KI im Großhandel: Use Cases, Belege und Tools für 2026

Was davon ist echt, was ist Blabla, und funktioniert das auch bei uns im Großhandel? Diese Frage hören wir von Vertriebsleitern täglich.

Vertriebs-KI für den Großhandel wertet die Bestelldaten aus dem ERP aus und sagt dem Außendienst, welcher Kunde heute warum Aufmerksamkeit braucht und was er ansprechen soll. Textwerkzeuge und Dashboards gehören nicht dazu.

Wer jetzt Budget freigibt, will wissen, welche Anwendung im Alltag genutzt wird und welche nach drei Monaten niemand mehr öffnet.

Warum wird KI im Großhandelsvertrieb gerade jetzt zum Thema?

KI wird im Großhandelsvertrieb jetzt zum Thema, weil der Markt kaum wächst und gleichzeitig das Wissen der erfahrensten Außendienstler in Rente geht. Mehr Umsatz muss deshalb aus dem Bestand kommen, mit weniger Köpfen.

Laut der BGA-Großhandelsumfrage vom Oktober 2026 stiegen die Umsätze im ersten Halbjahr preisbereinigt nur um 1 %. Für das Gesamtjahr erwartet der Verband real ein Ergebnis knapp unter dem Vorjahresniveau, obwohl er seine Wachstumsprognose auf 0,8 % angehoben hat. Destatis zählt für 2025 vorläufig 1.241 Insolvenzanträge im Großhandel, 2022 waren es 632. Neukunden gleichen in diesem Markt vor allem Geschäftsaufgaben aus.

Der Hebel liegt im Bestand. Im Rechenbeispiel unserer Studie „Vertrieb im Großhandel 2026“ kommen rechnerisch 79 bis 91 % des Umsatzes von bestehenden Kunden. Dieses Geschäft betreuen Leute mit langer Erfahrung: In einer Profilstichprobe derselben Studie unter 177 Außendienstlern im Großhandel (Stand KW 40/2026, nicht repräsentativ) haben 73 % über zehn Jahre Berufserfahrung.

Laut einer Umfrage des VTH erwarten 54 % der Vertriebsverantwortlichen im Großhandel, dass mindestens ein Viertel ihres Außendienstes in zehn Jahren in Rente geht. Und 52 % der Vertriebsverantwortlichen schätzen in einer Live-Umfrage von Acto auf der VTH-Jahresveranstaltung 2026, dass ein Nachfolger drei bis fünf Jahre braucht, bis er sein Gebiet so beherrscht wie ein Erfahrener. Ein neuer Außendienstler kennt am ersten Tag weder den Bestellrhythmus des Dachdeckers noch die Saisonkurve des Gartenbauers.

Vorbereitet sind die Teams darauf wenig. Für dieselbe Studie hat Acto 197 offene Außendienst-Stellen von 95 Großhändlern in der Jobbörse der Bundesagentur für Arbeit ausgewertet (KW 40/2026): Nur 23 % der Anzeigen nennen CRM, digitale Tools oder KI, über alle Branchen sind es 35 %.

Welche Anwendungsfälle von KI im Großhandel gibt es, und wie weit sind sie?

Fünf Anwendungsfälle von KI im Großhandelsvertrieb sind heute einsetzbar: Kundenpriorisierung, Abwanderungsfrüherkennung, Cross-Selling, Wiederbestellung und Vor- und Nachbereitung per Sprache. Auftragserfassung und Preisfindung kommen gerade, der vollautonome KI-Verkäufer ist noch Hype.

Der Reifegrad in der Tabelle ist unsere Einschätzung aus den Projekten, die wir begleiten, keine Marktstudie.

