Predictive Sales im Großhandel: Wie funktioniert es?
Zusammenfassung
- Predictive Sales (auch Predictive Selling oder prädiktive Kundenanalyse) wertet die Bestellhistorie aus dem ERP aus und sagt voraus, welcher Kunde bald wieder bestellt, welches Produkt ihm fehlt und wer abzuwandern droht.
- Im Großhandel ist das eine Frage der Menge: Ein Außendienstler betreut im Schnitt 247 Kunden, Median 175, und schafft rund vier Kontakte pro Kunde und Jahr (Acto-Studie Vertrieb im Großhandel 2026).
- Eine Vorhersage ohne Kontext ist ein Fehlalarm. Wer drei Wochen nichts bestellt, kann abwandern oder Betriebsferien haben. Erst das Wissen des Außendienstes macht aus dem Signal eine richtige Entscheidung.
- Predictive Selling ersetzt den Außendienst nicht. Es nimmt ihm die Suche ab, die bei Hunderten Kunden niemand mehr von Hand leisten kann.
Zuletzt aktualisiert: Oktober 2026
Was ist Predictive Sales? Eine Definition für den Großhandel
Predictive Sales bezeichnet den Einsatz von Kaufhistorie, Bestellzyklen und Vergleichsdaten ähnlicher Kunden, um vorherzusagen, wann ein Kunde wieder bestellt, welches Produkt er als Nächstes braucht oder wann er abzuwandern droht. Im deutschsprachigen Raum spricht man auch von prädiktiver Kundenanalyse.
Predictive Analytics erkennt allgemein Muster in Daten. Predictive Sales richtet diese Muster auf eine einzige Frage aus: Wen sollte der Vertrieb heute ansprechen, und mit welchem Thema? Welche Analysen dafür im Großhandel konkret zum Einsatz kommen, zeigen wir in den fünf Anwendungsfällen für Predictive Analytics im Großhandel. Dieser Artikel beschreibt den Schritt danach: wie aus einem Signal ein Besuch wird.
Für den Großhandel bedeutet das etwas anderes als für ein Softwareunternehmen, das Website-Besuche von Leads auswertet. Ein Fachgroßhändler führt oft Zehntausende Artikel, und der Umsatz entsteht im Bestand: Bestellrhythmus, Saisonmuster, Sortimentslücken. Generische Sales-Tools aus dem Software-Vertrieb kennen diese Logik nicht, weil sie für Neukunden-Pipelines gebaut wurden.
Warum reicht Erfahrung bei Hunderten Kunden nicht mehr aus?
Weil die Zeit nicht reicht. Ein Außendienstler betreut im Schnitt 247 Kunden. Bei rund sechs Besuchen pro Tag und 176 Außendiensttagen kommt er auf etwa 1.000 Besuche im Jahr, rechnerisch also rund vier Kontakte pro Kunde (Acto-Studie Vertrieb im Großhandel 2026).
Wie entscheidet der Außendienst, wen er an diesen Tagen besucht? In 47 Prozent unserer Gespräche mit Großhändlern war die Antwort Bauchgefühl oder Erfahrung, nur in 8 Prozent das CRM (ebenda, n = 186 Gespräche). Ich sehe dabei immer wieder dasselbe Muster, und ich habe es auf LinkedIn so beschrieben: Bei den erfahrensten Verkäufern funktioniert die Steuerung aus dem Kopf noch, für etwa 30 Kunden. Betreut werden aber Hunderte.
Erfahrung bleibt wertvoll. Ein Außendienstler, der seit Jahrzehnten im Gebiet unterwegs ist, kennt seine wichtigsten Kunden im Detail. Die Lücken entstehen bei den Kunden in der Mitte, die weder ganz oben noch ganz unten stehen und deshalb seltener besucht werden. Wie sich der Außendienst stattdessen nach Potenzial steuern lässt, beschreibt unser Artikel zum potenzialbasierten Vertrieb. Was ein Außendienstler im Jahr kostet, haben wir für die Vollkosten einer Stelle aufgeschlüsselt: nach eigener Rechnung in der Studie Vertrieb im Großhandel 2026 rund 98.000 Euro, jeder Besuch beim falschen Kunden ist also teuer.
Alle Zahlen aus 106 Großhandelsunternehmen finden Sie in der Studie Vertrieb im Großhandel 2026.
Wie funktioniert Predictive Selling im Großhandel?
