Predictive-Sales-Software für den Großhandel: Tools im Vergleich

Kategorie	Beste Wahl, wenn …
BI-Plattform (Power BI, Qlik Sense)	ein Analyse-Team freie Auswertungen über viele Datenquellen bauen will
Modul in ERP/CRM (SAP Sales Cloud, Dynamics 365 Sales, Salesforce Einstein)	Pipeline- und Deal-Prognosen im Angebots- und Neukundengeschäft gebraucht werden
Spezialisierte Software (z. B. Acto)	der Außendienst Hunderte Bestandskunden betreut und jeden Morgen dort, wo er arbeitet, sehen soll, wen er anspricht und warum

Die Daten für eine Vertriebsprognose haben die meisten Großhändler längst: Jede Bestellung jedes Kunden liegt seit Jahren im ERP, und oft hängt ein BI-Tool daran. Trotzdem weiß der Außendienst am Montagmorgen selten, welcher Kunde diese Woche einen Anruf braucht.

Wie das im Alltag aussieht, haben wir in zwei Gesprächen mit Großhändlern gehört. Im ersten Unternehmen läuft einmal im Quartal die große Auswertung nach Umsatz je Kunde, Rückgängen und Warengruppen. Dazwischen sieht der Vertrieb nur, was jemand vor einem Termin gezielt nachschlägt, obwohl ERP und BI-Tool sogar verknüpft sind.

Das zweite Unternehmen arbeitet mit Salesforce als CRM, SAP als Warenwirtschaft und Power BI für Analysen und plant Besuche vor allem nach der Zahl der Standorte eines Kunden. Auf unsere Frage, ob bei Kunden weiter hinten in der Liste Umsatz verloren geht, weil der Außendienst zu spät davon erfährt, war die Antwort knapp: Das kommt vor.

Daten und Systeme haben beide Unternehmen genug. Was ihnen fehlt, ist eine Vorhersage, die beim Außendienst ankommt und die er im Alltag tatsächlich nutzt, und daran messen wir in diesem Vergleich die drei Kategorien.

Woran erkennen Sie gute Predictive-Sales-Software im Großhandel?

Gute Predictive-Sales-Software im Großhandel wertet die Bestellhistorie je Kunde und Artikel aus und macht daraus eine Empfehlung, die der Außendienst im Alltag nutzt: welcher Kunde, warum und was er ansprechen soll. Modellgüte, Oberfläche und Einführung sind wichtig, entscheiden aber erst danach.

Was sich aus dem Bestellrhythmus je Artikel vorhersagen lässt

Bestandskunden im Großhandel kaufen dieselben Artikel in einem wiederkehrenden Rhythmus, und dieser Rhythmus macht Vorhersagen überhaupt erst möglich. Ein Beispiel mit ausgedachten Werten: Der Beispielkunde Siebert bestellt bei seinem Baustoffhändler etwa alle drei Wochen Bitumenbahnen und einmal im Monat Befestigungsmittel. Daraus lässt sich ablesen, wann seine nächste Bestellung fällig ist.

Interessant wird es, wenn der Rhythmus bricht. Der Gesamtumsatz kann stabil wirken, während die Befestigungsmittel seit Wochen fehlen. Das zeigen erst die Auftragspositionen je Artikel.

Nicht jede Lücke ist dabei ein Alarm. Bleibt Siebert drei Wochen ganz still, meldet ein einfaches Modell Abwanderungsgefahr. Steht im letzten Besuchsbericht aber „Betriebsferien bis 15.09.", reicht eine Erinnerung am 16.09. Eine gute Prognose braucht deshalb neben den Bestelldaten auch den Kontext aus dem Vertrieb.

Solche Signale liegen seit Jahren im ERP: wer überfällig ist, wer nur noch Kleinteile bestellt, wer ein Komplementärprodukt nie kauft. Sie bleiben liegen, weil im Alltag niemand Zeit hat, danach zu suchen. Die Pipeline-Prognose eines CRM hilft dabei wenig, denn sie rechnet Abschlusswahrscheinlichkeiten offener Deals hoch und ist für das Angebots- und Neukundengeschäft gebaut.