Problem	KI-Anwendung	Kennzahl	Reifegrad
Hunderte Kunden pro Außendienstler, Besuche nach Gewohnheit	Kundenpriorisierung: Signale je Kunde aus der Bestellhistorie, mit Begründung	Anteil der Signale, die der Vertrieb als hilfreich markiert: bei Schäfer Shop 92 %	heute einsetzbar
Kunden verlagern Warengruppen still zur Konkurrenz	Abwanderungsfrüherkennung: Abweichung vom Bestellmuster je Kunde und Warengruppe	Abwanderungsquote, je nach Betreuung 4 bis 17 % der Kunden pro Jahr (Acto-Abwanderungs-Benchmark)	heute einsetzbar
Komplementärprodukte bleiben ungekauft	Cross-Selling / Next Best Offer: Vergleich mit ähnlichen Kunden nach Branche, Größe und Warenkorb	Produkte je Kunde: bei Plate im Schnitt 2,1 mehr, wenn Kunden nach einer Benachrichtigung angesprochen wurden	heute einsetzbar
Nachbestellung geht an den Wettbewerb	Wiederbestellung: Wiederkaufintervall je Kunde und Artikel	Zeit zwischen Bestellungen: bei Plate 35 % weniger	heute einsetzbar
Berichte werden abends am Laptop geschrieben	Besuchsvorbereitung und -nachbereitung per Sprache	Zeitersparnis: bei Schäfer Shop bis zu 8 Stunden pro Woche und Mitarbeiter	heute einsetzbar
Anfragen per E-Mail werden abgetippt	Angebots- und Auftragserfassung: KI liest die Anfrage, ordnet Artikel zu, bereitet den Auftrag vor	Durchlaufzeit von Anfrage bis Auftrag	im Kommen
Margen weichen zwischen ähnlichen Kunden ab	Preis und Marge: Vergleich der Deckungsbeiträge in homogenen Kundengruppen	Deckungsbeitrag je Kunde gegenüber Vergleichsgruppe	im Kommen
Überbestände und Fehlmengen	Bedarfsprognose / Lager: Absatzprognose je Artikel und Standort	Lieferfähigkeit, Lagerreichweite	heute einsetzbar, in Einkauf und Disposition
Wunsch, Beratung ganz zu automatisieren	Vollautonomer KI-Verkäufer	keine belastbare Kennzahl	noch Hype

Die vier oberen Zeilen mit Signalen haben eines gemeinsam: Ihre Rohdaten liegen seit Jahren im ERP. Ein Kunde, der Schrauben alle 14 Tage bestellt und an Tag 20 noch nichts geschickt hat, ist ein Signal, das kein Mensch bei mehreren hundert Kunden zuverlässig sieht. Wie sich daraus eine Priorisierung nach Potenzial ergibt, steht im Artikel zum potenzialbasierten Vertrieb.

Für Cross-Selling ist die White-Spot-Analyse der analytische Kern, für die Frage „was jetzt ansprechen?“ das Prinzip der Next Best Action. Welche Prognosen sich aus den Bestelldaten ableiten lassen, zeigen unsere fünf Anwendungsfälle für Predictive Analytics. Angebotserfassung und Preisfindung funktionieren in Pilotprojekten, scheitern im Alltag aber noch an unsauberen Artikelstammdaten und kundenindividuellen Konditionen.

Wo setzen Großhändler KI außerhalb des Vertriebs ein?

Außerhalb des Vertriebs setzen Großhändler KI in Einkauf und Disposition, in der Lieferlogistik sowie bei Artikelstammdaten und Angeboten ein. Diese Felder kennen wir nicht aus eigenen Projekten, die Einordnung stützt sich deshalb auf Beispiele aus der Branche.

Einkauf und Disposition

In Einkauf und Disposition errechnet KI aus den Abverkäufen je Artikel und Standort den Bedarf und schlägt Bestellmengen vor. Das Mittelstand-Digital Zentrum Handel zählt Warenkorbprognose und Bestandsmanagement zu den drei Beispielen, mit denen es KI im Großhandel in einem Erklärvideo vorstellt. Die Daten sind dieselben wie im Vertrieb. Der Einkauf will aus der Bestellhistorie wissen, welcher Artikel bald fehlt, der Vertrieb, welcher Kunde weniger kauft.

Lieferlogistik

In der Lieferlogistik bündelt KI Lieferungen zu Touren und plant, welcher Fahrer wann welche Kunden anfährt. Das dritte Beispiel des Mittelstand-Digital Zentrums ist genau diese Service- und Lieferroutenplanung. Mit der Tourenplanung im Außendienst hat das wenig zu tun, denn dort plant der Außendienst seine Besuche beim Kunden.

