Vor gut einem Jahr sah der Weg so aus: Auf der Sponsorenseite von SaaStr AI Annual füllt ein Interessent ein langes Kontaktformular aus. Der Eintrag landet bei Amelia, wird per Round-Robin an sie selbst oder an David weitergereicht. Etwa einen Tag später geht eine Antwort raus, die fast immer identisch klingt: Man sehe in dem Unternehmen einen guten Fit für SaaStr AI, hier sei ein Buchungslink.
Diesen Ablauf hat das Team hinter SaaStr AI zerlegt und durch einen Inbound-KI-Agenten ersetzt. SaaStr-Gründer Jason Lemkin hat den Aufbau aufgeschrieben, nachdem Amelia ihn in der aktuellen Folge des Podcasts The Agents vorgestellt hatte. Die Zahlen stammen vom Team selbst: rund 17.000 Gespräche mit Interessenten in zwölf Monaten, etwa 600 gebuchte Meetings für die SaaStr AI Annual 2026. Für 2027 läuft der Agent bereits auf fast dem Doppelten der vorherigen zwölf Monate. Zusammen mit einem zweiten, neueren Selbstbedienungs-Agenten ergab das nach Angaben des Teams ein Plus von 60 Prozent beim Neugeschäft. Drei Menschen betreiben das Ganze.
Interessant ist weniger die Technologie als die Ausgangslage. Das alte System war nicht kaputt, es war langsam. Und Langsamkeit ist im Inbound die Stelle, an der Kaufinteresse verdampft. Wer diesen Bericht als Bauanleitung liest, liest ihn von Leuten, die sich selbst nicht als Entwicklerteam bezeichnen. Die Hürde lag nie beim Code.
Was vorher lief: Formular, Round-Robin und ein Tag Verzögerung
Der alte Ablauf hatte drei Stationen, und alle drei kosteten Zeit. Ein Interessent, der über die Sponsorenseite kam, füllte ein langes Formular aus. Der Eintrag landete bei Amelia, die ihn per Round-Robin an sich selbst oder an David verteilte. Geantwortet wurde ungefähr einen Tag später.
Inhaltlich war die Antwort fast immer dieselbe: ein Satz, dass man gut zusammenpasse, plus ein Kalenderlink. Amelia nennt sie im Gespräch die schlechteste E-Mail des Planeten. Der Interessent hatte sich von sich aus gemeldet, und als Erstes bekam er einen Formbrief zurück. Wer eine solche Mail selbst schon einmal erhalten hat, weiß, wie zuverlässig sie Interesse löscht.
Die Messlatte lag also nicht hoch, sie lag am Boden. Ein KI-Vertriebsagent muss nicht brillant sein, um sich zu rechnen. Er muss schneller und konkreter antworten als ein Formbrief, der einen Tag später eintrifft. Deshalb lohnt es sich, mit dem schlechtesten Schritt anzufangen statt mit dem elegantesten.
Der Agent gehört zuerst auf die Seite mit der höchsten Kaufabsicht
Das Team hat den Agenten nicht auf die Startseite gesetzt. Er lebt auf der Sponsorenseite von SaaStr AI Annual, also dort, wo Menschen landen, die bereits über einen Kauf im Bereich von rund 90.000 Dollar nachdenken. Technisch läuft er bei Qualified, als Avatar mit dem Namen Amelia AI.
Die Begründung ist betriebswirtschaftlich, nicht technisch: Eine schnelle Antwort ist dort am meisten wert, wo gerade eine Kaufentscheidung entsteht. Auf der Startseite beantwortet derselbe Agent dieselben Fragen an Leute, die noch gar nichts kaufen wollen, und der Nutzen pro Gespräch sinkt deutlich.
Wenn du einen ersten Inbound-KI-Agenten bauen willst, ist das die einfachste Übertragung dieses Beispiels: Nimm nicht die Seite mit dem meisten Traffic, sondern die mit der klarsten Absicht. Meist ist das eine Preis-, Produkt- oder Angebotsseite, häufig sogar eine einzige Unterseite. Bei SaaStr AI war es genau eine.
Qualifizieren und direkt buchen statt warten lassen
Der Agent beantwortet Fragen in Echtzeit, aber das ist nur die Oberfläche. Seine eigentliche Aufgabe ist Leadqualifizierung, in einer Form, die dem Interessenten nützt und nicht nur dem Vertrieb. Das Team grenzt sich von dem Muster ab, bei dem ein Fragebogen vor allem Zeit kostet.