Was Predictive Analytics im Großhandel konkret leistet und worin sich prädiktive und präskriptive Analyse unterscheiden, haben wir eigens beschrieben.

Der Bestellrhythmus je Artikel zeigt, wann ein Kunde dran ist; erst der Kontext klärt, ob eine Lücke ein Alarm ist.

Welche Kriterien entscheiden die Auswahl von Predictive-Analytics-Software?

Aus diesem Mechanismus folgen fünf Kriterien, die für jede Kategorie gleich gelten.

• Datengrundlage: Wertet das System Auftragspositionen je Kunde und Artikel aus, aggregierte Kennzahlen oder Opportunity-Daten aus dem CRM?
• Art der Ausgabe: Report, Prognosewert oder priorisierte Empfehlung mit Begründung. Bei Hunderten Kunden je Außendienstler entscheidet die Form, ob jemand die Ausgabe überhaupt liest.
• Ort der Nutzung: eigenes Tool, Outlook, CRM oder Smartphone. Der Außendienst arbeitet zwischen Terminen und im Auto, nicht am Schreibtisch.
• Aufwand für Einrichtung und Betrieb: Wie viel Data-Science-Know-how und IT-Zeit braucht es? Laut dem B2B-Marktmonitor 2026 von ECC KÖLN, IFH KÖLN, CGI und Intershop wünschen sich 54 % der befragten B2B-Unternehmen KI-Lösungen, die ohne IT-Aufwand einsatzbereit sind.
• Geschäftsfokus: Neukunden-Pipeline oder Bestandsgeschäft. Ein Großhändler macht den Großteil seines Umsatzes mit Kunden, die er schon hat.

Der Bedarf ist da: Dieselbe Erhebung, ein Onlinescreening mehrerer hundert Unternehmen, zeigt bei Herstellern und Großhändlern hohen Bedarf an KI-Agenten für die Analyse von Kundenverhalten (64 %).

Wie wir bewertet haben

Grundlage sind unsere Erfahrungen aus Vertriebs- und Dashboard-Projekten im Großhandel, Gespräche mit Vertriebsleitern, die diese Systeme einsetzen, öffentliche Bewertungen auf Capterra, G2 und TrustRadius sowie die Dokumentation der Hersteller. Einen Labortest mit identischen Daten haben wir nicht durchgeführt. Macht ein Anbieter zu einem Punkt keine öffentlichen Angaben, kennzeichnen wir das als „nicht öffentlich dokumentiert (Stand Oktober 2026)“.

Welche Predictive-Sales-Tools und Sales-Forecasting-Software gibt es?

Für Vertriebsprognosen im Großhandel gibt es drei Kategorien: BI-Plattformen für freie Analysen, Analytics-Module in ERP und CRM für Pipeline-Prognosen und spezialisierte Software, die Bestellrhythmen je Kunde und Artikel auswertet. Welche davon die richtige ist, hängt davon ab, wer mit dem Ergebnis arbeitet.

Kriterium	BI-Plattformen (Power BI, Qlik Sense)	Module in ERP/CRM (SAP Sales Cloud, Dynamics 365 Sales, Salesforce Einstein)	Spezialisierte Software (z. B. Acto)
Datengrundlage	Frei modellierte Daten aus beliebigen Quellen	Opportunity-, Aktivitäts- und Pipeline-Daten; SAP mit S/4HANA-Anbindung auch Bestellhistorie	Auftragspositionen je Kunde und Artikel aus dem ERP, dazu CRM-Notizen und Besuchsberichte
Art der Ausgabe	Dashboards und Reports, Prognosen nach eigener Modellierung	Forecasts, Scores und Hinweise im CRM	Priorisierte Empfehlung mit Begründung je Kunde
Ort der Nutzung	Eigene App und Web, mobile App	CRM-Oberfläche, bei Dynamics 365 auch Outlook und Teams	Outlook, CRM-Seitenleiste, App
Aufwand	Datenmodellierung und Analyse-Know-how nötig	Konfiguration im CRM und saubere Opportunity-Historie	Einmaliger Datenzugang durch die IT, danach nächtliche Läufe
Geschäftsfokus	Branchenneutral	Angebots- und Neukundengeschäft	Bestandsgeschäft in Großhandel und Herstellerdirektvertrieb

Was leisten BI-Plattformen mit Prognosefunktion wie Power BI und Qlik?

