Latest / Ignition / Mit KI den Millionen-Deal gewinnen
Transcript
- 0:00Willkommen zum Podcast!
- 0:01Ich bin Max Quantum, und an meiner Seite ist wie immer Eva Cortex.
- 0:05Und Eva, stell dir mal folgendes Szenario vor: Es ist 23:40 Uhr in einem
- 0:10Großraumbüro.
- 0:11Ein Bid-Team sitzt vor einem Stapel Papier - genauer gesagt einem 180-seitigen RFP,
- 0:17einem Request for Proposal, für einen öffentlichen Großauftrag.
- 0:21Ein einziger formaler Fehler, ein fehlender Nachweis oder eine unpräzise
- 0:25Formulierung im Kapitel zur IT-Sicherheit, und das gesamte Angebot fliegt in der
- 0:30ersten Runde raus.
- 0:32Das klingt nach purem Stress.
- 0:34Und ganz ehrlich, wer da um fast Mitternacht sitzt, korrigiert meistens keine
- 0:38strategischen Feinheiten mehr, sondern kämpft nur noch gegen die Formatierung und
- 0:42die Deadline.
- 0:43Aber warum ist dieser Prozess für die Firmen eigentlich so verdammt wichtig?
- 0:48Weil es um nackte Existenz geht.
- 0:50Bei diesen Ausschreibungen geht es nicht um ein paar tausend Euro.
- 0:53Wir reden von Bauaufträgen, IT-Infrastruktur für Ministerien oder
- 0:58Logistik-Konzessionen im Wert von zig Millionen.
- 1:00Wer hier verliert, verliert oft den Umsatz des nächsten Halbjahres.
- 1:04Und genau in diese Nische stößt ein britisches Startup namens AutogenAI.
- 1:09Die verkaufen aber keine einfache Schreibhilfe für die Marketingabteilung.
- 1:13Okay, warte mal - wenn ich das richtig verstehe, dann ist das also kein verkleidetes
- 1:18ChatGPT, das einfach nette Absätze formuliert?
- 1:21Was machen die stattdessen?
- 1:23Genau.
- 1:23Der Punkt ist ein anderer.
- 1:24Sie bauen für jeden Kunden eine eigene, geschlossene Sprach-Engine auf.
- 1:29Diese Engine wird mit den historischen Daten des Kunden gefüttert: frühere
- 1:33Gewinner-Angebote, zertifizierte Referenztexte, spezifische Projektbeschreibungen
- 1:37und das hauseigene Wording.
- 1:39Wenn eine neue Ausschreibung reinkommt, analysiert das System die Anforderungen und
- 1:43generiert einen ersten, maßgeschneiderten Entwurf im exakten Stil des Hauses,
- 1:48der bereits auf die spezifischen Bewertungskriterien der Ausschreibung optimiert
- 1:52ist.
- 1:53Das heißt konkret: Die Nutzer sind hier keine kreativen Texter,
- 1:56sondern hochspezialisierte Bid-Manager in Beratungen, Baukonzernen oder großen
- 2:01Dienstleistungsfirmen.
- 2:03Und bezahlt wird am Ende nicht für die Schönheit der Prosa,
- 2:06sondern schlicht für die Gewinnquote.
- 2:09[reflective][pauses] Aber hier ist mein Realitätscheck dazu: Der entscheidende Hebel
- 2:13ist doch nicht, ob die KI auf Knopfdruck ein perfektes, abgabebereites Dokument
- 2:18ausspuckt.
- 2:19Das wird sie bei einem 180-Seiten-RFP nie fehlerfrei tun.
- 2:23Es geht darum, wie schnell das Team von null auf einen soliden,
- 2:26strukturierten Entwurf kommt, den sie dann verfeinern können,
- 2:30ohne die Kontrolle über die rechtlich bindenden Details zu verlieren.
- 2:34Exakt.
- 2:34Es geht um die sogenannte "Time-to-First-Draft".
- 2:37Wenn du die Zeit für den ersten Entwurf von drei Tagen auf drei Stunden reduzierst,
- 2:42bleibt dem Team plötzlich die Zeit, die es wirklich braucht: für die strategische
- 2:46Preisgestaltung, die Feinabstimmung mit den Fachabteilungen und die Risikoanalyse.
- 2:50Der Hebel liegt in der Verteilung der menschlichen Arbeitszeit - weg vom repetitiven
- 2:55Formulieren, hin zum strategischen Feinschliff.
- 2:58Wenn man sich erfolgreiche B2B-Anwendungen anschaut, erkennt man ein klares Muster
- 3:02bei der Monetarisierung.
- 3:03Viele Tools in den Bereichen Buchhaltung oder Recruiting argumentieren primär über
- 3:08reine Effizienz - also über eingesparte Arbeitsstunden.
- 3:11Bei AutogenAI verschiebt sich die Argumentation komplett.