Predictive Selling erkennt Muster in der Bestellhistorie, verdichtet sie zu einer Priorität pro Kunde und liefert daraus eine tägliche Liste mit Begründung. Die Daten liegen im ERP meist längst vor. Es fehlt nur die Zeit, sie jeden Tag für jeden Kunden durchzugehen.
Technisch geht es um wenige, wiederkehrende Vergleiche: die Zeit seit der letzten Bestellung im Vergleich zum eigenen Rhythmus des Kunden und zu ähnlichen Kunden, die Entwicklung einzelner Produktgruppen und die Produkte, die Kunden mit ähnlichem Profil zusätzlich kaufen. Weicht ein Kunde deutlich von seinem Muster ab, entsteht ein Signal mit Begründung.
Entscheidend ist, wo dieses Signal ankommt. Aktiv mit BI- und Analytics-Werkzeugen arbeitet im Schnitt nur rund ein Viertel der Mitarbeitenden, wie BARC 2022 in einer Befragung von 214 Unternehmen ermittelt hat. Ich vergleiche das gern mit einem Navi: Es sagt im richtigen Moment, wo man abbiegen muss (mein LinkedIn-Beitrag dazu). Für den Vertrieb heißt das: eine konkrete Ansage, wer heute Aufmerksamkeit braucht und warum, dort, wo er ohnehin arbeitet.
Welche Signale zeigen Umsatzpotenzial und Abwanderungsrisiko?
Fünf Signaltypen liefern in der Praxis die meisten Treffer: ausbleibende Wiederbestellung, rückläufige Produktgruppen, fehlende Komplementärprodukte, offene Angebote ohne Nachfassen und Preisabweichungen gegenüber vergleichbaren Kunden. Wie viel davon abhängt, zeigt die Spanne bei der Abwanderung: Je nach Betreuung verlieren Großhändler nach unserem Abwanderungs-Benchmark zwischen 4 und 17 Prozent ihrer Kunden pro Jahr.
Ausbleibende Wiederbestellung
Ein Kunde, der sonst alle 16 Wochen eine Produktgruppe nachbestellt, hat seit 25 Wochen nichts mehr geordert. Verglichen wird mit seinem eigenen Rhythmus und mit dem Durchschnitt vergleichbarer Kunden für dasselbe Produkt.
Rückläufige Produktgruppen
Ein Kunde kauft weiter Standardartikel, eine ganze Kategorie fällt aber über Monate weg. Der Gesamtumsatz wirkt noch gesund, weil die laufenden Artikel das Bild verdecken. Kunden gehen selten mit einem Knall: Sie bestellen leiser und verlagern Warengruppen zur Konkurrenz.
Fehlende Komplementärprodukte
Ähnliche Kunden kaufen zu einem Produkt regelmäßig ein zweites dazu, ein bestimmter Kunde aber nie. Meist ist das eine Sortimentslücke, die sich gezielt ansprechen lässt.
Offene Angebote ohne Nachfassen
Ein Angebot über mehrere Produktgruppen steht seit Tagen offen, bestellt wurde nur ein Teil. Ohne System verschwindet dieser Hinweis in der Ablage.
Preisabweichung
Ein Kunde zahlt systematisch weniger als vergleichbare Betriebe gleicher Branche und Größe. Das ist ein Hinweis auf Verhandlungsbedarf, nicht zwingend auf einen Fehler.
Signale von Abwanderungsrisiko bis offenem Angebot in einer Ansicht statt in fünf verschiedenen Reports.
Was solche Signale bewirken, zeigt das Beispiel Plate, ein Großhändler für Bürobedarf: Im Pilotteam stieg der Umsatz der Nutzer um 10 Prozent. Kunden, die nach einer Benachrichtigung angesprochen wurden, kauften im Schnitt 2,1 Produkte mehr, und die Zeit zwischen zwei Bestellungen sank um 35 Prozent, weil Kunden proaktiv auf Nachbestellungen angesprochen wurden.
Was wissen die Daten nicht?
Die Daten wissen nicht, warum ein Kunde vom Muster abweicht. Ein Beispiel aus unserem Webinar: Ein Kunde bestellt seit drei Wochen nichts. Ohne Kontext lautet das Signal „droht abzuwandern, sofort anrufen“. Mit Kontext lautet es „kein Alarm, Betriebsferien bis Mitte September, Erinnerung danach“.