BI-Plattformen sind die richtige Software, um Umsätze frei auszuwerten, nach Kunde, Region und Warengruppe und über beliebige Datenquellen hinweg. Eine Prognose entsteht dort allerdings erst, wenn jemand sie modelliert. Für ein Analyse-Team ist das eine Stärke, für den Außendienst eine Hürde.

Microsoft Power BI

Power BI bindet praktisch jede Datenquelle an und läuft auch als mobile App. Auf Capterra loben Nutzer die schnelle, dynamische Visualisierung, ein anderer Rezensent bemängelt dagegen, dass es für Einsteiger schnell zu komplex wird. In einem unserer Gespräche lief Power BI neben Salesforce als Analyse-Tool zusätzlich zum CRM. Am besten, wenn Sie ein Controlling oder BI-Team haben, das Reports für Management und Vertriebsleitung baut.

Qlik Sense

Qlik Sense arbeitet mit einer assoziativen Engine und eignet sich für explorative Analysen über viele Quellen hinweg. Reviewer heben die starke Datenintegration hervor, empfinden das Tool laut G2-Bewertungen auf dem AWS Marketplace aber als weniger intuitiv und berichten von einer steilen Lernkurve. Am besten, wenn Datenanalysten Zusammenhänge frei erkunden sollen.

Für den Außendienst haben beide Plattformen dasselbe Problem: Einen Report muss erst jemand öffnen. Laut BARC (2022, 214 befragte Unternehmen) nutzen im Schnitt nur 25 % der Mitarbeitenden BI-Tools aktiv.

Im Außendienst kommt hinzu, dass dafür kaum Zeit bleibt. Ein Außendienstler im Großhandel macht laut unserer Studie „Vertrieb im Großhandel 2026" rund sechs Besuche am Tag (Median aus 42 Angaben in unseren Gesprächen, 2024 bis 2026), und zwischen Stau und Terminen öffnet niemand einen Report.

Wir kennen das aus eigenen Projekten. In früheren Beratungsprojekten haben wir für einen Kunden 50 bis 60 Dashboards gebaut, und am Ende brauchte es einen eigenen KPI-Finder, nur um herauszufinden, in welchem Report welche Kennzahl steckt. Ein Verkäufer braucht stattdessen Antworten auf drei Fragen: Zu wem fahre ich heute? Was biete ich an? Wo brennt es?

Was leisten Analytics-Module in ERP und CRM?

Wer schon SAP, Microsoft oder Salesforce im Einsatz hat, bekommt Prognosen dort gleich mit: Sie laufen auf den Daten, die im System ohnehin liegen, und kommen vom selben Anbieter. Ihre Stärke sind Prognosen für Pipeline und Deals, und mit ERP-Anbindung erkennen manche auch Bestellmuster.

SAP Sales Cloud

Für Unternehmen, die mit SAP arbeiten, ist die Anbindung an S/4HANA der größte Vorteil. Laut einem Nutzer aus der Fertigung auf TrustRadius wertet die eingebettete Prognose historische Bestellmuster und die Umschlaggeschwindigkeit einzelner Produkte aus. Über Enterprise-CRM allgemein berichten Reviewer auf G2 von steiler Lernkurve und Funktionsüberfrachtung. In einem unserer Gespräche liefen SAP und Salesforce parallel, ohne dass daraus eine proaktive Kundenansprache entstand. Am besten, wenn Sie tief in SAP arbeiten und Forecasts für Angebote und Produktion brauchen.

Microsoft Dynamics 365 Sales mit Copilot

Copilot for Sales blendet CRM-Informationen direkt in Outlook und Teams ein. Nutzer auf G2 loben weniger Verwaltungszeit und vereinfachtes Deal-Tracking, wünschen sich aber eine bessere mobile Bedienung. Ausgewertet werden vor allem Opportunity-, E-Mail- und Kalenderdaten. Am besten, wenn Sie ohnehin auf Microsoft setzen und Ihr Vertrieb in Outlook arbeitet.

