allsafe - KI stärkt den B2B-Kundenservice
Personalisierte Angebote in Sekunden erstellen...
Personalisierte Angebote in Sekunden erstellen...
allsafe ist ein inhabergeführtes mittelständisches Unternehmen und ein sogenannter „Hidden Champion“. Als Hersteller von Lösungen zur Ladungssicherung in Logistik, Automotive und Luftfahrt produziert allsafe ausschliesslich in Deutschland und verarbeitet jährlich tausende Kundenanfragen. Mit dem AI Sales Agent automatisiert das Unternehmen einen zentralen Schritt im Vertrieb: Aus E-Mails und Produktdaten werden in Sekunden passende Angebote generiert. Das entlastet das Sales-Team und verkürzt die Reaktionszeit gegenüber Kunden deutlich.
Ausgangslage
Der Vertrieb bearbeitet jährlich rund 16.000 Kundenanfragen per E-Mail. Diese Arbeit ist sehr zeitintensiv, wiederholt sich stark und bietet für Mitarbeitende wenig Mehrwert.
Um Effizienz und Servicegeschwindigkeit zu erhöhen, brachte der Vertrieb die Idee eines AI Sales Agenten ein. Dieser sollte automatisiert persönliche Angebote erstellen, dabei ERP-, PIM- und Webshop-Systeme nutzen und sich nahtlos in bestehende Workflows und die Microsoft 365 Umgebung integrieren.
Die Lösung
Neue Kundenanfragen erreichen den AI Sales Agent über die Postfächer von Microsoft 365. Der Agent klassifiziert die Nachrichten, erkennt relevante Anfragen, identifiziert den Kunden und ruft die benötigten Informationen in den internen Systemen ab.
Innerhalb weniger Minuten erstellt er ein vollständiges Angebot als PDF und bereitet die Antwort-E-Mail vor. Mitarbeitende prüfen nur noch und versenden mit einem Klick.
AI Agenten Eigenschaften
- Ziel orientiert
- Aufgaben basiert
- Automatisch plannend
- Denkend und schlussfolgernd
- Entscheidungen treffend
- Mit der Umgebung interagierend
Integrierter Ansatz statt neue Tools und UIs
Die ersten Ideen und Prototypen basierten auf einem eigenen AI-Dashboard für den Agenten (siehe nächste Seite), bei dem alle Kundenanfragen und Angebotsentwürfe verwaltet werden können.
Es zeigte sich jedoch schnell, dass dies nicht nötig und auch von den Benutzern nicht gewünscht wird. Es sollte kein weiteres Tool eingeführt werden sondern alles voll in bestehende Tools und Prozesse integriert werden.
Die umgesetzte Lösung ist nun so tief in die bestehenden Prozesse und vertraute Anwendungen integriert, dass keine neuen Tools oder Schulungen notwendig waren.
Farbliche Labels in Outlook zeigen jederzeit den Status der Anfrage. Es gibt kontextbasierte Hilfe direkt in Outlook über ein minimales Webfrontend.
Nahtlose User Experience
Vollintegrierte Lösung MS 365, Outlook
Wieso die Lösung funktioniert
Wichtige Faktoren wieso die Lösung so gut funktioniert und bei den Mitarbeitenden ankommt
Relevanter Use Case statt KI-Show Case
MIT-Studien1) zeigen, dass Enterprise-AI vor allem dann scheitert, wenn sie auf sichtbare, aber geschäftlich wenig kritische Use Cases (z.B. externe Chatbots) angewendet wird.
allsafe wählte bewusst einen hochfrequenten, zeitintensiven internen Kernprozess (Angebotserstellung), bei dem der Nutzen für Mitarbeitende sofort messbar ist (3–5 Minuten Zeitersparnis pro Anfrage).
Nahtlose Integration statt neuer Tools
Laut MIT1) ist Context Switching (neue Anwendungen, neue UIs, neue Workflows) einer der Hauptgründe für die fehlende Adoption und damit für das Scheitern von bis zu 95 % der Enterprise-AI-Initiativen.
