Ein durchschnittliches RFP kostet 25 Stunden Schreibarbeit. Das sind weniger als die 30 Stunden vor ein paar Jahren, vor allem dank Software und KI. Aber hier ist der Teil, den niemand feiert: Die durchschnittliche Erfolgsquote liegt immer noch bei nur 45 %.
Mehr als die Hälfte dieser 25-Stunden-Investitionen endet im Nichts.
Was trennt Angebote, die gewinnen, von Angeboten, die verlieren? Die Forschung zeigt immer wieder dieselbe Antwort, und es ist nicht das, worauf die meisten Teams ihren Fokus legen. Personalisierung. Die Angebote, die sich anfühlen, als wären sie für genau diesen Käufer geschrieben, die seine konkrete Situation adressieren und seine konkreten Herausforderungen aufgreifen.
Generische Angebote verlieren, weil jeder Käufer merkt, wenn er eine Vorlage liest.
Kunden sehen sofort, was generisch ist
Sie haben das generische Angebot schon gesehen. Die Executive Summary, die auf jedes Unternehmen in jeder Branche passen würde. Die Fallstudien, die nicht ganz passen. Der Preisteil, der alles ignoriert, was in den Erstgesprächen besprochen wurde.
Wie Better Proposals es ausdrückt: “Clients aren’t dumb. They know when they’re reading generic AI slop. They can spot the empty buzzwords.”
Und dieses Problem wird schlimmer, nicht besser, weil jetzt alle Zugriff auf dieselben KI-Werkzeuge haben. Eine britische Kommunalbehörde, die früher 2 Angebote für Solaranlagen bekam, erhält inzwischen fast 30, laut AutogenAI’s research. Bewertende gehen unter. Ein Schulträger musste seine Bewertungsfrist um vier Wochen verlängern, nur um das Volumen überhaupt abarbeiten zu können.
Wenn alle KI nutzen, um Angebote schneller zu erzeugen, braucht es zum Herausstechen etwas, das KI allein nicht liefern kann: echtes Verständnis der Situation des Käufers, das sich in jedem Abschnitt wiederfindet.
Der Personalisierungseffekt auf die Abschlussquote
Die Daten sind eindeutig. Proposify’s research fand heraus, dass Unternehmen mit Angebotssoftware eine Abschlussquote von 36 % erreichen, verglichen mit 20 % im Branchendurchschnitt. Aber die Software selbst ist nicht der Zauber. Der Zauber ist, was gute Software ermöglicht: konsequente Personalisierung, schnelleres Überarbeiten und die Zeitersparnis, um jedes Angebot wirklich anzupassen.
Ein paar weitere Erkenntnisse aus ihren Daten, die man im Kopf behalten sollte. Angebote, die an mehrere Empfänger gehen, schließen doppelt so häufig ab wie Angebote an nur einen Empfänger. Angebote mit einer Überarbeitung schließen 37 % häufiger ab. Zwei Überarbeitungen: 42 % häufiger. Drei Überarbeitungen: 50 % häufiger.
Das Letzte überrascht viele. Überarbeitungen fühlen sich nach Mehrarbeit an. Aber Überarbeitungen signalisieren Engagement. Sie bedeuten, dass der Käufer aufmerksam genug liest, um Fragen zu stellen.
Und hier ist ein Detail, das Ihre Sicht auf Länge ändern sollte: Gewonnene Angebote hatten im Schnitt 11 Seiten. Verlorene Angebote 13 Seiten. Kürze gewinnt.
Wobei KI wirklich hilft
Seien wir konkret, wo KI beim Schreiben von Angeboten wirklich Wert liefert, denn die Antwort ist nicht “bei allem”.
Erstentwürfe. Statt eine Stunde auf ein leeres Dokument zu starren, bekommen Sie in Minuten einen brauchbaren Entwurf. Kein fertiges Angebot. Einen Startpunkt.
Konsequente Anpassung. Wenn Sie der KI den richtigen Kontext zum Käufer geben, zu seinen Herausforderungen, seiner Branche, seinen Entscheidungskriterien, kann sie sicherstellen, dass diese Details im gesamten Dokument auftauchen. Nicht nur in der Executive Summary, sondern auch im Lösungsabschnitt, bei der Auswahl der Fallstudien, in der Preisbegründung.
Schnelleres Überarbeiten. Preismodell anpassen? Abschnitt umstrukturieren? Kontext zu einem Wettbewerber ergänzen? KI erledigt mechanische Änderungen schnell, damit Sie sich auf strategische konzentrieren können.