Salesforce Sales Cloud mit Einstein

Einstein liefert Opportunity Scoring, Forecasting und Next-Best-Action-Hinweise. Fachanalysen berichten allerdings, dass Einstein Forecasting eine lange, saubere Opportunity-Historie braucht und bei lückenhaften CRM-Daten an Genauigkeit verliert. In einem unserer Gespräche war Salesforce das einzige relevante Vertriebstool, Power BI lief daneben für Analysen. Am besten, wenn Ihr Vertrieb mit Leads und Opportunities arbeitet und die Daten gepflegt sind.

Copilot und Einstein arbeiten mit CRM, E-Mail und Kalender, und genau dort liegt ihre Grenze im Großhandel. Das CRM hört dort auf, wo der Großhandel anfängt: CRMs wurden für Pipelines gebaut, also für Interesse, Angebot und Abschluss, und im Bestandsgeschäft dokumentieren sie höchstens. Mehr dazu, warum ein CRM im Großhandel allein oft nicht reicht.

„CRM Tool ist wirklich nicht das Non-plus-ultra. […] Da ist ja nur dieser sogenannte Funnel approach, dass man dann gewisse Wertigkeiten prozentual angibt, um zu schauen, das ist das Potenzial und das Geschäft der Zukunft. Aber das ist ja alles Bauchgefühl."
– Head of Sales, mittelständischer Industriehändler, Kundengespräch

CRM-Module prognostizieren Deals; im Großhandel entsteht der Umsatz im wiederkehrenden Bestandsgeschäft.

Was kann spezialisierte Predictive-Sales-Software für Großhandel und Hersteller (z. B. Acto)?

Acto, die Vertriebs-KI für den Großhandel, prüft jede Nacht für jeden Bestandskunden den Bestellrhythmus und liefert dem Außendienst morgens eine priorisierte Empfehlung mit Begründung. Gebaut ist Acto für Unternehmen, deren Umsatz aus Wiederbestellungen kommt.

Die Prognose allein ist dabei nicht der schwierige Teil, wie uns eine Vertriebsleitung im Erstgespräch gesagt hat:

„Die Schwierigkeit ist ja immer, dass der Vertrieb das dann auch aktiv nutzt. Mir bringt kein Tool was, wenn es nicht wirklich genutzt wird."
– Vertriebsleitung, B2B-Großhändler, Erstgespräch

Deshalb kommt die Empfehlung bei Acto dorthin, wo der Außendienst ohnehin arbeitet: in den Outlook-Posteingang, als Seitenleiste ins CRM oder in die App. Niemand muss dafür einen Report öffnen.

Outlook-Posteingang mit Acto-Seitenleiste: Gesamtumsatz eines Beispielkunden gegenüber der Vorperiode mit rotem Trend (Demodaten).

Dass der Vertrieb die Empfehlungen tatsächlich nutzt, zeigt Schäfer Shop: Dort hat der Vertrieb 92 % der vorgeschlagenen Signale als „hilfreich" markiert.

„Ich starte jeden Tag mit einer priorisierten Liste von hoch relevanten Signalen zu Umsatzentwicklungen und Verkaufspotenzialen. Das spart mir Stunden an Recherche, die ich jetzt mit Kunden verbringe."
– Fabian Wolff, Area Sales Manager, Schäfer Shop

• Stärken: Auswertung von Bestellrhythmus je Kunde und Artikel, Sortimentsausschöpfung im Vergleich zu ähnlichen Kunden, stillen Kunden, Marge, offenen Angeboten und Kontaktfrequenz.
• Mögliche Schwächen: kein vollwertiges CRM, keine Leadgenerierung oder Kaltakquise. Die Daten kommen per nächtlichem Export, Signale entstehen also einmal am Tag.
• Am besten, wenn Ihr Außendienst und proaktiv verkaufender Innendienst Hunderte Bestandskunden mit Tausenden Artikeln betreut und kein Data-Science-Team Reports übersetzen soll.