Von sieben Dingen, die ein erfahrener Außendienstler über seine Kunden weiß, stehen vier schon in den Bestelldaten: Kaufmuster ähnlicher Kunden, Saisonmuster, Wiederkaufintervalle und Bestellrhythmus. Drei stehen nur im Kopf: wer im Betrieb tatsächlich entscheidet, wie das Produkt beim Kunden eingesetzt wird und was sich gerade ändert, etwa eine anstehende Übergabe an die nächste Generation.
Deshalb ist eine gute Vorhersage im Großhandel immer zweiteilig. Das System findet die Abweichung, der Außendienst ergänzt den Kontext, und dieser Kontext fließt zurück, damit das nächste Signal genauer wird. Ein Predictive-Sales-Ansatz, der diesen Rückkanal nicht hat, produziert auf Dauer Fehlalarme, und Fehlalarme sind der schnellste Weg, dass der Außendienst die Liste nicht mehr öffnet.
Predictive Sales vs. Besuch nach Turnus: Die Entscheidungstabelle
Der Unterschied zeigt sich im Tagesablauf: Plant der Außendienst nach festem Turnus und Gefühl, oder bekommt er morgens eine begründete Liste? Wie Vertriebsleiter das Team insgesamt steuern, zeigt der Artikel zur Außendienststeuerung.
| Kriterium | Besuch nach Turnus | Predictive Selling |
|---|---|---|
| Besuchsplanung | Fester Turnus oder Bauchgefühl | Tägliche Priorität nach Signal |
| Abwanderungserkennung | Sichtbar erst bei spürbarem Umsatzrückgang | Sichtbar, sobald das Bestellmuster abweicht |
| Cross-Selling | Zufällig, abhängig vom einzelnen Verkäufer | Systematisch, auf Basis ähnlicher Kunden |
| Zeitaufwand für Analyse | Manuell, pro Kunde einzeln | Automatisch, täglich für den ganzen Kundenstamm |
| Datenbasis | Erfahrung im Kopf des Verkäufers | ERP-Daten plus Rückmeldung aus dem Außendienst |
Die Tabelle hat keine Spalte „Gewinner“, weil die Antwort vom Kundenstamm abhängt. Bei wenigen Dutzend Kunden trägt der Turnus. Ab mehreren hundert Kunden nicht mehr: 64 von 106 befragten Großhandelsunternehmen nennen bis zu 200 Kunden pro Außendienstler, neun nennen über 500 (Acto-Studie Vertrieb im Großhandel 2026). Unsere Einschätzung: Der Routinebesuch nach Datum verschwindet. Besuche werden nach Signal geplant.
Lohnt sich das für einen mittelständischen Großhändler?
Ja, wenn die Bestellhistorie verlässlich ist. Umsatz im Außendienst entsteht aus Umsatz pro Besuch mal Zahl der Besuche. Predictive Selling dreht am ersten Hebel, weil der Außendienst zu den richtigen Kunden mit dem richtigen Thema fährt. Am zweiten Hebel, der Zeit beim Kunden, setzt die Entlastung von Verwaltung an: Ein globaler Hersteller gewann so laut McKinsey 15 Prozent mehr Verkaufszeit.
Nicht für Sie: Wann Predictive Selling (noch) nicht passt
Predictive Selling lohnt sich nicht, wenn die Datenbasis fehlt oder der Kundenstamm so klein ist, dass ein erfahrener Verkäufer ihn noch im Kopf überblickt.
Fehlt eine verlässliche Bestellhistorie im ERP, hat kein Modell eine Grundlage. Bei einem kleinen Kundenstamm, etwa den rund 30 Kunden, die sich aus meiner Erfahrung noch aus dem Kopf steuern lassen, trägt das Wissen des Verkäufers weiter. Dominiert Projektgeschäft ohne wiederkehrende Bestellungen, etwa im Sondermaschinenbau, fehlen die Wiederkauf-Signale. Und ein System, das der Außendienst nicht öffnet, ändert nichts, so gut die Signale auch sind.
Der Druck, etwas zu ändern, wächst trotzdem: In der Sektoruntersuchung Großhandel von BGA und Deloitte (2022) nennen 94 Prozent der Großhändler den Fachkräftemangel als große Herausforderung, 86 Prozent die Digitalisierung. Datenqualität lässt sich beheben. Die Bereitschaft des Teams braucht mehr Zeit.
Wie führen Sie Predictive Selling in fünf Schritten ein?
Starten Sie klein und messbar: Daten prüfen, ein Pilotgebiet wählen, die erste Liste gegen das Wissen erfahrener Verkäufer halten, das Team einbinden und nach einem Quartal gegen eine Vergleichsgruppe messen.
