Mehr RFQs, weniger echte Gelegenheiten: Eine Sell-Side-Qualifizierungsschicht für agentengenerierte Nachfrage

Kernpunkte

• Forrester erwartet, dass 2026 mindestens jeder fünfte B2B-Verkäufer zu agentengeführten Angebotsverhandlungen gezwungen wird — Käuferagenten werden dynamisch generierte Gegenangebote liefern, und die Systeme des Verkäufers müssen ihnen mit tragfähigen Preisen und Konditionen antworten.
• Harvard Business Review dokumentiert, dass B2B-Unternehmen mehr RFQs erhalten, ohne mehr echte Gelegenheiten — KI macht professionell formatierte, qualitativ geringwertige Beschaffungs-E-Mails nahezu kostenlos, sodass das eingehende Volumen nicht länger die Gesundheit der Pipeline signalisiert.
• Eine Drei-Eimer-Triage — anbieten, klären, ablehnen — veränderte die Pipeline eines britischen Präzisionsformers — im Meridian-Mouldings-Fall von HBR öffneten die Qualifizierungsfragen echte kaufmännische Gespräche, die die ursprüngliche RFQ nie enthielt.
• Pactums Produktions-Einsätze beweisen das Muster im großen Maßstab: Honeywell betreibt autonome Verhandlung über 500 Mio. $+ Ausgaben, und SUEZ senkte Anforderungszykluszeiten um 90 % mit Agenten innerhalb von Coupa — Agenten handeln innerhalb von Governance-Leitplanken, während Käufer Ausnahmen und Strategie behalten.
• Gartner prognostiziert, dass 2028 90 % des B2B-Einkaufs KI-agentenvermittelt sein werden, wobei über 15 Billionen $ durch Agenten-Börsen fließen — die Sell-Side hat ein zweijähriges Zeitfenster, um maschinen-quotable zu werden, bevor Käuferagenten die Vorauswahl standardmäßig übernehmen.

Forrester erwartet, dass 2026 mindestens jeder fünfte B2B-Verkäufer zu agentengeführten Angebotsverhandlungen gezwungen wird — verpflichtet, auf KI-gestützte Käuferagenten mit dynamisch gelieferten Gegenangeboten über verkäufergesteuerte Agenten zu antworten. Diese Prognose wurde in den Forrester 2026 B2B Marketing-, Sales- und Product-Prognosen veröffentlicht. Die eingehende Hälfte des Wandels ist bereits eingetreten: Harvard Business Review berichtet, dass B2B-Kunden nun KI verwenden, um Lieferantenlisten zu erstellen, Beschaffungs-E-Mails zu entwerfen und RFQs vorzubereiten — und in der Zeit, die früher für eine einzige Anfrage nötig war, professionelle Anfragen an ein Dutzend Unternehmen zu senden. Die Folge, in den Worten von HBR: Unternehmen erhalten mehr RFQs, ohne mehr echte Gelegenheiten zu erhalten, und Vertriebsteams verbringen mehr Zeit mit Angeboten und weniger mit Abschluss.

Für einen Mid-Market-Hersteller oder -Distributor — ein 200-köpfiges Präzisionskomponenten-Unternehmen, ein regionaler Industriedistributor mit NetSuite und BigCommerce, ein Spezialgewebe-Lieferant, dessen Angebotsstütze zwei Ingenieure und ein Vertriebskoordinator sind — ist dies kein abstrakter Trend. Es ist ein Kapazitätsproblem, gemessen in Ingenieurstunden: Jede KI-generierte Anfrage, die die volle Angebotsbehandlung erhält, entzieht Zeit der Arbeit, die echte Aufträge gewinnt.

Dieser Artikel kartiert das Sell-Side-Qualifizierungsmuster, das das Messbarkeitsproblem zuerst und das Volumenproblem zweitens löst: eingehende RFQs auf Vollständigkeit und Kaufabsicht bewerten, in anbieten / klären / ablehnen sortieren und menschliche Angebotszeit für qualifizierte Nachfrage reservieren. Er baut auf Von E-Mail-Ketten zur Agenten-Delegation: B2B-RFQ-Automatisierung mit A2A und Hermes Agent auf, der die Buy-Side-Angebotszyklus behandelte; dies ist das andere Ende der RFQ — Ihr Posteingang.

Das Rauschproblem: eingehendes Volumen ist kein Signal mehr

Als Meridian Mouldings — der kleine britische Präzisionsformer, den HBR unter einem Pseudonym untersuchte — seine Anfrage-Pipeline überprüfte, fielen drei Signale auf. Viele RFQs waren offensichtlich gleichzeitig an eine lange Lieferantenliste gesendet worden; einige sprachen das falsche Unternehmen mit Namen an oder nannten mehrere Lieferanten in derselben Nachricht. Die Sprache war generisch und ließ jeden Auftrag einfacher wirken, als er war. Und die Dokumente ließen den Kontext weg, den ein verantwortungsvolles Angebot erfordert: wofür das Teil dient, wie es verwendet wird, welche Belastungstoleranzen wichtig sind, ob frühere Versionen scheiterten, ob der Käufer Designberatung wünscht oder nur Preise sammelt. Die Details sind in der HBR-Berichterstattung und in MarketScales Berichterstattung über denselben Fall dokumentiert.

