KI für das Agentur-New-Business ist der Einsatz von Modellen, um die langsame, repetitive Arbeit um einen Pitch zu komprimieren — den Prospect recherchieren, die Antwort entwerfen, Referenzen anpassen, den Vorschlag zusammenbauen —, während die Beziehung und die kreative Idee bei Menschen bleiben. Agenturen, die es gut nutzen, gewinnen mehr Zeit für die Teile eines Pitches, die ihn wirklich entscheiden; Agenturen, die es schlecht nutzen, produzieren schneller mehr generische Pitches und verlieren.
New Business ist, wo die Wachstumsgeschichte einer Agentur gewonnen oder verloren wird, und es ist auch einer der repetitivsten Teile des Führens einer Agentur. Diese Kombination macht es zu einem guten Kandidaten für KI, vorausgesetzt, du bist ehrlich darüber, welche Hälfte der Arbeit wirklich repetitiv ist.
Was New Business wirklich kostet
Die Kosten des New Business sind nicht das Meeting; es ist alles drumherum. Den Prospect lesen, seine Kategorie verstehen, die Fallstudien anpassen, das Antwortdokument schreiben, das Deck bauen, dem Follow-up nachjagen. Das meiste dieser Arbeit ist strukturiert und wiederholbar, und ein großer Anteil wird unter Zeitdruck von Leuten gemacht, deren wahrer Wert Urteil und Beziehungen sind.
Das ist die Naht, in die KI passt. Sie entfernt den Zusammenbau, der Seniors vom Denken abhält, sodass der Pitch mehr ihrer besten Stunden bekommt. Sie schreibt keine bessere Idee, und jede Agentur, die die Idee an ein Modell auslagert, wird entlarvt, sobald der Kunde eine echte Frage stellt.
Es lohnt auch zu erinnern, dass ein Pitch teils ein Argument dafür ist, warum die Arbeit nicht einfach intern gehen sollte. Dieses Kalkül ist alt — ich schrieb darüber, als Suchmarketing intern wanderte —, und KI hat seine Form nicht geändert: Die Agentur muss einen Standard und ein Gedächtnis zeigen, die der Kunde nicht allein bauen kann.
Wo KI über den Pitch hinweg hilft
Vier Phasen passen zu Modellen, und jede hat ein klares menschliches Gegenstück, das nicht aufgegeben werden darf. Die Tabelle unten ist die Aufteilung, die ich ziehen würde.
| Phase | Der Job der KI | Der Job des Menschen |
|---|---|---|
| Prospect-Research | Öffentliches Material zusammenfassen, die Kategorie kartieren | Entscheiden, was für ihn zählt |
| Erstentwurf | Struktur und Boilerplate zusammenbauen | Den Argument und die Idee schreiben |
| Referenzen | Existierende Fallstudien anpassen | Wählen, welcher Beweis relevant ist |
| Vorschlag | Formatieren, prüfen, versionieren | Die Zahlen und das Versprechen besitzen |
Das Muster ist, dass KI den Zusammenbau übernimmt und der Mensch die Auswahl und das Bekenntnis. Wenn die Aufteilung verschwimmt, bekommst du Pitches, die poliert, komplett und von den letzten zehn, die der Kunde sah, nicht unterscheidbar sind.
Research ohne Fabrikation
Der erste Ort, wo KI ihren Wert verdient, ist Research. Ein Modell kann das öffentliche Material eines Prospects zusammenfassen, seine Kategorie kartieren und die Fragen auftauchen lassen, die ein Wettbewerber stellen könnte, in einer Stunde statt einem Tag. Das ist wirklich nützlich, und dort lebt auch die Gefahr, weil Modelle Fakten über einen Prospect mit totaler Selbstsicherheit erfinden.
Die Regel ist einfach: Nutze KI zum Finden und Organisieren und verifiziere alles, was in ein Dokument geht, das ein Kunde lesen wird. Keine erfundenen Metriken, keine angenommenen Beziehungen, kein „der Prospect sagte", das du nicht belegen kannst. Ein Pitch, der auf einem erfundenen Detail gebaut ist, ist ein beendendes Risiko, und der gesparte Aufwand ist es nicht wert. Halte für jede wichtige Behauptung eine Quelle.