Versionen für verschiedene Rollen. Die CFO-Version betont ROI und Amortisationszeit. Die technische Version betont Integration und Sicherheit. Gleiches Kernangebot, andere Rahmung. Früher bedeutete das, mehrere Dokumente zu pflegen. Heute sind es mehrere Prompts.
McKinseys State of AI 2025 fand heraus, dass 71 % der Unternehmen generative KI inzwischen regelmäßig nutzen, wobei Marketing und Vertrieb bei der Einführung führend sind. 72 % der leistungsstärksten Angebotsteams nutzen KI gezielt für die Angebotserstellung.
Aber entscheidend ist, wie sie es einsetzen.
Die KI-Angebotsfalle
Der einfachste Weg, KI für Angebote zu nutzen, ist auch der schlechteste: Vorlage rein, Firmenname dazu, Dokument raus.
So enden Sie mit Angeboten, die AutogenAI als “compliant, but uninspiring.” beschreibt. Generische KI produziert generischen Text. Das ist Mathematik.
Benjamin McEvoy, ein Freelancer, der auf die Kundenseite gewechselt ist, put it this way: “I used to be on the freelancer side of things. I used send lots of proposals to clients and get frustrated that I wasn’t hearing anything back. After A LOT of frustration, I figured out where I was going wrong.”
Was hat er herausgefunden? Die Angebote waren über ihn, nicht über den Kunden. Er empfiehlt heute, dass 80 % der Pronomen in einem Angebot “you” (der Kunde) sein sollten und nur 20 % “me” (der Anbieter).
KI macht es leicht, in Serie über sich selbst zu schreiben. Das ist genau die falsche Richtung.
Kontext aufbauen, bevor Sie generieren
Die Personalisierung beginnt nicht im Angebot. Sie beginnt früher.
Bevor Sie überhaupt etwas generieren, brauchen Sie Kontext zur konkreten Verkaufschance. Strukturierte Informationen über diesen Käufer, diese Chance, dieses Set an Herausforderungen.
Was Sie erfassen sollten:
- Unternehmensdetails (Größe, Branche, Phase)
- Hauptansprechpartner und ihre Rolle in der Entscheidung
- Probleme, die sie in Erstgesprächen genannt haben (mit ihren genauen Worten)
- Was sie erreichen wollen (ihre Ziele, nicht Ihre Funktionen)
- Wen sie sonst noch evaluieren
- Was in ihrer Entscheidung am wichtigsten ist
- Zeitplan- und Budgetgrenzen
Dieser Kontext ist das Rohmaterial für Anpassung. Ohne ihn erzeugen Sie nur hübsch formulierte Vorlagen.
Ein Hacker-News-Kommentator, der an RFP automation arbeitet, beschrieb seine typische Situation so: “I’m going to need to respond to dozens of RFPs and the average one is going to be 40 pages long.” Seine Lösung bestand darin, eine Antwortenbank zu pflegen, die etwa 90 % der Standardinhalte abdeckt, und dann KI zu nutzen, um kontextspezifisches Material anzupassen und einzufügen.
Die Antwortenbank ist der Schlüssel. Sie generieren nicht jedes Mal bei null. Sie ziehen aus bewährtem Material und passen es an.
Das Executive-Summary-Problem
Jeder Abschnitt eines Angebots ist wichtig, aber einer ist wichtiger als die anderen. Die Executive Summary ist oft die einzige Seite, die Entscheider wirklich sorgfältig lesen. Manchmal ist es die einzige Seite, die sie überhaupt lesen.
Generische Executive Summaries sind ein Todesurteil. Sie signalisieren, dass Sie nicht zugehört haben, nicht verstanden haben und die Zeit nicht verdienen, die man bräuchte, um weiterzulesen.
Demand Gen Report flags the classic AI tell: “We understand the challenges you face in today’s rapidly evolving market.” That sentence could appear in any proposal for any buyer in any industry. It says nothing.
Beim Generieren einer Executive Summary sollte der Prompt enthalten:
- Ihre konkrete Situation (was sie Ihnen im Erstgespräch gesagt haben)
- Die exakte Sprache, mit der sie ihre Herausforderungen beschrieben haben
- Die Ergebnisse, die ihnen wichtig waren
- Warum Ihre Lösung zu ihrem konkreten Fall passt
Die Ausgabe sollte ihre Firma namentlich nennen. Sie sollte ihre Worte zurückspiegeln. Sie sollte sich anfühlen wie ein Dokument, geschrieben von jemandem, der bei diesen Erstgesprächen mit im Raum war.
Wenn jemand Ihre Executive Summary in das Angebot eines Wettbewerbers kopieren könnte, ohne etwas zu ändern, ist sie zu generisch.
Fallstudien, die wirklich passen
Jedes Angebot braucht Belege. Fallstudien sind, wie Sie sie liefern.
