Käuferinterviews mit KI auswerten: vom Transkript zum Themen-Backlog

Die ungenutzte Goldmine im ersten Gespräch

Käuferinterviews sind eine der stärksten Themenquellen, die ein B2B-Unternehmen hat. Der Engpass ist selten die Erhebung, sondern die Auswertung. Ein Gespräch dauert 45 Minuten, das Transkript umfasst 7000 Wörter, und spätestens nach dem dritten Interview verschwimmen die Muster im Kopf. Genau hier setzt KI sinnvoll an: nicht um die Gespräche zu führen, sondern um aus vielen Transkripten die wiederkehrenden Fragen, Formulierungen und Reibungspunkte sichtbar zu machen.

In unseren Mandaten läuft dieser Workflow inzwischen standardisiert ab. Am Ende steht kein fertiger Artikel, sondern ein priorisiertes Themen-Backlog: eine Liste konkreter Käuferfragen, sortiert nach Häufigkeit und Kaufrelevanz. Wie der Weg vom Rohtranskript dorthin aussieht, und an welchen Stellen der Mensch zwingend prüfen muss, zeige ich hier Schritt für Schritt.

Warum Interviews die bessere Themenquelle sind

Suchvolumen-Tools zeigen dir, was viele Menschen googeln. Sie zeigen dir nicht, was deine konkreten Käufer im Kaufprozess umtreibt. Die wertvollsten Fragen tauchen in keiner Keyword-Datenbank auf, weil sie zu spezifisch oder zu heikel sind, um sie öffentlich zu stellen. Sie fallen in Gesprächen: im Vertrieb, im Onboarding, in Kündigungsgesprächen.

Käuferinterviews holen genau dieses Material an die Oberfläche. Sie ergänzen die Erhebung aus dem Vertrieb, über die wir im Beitrag zu Insight Sessions mit dem Vertrieb geschrieben haben, um die Originalstimme des Käufers. Das ist der Rohstoff. KI ist das Werkzeug, das ihn in verwertbare Form bringt.

Vom Gespräch zum sauberen Transkript

Der erste Schritt ist banal, aber folgenreich: eine ordentliche Transkription. Moderne Transkriptionsdienste liefern in wenigen Minuten ein Wort-für-Wort-Protokoll mit Sprecher-Trennung. Achte auf zwei Dinge. Erstens die Sprechertrennung: Wenn Interviewer und Käufer im Text nicht sauber getrennt sind, mischt die spätere Auswertung deine eigenen Fragen mit den Antworten. Zweitens die Fachbegriffe: Branchenvokabular und Produktnamen werden oft falsch erkannt, und diese Fehler ziehen sich durch die ganze Auswertung.

Ein kurzer manueller Korrekturlauf pro Transkript kostet zehn Minuten und rettet die Datenqualität. Datenschutz gehört an dieselbe Stelle: Namen, Firmen und sensible Details anonymisierst du, bevor der Text in ein Sprachmodell geht. Das ist kein Formalismus, sondern die Bedingung dafür, dass du das Material überhaupt in ein Modell geben darfst.

Muster extrahieren: was die KI aus zehn Transkripten zieht

Jetzt kommt der Schritt, für den KI wirklich gebaut ist. Du gibst die bereinigten Transkripte in ein Sprachmodell und lässt es nach klar definierten Kategorien durchsuchen. Bewährt haben sich vier: wiederkehrende Fragen, geäusserte Bedenken und Einwände, verwendete Formulierungen und Begriffe, sowie explizit genannte Vergleiche und Alternativen.

Entscheidend ist die Anweisung, nah am Originaltext zu bleiben. Statt einer glattgebügelten Zusammenfassung willst du die Frage in den Worten des Käufers, mit einem wörtlichen Beleg aus dem Transkript. Ein Beispiel: Nicht Kunden interessieren sich für Implementierungsdauer, sondern Wie lange dauert es, bis das bei uns wirklich läuft, nicht die Demo, sondern der Echtbetrieb?. Die zweite Version ist eine Überschrift, ein H2, fast ein ganzer Artikel. Die erste ist eine Kategorie.