Entwirf, aber sende nie den Entwurf
Die Antwort zu schreiben ist, wo KI am verlockendsten und am gefährlichsten ist. Ein Modell kann einen kompetenten Erstentwurf produzieren, der jede Sektion abdeckt, und wenn du diesen Entwurf sendest, hast du einen generischen Pitch gesendet. Der Wert liegt darin, ihn als Gerüst zu nutzen — Struktur, Abdeckung, eine Checkliste dessen, was eine Antwort enthalten sollte — und dann den eigentlichen Argument selbst zu schreiben.
Die praktische Regel ist, dass kein KI-verfasster Satz unbearbeitet zu einem Prospect geht. Nicht weil die Prosa schlecht ist, sondern weil der Pitch ein Versprechen ist, und ein Versprechen, das du nicht geschrieben hast, ist eines, hinter dem du nicht stehen kannst. Die Bearbeitungszeit ist, wo der Standpunkt der Agentur eingefügt wird, und es ist der Teil, der Arbeit gewinnt.
Referenzen ohne Erfinden
Referenzen anzupassen ist eine Aufgabe, die KI gut macht, wenn das Rohmaterial real ist, und ein Passiv, wenn nicht. Einem Modell deine echten Fallstudien zu geben und es zu bitten, die relevanten gegen das Brief eines Prospects zu wählen und zu ordnen, ist legitim und schnell. Es zu bitten, „eine Fallstudie zu schreiben", ist, wie Agenturen zu Beweisen kommen, die sie nicht verteidigen können.
Führe eine strukturierte Bibliothek echter Fallstudien — das Problem, die Arbeit, das Ergebnis, die Evidenz — und lass das Modell daraus arbeiten. Mit der Zeit wird diese Bibliothek ein Vermögenswert für sich, und es ist dieselbe Gedächtnisschicht, die den Rest einer AI-nativen Agentur stützt. Je reicher und wahrheitsgetreuer sie ist, desto nützlicher wird jeder künftige Pitch.
Die Falle des generischen Pitches
Das größte Risiko ist nicht, dass KI einen schlechten Pitch macht; es ist, dass sie einen kompetenten, generischen macht. Ein Modell, das auf den Pitches aller trainiert ist, produziert den Median-Pitch, und der Median-Pitch gewinnt nicht. Wenn deine New-Business-Ausgabe anfängt, glatt und austauschbar zu wirken, ist das Problem nicht das Modell; es ist, dass du es die Teile schreiben ließt, die deine hätten sein sollen.
Der Gegenangriff ist bewusst: Nutze KI für alles außer der Idee und dem Standpunkt, und stelle sicher, dass ein Senior die besitzt. Der Test ist, ob ein Prospect deinen Pitch von dem eines Wettbewerbers unterscheiden könnte, wenn die Logos entfernt wären. Wenn nicht, hat dir die KI Zeit gespart und die Arbeit gekostet.
Ein New-Business-Workflow
Baue den Workflow in vier Schritten. Sammle das Prospect-Material und lass das Modell es zusammenfassen. Entwirf die Antwortstruktur aus dieser Zusammenfassung und einem Template. Wähle die besten echten Fallstudien aus deiner Bibliothek und passe sie an. Dann lass einen Menschen den Argument schreiben, jede Behauptung prüfen und die Zahlen besitzen. Automatisiere die ersten drei Schritte und behandle den vierten als die Arbeit.
Mit der Zeit instrumentiere den Workflow wie jeden anderen: wie lange eine Antwort dauert, wie viel Senior-Zeit sie verbraucht und wie die Gewinnrate aussieht. Das ist der ehrliche Weg zu wissen, ob KI dem New Business hilft oder nur den Papierkram schneller macht. Der Agenturmodell-Guide deckt die weiteren Veränderungen ab, die KI in das Führen einer Agentur bringt.