Welche Kategorie wählen Sie für Ihre Ausgangslage?

Wählen Sie nach der Person, die mit dem Ergebnis arbeitet: für ein Analyse-Team eine BI-Plattform, für Pipeline-Prognosen ein CRM-Modul, für einen Außendienst mit vielen Bestandskunden spezialisierte Software. Die drei Kategorien schließen sich nicht aus.

Ausgangslage	Naheliegende Option
Quartalsauswertung im BI-Tool, dazwischen keine Signale, kein Data-Science-Team (das erste Unternehmen aus dem Einstieg)	Spezialisierte Software ergänzend zum BI-Tool
Salesforce, SAP und Power BI im Einsatz, Besuchsplanung nach Standortzahl (das zweite Unternehmen)	Systeme behalten, spezialisierte Software als Seitenleiste im CRM
Eigene BI-Abteilung, Interesse an freien Analysen und eigenen Modellen	BI-Plattform oder ERP/CRM-Modul
Hersteller mit eigenem B2B-Direktvertrieb und Wiederbestellungen	Spezialisierte Software, vorher Bestandslogik gegen das eigene Sortiment prüfen

Wie groß die Aufgabe ist, zeigt unsere Studie: Ein Außendienstler im Großhandel betreut im Schnitt 247 Kunden, der Median liegt bei 175 (ausgewertet an 106 Unternehmen, 2024 bis 2026). So viele Bestellrhythmen hat niemand im Kopf. Jede Software muss deshalb an einem von zwei Hebeln ansetzen: am Umsatz pro Besuch, indem sie die richtigen Kunden und Themen zeigt, oder an der Zahl der Besuche, indem sie Verwaltung abnimmt.

Gleich welche Kategorie Sie wählen, entscheidend ist am Ende, ob der Außendienst sie annimmt. Die Empfehlung bleibt dabei ein Vorschlag mit Begründung, die Entscheidung trifft der Verkäufer.

Nicht für Sie: Wann Predictive-Sales-Software für den Großhandel nicht hilft

Spezialisierte Software für Bestandslogik hilft in diesen Fällen wenig:

• Projektgeschäft ohne Wiederbestellungen: Ohne Bestellrhythmus gibt es nichts, was sich aus der Historie vorhersagen ließe.
• Hersteller, die überwiegend über den Großhandel verkaufen: Die Bestelldaten der Endkunden liegen beim Händler.
• B2C: Die Logik ist für Geschäftskunden mit Kundennummern gebaut.
• Leadgenerierung und Kaltakquise: Dafür sind CRM-Module mit Lead Scoring gemacht.
• Freie Analysen und eigene Modelle: Wer selbst modellieren will, ist mit einer BI-Plattform richtig.
• Kleine Kundenbasis: Kennt ein Außendienstler jeden Kunden und jeden Rhythmus selbst, bringt eine Software wenig Zusatznutzen.

Wie läuft ein Durchlauf mit Acto ab?

Ein Durchlauf mit Acto beginnt nachts im ERP und endet morgens als Empfehlung dort, wo der Außendienst arbeitet. Dazwischen liegen sechs Schritte, die niemand im Vertrieb bedienen muss.

1. Datenimport: Acto liest Auftragspositionen, Kunden- und Produktdaten sowie Besuchsberichte per Export oder SFTP, empfohlen über einen Austauschserver, damit das laufende ERP unberührt bleibt.
2. Kennzahlen je Produkt: Eigene Algorithmen berechnen Wiederbeschaffungsintervall, Saisonalität und Trend je Kunde und Artikel und vergleichen Entwicklungen über einen, drei und sechs Monate.
3. Potenziale und Risiken: Machine-Learning-Modelle, trainiert nur auf den Daten Ihres Unternehmens, bewerten Komplementärprodukte, Mengenabweichungen, margenstärkere Artikel und Abwanderungsrisiko.
4. Kontext: Ein Sprachmodell liest CRM-Notizen und Besuchsberichte. KI-Agenten gleichen jedes Signal mit Hausregeln ab, etwa „Sommerloch ist kein Warnsignal", und verdichten es zu einer Begründung in einem Satz.
5. Morgens: Das Signal erscheint in Outlook, im CRM oder in der App. Die Vorbereitung auf einen Termin dauert rund zwei Minuten.
6. Nach dem Termin: Der Außendienst spricht seine Notizen ins Smartphone, Acto erstellt CRM-Notiz und Folgeaufgabe. Zurückgeschrieben wird ausschließlich ins CRM. Rückmeldungen wie „nicht relevant, weil …" fließen in den nächsten Lauf.

