Fallstudie

Wie Jean-Paul, der KI-Agent von SnapLogic, in nur vier Monaten einen Mehrwert von über 3 Millionen Dollar erzielte und Aufgaben, die zuvor einen ganzen Tag in Anspruch nahmen, auf wenige Minuten reduzierte

Hintergrundgeschichte

Die zentrale Herausforderung für die meisten GTM-Organisationen in Unternehmen bestand nie darin, nicht über genügend Daten zu verfügen. Vielmehr ging es darum, die richtigen Daten zur richtigen Zeit an die richtige Person zu liefern, ohne dass diese dafür zum Analysten werden muss.

Kundendaten werden im CRM, in der Support-Warteschlange, im Nutzungsdaten-Warehouse und im Abrechnungssystem gespeichert. Der Weg von den Rohdaten zu einem entscheidungsreifen Ergebnis erfordert jedoch nach wie vor stundenlange manuelle Arbeit von den Mitarbeitern, die für diese Aufgabe am wenigsten geeignet sind. Die Arbeit ist intellektuell nicht anspruchsvoll. Sie ist zeitaufwendig, repetitiv und für die Mitarbeiter, die sie erledigen sollen, völlig ungeeignet.

Branchenstudien bringen das Problem auf den Punkt: Vertriebsteams verbringen nur 28 bis 30 % ihrer Zeit tatsächlich mit dem Verkauf. Der Rest entfällt auf die Datenerfassung, die Erstellung von Berichten und den Verwaltungsaufwand, der durch die Arbeit mit nicht miteinander verbundenen Systemen entsteht.

Bei SnapLogic war dieses Muster intern ebenso bekannt wie in jedem Kundengespräch. Das Unternehmen machte sich daran, das Problem auf dieselbe Weise zu lösen, wie es es bei jedem anderen Unternehmen tun würde: indem es seine eigene Plattform einsetzte.

Die Herausforderung

Die GTM-Teams von SnapLogic, die die Bereiche Vertrieb, Kundenerfolg, Marketing und Professional Services umfassen, standen vor drei sich gegenseitig verstärkenden Problemen:

1. Die systemübergreifende Vorbereitung nahm Stunden statt Minuten in Anspruch. Um einen vollständigen Überblick über ein einzelnes Kundenkonto zu erhalten, mussten manuell Daten aus Salesforce (Vertragsverlauf), Zendesk (Support-Kontext), BigQuery (Nutzungsdaten) und Chorus (Konversationsanalysen) abgerufen und die Ergebnisse anschließend von Hand zusammengefasst werden. Allein die Vorbereitung der vierteljährlichen Geschäftsbesprechung (QBR) nahm pro Besprechung 8 bis 10 Stunden in Anspruch.
2. Die Kapazitäten der Analysten stellten den Engpass für alle anderen Aufgaben dar. Pipeline-Analysen , ROI-Berichte und Wettbewerbsberichte standen tagelang in der Warteschlange. Ergebnisse, die verspätet eintrafen, waren oft schon veraltet.
3. Die Kapazitäten der leitenden GTM-Mitarbeiter wurden für die falschen Aufgaben eingesetzt. Kundenbetreuer , die große Kundenstämme verwalteten, und CSMs, die komplexe Portfolios betreuten, verbrachten einen unverhältnismäßig großen Teil ihrer Zeit mit der Datenbeschaffung und der Formatierung von Dokumenten, anstatt sich auf Kundengespräche zu konzentrieren, die Geschäfte und Vertragsverlängerungen voranbringen.

Das Unternehmen benötigte Informationen und Erkenntnisse, um geschäftliche Maßnahmen so schnell umzusetzen, wie es die Erwartungen der Kunden und Interessenten erfordern.

Die Lösung

SnapLogic hat Jean-Paul entwickelt und implementiert, einen KI-Agenten für Unternehmen, der auf der Agentic Integration Platform von SnapLogic basiert und über den MCP-Server von SnapLogic mit den Systemen verbunden ist, in denen die eigentliche Arbeit stattfindet: Salesforce, Zendesk, BigQuery, ZoomInfo, Chorus, Jira, Loopio, Saleshood und viele mehr. Jean-Paul ist über Slack, Microsoft Teams, E-Mail und API erreichbar und liefert bei Bedarf in allen diesen Kanälen Ergebnisse in Produktionsqualität.