Schritt 1: Datenbasis prüfen
Liegt im ERP eine durchgängige Bestellhistorie vor, als Faustregel mindestens ein Jahr zurück, mit sauberen Produktgruppen? Ohne diese Basis fehlt jedem Modell der Boden.
Schritt 2: Pilotgebiet wählen
Starten Sie mit einem Gebiet oder einem Team. Ein überschaubarer Kreis zeigt schneller, ob die Signale treffen.
Schritt 3: Erste Liste gegen Erfahrung halten
Lassen Sie das System eine erste Liste erstellen und vergleichen Sie sie mit dem Wissen Ihrer erfahrensten Verkäufer. Wo beide abweichen, lernen beide Seiten am meisten.
Schritt 4: Außendienst einbinden
Zeigen Sie dem Team, warum ein Signal entstanden ist. Akzeptanz entsteht durch eine nachvollziehbare Begründung und dadurch, dass Rückmeldungen aus dem Termin das nächste Signal verbessern.
Schritt 5: Nach einem Quartal messen
Prüfen Sie, ob angesprochene Kunden tatsächlich häufiger oder mehr bestellt haben als eine Vergleichsgruppe. Das ist der einzige Beweis, der zählt.
Wie Acto Predictive Selling für den Großhandel umsetzt
Acto ist die Vertriebs-KI für den Großhandel und für Hersteller mit eigenem B2B-Direktvertrieb. Acto liest täglich die ERP-Bestelldaten und zeigt dem Außendienst, welche Kunden abrutschen, wo Sortimentslücken Umsatz kosten und welche Wiederbestellung fällig ist, mit Begründung, in Outlook, im CRM oder in der App. Rückmeldungen aus dem Termin fließen zurück in die nächsten Signale.
„Alle Innendienstler bei Hitado nutzen acto täglich als zentrale Grundlage für ihre Kundenbetreuung. Sie erhalten pro Tag 10 priorisierte Signale mit den relevantesten Kunden, die es an diesem Tag zu kontaktieren gilt.“ – Ilka Greco, Vertriebsleitung Innendienst, Hitado (Fallstudie)
Ein Kunde mit -24 % Umsatz, zwei Bestellpausen und einer überfälligen Aufgabe, direkt mit Begründung statt nur mit einer Zahl.
In Pilotprojekten mit Kontrollgruppe stieg der Umsatz der Acto-Nutzer bei Schäfer Shop um 11,2 Prozent, bei Plate um 10 Prozent, bei Böllhoff um 8,6 Prozent und bei Hitado um 5,4 Prozent.
Welche Signale stecken schon heute in Ihren eigenen ERP-Daten?
FAQ
Wie kann ich meine Umsätze im Großhandel vorhersagen?
Werten Sie Bestellhistorie, Bestellzyklen und Produktgruppen pro Kunde aus und vergleichen Sie sie mit dem Verhalten ähnlicher Kunden. Die Vorhersage entsteht aus Abweichungen einzelner Kunden, nicht aus dem Gesamtumsatz, der solche Abweichungen oft lange verdeckt.
Was ist prädiktive Kundenanalyse?
Prädiktive Kundenanalyse ist der deutsche Begriff für dieselbe Methode: Aus vergangenem Kaufverhalten wird vorhergesagt, wie sich ein Kunde verhalten wird, etwa ob er wieder bestellt, ein Zusatzprodukt braucht oder abzuwandern droht.
Was ist der Unterschied zwischen Predictive Marketing und Predictive Selling?
Predictive Marketing sagt vorher, welcher Lead wahrscheinlich kauft, und zielt auf Neukunden. Predictive Selling konzentriert sich auf Bestandskunden und sagt vorher, wann und was ein bestehender Kunde als Nächstes braucht.
Kann KI Umsätze im Großhandel wirklich prognostizieren?
Ja, wenn eine verlässliche Bestellhistorie vorliegt. Die Prognose wird besser, je mehr Kontext der Außendienst zurückmeldet, denn nur er weiß, ob eine Bestellpause Abwanderung oder Betriebsferien bedeutet.
Ersetzt Predictive Selling meinen Außendienst?
Nein. Es ersetzt die Suche nach Mustern in Zehntausenden Datensätzen, nicht das Verkaufsgespräch. Außendienstler sind Verkäufer, keine Analysten, und zwischen Stau und fünf Terminen bleibt für diese Analyse ohnehin keine Zeit.
