AI SDR oder Outbound-System? Termine ohne zusätzliche SDRs
AI SDR oder eigenes Outbound-System? Zahlen zu Kosten, Grenzen und Alternativen für B2B-SaaS-Founders, die planbare Termine ohne zusätzliche SDRs wollen.
In Kürze
AI-SDR-Tools versprechen Termine ohne SDRs, doch 50 bis 70 Prozent der Verträge werden binnen eines Jahres gekündigt. Der Artikel zeigt, was AI SDRs leisten, wo sie scheitern und welche Bausteine ein Outbound-System braucht, das dir planbare Meetings liefert.
Gegenüberstellung eines autonomen AI-SDR-Agenten und eines modularen Outbound-Systems mit Datenbank, Signalen, Sequenzen und CRM als Bausteinen · KI-generiert
Wichtige Erkenntnisse
AI-SDR-Tools haben Jahres-Churn-Raten von 50 bis 70 Prozent; gescheiterte Rollouts brechen meist im ersten Monat ab, oft in den Wochen 3 bis 9.
Cold-E-Mail-Antwortraten sind 2026 auf 3,43 Prozent gefallen, 2025 lag der Schnitt noch bei rund 5 Prozent.
In einer Auswertung von 75 Rollouts stieg die Reply-Rate von 2,4 auf 8,2 Prozent und die Meetings von 12 auf 38 pro Monat bis Monat 6.
Dokumentierte Projekte: 27 Discovery Calls in fünf Wochen (Spacio), über 60 Gespräche in unter zwei Monaten (capacura).
Inhaltsverzeichnis
KI Dieser Artikel wurde mit Hilfe von KI erstellt.
Was ein AI SDR tatsächlich tut
Ein AI SDR ist eine Software, nicht ein Mitarbeiter. Sie automatisiert den oberen Teil des Outbound-Trichters: Recherche der Zielaccounts, Texterstellung der ersten Nachricht, Versand über E-Mail und LinkedIn, Klassifikation der Antworten und Buchung des Termins im Kalender. Alles wird mit dem CRM synchronisiert. Discovery Calls, Preisverhandlungen und Abschluss übernimmt sie nicht.
Die Kategorie hat sich in drei Produkttypen aufgespalten:
Autonome Agenten: Sie führen den Großteil des Outbound-Workflows mit begrenzter menschlicher Intervention aus, von der Recherche bis zur Terminbuchung.
AI-Copiloten: Sie unterstützen menschliche Reps bei Recherche, Priorisierung und Personalisierung, der Mensch verschickt und entscheidet.
Breite GTM-Plattformen: Sie kombinieren Kontaktdaten, Lieferbarkeit, Kaufsignale, Workflow-Automatisierung und KI in einem System.
Wo AI-SDR-Tools an Grenzen stoßen
Datenqualität: Ein Agent verschärft, was da ist. Saubere ICP-Listen und aktuelle Signale skalieren mit, veraltete Kontakte und fehlende Suppressionslisten ebenfalls, nur nach unten. Benchmarks aus 75 Deployments zeigen: Der Output hängt fast vollständig davon ab, was du hineinsteckst.
Markenrisiko: Autonom versendete Nachrichten treffen Empfänger, die dein Unternehmen noch nie gehört haben. Ein falscher Ton oder ein faktischer Fehler landet direkt beim Entscheider, nicht in einem internen Entwurf.
Black Box: Bei geschlossenen Agenten siehst du oft nicht, warum ein Kontakt angeschrieben wurde, welche Signale geflossen sind und wie die Antwort klassifiziert wurde. Debugging wird zum Raten.
DACH-Daten: Viele Tools speisen sich aus US-Datenquellen und Servern außerhalb der EU. Das kann einen Drittlandtransfer im Sinne der DSGVO auslösen, und die Datenlage zu deutschen Mittelstands-Entscheidern ist dünner als zu US-Unternehmen.
Die Churn-Zahl ist kein Zufall: UserGems meldet Jahres-Churn-Raten von 50 bis 70 Prozent auf AI-SDR-Plattformen, etwa doppelt so hoch wie die Fluktuation der menschlichen SDRs, die diese Tools ersetzen sollten. Der Grund ist selten die Technik selbst, sondern die Basis, auf der die Agenten arbeiten.
Die Bausteine eines Outbound-Systems
Ein Outbound-System ist kein Tool, sondern eine Kette von Bausteinen, die du einzeln prüfen kannst. Leads werden identifiziert, bereinigt, mit Signaldaten angereichert und über zielgerichtete Kampagnen angesprochen. Die Bausteine im Einzelnen:
Kosten im Vergleich: Tool, SDR, System
AI-SDR-Plattformen kosten typischerweise zwischen 250 und 5.000 US-Dollar pro Monat, je nach Modell und Volumen, plus 20 bis 40 Stunden Setup und 5 bis 10 Stunden monatliche Pflege. Ein menschlicher SDR kostet voll geladen 120.000 bis 200.000 US-Dollar im Jahr, braucht 3 bis 6 Monate Ramp-up und bleibt im Schnitt nur rund 14 Monate. Ein gebautes Outbound-System wird dagegen in Entwicklertagen kalkuliert; Retainer-plus-Provision-Hybride sind möglich. Der Unterschied: Die Lizenz und das Gehalt laufen weiter, solange du zahlst. Das System wird einmal gebaut, bleibt danach Eigentum des Unternehmens und seine Kosten skalieren mit Volumen, nicht mit Köpfen.
TAM-Datenbank: der vollständige adressierbare Markt als angereicherte Datenbank, segmentiert nach Region, Persona und Branche, statt statischer Listen mit halber Abdeckung.
Signale: RSS-Feeds, Job-Postings, Finanzierungsrunden und Wettbewerbsaktivität als Auslöser, die bestimmen, wer wann angeschrieben wird.
Anreicherung: Kontaktdaten werden validiert, bereinigt und mit Signaldaten und kundenspezifischen Variablen angereichert, bevor irgendeine Nachricht entsteht.
Sequenzen: Multichannel-Outreach über E-Mail und LinkedIn mit definiertem Follow-up-Rhythmus statt einmaliger Massenversände.
Reply-Handling: Antworten werden klassifiziert und von einem KI-Assistenten mit Human-in-the-Loop beantwortet, damit der Ton stimmt und nichts autonom eskaliert.
CRM-Anbindung: Alle Daten und Aktivitäten laufen über das CRM als Single Source of Truth; n8n-Workflows verbinden Tools, die keine native Integration haben.