Über zehn Transkripte hinweg verdichten sich diese Belege zu Mustern. Eine Frage, die in einem Gespräch fällt, ist ein Einzelfall. Dieselbe Frage in sieben von zehn Gesprächen ist ein Pflichtthema.

Vom Muster zum priorisierten Backlog

Aus der Mustersammlung wird ein Backlog, wenn zwei Dimensionen dazukommen: Häufigkeit und Kaufrelevanz. Häufigkeit kann die KI zählen. Kaufrelevanz nicht, jedenfalls nicht verlässlich, weil sie den Verkaufskontext deines Angebots kennen müsste.

Deshalb arbeiten wir mit einer einfachen Matrix. Jede identifizierte Frage bekommt zwei Werte: Wie oft kam sie vor, und wie nah steht sie an der Kaufentscheidung? Eine Frage nach dem Preis kommt selten in Interviews vor, ist aber kaufkritisch. Eine allgemeine Branchenfrage kommt oft vor, bewegt aber selten einen Abschluss. Die Matrix bringt beides zusammen, und genau die Kombination aus häufig und kaufnah ist das, was eine Keyword-Liste nie liefert.

Das Ergebnis ist ein priorisiertes Themen-Backlog, wie wir es im Beitrag Themen-Backlog aus Käuferfragen im Detail beschreiben. Oben stehen die Themen, die häufig genannt werden und nah an der Kaufentscheidung liegen. Das sind deine ersten Artikel.

Wo der Mensch zwingend prüfen muss

Hier liegt die Grenze des Workflows. KI beschleunigt die Auswertung, sie ersetzt das Urteil nicht. Drei Stellen sind nicht delegierbar.

Erstens die Belegprüfung. Sprachmodelle formulieren gelegentlich Fragen, die plausibel klingen, aber so nie gefallen sind. Jede Frage, die es ins Backlog schafft, muss einen echten Beleg im Transkript haben. Eine Stichprobe reicht nicht: Gerade bei den Top-Themen prüfst du jeden Beleg gegen die Quelle.

Zweitens die Kaufrelevanz. Die Einschätzung, welche Frage einen Abschluss bewegt, kommt aus deinem Vertrieb, nicht aus dem Modell. Wer diesen Schritt an die KI abgibt, bekommt eine Priorisierung nach Häufigkeit, und das ist nicht dasselbe.

Drittens der Kontext hinter der Frage. Manchmal steht hinter einer harmlosen Formulierung ein grösseres Zögern. Das erkennt ein Mensch, der das Gespräch geführt hat, nicht ein Modell, das nur den Text sieht. Wo und warum KI im Marketing an solche Grenzen stösst, haben wir im Beitrag KI im B2B-Marketing grundsätzlicher eingeordnet.

Was dieser Workflow im Alltag verändert

Der Gewinn ist nicht die gesparte Arbeit. Der Gewinn ist, dass du aus derselben Menge Interviews deutlich mehr herausholst und nichts Wichtiges übersiehst. Was früher als vages Bauchgefühl aus ein paar Gesprächen hängen blieb, wird zu einer belegten, sortierten Liste, mit der eine Redaktion Monate planen kann.

Die Rollen bleiben dabei sauber getrennt: Die KI liest, zählt und ordnet. Der Mensch entscheidet, was stimmt und was zählt. In dieser Aufteilung ist der Workflow robust, und genau so setzen wir ihn ein.

Wenn du wissen willst, wie viel in deinen bestehenden Gesprächen an Themen steckt und wie ein solcher Auswertungs-Workflow bei dir aussehen würde, ist eine Standortbestimmung der konkrete Einstieg. Wir schauen uns dein vorhandenes Material an und zeigen dir, was daraus ein Backlog werden kann.