Artikelstammdaten und Angebote

Bei Artikelstammdaten und Angeboten zeigt der Großhändler Zander (Gas, Wasser, Heizung, Klima und Elektro), wie weit KI heute kommt. Die Klassifizierung der Artikel nach dem Branchenstandard ETIM erledigt dort ein Dienstleister, den mehrere Großhändler über ihren Verband gemeinsam nutzen. Nach Aussage von York Lemb von der Zander Digital Service Group übernimmt die KI „über 60, 70 %“ dieser Arbeit (Interview im Podcast insights! von synaigy). Für Ausschreibungen sucht bei Zander eine KI ähnliche frühere Projekte heraus, prüft, ob das Produkt oder ein gleichwertiges im Sortiment ist, und legt dem Innendienst einen Angebotsentwurf vor.

Alle drei Felder hängen an derselben Grundlage wie der Vertrieb. Ohne saubere Artikelstammdaten findet keine KI ein gleichwertiges Produkt für ein Angebot, und ohne vollständige Bestellhistorie rechnet keine Disposition einen verlässlichen Bedarf. Vertriebs-KI setzt dagegen beim Kunden an und zeigt, wer weniger bestellt und warum.

Wer nutzt KI im Großhandelsvertrieb schon? Drei Praxisbeispiele

Große Händler haben sich ihre Vertriebs-KI selbst gebaut. Zwei Beispiele zeigen, wie das im Alltag aussieht, ein drittes kennt jeder aus dem Onlinehandel.

Würth: ein Sprachassistent für jeden Außendienstler

Bei Würth hat jeder der 3.500 Außendienstmitarbeiter den hauseigenen Chat- und Sprachassistenten Pico, der auf einem großen Sprachmodell basiert. Er stellt in Sekunden Informationen zusammen oder schlägt aussichtsreiche Kundenansprachen vor, berichtet das Handelsblatt.

Metro: M.Sam für 150 bis 800 Kunden pro Verkäufer

Ein Vertriebsmitarbeiter bei Metro betreut zwischen 150 und 800 Geschäftskunden. Die selbst entwickelte App M.Sam plant Termine, prognostiziert das Kundenverhalten und empfiehlt Produkte und kundenindividuelle Preise. Metro nennt 25 % weniger Verwaltungszeit, im Einsatz in 16 Ländern (Angaben von Metro).

Amazon: „Wird oft zusammen gekauft“

Aus dem Onlinehandel kennt jeder das Prinzip: Algorithmen zeigen, was ähnliche Kunden zusätzlich kaufen. Im Großhandel steckt dieselbe Logik in der Bestellhistorie ähnlicher Kunden, nur zeigt sie dort niemand dem Außendienst automatisch an.

Würth und Metro haben eigene Entwicklerteams. Mittelständische Großhändler ohne diese Ressourcen greifen auf spezialisierte Vertriebs-KI zurück, die Werkzeugtabelle unten ordnet die Klassen ein.

Warum erzeugt KI ohne Kontext Fehlalarme?

KI ohne Kontext erzeugt Fehlalarme, weil Bestelldaten zeigen, was sich ändert, aber nicht, warum. Nach wenigen falschen Warnungen hört der Außendienst auf, der KI zu glauben, und jede Empfehlung danach ist wertlos.

Ein Beispiel (erfunden, kein echter Kunde): Der Kunde Siebert bestellt seit drei Wochen nichts. Eine KI, die nur Zahlen sieht, meldet „Abwanderungsrisiko, sofort anrufen“. Mit Kontext lautet die Meldung: „Kein Alarm, Betriebsferien bis 15.09., Erinnerung am 16.09.“

Dasselbe Problem entsteht, wenn die Datenbasis Lücken hat. Ein Hersteller beschrieb uns die Sorge so:

„Wenn ich jetzt sagen würde, aus der Datenlage, die ich habe, versuche ich jetzt hier sogar prozentuale Umsatzveränderungen nach oben, nach unten abzubilden und kann gar nicht sagen, ob er 3 Monate, 6 Monate lang die Produkte vielleicht doch über den Großhandel bestellt hat oder nicht, lässt nachher auch falsche Schlussfolgerungen aufkommen.“
– Gesprächspartner bei einem Hersteller, Kundengespräch

Kontext kommt aus Systemen und aus Köpfen. Vier von sieben Dingen, die ein erfahrener Außendienstler über seine Kunden weiß, stehen schon im ERP: Kaufmuster ähnlicher Kunden, Saisonmuster, Wiederkaufintervalle, Bestellrhythmus. Nur im Kopf stehen die Beziehung (wer im Einkauf entscheidet), die Anwendung (Zwei-Schicht-Betrieb) und der Hintergrund („bald übernimmt der Sohn“).

