Warum AI-SDR-Projekte früh scheitern — und was stattdessen trägt

Die 90-Tage-Klippe der AI-SDR-Projekte

2025 und 2026 war der autonome AI-SDR das meistverkaufte Versprechen im B2B-Vertrieb: ein Agent, der ohne menschliches Zutun recherchiert, personalisiert, versendet und nachfasst — SDR-Kosten gegen null, Pipeline nach oben. Die Realität sieht nüchterner aus. Laut Branchendaten, unter anderem von UserGems, werden 50 bis 70 Prozent der AI-SDR-Projekte binnen 90 Tagen wieder eingestellt. Ergänzend berichten Anbieter- und Analystenblogs, dass 40 bis 60 Prozent der Pilotprojekte wegen Zustellbarkeits- und Compliance-Problemen pausiert werden, bevor sie überhaupt eine belastbare Aussage über die Pipeline treffen können.

Diese Zahlen stammen aus Anbieter- und Analystenquellen, nicht aus peer-reviewter Forschung — sie sind als Richtungssignal zu lesen, nicht als exakte Messung. Aber die Richtung ist eindeutig, und sie deckt sich mit dem, was wir im DACH-Markt beobachten: Die Technik funktioniert. Das Projekt scheitert trotzdem. Der Grund liegt eine Ebene tiefer.

Autonomie skaliert das Playbook — nicht die Qualität

Ein AI-SDR ist eine Skalierungsmaschine. Er nimmt das vorhandene Vertriebs-Playbook und führt es schneller und öfter aus. Das ist genau dann ein Problem, wenn das Playbook nicht gut ist — und die meisten Playbooks sind es nicht.

Was ein autonomer Agent zuverlässig vervielfacht:

• Schwache Zielgruppen-Definition. “Alle B2B-Unternehmen mit 50 bis 200 Mitarbeitenden in DACH” ist keine Zielgruppe, sondern eine Datenbank-Abfrage. Der Agent verschickt an alle — relevant oder nicht.
• Generische Nachrichten. Ein Template bleibt ein Template, auch wenn eine KI drei Variablen einsetzt. Empfänger erkennen den Unterschied sofort.
• Ungeprüfte Listen. Falsche Adressen, veraltete Rollen, Catch-All-Domains. Jede davon kostet Zustellbarkeit.
• Fehlende Signale. Wer ohne Kaufsignal sendet, sendet zum falschen Zeitpunkt — egal wie gut die KI formuliert.

Das Muster ist immer dasselbe: In Woche eins sieht alles gut aus, weil das Volumen niedrig und die Domain frisch ist. In Woche sechs kippt die Zustellbarkeit, weil ungeprüftes Volumen Beschwerden und Bounces produziert, die die Absender-Reputation senken. In Woche zwölf steht das Projekt still. Warum reines Auto-Outbound Reputation und Zustellbarkeit systematisch zerstört, haben wir im Detail in Human-in-the-Loop: KI-Outbound ohne Kontrollverlust beschrieben.

Der entscheidende Denkfehler: Autonomie wird als Qualitätsmerkmal verkauft. Sie ist aber nur ein Durchsatz-Merkmal. Ein Agent, der ein schlechtes Playbook autonom ausführt, ist schlechter als ein Mensch, der dasselbe Playbook langsam ausführt — weil er den Schaden schneller anrichtet und niemand rechtzeitig eingreift.

Die zwei Bruchstellen im DACH-Raum

Über die schwache Playbook-Basis hinaus gibt es zwei Stellen, an denen voll-autonome AI-SDRs im deutschsprachigen Markt besonders verlässlich scheitern.

Zustellbarkeit. Mailbox-Anbieter bestrafen ungeprüftes Volumen. Jede Spam-Beschwerde und jede unzustellbare Adresse senkt die Reputation der Sending-Domain. Sinkt die Reputation, landen auch die guten Mails im Spam-Ordner — und der Kanal ist verbrannt, oft für Monate. Ein autonomer Agent ohne Prüfpunkt hat keine Bremse, bevor der Schaden eintritt.

Compliance. Im DACH-Raum braucht B2B-Outbound eine dokumentierbare Rechtsgrundlage: nachweisbares berechtigtes Interesse nach Art. 6 Abs. 1 lit. f DSGVO, konkreter geschäftlicher Bezug nach § 7 UWG, funktionierende Opt-out-Mechanik. Ein Agent, der ohne menschlichen Prüfpunkt versendet, kann diesen Nachweis nicht führen. Das ist kein theoretisches Risiko — es ist der Grund, warum Rechts- und Compliance-Abteilungen Pilotprojekte stoppen.