Aber generische Fallstudien sind schlimmer als gar keine. Wenn ein Käufer eine Fallstudie aus einer völlig anderen Branche sieht, die ein völlig anderes Problem löst, fragt er sich, ob Sie wirklich schon getan haben, was er braucht.
Auswahl ist genauso wichtig wie Darstellung. Bevor Sie irgendetwas generieren, sortieren Sie Ihre Fallstudien nach:
- Branchen-Passung
- Größen-Passung
- Problemtyp-Passung
- Ergebnis-Relevanz
Nehmen Sie zwei oder drei, die wirklich passen. Dann passen Sie die Darstellung an.
Der Anpassungs-Prompt sollte die Fallstudie explizit mit der Situation des Käufers verknüpfen. “Ihre Branche ist ähnlich wie die des Fallstudienunternehmens. Sie haben dieselbe Herausforderung, die das Fallstudienunternehmen hatte. Sie wollen das Ergebnis, das diese Fallstudie zeigt.”
KI kann diese Parallelen klar herausarbeiten. Aber Sie müssen ihr sagen, welche Parallelen sie ziehen soll.
Die Preis-Kontext-Frage
Die meisten Angebote verstecken den Preis. Oder schlimmer: Sie präsentieren ihn als nackte Liste von Zahlen ohne Erklärung.
Preis braucht Kontext. Was bekommen sie für diese Investition? Wie verhält sich der Preis zum Wert? Wie sieht der Amortisationszeitraum aus? Wie schneidet das im Vergleich zu Alternativen ab, die sie wählen könnten?
Als ein AutogenAI client ihre Erfahrung mit korrekt eingesetzter KI beschrieb: “What used to take days now takes hours, and we spend the time we save making the response stronger.”
Das ist die richtige Einordnung. KI erledigt die mechanische Arbeit. Menschen nutzen die gesparte Zeit für strategische Ergänzungen, wie Preisbegründung, die den Unterschied machen.
Angebotslänge und was Sie streichen sollten
Gewonnene Angebote: 11 Seiten im Schnitt. Verlorene Angebote: 13 Seiten im Schnitt.
Dieses Ergebnis aus Proposify’s research sollte Sie verfolgen. Jede zusätzliche Seite erhöht nicht den Wert. Sie erhöht das Risiko.
Beim Prüfen eines KI-generierten Entwurfs lautet die Frage für jeden Abschnitt nicht “ist das korrekt?”, sondern “schwächt es das Angebot, wenn ich das entferne?”
Die meisten Angebote enthalten Abschnitte, weil “das eben in Angebote gehört.” Standard-Unternehmensvorstellung. Team-Bios von Leuten, die gar nicht am Projekt arbeiten werden. Funktionslisten, die nicht zu dem passen, wonach der Käufer gefragt hat.
Streichen Sie kompromisslos. Übrig bleiben sollte nur, was der Entscheidung dieses konkreten Käufers dient.
Qualitätschecks vor dem Versand
KI erzeugt Entwürfe. Menschen liefern Urteilskraft. Jedes KI-generierte Angebot braucht einen Check auf:
Genauigkeit. Stimmen die Zahlen? Stimmen die Details der Fallstudien? Hat die KI irgendetwas halluziniert?
Konsistenz. Passt der Preis zu dem, was Sie besprochen haben? Passen die Funktionen zu dem, wonach sie gefragt haben? Passt der Zeitplan zu dem, was sie brauchen?
Ton. Klingt es nach Ihrem Unternehmen? Oder klingt es nach KI? Better Proposals notes that “Reading an AI generated proposal is like being in love. No one can tell you you’re in love, you just know it.” Kunden merken, wenn sie KI-Ausgabe lesen.
Relevanz. Würde das Entfernen eines Abschnitts das Angebot schwächen? Wenn nicht: raus damit.
Differenzierung. Wenn sie Wettbewerber erwähnt haben: Haben Sie adressiert, warum Sie anders sind?
Dieser letzte Punkt ist wichtiger, als viele zugeben. Wenn Sie wissen, dass Alternativen bewertet werden und Ihr Angebot nie erklärt, warum Sie die bessere Wahl sind, überlassen Sie den Vergleich der Fantasie des Käufers.
Messen, was funktioniert
Die meisten Teams verfolgen die Erfolgsquote. Das ist nötig, aber nicht genug.
Andere Kennzahlen, die sich zu tracken lohnen:
Erfolgsquote nach Angebotstyp. Gewinnen bestimmte Strukturen häufiger? Bestimmte Längen? Bestimmte Fallstudien-Kombinationen?