Konkret arbeitet der Agent ab: Warum will die Person sponsern, welches Budget steht im Raum, geht es um Leadgenerierung, Markenbekanntheit oder einen Sprecherplatz, welche Wettbewerber werden beobachtet, und welche konkreten ROI-Beispiele gibt es aus ähnlichen Unternehmen. Jede dieser Antworten liegt im ersten menschlichen Gespräch bereits vor. Fehlt sie, muss der Vertrieb sie mühsam nachholen, während der Interessent wartet.
Der zweite Teil ist der entscheidende: Der Agent bucht den Termin sofort, ohne Übergabe, ohne dass jemand nachträglich eine E-Mail schreiben muss. In der alten Kette ging das Interesse zwischen abgeschicktem Formular und brauchbarer Antwort verloren. Hier wirkt die Automatisierung am stärksten.
Und dann beginnt das Gespräch mit dem, was der Agent erfasst hat. Ein Beispiel aus der Praxis: Ein Interessent hatte sich für das Kaffee-Sponsoring und Newsletter-Platzierungen interessiert, das Kaffee-Paket war ausverkauft, also startete der Call mit dieser Feststellung und führte direkt zu den Newslettern. Niemand musste sich wiederholen, und die ersten zehn Minuten gingen nicht für Discovery drauf, die längst erledigt war.
Der zweite Weg: Self-Serve von PDF auf eine auswertbare Seite umstellen
Ein erheblicher Teil der Käufer will nicht mit einem Avatar sprechen. Manche finden es befremdlich, die meisten wollen schlicht Pakete und Preise sehen, ohne ein Gespräch zu eröffnen. Deshalb läuft parallel ein zweiter, selbstbedienbarer Pfad, und der konvertierte ein Jahr lang schlechter als der Agent.
Der Grund war banal: Hinter dem Self-Serve-Angebot steckte ein Download-Link auf ein Google-Slides-Prospekt. Ein PDF sagt nach dem Download nichts mehr. Man weiß nicht, wer es geöffnet hat, wie lange, welche Seite, oder ob es überhaupt angesehen wurde. Eine Seite, die man selbst hostet, sagt dagegen alles.
Der Ersatz ist eine tokenisierte Seite auf der eigenen Domain: kürzeres Formular, und nach dem Absenden bekommt jeder Interessent eine Version des Prospekts mit einem Link, der auf sein Unternehmen zugeschnitten ist. Gebaut wurde das auf Replit. Über Heatmapping mit Microsoft Clarity wird anschließend sichtbar, wo die Zeit tatsächlich verbracht wird. Die Werkzeugwahl traf übrigens nicht ein Mensch, sondern das interne System, das im Team als AI VP of Revenue unter dem Namen 10K firmiert.
Ein Detail mit Signalwirkung: Zwischen Selbstbedienung und Folgeaktion liegen zehn Minuten Wartezeit. Zuvor war zu beobachten, dass Besucher nach fünf bis sieben Minuten abspringen. Man wartet also, bis die Sitzung beendet und die Heatmap vollständig ist, bevor der Agent aktiv wird.
First-Party-Signale, Pitch-Entwurf und ein Link, der mitwächst
Bevor der Agent irgendetwas schreibt, prüft er Daten, die dem Unternehmen selbst gehören, in fester Reihenfolge: War die Person schon auf der Website, steckt sie in einer Outbound-Sequenz, hat sie kürzlich LinkedIn- oder X-Werbung gesehen, ist sie im Newsletter, hat sie ein Event besucht, hat sie dort gesprochen, und wurde über ihr Unternehmen auf SaaStr.com berichtet. Erst danach kommen Wettbewerber als zweitwichtigstes Signal, und erst ganz am Ende Daten von Drittanbietern.
Diese erste Schicht kann kein Anbieter verkaufen. Im konkreten Fall Base44 tauchte so auf, dass der CEO früher bereits bei SaaStr AI Annual war. Danach wird der Lead gleichzeitig in alle Richtungen verteilt: E-Mail an Amelia, Slack-Nachricht, Eintrag in eine Dashboard-Queue und ein Datensatz in Salesforce, inklusive Heatmap und personalisiertem Link. Früher war das ein vierteljährlicher manueller Sheet-Upload.
Der Agent entwirft außerdem den Pitch, in 30 bis 60 Sekunden, mit Begründung, Wettbewerbern und Paketempfehlung. Ein Mensch gibt frei, versendet wird aus Amelias Adresse. Die Regel dabei ist strikt: In den Pitch eines Kunden gehören nur öffentliche oder anonymisierte Ergebnisse über andere Kunden, nichts Vertrauliches.