- 3:15Sie verkaufen nicht die Einsparung von Kosten, sondern die Erhöhung des Umsatzes.
- 3:20Sie verkaufen eine höhere Wahrscheinlichkeit, den Zuschlag zu bekommen.
- 3:25Heißt für mich: Psychologisch ist das ein völlig anderes Verkaufsgespräch.
- 3:30Wenn ich einem CFO sage: „Ich spare deinem Team zehn Stunden pro Woche",
- 3:34dann rechnet er den Stundensatz dagegen und feilscht um die Lizenzgebühr.
- 3:38Wenn ich aber dem Vertriebsvorstand sage: „Mit diesem System erhöhen wir eure
- 3:43Chance, den 50-Millionen-Euro-Infrastruktur-Deal zu gewinnen,
- 3:47um schätzungsweise zehn Prozent", dann guckt er nicht mehr auf die Softwarekosten.
- 3:52Genau darin liegt der eigentliche Hebel.
- 3:54Und diese Dynamik spiegelt sich auch in den Finanzierungsdaten wider.
- 3:58Das Unternehmen hat in einer Serie-B-Runde rund 39,5 Millionen US-Dollar
- 4:03eingesammelt, angeführt von namhaften Investoren wie Salesforce Ventures.
- 4:07Aus Branchenkreisen hört man zudem von einer Umsatzgröße in der Region von sage und
- 4:12schreibe 36 Millionen US-Dollar Annual Recurring Revenue, also jährlich
- 4:17wiederkehrendem Umsatz.
- 4:18Das zeigt uns: Hier wird kein Nice-to-have-Tool finanziert,
- 4:22sondern eine neue Kategorie im Enterprise-Vertrieb etabliert.
- 4:2636 Millionen Dollar ARR sind für ein so hochspezialisiertes Thema tatsächlich eine
- 4:31Ansage.
- 4:32Aber ich versuche das gerade mal für mich runterzubrechen: Wer sitzt da am Ende auf
- 4:37Kundenseite und unterschreibt diese teuren Verträge?
- 4:40Ist das der Bid-Leiter, der einfach sein überarbeitetes Team entlasten will,
- 4:45oder entscheidet das die Geschäftsführung, weil sie die nackten Zahlen sieht?
- 4:49Der Impuls kommt meistens aus der operativen Bid-Unit, die unter dem permanenten
- 4:53Termindruck leidet.
- 4:54Aber die Kaufentscheidung wird auf C-Level getroffen.
- 4:56Für die Geschäftsführung spielen drei Faktoren zusammen: Erstens die Erhöhung des
- 5:01Durchsatzes - man kann sich auf mehr Ausschreibungen gleichzeitig bewerben.
- 5:05Zweitens die Risikoreduktion, weil keine Pflichtenhefte mehr übersehen werden.
- 5:09Und drittens eben die Gewinnwahrscheinlichkeit.
- 5:12Wenn ein einzelner zusätzlicher Großauftrag den Softwarevertrag für die nächsten
- 5:16fünf Jahre bezahlt, ist die Hürde für die Freigabe extrem niedrig.
- 5:20Okay, aber genau da müssen wir auch ein bisschen auf die Bremse treten.
- 5:23AutogenAI wirbt ja sehr offensiv mit beeindruckenden Kundendaten - da ist von
- 5:29signifikant höheren Gewinnquoten, massiven Kostensenkungen im Angebotsprozess und
- 5:34enormen Produktivitätsgewinnen die Rede.
- 5:37Aber das sind natürlich primär Angaben des Anbieters oder ausgewählte Fallstudien
- 5:42von Kunden.
- 5:43Unabhängig geprüfte, wissenschaftliche Zahlen, die das über hunderte Branchen hinweg
- 5:48belegen, gibt es logischerweise noch nicht.
- 5:52Das ist ein extrem wichtiger Einwand.
- 5:54Jedes Bid-Team ist nur so gut wie die Daten, die es einspeist.
- 5:57Wenn deine historische Datenbasis fehlerhaft ist oder du die KI nicht präzise
- 6:01führst, bekommst du nur schnelleren, aber eben nicht besseren Ausschuss.
- 6:05Die Technologie ersetzt nicht den Sachverstand des Experten im Raum,
- 6:08sondern beschleunigt ihn nur.
- 6:10Heißt als Learning für uns: Der wahre Wert entsteht nicht durch die pure
- 6:14KI-Generierung, sondern durch die tiefe Integration in die spezifischen
- 6:18Arbeitsprozesse und das exklusive Firmenwissen.
- 6:21Das ist es auch, was das Ganze am Ende schwer kopierbar macht - nicht der
- 6:26Algorithmus selbst, sondern das über Jahre trainierte, kundeneigene System.
- 6:31Ein spannendes Modell, das zeigt, dass der größte Hebel für KI oft in den scheinbar
- 6:37trockensten Prozessen liegt.