Deshalb fließt das Feedback aus jedem Termin zurück in die nächste Empfehlung. Wir planen das von Anfang an so, weil Abwanderung leise beginnt: Kunden verlagern Warengruppe für Warengruppe, und der Gesamtumsatz wirkt lange gesund, weil die Standardartikel weiterlaufen.

Was belegen Studien und Pilotprojekte zu KI im Großhandel?

Pilotprojekte mit Kontrollgruppe zeigen bei Großhändlern Umsatzsteigerungen zwischen 5,4 und 11,2 % bei den Vertrieblern, die mit KI-Signalen arbeiten. Das sind Pilotergebnisse unter bestimmten Bedingungen und keine Garantie.

Die Ausgangslage erklärt, warum Signale wirken. Ein Außendienstler im Großhandel betreut im Schnitt 247 Kunden, der Median liegt bei 175, ausgewertet an 106 Unternehmen aus Vertriebsgesprächen und einer Umfrage von Acto (2024 bis 2026, Studie „Vertrieb im Großhandel 2026“). Laut derselben Studie werden Kundenbesuche in 47 % der Gespräche nach Bauchgefühl oder Erfahrung geplant und nur in 8 % mit dem CRM, wie wir in unserem Artikel zur Besuchsplanung im Außendienst zeigen.

Kunde	Ergebnis	Vergleich	Einschränkung
Schäfer Shop	+11,2 % Umsatz	A/B-Test gegen Kontrollgruppe	keine weitere Angabe
Plate	+10 % Umsatz	Pilotteam gegen Kontrollgruppe	bei den Nutzern im Pilotteam
Böllhoff	+8,6 % Umsatz	Acto-Nutzer gegen Nicht-Nutzer	Zeitraum nicht genannt
Hitado	+5,4 % Umsatz	Nutzer gegen Nicht-Nutzer im Pilot	Pilotgruppe von sechs Mitarbeitern

Diese Zahlen stammen aus Projekten von Acto und sind keine unabhängige Studie. Unabhängig davon liegt eine Feldstudie der Universität zu Köln im B2B-Großhandel zur Abwanderungsvorhersage vor (Gattermann-Itschert und Thonemann, 2022).

Wovon das Ergebnis im eigenen Haus abhängt, lässt sich benennen: vom Anteil des Wiederbestellgeschäfts, von der Qualität der Bestellhistorie und davon, ob der Außendienst die Signale tatsächlich anfährt. Gesparte Analysezeit, zusätzliche Verkaufszeit und Umsatz gehören dabei getrennt gemessen.

Welche KI-Werkzeuge gibt es je Anwendungsfall, und wo steht Acto?

Für KI im Großhandelsvertrieb gibt es fünf Werkzeugklassen: CRM-KI, ERP-KI, spezialisierte Vertriebs-KI für den Großhandel, Pricing-Werkzeuge und allgemeine KI-Assistenten. Sie lösen verschiedene Probleme, keine Klasse deckt alle Zeilen der Anwendungsfall-Tabelle ab.

Transparenzhinweis: Acto ist selbst Anbieter in einer dieser Klassen. Die Reihenfolge ist keine Rangliste.

Werkzeugklasse	Stärke	Grenze im Großhandelsvertrieb	Typischer Einsatz
CRM-KI (z. B. Salesforce Einstein, Microsoft Copilot)	arbeitet mit CRM, E-Mail und Kalender; stark bei Pipelines und Korrespondenz	wertet nicht die ERP-Bestellhistorie je Kunde aus	Neukunden-Pipeline, E-Mail-Entwürfe, Gesprächsnotizen
ERP-KI (z. B. in SAP)	nah an Aufträgen, Preisen und Beständen	Ergebnisse landen eher in Disposition und Einkauf als beim Außendienst	Disposition, Bedarfsprognose, Einkauf
Spezialisierte Vertriebs-KI für den Großhandel (z. B. Acto)	Signale je Kunde aus der ERP-Bestellhistorie, mit Begründung, in Outlook, CRM oder App	setzt keine Preise, plant keine Lager, keine Leadgenerierung; braucht Wiederbestellgeschäft	Priorisierung, Abwanderung, Cross-Selling, Wiederbestellung, Vor- und Nachbereitung
Pricing-Werkzeuge	Preisempfehlungen und Margensteuerung	sagen nicht, welchen Kunden der Außendienst heute anruft	Preis und Marge
Allgemeine KI-Assistenten (ChatGPT und andere)	Zusammenfassungen, Gesprächsleitfäden, einfache Auswertungen von Exporten	keine laufende Auswertung je Kunde; Ergebnis nur so gut wie der Export	Einzelaufgaben im Vertriebsalltag