Gesprächsleitfaden für einen Beispielkunden (Demodaten): Cross-Sell-Chance im Lack-Sortiment, begründet mit dem Einkauf vergleichbarer Betriebe.

Gemessen wird in kontrollierten Vergleichen innerhalb der Vertriebsorganisation. Böllhoff erzielte im Pilotprojekt 8,6 % mehr Umsatz bei Acto-Nutzern gegenüber Kollegen ohne Acto, und Schäfer Shop steigerte im A/B-Test gegen eine Kontrollgruppe den Umsatz um 11,2 %.

Bis zum Start vergehen in der Regel 4 bis 6 Wochen bei 2 bis 3 Tagen IT-Aufwand, und der Einstieg läuft meist über eine Pilotphase mit gemeinsam festgelegten KPIs. Mehr zur Methode finden Sie unter Predictive Analytics mit Acto sowie in unseren Beiträgen zu Predictive Sales im Großhandel und Revenue Intelligence.

Aus Auftrags-, Kunden-, Produkt- und Interaktionsdaten werden Risiken und Potenziale, die der Vertrieb priorisiert, vorbereitet und nachbereitet.

Ob Ihnen etwas fehlt, können Sie diese Woche selbst prüfen. Nehmen Sie drei Bestandskunden aus einem Gebiet und versuchen Sie, mit Ihren vorhandenen Systemen morgens die drei Fragen von oben zu beantworten:

• Zu wem fährt der Außendienst heute?
• Was bietet er an?
• Wo brennt es?

Wo die Antwort einen Export oder einen Anruf im Controlling braucht, sehen Sie, welche Kategorie Ihnen fehlt.

Im Gespräch zeigen wir Ihnen, welche Bestandskunden in Ihrem Vertriebsgebiet gerade Aufmerksamkeit brauchen.

Gespräch vereinbaren

Häufige Fragen

Welche ERP-Daten braucht Predictive-Sales-Analytics-Software?

Predictive-Sales-Analytics-Software für den Großhandel braucht vor allem die Auftragspositionen: Kundennummer, Artikelnummer, Datum, Menge und Umsatz. Je länger die Historie, desto besser werden Saisonmuster sichtbar. Kunden- und Produktstammdaten sowie Besuchsberichte ergänzen den Kontext.

Brauchen wir für spezialisierte Software ein neues CRM?

Nein, spezialisierte Software wie Acto läuft neben dem vorhandenen System. Acto wird als Seitenleiste in Outlook und Salesforce genutzt, läuft in Dynamics 365 und wird in SAP Sales Cloud ausgespielt, mit Daten aus S/4HANA, R/3 oder Business One. Kleinere Vertriebsorganisationen nutzen Acto schlank ohne eigenes CRM.

Was tun wir, wenn unser erfahrenster Verkäufer den Empfehlungen nicht traut?

Bestehen Sie darauf, dass jede Empfehlung ihren Grund zeigt, etwa „bestellt sonst alle vier Wochen, seit sieben Wochen nichts". Erfahrene Verkäufer prüfen den Grund und widersprechen mit Wissen, das kein System hat. Dieses Wissen gehört als Rückmeldung zurück in die Software, damit sie besser wird.

Wie messen wir in einer Pilotphase, ob die Software wirkt?

Eine Pilotphase misst Wirkung am saubersten mit einer Kontrollgruppe: Nutzer und Nicht-Nutzer im selben Zeitraum und in vergleichbaren Gebieten. Legen Sie die KPIs vorher fest, zum Beispiel Umsatz je Kunde, Produkte je Kunde und Zeit zwischen Bestellungen. So trennen Sie den Effekt der Software von Saison und Marktlage.