Das Follow-up und die Pipeline
Der Pitch ist nicht der einzige Ort, wo KI hilft; das Follow-up ist, wo die meisten Agenturen Momentum verlieren. Ein Modell kann die Follow-up-Sequenz entwerfen, das Meeting zusammenfassen und die Pipeline-Notizen aktuell halten, sodass die Beziehung warm bleibt, ohne dass jemand manuell jedem Faden nachjagt. Nichts davon ändert, wer die Beziehung besitzt, und nichts davon sollte die persönliche Notiz automatisieren.
Die Gewohnheit, die zählt, ist, jeden Pitch in ein Lernen zu verwandeln. Gewinne oder verliere, erfasse warum, füge es deiner Fallstudien- und Positionierungsbibliothek hinzu und lass es den nächsten Pitch informieren. Diese Bibliothek ist das New-Business-Äquivalent der Gedächtnisschicht, und sie ist der Grund, warum eine reife Agentur schneller und besser pitcht als eine junge. Füttere das Modell aus ihr und lass sie sich mit jeder Unterhaltung verzinsen. Eine kurze geschriebene Notiz nach jedem Pitch — was gefragt wurde, was landete, was du anders machen würdest — dauert Minuten und ist mehr wert als jedes Tool, weil sie das Rohmaterial ist, aus dem der nächste Pitch gebaut wird. Diese Notiz ist auch, was das Modell nützlich macht: ohne sie entwirft die KI aus dem Nichts.
FAQ
Kann KI unsere RFPs schreiben?
Sie kann die Struktur und die Boilerplate entwerfen, und sie sollte nicht den Argument oder die Idee schreiben. Nutze sie, um sicherzustellen, dass du jede Sektion abdeckst, und um Zusammenbauzeit zu sparen. Die Wörter, die den Pitch tragen, und die Zusagen darin, bleiben bei einer Person, die sie verteidigen kann.
Ist es ethisch, KI in einem Pitch zu nutzen?
Ja, wenn du sie für Research, Entwurf und Zusammenbau nutzt — dieselben Kategorien von Arbeit, die Account-Teams immer delegiert haben. Es wird ein Problem, wenn du erfundene Beweise präsentierst oder eine generische Antwort als maßgeschneidertes Denken ausgibst. Die Regel ist dieselbe, die du auf jede Junior-Unterstützungsarbeit anwenden würdest: Sie muss wahr und sie muss deine sein.
Wird nicht jede Agentur das nutzen und den Vorteil aufheben?
Sie werden es nutzen, weshalb der Vorteil zu den Teilen wandert, die Modelle nicht können: die Idee, die Beziehung und die echten Fallstudien. Wenn alle schnellen Zusammenbau haben, hört schnellerer Zusammenbau auf, ein Differenzierer zu sein. Die Agenturen, die gewinnen, werden die sein, deren Denken und Beweise wirklich besser sind.
Was ist der größte Fehler?
Den ersten Entwurf senden. Es ist der schnellste Weg, einen Pitch zu verlieren, weil der Prospect die Abwesenheit eines Standpunkts spüren kann. Nutze den Entwurf als Gerüst und schreibe den Pitch dann selbst, auch unter Zeitdruck. Dieser Bearbeitungsschritt ist die Arbeit.
Die Kurzfassung
KI komprimiert Research, Entwurf, Referenzanpassung und Vorschlagszusammenbau im Agentur-New-Business, sodass Seniors ihre Zeit auf die Idee und die Beziehung verwenden. Nutze sie zum Finden und Organisieren, nie zum Fabrizieren, und halte einen Menschen auf jedem Satz, den ein Prospect lesen wird. Der Agenturmodell-Guide deckt, wie sich das Modell ändert, und die Spur für Agenturen integriert New Business ins Agentur-Operating-Model.
Wenn du New Business führst, möchte ich hören, wo du die Linie ziehst zwischen dem, was KI entwirft, und dem, was du selbst schreibst.
Viele Grüße, Chandler
Dieser Artikel ist auf Deutsch verfügbar, aber die Kursmaterialien (Videos, Templates und Begleitguides) sind auf Englisch und Japanisch; diese Website gibt es in 13 Sprachen.