Der kopierwürdigste Baustein ist der Link, der an Ort und Stelle aktualisiert wird. Der Interessent hat zunächst etwas Generisches geöffnet. Nach der Freigabe öffnet dieselbe URL eine Fassung, die auf ihn zugeschnitten ist, mit seinem Namen, seinen Wettbewerbern, seinen Paketen. Jede weitere Rückkehr zeigt die personalisierte Version, und der Link wird damit zu einem lebenden Dokument für den gesamten Verkaufszyklus.
Zuletzt fehlte das Buchungswerkzeug. Calendly und Read AI waren im Einsatz, hingen aber an nichts. 10K schlug einen eigenen Booker vor, und der Agent brauchte dafür rund 20 Minuten. Der Link zeigt jetzt den Firmennamen, verweist auf den betrachteten Prospekt und erfasst, wer ihn geöffnet hat, ohne zu buchen. Springt jemand ab, informiert der Agent Amelia und entwirft die nächste E-Mail.
Auch die Zuweisung folgt einem Muster: Der Lead Base44 ging an Amelia, nicht an David. David betreut Vercel, Amelia aber Replit und Lovable, und der Agent gewichtete dieses Volumen höher. Wer ähnliche Kunden schon kennt, führt das Gespräch besser. Das klingt kleinlich, ist aber ein Kernstück des Aufbaus.
Wo ein KI-Vertriebsagent schiefgeht und in welcher Reihenfolge man es besser baut
Alles auf einmal zu bauen ist der häufigste Fehler. Beim Team hinter SaaStr AI lief der Agent auf der Website ein knappes Jahr allein, bevor der Selbstbedienungspfad dazukam. Der Ausbau lässt sich in Stufen machen, und er sollte es. Wer KI im Vertrieb einsetzen will, gewinnt mehr durch eine saubere erste Stufe als durch einen halbfertigen Komplettumbau.
Der zweite Fehler ist ein zu großes Backend. Zeitweise wurde der interne Agent spürbar schlechter, und die Rückmeldung aus dem System selbst war eindeutig: zu viele Daten, zu viele Schnittstellen. Nach dem Aufräumen und Modularisieren kam die Qualität zurück. Neuere Modelle helfen zusätzlich, weil sie bessere Empfehlungen geben, was in einem System dieser Größe als Nächstes zu verbessern ist.
Vergessen wird außerdem gern der Rest des Vertriebsteams. Amelia arbeitet direkt durch das interne System, David hat diesen Zugang nicht und nutzt weiter Salesforce. Der nächste Vorschlag des Agenten ist deshalb eine Variante seiner selbst für einzelne Vertriebsmitarbeiter. Und schließlich die Annahme, es gebe nur einen Inbound-Weg: Beide Türen laufen parallel, das Fernziel ist ihre Zusammenführung, damit jeder Interessent die personalisierte Erfahrung bekommt, egal ob er mit dem Agenten spricht oder selbst bedient. Umgesetzt ist das noch nicht.
Eine Einschränkung nennt Lemkin selbst: Das funktioniert, weil SaaStrs Sponsoren technikaffin und zunehmend KI-nah sind. Sie recherchieren selbst, sprechen mit dem Agenten und buchen ihren Termin. Für sie gehört ein Agent im Verkaufsprozess zur Bewertung des Anbieters dazu. Ein Käufer außerhalb der Tech-Branche, der gern in zwei Wochen telefoniert, legt darauf womöglich keinen Wert. Wer das Modell übertragen will, sollte seine Käufer kennen.
Die empfohlene Reihenfolge zum Nachbauen: zuerst der Agent auf der Seite mit der höchsten Kaufabsicht, der Meetings automatisch bucht. Dann der Self-Serve-Pfad, verschoben von PDF auf eine gehostete, tokenisierte Seite. Danach Heatmapping und ein Wartefenster, damit alle Interessenten in Echtzeit das bekommen, was sie wollen. Anschließend die Prüfung der First-Party-Signale, dann Wettbewerber. Darauf der agentengeschriebene Pitch mit menschlicher Freigabe, der denselben Link aktualisiert. Und ganz zum Schluss, falls der Aufwand sich rechnet, ein eigener Buchungslink.
Der größte Effekt in diesem Beispiel kam nicht aus einem besonders klugen Modell, sondern aus der Beseitigung von Wartezeit. Der Agent ersetzt kein Verkaufsgespräch, er räumt die Lücke davor auf und liefert dem Menschen Kontext, bevor der überhaupt zum Hörer greift. Für dich bedeutet das: Fang mit einer einzigen Seite an, miss gebuchte Meetings statt Chat-Zahlen, und lass einen Menschen freigeben, was rausgeht. Der Rest ist Ausbau, und Ausbau darf dauern. Bei SaaStr AI hat die erste Stufe ein Jahr allein funktioniert.
Quelle: saastr.com