Zeit bis zum Abschluss. Schließen schnellere Angebote (durch KI-Beschleunigung) häufiger ab, oder seltener? Tempo ohne Qualität hilft nicht.
Nutzungsdaten. Falls Ihre Angebotssoftware das erfasst: Bei welchen Abschnitten verweilen Käufer? Welche überspringen sie?
Verlustgründe. Wenn Sie verlieren: warum? War es Preis, Produkt-Passung, Vorteil des Bestandsanbieters oder Angebotsqualität? Das sind unterschiedliche Probleme mit unterschiedlichen Lösungen.
Loopios Untersuchung fand heraus, dass 96 % der Teams inzwischen Kennzahlen jenseits der reinen Erfolgsquote erfassen. Die Teams, die am schnellsten besser werden, lernen aus Gewinnen und Verlusten.
Vorlagen, die besser werden
Ihre Vorlagen sind Vermögenswerte. Sie sollten mit der Zeit besser werden.
Nach jedem Gewinn: Was hat dieses Angebot funktionieren lassen? Ziehen Sie erfolgreiche Formulierungen, Struktur und Rahmung zurück in Ihre Vorlagen.
Nach jedem Verlust: Was hat gefehlt? Welche Einwände wurden nicht adressiert? Aktualisieren Sie Vorlagen, damit derselbe Fehlmodus nicht wieder passiert.
Quartalsweise: Schauen Sie auf Ihre Gewinn-/Verlustdaten nach Vorlage. Welche Vorlagen performen am besten? Welche brauchen eine Überarbeitung?
Brennan Dunn, der über high-value proposals for freelancers schreibt, argumentiert, dass Angebote “more like a story than a statement of work.” lesen sollten. Das ist nicht nur stilistischer Rat. Geschichten fesseln. Listen nicht.
Wenn Ihre Vorlagen wie Listen aus Lieferumfängen und Funktionen klingen, lohnt sich ein genauer Blick.
Tempo vs. Qualität
KI macht Angebote schneller. Aber schneller ist nicht immer besser.
Die Erkenntnisse zu Überarbeitungen sind lehrreich. Angebote mit Überarbeitungen schließen häufiger ab als Angebote ohne. Das wirkt kontraintuitiv, bis man versteht, wofür Überarbeitungen stehen: ein Käufer, der engagiert genug ist, Fragen zu stellen und zu verhandeln.
Überhastete Angebote signalisieren Verzweiflung. Dunn puts it directly: “No one wants to work with desperate people who aren’t confident in themselves.”
Nutzen Sie KI, um Zeit zu sparen. Nutzen Sie diese Zeit für Qualität, nicht dafür, schneller zu versenden. Ein Angebot, das in 48 Stunden mit echter Anpassung geliefert wird, schlägt ein Angebot, das in 2 Stunden ohne Anpassung rausgeht.
An den Vertriebsprozess anschließen
Angebote existieren nicht isoliert.
Ihre Interessentenrecherche liefert den Kontext, der Anpassung überhaupt möglich macht. Ihre Gesprächsvorbereitung fängt die Sprache ein, die Käufer verwenden, und die im Angebot auftauchen sollte. Die Einwände, die Sie in Verkaufsgesprächen behandeln, sollten im Angebotstext vorweggenommen werden.
Und nach dem Angebot halten Ihre Nachfass-Sequenzen den Schwung aufrecht. Angebote, die verschickt und ignoriert werden, schließen nicht ab. Angebote mit systematischem Nachfassen schon.
Das Angebot ist ein Knoten in einem System. Es allein zu optimieren hilft. Die Verbindungen zu optimieren hilft mehr.
Was sich mit KI ändert
72 % der leistungsstärksten Angebotsteams nutzen inzwischen KI für die Angebotserstellung. Die Frage ist nicht, ob man KI nutzt. Die Frage ist wie.
Die Teams, die mehr Angebote gewinnen, generieren nicht nur schneller. Sie nutzen Tempo, um Tiefe zu ermöglichen. Sie investieren die gesparten Stunden in Anpassung, die früher unpraktisch war. Sie bauen Inhaltsbibliotheken auf, die mit jedem Deal besser werden.
Was unabhängig von Werkzeugen wahr bleibt: Käufer merken, ob ein Angebot für sie geschrieben wurde oder ob es ihnen nur “hingeworfen” wurde. Die Technik für Personalisierung hat sich dramatisch verbessert. Die Bedeutung von Personalisierung hat sich überhaupt nicht verändert.
DatBot gibt Ihnen Zugriff auf mehrere KI-Modelle für unterschiedliche Angebotsteile. Entwerfen Sie mit GPT für Tempo, feilen Sie mit Claude für Nuancen. Bauen Sie Ihren Angebotsablauf an einem Ort.