Nichts davon sieht von außen wie Rauschen aus. KI-entworfene RFQs kommen professionell formatiert an, oft mit Zeichnungen und Vergleichstabellen im Anhang. Genau das macht sie teuer: Der einzige zuverlässige Weg, festzustellen, dass eine Anfrage hohl ist, besteht darin, die Ingenieurszeit aufzuwenden, die eine echte Anfrage verdient. KI hat keine bessere Nachfrage erzeugt. Sie hat qualitativ geringwertige Nachfrage billig hergestellt.

Derselbe Mechanismus formt den ersten Filter der Buy-Side neu. MarketScales Analyse KI-vermittelter Beschaffung stellt es unmissverständlich fest: Bevor ein Beschaffungsteam dieses Jahr einen Lieferantenanruf plant, hat ein KI-Agent die enge Auswahl möglicherweise bereits aussortiert. Käuferseitige Agenten optimieren auf Abdeckung statt auf Passung, und Lieferanten mit gut strukturierten, maschinenlesbaren Daten tauchen zuverlässiger auf als gleich fähige Wettbewerber, deren Referenzen in PDFs und hinter Zugangsbarrieren liegen. Die Sell-Side steht beiden Problemen gleichzeitig gegenüber — einem lautereren Posteingang heute und Käuferagenten, die morgen anhand maschinenlesbarer Nachweise vorauswählen.

Manuelle Triage versus agentenunterstützte Qualifizierung — was sich ändert, wenn ein Angebotsangebotsteam eingehende RFQs bewertet, bevor es sie anbietet:

Das Qualifizierungsmuster: bewerten, bevor Sie anbieten

Meridians Reaktion begann mit Messung, nicht mit Software. Das Team sortierte jüngste Anfragen in drei Eimer — anbotoferzig, Klärung nötig, Preissondierung — und führte einen kurzen Qualifizierungsfilter durch, bevor jemand eine Zeichnung öffnete. Der Filter fragte, ob die Anfrage die Anwendung erklärte, Betriebsbedingungen und Materialanforderungen spezifizierte, eine Zeichnung oder ein Muster enthielt und Anzeichen eines echten Kaufprozesses statt einer breiten Marktsondierung zeigte.

Eine Agentenschicht operationalisiert diesen Filter im Volumen, in dem KI-generierte Nachfrage eintrifft. Die Arbeitsteilung wichtiger ist als die Technologie:

• Vollständigkeitsbewertung. Spezifiziert die Anfrage Anwendung, Betriebsbedingungen, Toleranzen, Volumina und Zeitplanung — die Felder, die bei Meridian fehlten? Fehlende Felder werden zu strukturierten Klärungsfragen, nicht zu stillschweigenden Vermutungen, die später als Änderungsaufträge auftauchen.
• Absichtsnachweis. Ist dies ein produktionsbereiter Käufer oder eine Preissondierung? Signale umfassen einen benannten Kaufprozess, Zeichnungen, lieferantenspezifische Sprache — versus einer generischen Vorlage, die, wie HBR feststellte, manchmal mehrere Lieferanten in einer Nachricht anspricht.
• Drei-Eimer-Triage. Anfragen, die bestehen, gehen direkt in die Angebotserstellung. Vielversprechende, aber unvollständige erhalten eine kurze technische Klärungsnotiz; im Meridian-Fall öffneten diese Fragen oft ein echtes kaufmännisches Gespräch, das die ursprüngliche RFQ nie enthielt. Anfragen, die nach der Klärung verstummen, sind ein Ergebnis, kein Verlust — Käufer, die nicht bereit sind, grundlegende Anwendungsfragen zu beantworten, schätzten die Spezialistise des Unternehmens ohnehin selten.
• Menschliche Prüfung bleibt bei qualifizierten Anfragen. Der Agent liest und sortiert; die Ingenieure kalkulieren die Arbeit. Das ist dieselbe Arbeitsteilung, auf die sich die Beschaffungsautomatisierung im Enterprise-Maßstab zubewegt: Pactum beschreibt sein Einsatzmodell als Agenten, die Routinarbeit innerhalb von Governance- und kaufmännischen Leitplanken ausführen, während Käufer Strategie, Ausnahmen und Beziehungen behalten.

Der ehrliche Vorbehalt: Keine Bewertungsschicht ersetzt das Ingenieursurteil darüber, was eine Anfrage wert ist. Was sie ersetzt, ist der reflexhafte Standard — jede professionell formatierte eingehende Anfrage zu gleichen Bedingungen anzubieten —, das ist das Rennen, das HBR zufolge ein Spezialist am wenigsten gewinnen will.

