Compliance-Anwältin in Woche 0 dabeigehabt. Das hat 4 Tage gekostet — und uns wahrscheinlich 3 Monate Nacharbeit gespart, weil wir die Architektur sofort so geschnitten haben, dass UWG, MaBV-V und AI Act sauber abgedeckt sind.
Häufige Fragen
Was Geschäftsführer zu diesem Case fragen.
Wie wurde die Salesforce-Integration konkret umgesetzt?
Was passiert, wenn das Modell unsicher ist und einen mittleren Score liefert?
Wie habt ihr UWG- und MaBV-V-Compliance konkret abgesichert?
Wie groß war der Widerstand im Sales-Team und wie habt ihr ihn aufgelöst?
Was passiert, wenn das ICP-Modell driftet — woher wisst ihr das?
Was als Nächstes?
Wenn ihr Sales- oder Versicherungs-Lead-Management habt, das ähnlich aussieht — Marketing liefert zu viele Kalt-Leads, Sales verbrennt sich an Recherche — dann ist die Eintrittshürde niedriger als ihr denkt. Ein Audit S mit Sales-Fokus dauert zwei Wochen, kostet €4.500 und liefert euch eine konkrete Aussage: lohnt sich ein KI-Sales-Agent in eurer Konstellation, welcher ROI ist realistisch, welche Compliance- Pflöcke müsst ihr berücksichtigen. Discovery-Call dauert 30 Minuten und kostet nichts.