CRMs wurden für Neukunden-Pipelines gebaut: Interesse, Qualifizierung, Angebot, Abschluss. Im Großhandel entsteht der Umsatz im Bestand, über Bestellrhythmus, Saisonalität und Sortimentsausschöpfung. Eine KI, die auf der Pipeline-Logik aufsetzt, sieht genau diese Muster nicht, deshalb lassen sich Werkzeuge aus dem Software-Vertrieb nicht eins zu eins übertragen. Welche CRM-Systeme im Großhandel trotzdem passen, vergleichen wir in Welches CRM im Großhandel?.

Nicht für Sie: Wann KI im Großhandelsvertrieb nichts bringt

KI im Großhandelsvertrieb bringt wenig, wo es kein wiederkehrendes Bestellmuster gibt. Das betrifft Projektgeschäft ohne Wiederbestellungen, B2C und Hersteller, die überwiegend über den Großhandel verkaufen und die Bestellungen ihrer Endkunden nicht sehen.

Bei sehr wenigen Kundennummern lohnt sich der Aufwand selten; unsere typischen Kunden liegen ab etwa 1.500 aktiven Kundennummern. Wer Leads oder Kaltakquise sucht, ist mit Vertriebs-KI für den Bestand falsch beraten. Und KI ersetzt keine Beziehung, schon gar nicht bei erklärungsbedürftiger Ware:

„Je beratungsintensiver das Produkt ist, irgendwo wird der Kunde dann abbiegen und sagen, mit dem Agenten komme ich jetzt nicht zurecht, ich brauche mal Beratung.“
– Daniel Hesmer, Comm. Director, Walraven (Revenue Signals, Folge mit Daniel Hesmer)

Wo anfangen: Welche Ausgangslage braucht welchen ersten Schritt?

Der erste Schritt mit KI im Großhandel hängt von drei Dingen ab: der Datenbasis, der Zahl der Kunden pro Außendienstler und dem Ziel. Wer saubere Bestelldaten und viele Kunden pro Kopf hat, startet mit einem Pilot gegen eine Kontrollgruppe.

Ausgangslage	Erster Schritt	Warum
ERP-Bestellhistorie vorhanden, viele Kunden pro Außendienstler	Pilot mit Vertriebs-KI, Kontrollgruppe und vorher festgelegten KPIs	Wirkung wird messbar statt behauptet
Stammdaten doppelt, Prozesse unklar	erst Kundenstamm und Prozesse aufräumen, dann KI	jede Empfehlung erbt die Fehler der Daten
Kleine Organisation ohne CRM	schlanke Vertriebs-KI statt eines CRM	spart die Pflege eines Systems, das im Bestandsgeschäft vor allem dokumentiert
CRM im Einsatz und gepflegt	Bestandssignale aus dem ERP als Seitenleiste im CRM ergänzen	der Vertrieb bleibt in seinem Werkzeug
Ziel: weniger Admin-Zeit	Nachbereitung per Sprache zuerst	schnellster spürbarer Effekt für den Außendienst
Ziel: Marge	Pricing-Werkzeug prüfen	Preisfindung ist eine eigene Disziplin

Jedes Vertriebsprojekt dreht an einem von zwei Hebeln: Umsatz pro Besuch oder Zahl der Besuche. Signale verbessern den ersten, Sprache und weniger Verwaltung den zweiten. Wie ein Team vom Bestellannehmer zum Verkäufer wird, beschreibt unser Artikel Proaktiv verkaufen im Großhandel. Wie sich beides in der Steuerung des Teams niederschlägt, steht im Artikel zur Außendienststeuerung.

