Die meisten Salesforce-Setups enden am Opportunity-Stage "Closed Won". Ab da übernimmt ein anderes System, ein anderes Team, eine andere Tabelle. Und genau an dieser Stelle, zwischen dem letzten Klick im CRM und der ersten Zeile auf der Rechnung, verlieren Unternehmen Geld, Zeit und Kundenvertrauen.
End-to-End Automatisierung klingt nach einem gelösten Problem. Salesforce hat Flows, Einstein hat KI, und Tools wie Make oder Zapier verbinden alles mit allem. Aber in der Praxis automatisieren die meisten Firmen einzelne Schritte, nicht die Kette. Sie beschleunigen Fragmente eines Prozesses, der als Ganzes nie sauber definiert wurde.
Wo die Kette bricht
Der typische Ablauf sieht so aus: Marketing generiert Leads, Vertrieb qualifiziert sie im CRM, nach dem Abschluss geht eine E-Mail an die Buchhaltung, die manuell eine Rechnung erstellt. Zwischen diesen Schritten liegen Copy-Paste-Vorgänge, Rückfragen per Chat und Tabellen, die niemand pflegt.
Die Bruchstellen sind dabei selten technisch. Salesforce kann Daten an ein ERP-System weitergeben. Das Problem ist, dass niemand definiert hat, welche Daten in welchem Zustand übergeben werden müssen. Was passiert, wenn die Lieferadresse fehlt? Wenn der Rabatt manuell vereinbart wurde und nirgends steht? Wenn das Zahlungsziel vom Standard abweicht?
Jede dieser Lücken erzeugt manuellen Aufwand. Und manueller Aufwand in einer Kette, die "automatisiert" heißt, erzeugt Frust, weil alle glauben, es müsste eigentlich von selbst laufen.
KI löst das Datenproblem nicht
Einstein Activity Capture, Lead Scoring, Opportunity Insights: Salesforce bietet inzwischen KI-Funktionen in fast jedem Bereich. Aber diese Funktionen setzen voraus, dass die Daten stimmen. Wer seine undefined, macht mit KI nur schneller die gleichen Fehler.
Ein Lead-Score ist wertlos, wenn die Hälfte der Leads keine Branche eingetragen hat. Eine automatische Follow-up-Mail ist kontraproduktiv, wenn der Vertrieb den Deal bereits per Telefon weiterverfolgt hat, das aber nirgends dokumentiert ist.
KI in der Lead-to-Cash-Kette funktioniert nur, wenn die Datenqualität an jedem Übergabepunkt stimmt. Das bedeutet: Pflichtfelder, Validierungsregeln und klare Verantwortlichkeiten für die Datenpflege. Keine KI-Magie, sondern Grundlagenarbeit.
Was "End-to-End" wirklich verlangt
Echte End-to-End Automatisierung beginnt nicht mit dem Tool, sondern mit einer Frage: Was passiert mit einem Lead, nachdem er konvertiert wurde? Und dann: Was passiert mit einem Auftrag, nachdem er gewonnen wurde? Und dann: Was passiert mit einer Rechnung, nachdem sie verschickt wurde?
Die meisten Unternehmen können diese Fragen nicht in drei Sätzen beantworten. Nicht weil der Prozess kompliziert ist, sondern weil er nie aufgeschrieben wurde. Er existiert in den Köpfen einzelner Mitarbeiter, in Gewohnheiten und Workarounds.
Wer diesen Prozess automatisieren will, muss ihn zuerst sichtbar machen. Nicht als Flowchart auf einem Whiteboard, sondern als konkrete Abfolge von Datenzuständen: Wann ist ein Lead qualifiziert? Wann ist ein Angebot freigegeben? Wann ist eine Rechnung versandbereit? Jeder dieser Zustände braucht Kriterien, die ein System prüfen kann.
Warum Integrationen trotzdem scheitern
Die naheliegende Lösung klingt einfach: Systeme verbinden, Daten automatisch übertragen. Tools wie Make, Zapier oder n8n machen das technisch zugänglich. In der Praxis scheitern Integrationen aber selten an der Technik. Sie scheitern an drei anderen Dingen.
Erstens: Unterschiedliche Datenmodelle. Euer CRM hat ein Feld "Firma", eure Buchhaltung hat "Rechnungsempfänger" und "Leistungsempfänger". Wenn das Mapping nicht sauber definiert ist, fließen Daten zwar automatisch, aber falsch.
Zweitens: Fehlende Fehlerbehandlung. Was passiert, wenn die API nicht erreichbar ist? Wenn ein Pflichtfeld leer ist? Die meisten Quick-and-Dirty-Integrationen haben darauf keine Antwort. Sie laufen, bis sie nicht mehr laufen. Und dann merkt es niemand, bis drei Rechnungen fehlen.
Drittens: Kein definierter Auslöser. Gute Integrationen werden durch einen Zustandswechsel ausgelöst, nicht durch einen Knopfdruck. Wenn eine Opportunity auf "Closed Won" geht und alle Pflichtfelder gefüllt sind, wird automatisch ein Auftrag erstellt. Nicht früher, nicht später, nicht manuell.
Der Preis der Vollautomatisierung
Es gibt eine Grenze, ab der Automatisierung mehr schadet als nutzt. Diese Grenze liegt dort, wo Kundenkontakt stattfindet.
Ein automatisch generiertes Angebot ist effizient. Aber wenn der Kunde eine Rückfrage hat und niemand im Team weiß, was in diesem Angebot steht, weil "das System das gemacht hat", dann ist die Effizienz eine Illusion. Der Kunde merkt, wenn er mit einem Prozess spricht statt mit Menschen.
Das heißt nicht, dass Automatisierung schlecht ist. Es heißt, dass ihr entscheiden müsst, welche Schritte automatisiert werden und welche bewusst manuell bleiben. Die Rechnungserstellung? Automatisieren. Die Nachfrage, ob die Lieferung angekommen ist? Besser ein Mensch.
Die besten Setups, die wir gebaut haben, automatisieren die unsichtbare Arbeit: Daten synchronisieren, Erinnerungen auslösen, Reports erstellen, Zustände aktualisieren. Die sichtbare Arbeit, alles was der Kunde sieht und spürt, bleibt beim Team.
Wo ihr anfangen solltet
Wenn euer Prozess von Lead bis Rechnung heute länger als zwei Wochen dauert und mehr als drei Systeme involviert, dann ist die Wahrscheinlichkeit hoch, dass ihr an den Übergaben Zeit verliert, nicht an den einzelnen Schritten.
Fangt nicht mit dem Tool an. Fangt mit den Bruchstellen an. Schreibt auf, wo Daten heute manuell übertragen werden. Wo Rückfragen entstehen, weil Informationen fehlen. Wo jemand "nochmal nachschauen" muss.
Diese Stellen sind eure Automatisierungskandidaten. Nicht weil sie am beeindruckendsten sind, sondern weil sie den größten Effekt haben. Ein Salesforce-Flow, der nach dem Opportunity-Close automatisch alle relevanten Daten an die Rechnungsvorbereitung übergibt, spart mehr Zeit als jeder KI-generierte Lead-Score.
End-to-End Automatisierung ist kein Feature, das man einschaltet. Es ist das Ergebnis von sauber definierten Prozessen, gepflegten Daten und der ehrlichen Frage, welche Teile der Kette ein System besser kann als ein Mensch. Und welche nicht.