Die Plattform funktioniert über drei miteinander verzahnte Ebenen:

1. Systemübergreifende Integration. Die iPaaS- und MCP-Server-Ebene von SnapLogic verbindet Jean-Paul gleichzeitig mit jeder Datenquelle. Eine einzige Anfrage kann CRM-Datensätze, Support-Tickets, Nutzungsanalysen und Abrechnungsdaten in einer einzigen Antwort zusammenführen, ohne dass eine manuelle Zusammenführung erforderlich ist.
2. KI-basierte Schlussfolgerungen und Dokumentenerstellung. Jean-Paul verarbeitet Anfragen über diese einheitliche Datenschicht hinweg und nutzt dabei „Claude“ von Anthropic als KI-Engine für Schlussfolgerungen. Das Ergebnis sind fertige Dokumente: vorlagefertige Word-Dokumente, PowerPoint-Präsentationen im Unternehmensdesign, Pitch-Decks, POC-Pläne, Excel-Berichte und PDF-Dateien, die auf Echtzeitdaten basieren. Die Nutzer erhalten ein fertiges Ergebnis und keine Zusammenfassung, die sie weiterbearbeiten müssen.
3. Kompetenzbasierte Workflow-Automatisierung. Kompetenzen sind wiederverwendbare KI-Workflows, die von und für bestimmte Teams erstellt, in SnapLogic gespeichert und für alle Mitarbeiter des Unternehmens zugänglich sind. Sie enthalten unternehmensinternes Wissen und Standardprozesse, sodass die Ergebnisse einheitlich und kontrolliert sind, unabhängig davon, wer die Anfrage stellt. Es ist keine manuelle Programmierung erforderlich.

Jean-Paul umfasst einen ständig wachsenden Katalog vorkonfigurierter Skills, die jeweils Fachwissen, bewährte Datenpipelines und in der Praxis erprobte Workflows enthalten. Hier eine Auswahl der in GTM-Teams am häufigsten genutzten Skills:

FÄHIGKEIT	WAS ES BEWIRKT
Virtueller Prognosetrainer	MEDDPICC-Qualifikationsanalyse, Simulation von Prognosegesprächen und interaktive Sprachrollenspiele auf der Grundlage von aktuellen Salesforce-Opportunities und Besprechungsprotokollen.
Analyse der Kundennutzung	Umfassende Nutzungsberichte von BigQuery zu Integrationsmustern, ROI-Analysen und ungenutzten Potenzialen, die als fertiges Dokument bereitgestellt werden.
Bericht zur Kundenplanung	Eine umfassende Kundenübersicht, die Salesforce-Opportunities, BigQuery-Nutzungsanalysen und Zendesk-Supportkennzahlen in einer einzigen, vorlagefertigen Darstellung zusammenfasst.

Jean-Paul basiert auf dem MCP-Protokoll, dem offenen Standard für die Anbindung von KI-Systemen an Unternehmensanwendungen. Der SnapLogic MCP-Server übernimmt die gesamte Authentifizierung gegenüber Backend-Systemen, sodass Anmeldedaten niemals dem KI-Modell zugänglich gemacht werden und neue Konnektoren automatisch und ohne erneute Bereitstellung verfügbar sind. Claude wertet alle Daten aus, die über die MCP-Schicht bereitgestellt werden: CRM-Datensätze, Support-Tickets, Nutzungstelemetrie, Dokumente und vieles mehr. 

Das Ergebnis ist ein Agent, der jedes System erreichen kann, in dem die eigentliche Arbeit stattfindet, Daten in realistischem Umfang verarbeiten kann und ein fertiges Ergebnis liefert, anstatt nur eine Zusammenfassung, auf der man aufbauen kann.

Bei SnapLogic wird Jean-Paul wie ein Teammitglied behandelt. Er hat einen Namen, ist fester Bestandteil des täglichen Arbeitsablaufs in jeder Abteilung und verfügt über eine wachsende Anzahl von Skills, die sich Teams im gesamten Unternehmen zu eigen gemacht haben. Die Mitarbeiter nutzen Jean-Paul nicht, weil es ihnen so vorgeschrieben wurde. Sie nutzen ihn, weil er ihre Arbeit verbessert.

Die Bereitstellung dauerte Tage statt Monate, und das aus einem bestimmten Grund: Jean-Paul läuft auf der bestehenden Integrationsschicht von SnapLogic. Die Verbindungen zu Salesforce, Zendesk, BigQuery und den übrigen Systemen waren bereits in Betrieb. Es mussten keine Systemeinstellungen von Grund auf neu konfiguriert, keine Schulungen geplant und kein IT-Projekt definiert werden. Die ersten Produktionsanfragen gingen ein, noch bevor die Einführung offiziell angekündigt wurde.