Die AI Sales Agents wurden vollständig in bestehende Arbeitsumgebungen integriert (Outlook / M365 im Frontend, ERP im Backend) – ohne neue Anwendung, ohne Schulungsaufwand, ohne Reibungsverluste.
Ergänzende Web UIs z.B. bei MS Outlook (rechts) kamen bewusst und sehr punktuell dazu.
Human-in-the-Loop statt Kontrollverlust
MIT1) identifiziert fehlendes Vertrauen als weiteren zentralen Misserfolgsfaktor: KI scheitert, wenn sie Entscheidungen ersetzt statt unterstützt.
Bei allsafe erstellt die KI Entwürfe, während Mitarbeitende prüfen, anpassen und final entscheiden. Die Verantwortung bleibt beim Menschen – die KI wirkt als Copilot, nicht als Black Box.
Quellen (MIT):
- MIT Sloan Management Review (2024–2025): Analysen zu GenAI-Adoption, u.a. zu fehlender Integrat ion, falscher Use-Case-Wahl und mangelnder Nutzerakzeptanz als Hauptgründe für das Scheitern von Enterprise -AI.
- MIT CSAIL & MIT Sloan (2025): Forschung zu Human-AI Collaboration und Human-in-the-Loop als Erfolgsfaktor für produktive KI-Systeme.
Technologie
Technisch stellte zunächst die Vorgabe, ausschliesslich lokal gehostete Modelle zu nutzen, eine Herausforderung dar. Im Laufe des Projekts entschied man sich dann doch für ein in Europa gehostetes grosses Sprachmodell (Enterprise AWS mit Anthropic Claude).
Eine weitere wichtige Entscheidung war die frühe Einführung eines sogenannten MCP-Servers1) zur Integration der verschiedenen allsafe Systeme wie ERP, PIM, Webshop und weitere.
Die Umsetzung sollte nicht in einem klassischen Lieferanten-Kundenverhältnis geschehen, sondern dank Co-Creation und einem gemeinsamen Entwicklungs-Team für beide Seiten durch Know-How Transfer und einer Zusammenarbeit auf Augenhöhe erfolgen.
1) MCP (Model Context Protocol) ist ein offenes Protokoll, das standardisiert, wie KI-Modelle strukturiert auf externe Tools, Datenquellen und Systeme zugreifen können, ohne individuelle Integrationen bauen zu müssen. Zu Beginn des Projektes Ende 2024 war dieser Standard noch sehr neu.
Zusätzliche Anwendungen
Solide Basis für weitere Anwendungen im Unternehmen
Der AI Sales Agent ist nur der erste Use Case einer Reihe von Anwendungen d.h. das Projekt hatte das Ziel, mit dem ersten Use Case auch gleich die Basis für zukünftige Anwendungen zu legen. Die Plattform ist sehr modular aufgebaut und wird bereits für weitere spannende Anwendungen genutzt. Unter anderem erlaubt sie die Abfrage aller internen Systeme über den MCP-Server anhand eines üblichen Chat-Interfaces. Nachfolgend einige Beispiele wie Mitarbeitende dies nutzen und welche Informationen und Funktionen zur Verfügung stehen.
Über allsafe
allsafe entwickelt sowohl mechanische Produkte wie Gurte, Schienen oder Netze als auch zusätzliche Services wie Tracking- und Reparaturlösungen. Das Unternehmen produziert ausschliesslich in Deutschland und gilt als Innovations- und Qualitätsführer. Die zentrale Herausforderung liegt in der Balance zwischen kundenspezifischen Lösungen und Skalierbarkeit. Hinzu kommen ein harter Preiskampf, schwankende Rohstoffkosten und der Druck zur Digitalisierung.
Mehr zu E-Commerce
Mehr zu E-Commerce