Bei der Datenbasis stimmen wir einem Gast unseres Podcasts zu:

„Aber KI wird nicht heilend sein für die Probleme, die man aktuell hat. Die Frage wird sein: Wie ist die Datenbasis und was machen deine Prozesse? […] Starte nicht mit KI an sich, sondern starte damit, die Grundlagen zu schaffen, damit du später KI einsetzen kannst oder damit KI optimal für dich arbeiten kann.“
– Daniel Hesmer, Comm. Director, Walraven (Revenue Signals, Folge mit Daniel Hesmer)

Hersteller & Handel, 1:n-Beziehungen im Vertrieb und KI

Wie setzt Acto Vertriebs-KI im Großhandel um?

Acto ist eine Vertriebs-KI für den Großhandel und für Hersteller mit eigenem B2B-Direktvertrieb. Acto liest täglich die ERP-Bestelldaten und zeigt dem Außendienst in Outlook, im CRM oder in der App, welcher Kunde warum wichtig ist und was anzusprechen ist, per Sprache auch im Auto.

Kleinere Vertriebsorganisationen nutzen Acto statt eines CRM, größere betten es als Seitenleiste ins CRM ein und nutzen es zusätzlich in Outlook. Acto liest jedes ERP, von SAP bis zur Eigenentwicklung, und schreibt nur ins CRM zurück, nie ins ERP. Acto ist kein BI-Tool, kein allgemeiner Copilot und kein Routenplaner.

• Kundenbesuche priorisieren: Signale mit Begründung, aus Bestellrhythmus, Warengruppen und Vergleich mit ähnlichen Kunden.
• Gespräche vorbereiten: rund zwei Minuten vor dem Termin, mit offenen Themen und Chancen.
• Gespräche nachbereiten: Bericht per Sprache, Feedback fließt in die nächste Empfehlung.

Vier Kundensignale mit Begründung: offenes Angebot, wachsender Bestellabstand, Cross-Sell-Hinweis und ein seit 172 Tagen inaktiver Kunde.

So bleibt das Wissen eines Außendienstlers wie unserer Beispielfigur Herr Petersen, der nach 30 Jahren im Gebiet in Rente geht, für seinen Nachfolger nutzbar.

Ihr nächster Schritt: Markieren Sie in der Anwendungsfall-Tabelle oben die zwei oder drei Fälle, die bei Ihnen am meisten Umsatz kosten, und prüfen Sie für jeden, ob Ihre ERP-Bestellhistorie als Export vorliegt.

Im Gespräch ordnen wir Ihre Ausgangslage ein und zeigen, welche Anwendungsfälle mit Ihren ERP-Daten heute tragen.

Gespräch vereinbaren

FAQ

Wie lange dauert die Einführung von Vertriebs-KI, und wie viel IT braucht sie?

Die Einführung von Acto dauert vier bis sechs Wochen bis zum Start, der IT-Aufwand liegt bei zwei bis drei Tagen. Die ERP-Daten kommen per nächtlichem Export oder SFTP, ein Eingriff ins ERP ist nicht nötig. Der Einstieg läuft über eine Pilotphase mit gemeinsam festgelegten KPIs.

Kann ich im Vertrieb nicht einfach mit ChatGPT oder Copilot anfangen?

Mit ChatGPT oder Copilot können Sie sofort anfangen, für Gesprächszusammenfassungen, Gesprächsleitfäden, Follow-up-Mails und einfache Auswertungen eines Excel-Exports. Was diese Assistenten nicht leisten, ist die tägliche Auswertung der Bestellhistorie jedes einzelnen Kunden. Dafür braucht es ein Werkzeug, das die Daten selbst liest.

Was mache ich, wenn mein erfahrenster Verkäufer den Signalen nicht traut?

Ein erfahrener Verkäufer, der den Signalen nicht traut, gehört in die Pilotgruppe. Jedes Signal braucht eine Begründung, die er prüfen kann, und eine Möglichkeit, es mit seinem Wissen zu korrigieren. Seine Korrekturen sind genau der Kontext, der Fehlalarme verhindert.

Ersetzt KI den Außendienst?

KI ersetzt den Außendienst nicht, sie macht das Wissen der Besten für das ganze Team nutzbar. Bei Hitado schätzt das Unternehmen die Einarbeitung neuer Vertriebler als sechsmal schneller ein: vorher etwa ein Jahr, mit Acto ein bis zwei Monate. Die Beziehung zum Kunden bleibt beim Menschen.