AKTIVITÄT	VOR JEAN-PAUL	MIT JEAN-PAUL
Vorbereitung auf das QBR (5 Systeme)	8–10 Stunden	20 Minuten
Einblicke in das Nutzungsverhalten der Kunden	1–2 Tage	5 Minuten
Angebot / Antwort auf eine Ausschreibung	25 Stunden	30 Minuten
Recherche vor dem Anruf	1–3 Stunden	5 Minuten
Pitch-Deck oder POC-Plan	3–5 Stunden	15–20 Minuten

Geschäftsergebnisse

In den vier Monaten seit der Einführung erzielte Jean-Paul einen geschätzten Gesamtwert von über 3 Millionen US-Dollar, berechnet auf der Grundlage der Audit-Protokolle der Plattform in 17 Abteilungen, darunter Produktivitätsgewinne von über 1 Million US-Dollar und Umsatzsteigerungen bei den Kunden von über 1 Million US-Dollar. In Zahlen: 

• 2.141 eingesparte Stunden in einem einzigen Zeitraum von 30 Tagen. Dies entspricht etwa 12,5 Vollzeitstellen in den Bereichen Vertrieb, Customer Success, Marketing, Technik, Finanzen, Personalwesen, Professional Services und anderen Abteilungen. Diese Zahl stammt aus den Audit-Protokollen der Plattform, in denen Tool-Aufrufe und Dokumentenausgaben von Hunderten aktiver Nutzer erfasst werden. Es handelt sich dabei nicht um eine Prognose oder eine auf das Jahr hochgerechnete Schätzung.
• 1.630 Anfragen wurden bearbeitet, woraus 281 Dokumente in Produktionsqualität entstanden. Vor dem Start fanden keinerlei Schulungen statt.
• 380.000 bis 540.000 Dollar pro Jahr an tatsächlich eingesparten Kosten. Da Jean-Paul Berichte direkt aus den Live-Daten generiert, konnten Analysetools und Beraterleistungen eingespart werden. Seit der Einführung wurden keine neuen Dashboards in Auftrag gegeben.
• Die Bereitstellung dauerte Tage statt Monate. SnapLogic war innerhalb von 1 bis 3 Tagen einsatzbereit. Der Branchendurchschnitt für vergleichbare KI-Implementierungen in Unternehmen liegt bei 8 Monaten.

Schlussfolgerung

Jean-Paul ist täglich in der Produktion tätig und deckt dabei alle Bereiche des Unternehmens ab. SnapLogic stützt seine Geschäftstätigkeit darauf.

Was das Ganze zum Funktionieren bringt, ist nicht allein das KI-Modell. Es ist die darunterliegende Verbindungsschicht: ein Agent, der jedes System erreichen kann, in dem die eigentliche Arbeit stattfindet, Daten in realistischem Umfang verarbeiten kann und fertige Ergebnisse statt bloßer Rohdaten liefert. Diese Kombination ist es, die eine vielversprechende KI-Fähigkeit in ein messbares betriebliches Ergebnis verwandelt.

Im Gegensatz zu eigenständigen KI-Assistenten, bei denen Nutzer den Kontext per Kopieren und Einfügen in ein Chatfenster einfügen müssen, verbindet sich Jean-Paul direkt mit den Systemen, in denen die Daten gespeichert sind. So basieren die Ergebnisse auf aktuellen Datensätzen und nicht auf dem, was der Nutzer gerade eingegeben hat. Und im Gegensatz zu universellen MCP-Clients, die einzelne Benutzer mit den Rohfunktionen ausstatten, bündelt Jean-Paul diese Leistungsfähigkeit in einer Governance-Ebene, die für den Einsatz in Unternehmen konzipiert ist: rollenbasierter Zugriff, Genehmigungsworkflows, Prüfpfade und eine Skill-Bibliothek, die den Workflow einer einzelnen Person in einen abteilungsweiten Standard verwandelt.

Die Zahl von 2.141 Stunden ist keine Schätzung. Es handelt sich um eine tatsächliche Berechnung des Produktionsaufwands in einem Unternehmen, das seine Produktionsleistung erfasst.

Jean-Paul hat nicht nur die Funktionsweise von SnapLogic verändert. Er hat auch die Vorstellung der SnapLogic-Teams davon, was möglich ist, verändert.