Beide Bruchstellen haben eine gemeinsame Ursache: Es fehlt der Punkt, an dem ein Mensch prüft, bevor etwas nach außen geht.

Der Fix ist kein besseres Modell, sondern ein System mit Gate

Die naheliegende Reaktion auf ein gescheitertes AI-SDR-Projekt ist, das nächste, “bessere” Tool zu kaufen. Das verschiebt das Problem nur. Der Fix liegt nicht im Modell, sondern in der Architektur: ein GTM-System, in dem die KI frei arbeitet — aber jede Außenwirkung über ein menschliches Freigabe-Gate läuft.

So verteilt sich die Arbeit in einem tragfähigen Setup:

Schritt	Wer macht es	Freigabe nötig?
Firmen recherchieren, Signale scannen	KI	Nein — keine Außenwirkung
Kontakte anreichern, ICP-Fit bewerten	KI	Nein — nur interner Zustand
Nachrichten und Antworten entwerfen	KI	Nein — Entwurf löst nichts aus
Lead-Liste freigeben	Mensch	Ja
Kampagne starten / Versand	Mensch	Ja
Antwort mit Außenwirkung senden	Mensch	Ja

Die KI übernimmt das, was sie besser und schneller kann als jeder Mensch: Recherche, Anreicherung, Priorisierung, Formulierung. Der Mensch übernimmt das, was ein Modell strukturell nicht verantworten kann: die Entscheidung, ob genau diese Nachricht an genau diesen Empfänger nach außen geht. Und diese Freigabe ist gebündelt — ein Operator prüft eine ganze Liste in einem Durchgang, nicht Nachricht für Nachricht. Der Durchsatz bleibt hoch, die Kontrolle bleibt am kritischen Punkt.

Der zweite Baustein, der 90-Tage-Projekte von tragfähigen Systemen unterscheidet, ist die Lernschleife. Ein Tool bleibt am letzten Tag so gut wie am ersten. Ein System wird besser, weil es aus jedem Ergebnis lernt: welche Segmente konvertieren, welche Aufhänger tragen, welche Signale Termine erzeugen. Warum dieser Unterschied zwischen Tool und System die eigentliche Kategoriefrage ist, vertieft Agentic GTM: System statt Outbound-Tool.

Vor dem nächsten Pilot: fünf ehrliche Fragen

Bevor ein Team das nächste AI-SDR-Tool testet, lohnt ein Blick auf das Fundament. Wer diese Fragen nicht klar beantworten kann, wird auch mit dem besten Agenten in der 90-Tage-Klippe landen.

1. Kennen wir unser ICP präzise genug, dass ein Mensch es in einem Satz erklären könnte? Wenn nicht, skaliert der Agent Unschärfe.
2. Haben wir mindestens einen Aufhänger, der nachweislich Termine erzeugt hat? Wenn nicht, gibt es kein Playbook zum Skalieren.
3. Ist unsere Sending-Infrastruktur sauber? SPF, DKIM, DMARC, separate Domains, Warmup — sonst kippt die Zustellbarkeit unabhängig vom Agenten.
4. Können wir die Rechtsgrundlage pro Kampagne dokumentieren? Wenn nicht, ist der Compliance-Stopp nur eine Frage der Zeit.
5. Wo sitzt bei uns der menschliche Freigabe-Punkt vor jeder Außenwirkung? Wenn es keinen gibt, ist das Projekt kein Vertriebssystem, sondern eine Volumen-Maschine.

Eine kategorische Einordnung der verfügbaren Werkzeuge — Tool versus Full-Service, Preise, DSGVO — liefert der AI-SDR-Tool-Vergleich für DACH.

Fazit

AI-SDR-Projekte scheitern selten an der KI. Sie scheitern daran, dass Autonomie ein schwaches Playbook schneller ausführt, bis Zustellbarkeit und Compliance kippen. Die 50 bis 70 Prozent, die binnen 90 Tagen abgeschaltet werden, sind kein Argument gegen KI im Vertrieb — sie sind ein Argument gegen KI ohne System und ohne menschliches Gate.

Was trägt, ist die umgekehrte Reihenfolge: erst ein scharfes Playbook, dann ein System, das die KI frei arbeiten lässt und jede Außenwirkung über einen menschlichen Prüfpunkt führt, und eine Lernschleife, die das Playbook mit jeder Kampagne verbessert. Genau so haben wir GTM Goat gebaut — als kontextbewusstes GTM-System mit Mensch am Freigabe-Gate, nicht als autonomen Sende-Agenten. Wie das im Betrieb aussieht, zeigt die Übersicht zu GTM Goat.

---

Jetzt Free Trial starten · 4 Wochen kostenlos, keine Kreditkarte. Lieber erst sehen, wie es läuft? Demo buchen.