Das Ergebnis

Enterprise-Einsätze liefern Produktionszahlen hinter das Muster. Pactums veröffentlichte Kundenergebnisse: Honeywell betreibt autonome Verhandlung über mehr als 500 Millionen $ Ausgaben und bindet seine gesamte Lieferantenbasis in Zahlungsbedingungen, Rabatte und Skonti ein; Ahold Delhaize USA verlagerte Lieferantenverhandlung in autonome Ausführung innerhalb definierter Governance-Leitplanken und sah ROI innerhalb von Wochen; SUEZ bettete Agenten in Coupa ein, um jede Einkaufsanforderung zu prüfen und Anforderungszykluszeiten um 90 % zu senken. In jedem Fall verengte sich die menschliche Rolle auf Ausnahmen — bei SUEZ greifen Käufer nur ein, wenn eine Anforderung menschliche Prüfung benötigt. Die Details finden sich in Pactums Kundenzusammenfassung.

Im Mid-Market-Maßstab kauft dasselbe Muster die knappste Ressource zurück: qualifizierte Angebotsstunden. Die messbaren Verschiebungen sind konversionsorientiert statt volumenorientiert — Angebotsstunden pro qualifizierter Gelegenheit, Klärungs-Antwortquote und der Anteil der Ingenieurszeit für Anfragen, die tatsächlich Aufträge werden können. Meridians monatliche Vertriebsauswertung führte nicht mehr mit rohem RFQ-Volumen, sondern mit diesen Fragen. Wenn KI eingehendes Volumen billig aufbläht, ist die Anfragenzahl der falsche KPI; die Zahl der qualifizierten Gelegenheiten ist derjenige, der überlebt.

Es gibt eine zweite Hälfte des Zeitfensters. Gartner prognostiziert, dass bis 2028 90 % des B2B-Einkaufs KI-agentenvermittelt sein werden, wobei über 15 Billionen $ B2B-Ausgaben durch Agenten-Börsen fließen — und Gartners begleitende Analyse stellt fest, dass verifizierbare operationelle Daten zur Voraussetzung für die Teilnahme an diesem Ökosystem werden. Qualifizierung behandelt das heutige Rauschen. Maschinen-quotable Kataloge, strukturierte Preisgestaltung und agentenadressierbare Systeme behandeln die Käuferagenten von morgen. Lieferanten, die in beides investieren, optimieren für den Vermittler, der nun zwischen Käufer und Verkäufer sitzt.

Beispielhafter Build-Bericht

Das Angebotsangebotsteam eines Mid-Market-Industriedistributors verbrachte seine Vormittage mit KI-generierten RFQs, die nie konvertieren würden: generische Positionen, kein Anwendungskontext, Anreden, die drei andere Lieferanten nannten. Ein Intake-Agent bewertet nun jede eingehende Anfrage gegen den Qualifizierungsfilter — Vollständigkeitsfelder, Absichtsnachweise, Duplikat-Massenversand-Erkennung — und leitet sie weiter: qualifizierte Anfragen fließen in den bestehenden Angebotsworkflow mit einer Verfügbarkeitsprüfung gegen NetSuite; unvollständige erhalten eine Klärungsnotiz, die die spezifischen fehlenden Felder nennt; Vorlagen-Massenversendungen erhalten eine höfliche Absage. Das Team prüft nur qualifizierte Anfragen. Die Angebotsstunden pro realer Gelegenheit fielen im ersten Quartal um mehr als die Hälfte, und die monatliche Auswertung verfolgt nun die Konversion qualifizierter Gelegenheiten statt der rohen RFQ-Zahl.

Beauftragen Sie einen abgegrenzten Build. Einwöchige Discovery. Sie erhalten ein Systeminventar, eine Workflow-Karte und einen festen Umfang — unabhängig davon, ob Sie mit uns bauen.

Weiterführende Literatur

• Von E-Mail-Ketten zur Agenten-Delegation: B2B-RFQ-Automatisierung mit A2A und Hermes Agent — der Elternartikel: der Buy-Side-Angebotszyklus, von 3-tägigen manuellen Workflows zur Agenten-Delegation mit MCP-Tools und A2A
• Commerce-Protokolle für KI-Agenten: UCP, ACP, AP2 und MCP — Wie der Stack zusammenpasst — die maschinen-quotable Hälfte des Zeitfensters: Katalog und Preisgestaltung für die Käuferagenten lesbar machen, die Lieferanten vorauswählen
• Wenn der Agent die Bestellung aufgibt: Wie agentic Payments die B2B-Beschaffungsschleife schließen — was nach einem akzeptierten Angebot passiert: agenteninitiierte Bestellung, Zahlung und Abstimmungs-Audit
• KI-Agenten als Werbeflächen: Was gesponserte Platzierung für B2B-Sichtbarkeit bedeutet — die Sichtbarkeitsschicht über dem Trichter: OpenAIs Sponsored Agents, Zitat-Volatilität und die Zwei-Schichten-Strategie, um gefunden zu werden, wenn Agenten den Einkauf erledigen