Die Compounding-Lücke: Warum B2B-Operations Jahrzehnte hinterherhinken

Die B2C-Verhaltensschleife

Consumer-Plattformen haben Billionen-Dollar-Geschäfte aufgebaut, indem sie Verhaltenssignale erfassten — was Nutzer klickten, anschauten, übersprangen — und sie in Modelle zurückspeisten, die mit jeder Interaktion besser wurden.

Netflix, Spotify, Instagram: Sie alle betreiben dieselbe Schleife. Verhalten erfassen. Modell lernt. Bessere Erfahrung. Mehr Engagement. Mehr Daten. Das Schwungrad dreht sich.

Diese Schleife wurde von Machine-Learning-Modellen angetrieben, die Vorhersagen ausgaben. Was sollen wir empfehlen? Was wird dieser Nutzer als nächstes anschauen?

Warum B2B nie ein Äquivalent hatte

Arbeit ist schwieriger zu instrumentieren als Klicks. Eine Compliance-Prüfung umfasst mehrere Beteiligte, Ausnahmen, regulatorische Vorgaben und Ermessensentscheidungen, die sich nicht auf ein einfaches Signal reduzieren lassen.

Deshalb blieben die meisten B2B-Operations manuell. Das Wissen lebte in den Köpfen der Leute, in Stammesgedächtnis, in der Art, wie „Sarah diese Fälle bearbeitet." Als Sarah ging, ging das Wissen mit ihr.

Der LLM-Wendepunkt

Große Sprachmodelle haben die Gleichung verändert. Anders als traditionelles ML geben LLMs natürliche Sprache aus — und können Tools aufrufen, Anweisungen befolgen und mehrstufige Workflows ausführen.

Sie sagen nicht nur vorher, was passieren sollte. Sie erledigen die Arbeit.

Die neue Schleife wird: Erfasse den Entscheidungs-Trace einer Aufgabe, verknüpfe ihn mit dem Ergebnis, der Agent wird klüger, bessere Entscheidungen beim nächsten Mal.

Drei Achsen der Kumulation

Context-Graphen kumulieren entlang dreier unterschiedlicher Achsen:

• Operativ — wie das Unternehmen taktisch arbeitet: Workflows, Übergaben, Ausnahmemuster
• Kundenorientiert — wie das Unternehmen verkauft, unterstützt und bindet: Vertrieb, Underwriting, Account Management
• Strategisch — wie Führungskräfte Entscheidungen treffen: Ressourcenzuweisung, Marktbewegungen, Risikobewertung

Jeder Entscheidungs-Trace macht den Context-Graphen dichter. Ist er dicht genug, wechselt das System von Retrieval zu Prediction — nicht „Wie wurde das vorher gemacht?" sondern „Wenn wir es so machen, was ist das wahrscheinliche Ergebnis?"

Einfach anfangen

Strategische Context-Graphen erstmal ausblenden. Wonach Sie suchen sollten, sind die wiederholbaren Workflows in Ihrem Unternehmen, priorisiert nach:

• Komplexität — wie viel Urteilsvermögen erforderlich ist
• Wert — wie viel Zeit oder Geld gespart wird
• Schmerz — wie ungern Mitarbeitende es tun

Meist fördert die Analyse Workflows zutage, die Mitarbeitende ohnehin am wenigsten mögen: langweilig, repetitiv und mit wenig Urteilsvermögen verbunden. Denken Sie an Dateneingabe, Dokumentenerstellung oder Freigabe-Routing.

Das sind die niedrig hängenden Früchte. Werden sie gelöst, zeigen sie die Kraft agentischer Systeme. Alles andere baut darauf auf.