Sie haben diesen Newsletter weitergeleitet bekommen? Hier kostenlos abonnieren.

Wie viel Ihres Customer Lifetime Values wird gerade unsichtbar vernichtet – nicht durch schlechte Produkte, sondern durch Entscheidungen, die auf der falschen Ebene getroffen werden? Warum kommen 96 % der Unternehmen bei KI nicht ΓΌber Piloten hinaus, obwohl Budget und Talent vorhanden sind? Und was haben diese beiden Fragen miteinander zu tun?

In dieser Ausgabe schauen wir auf den CLV als strategisches Steuerungsinstrument und auf die Wachstumsmuster, die KI in GeschΓ€ftsmodellen neu schreibt.

Customer Lifetime Value - Drei Ebenen fΓΌr Value Creation

Customer Lifetime Value taucht in den meisten Organisationen regelmÀßig auf – in Marketingdashboards, als Kampagnen-KPI, in Quarterly Reviews. Und bleibt dort meistens auch. Eine Zahl, die berichtet wird, aber selten etwas steuert. Die grâßten CLV-Hebel liegen oft nicht im Marketing – sie verteilen sich auf drei Ebenen, die in den meisten Organisationen separat gefΓΌhrt werden und deshalb nie gemeinsam wirken.

Strategie: Wen bedienen wir eigentlich?

Der wirkungsvollste Hebel auf den Customer Lifetime Value ist keine Optimierungsmaßnahme. Es ist eine strategische Entscheidung: Welche Kunden soll das Unternehmen überhaupt bedienen?

20 % der Kunden erzeugen typischerweise 80 % des langfristigen Werts. Die relevante Frage lautet deshalb nicht β€žWie erhΓΆhen wir den CLV?", sondern: FΓΌr welche Kunden wollen wir gebaut sein – und welches GeschΓ€ftsmodell folgt daraus konsequent? Solange diese Frage nicht strategisch beantwortet ist, optimiert das Unternehmen auf einem unsicheren Fundament.

Taktik: Wie steuern wir Wert?

Auf dieser Ebene entscheiden Pricing-Logik, Retention-Mechanismen und Budgetallokation. Der hΓ€ufigste Fehler, den wir in der Praxis beobachten: 70 % des Budgets fließen in Neukundenakquise, 10 % in Bestandskunden – die gleichzeitig ΓΌber 80 % des Umsatzes tragen.

Budget folgt dem Segment mit dem niedrigsten Akquisekosten. Es sollte dem Segment mit dem hΓΆchsten Wertpotenzial folgen. Das ist kein semantischer Unterschied. Es ist der Unterschied zwischen reaktiver und strategischer Wertsteuerung.

Operations: Wo verlieren wir Kunden, ohne es zu sehen?

Die am meisten unterschΓ€tzte Ebene und hΓ€ufig die folgenreichste. Time-to-Value, Handoff-Strukturen, Onboarding-QualitΓ€t: Reibungsverluste auf operativer Ebene ΓΌbersetzen sich direkt in Churn, tauchen aber selten in Reports auf.

Ein Kunde, der in den ersten 90 Tagen dreimal den Ansprechpartner wechselt, ist kein schlechter Fit. Er ist das Ergebnis einer Prozessarchitektur, die fΓΌr interne Effizienz optimiert wurde – nicht fΓΌr BeziehungsqualitΓ€t. Der Unterschied ist schwer sichtbar. Sein Einfluss auf den CLV ist es nicht.

Drei Fragen zur SelbsteinschΓ€tzung

Bevor CLV-Management wirklich wirksam werden kann, braucht es Klarheit auf allen drei Ebenen. Drei Fragen helfen dabei, den Status quo einzuordnen:

  1. KΓΆnnen Sie beziffern, welche Kunden welchen Wert erzeugen – differenziert nach Segment, nicht als Durchschnitt?

  2. Kennen Sie das CLV-Potenzial Ihrer Bestandskunden im VerhΓ€ltnis zu Ihren aktuellen Akquise-Investitionen?

  3. Wissen Sie, wie viele Handoffs ein Neukunde in den ersten 90 Tagen durchlΓ€uft – und was das messbar fΓΌr seinen langfristigen Wert bedeutet?

Wenn eine dieser Fragen offen bleibt, liegt dort wahrscheinlich der grâßte unbehobene Hebel.

Wie KI die Wachstumsarchitektur digitaler GeschΓ€ftsmodelle verΓ€ndert - Versuch einer GeschΓ€ftsmodell Taxonomie

KI verΓ€ndert nicht nur Produkte, sondern den zugrundeliegenden Wachstumsmechanismus. Entscheidend ist, ob ein Unternehmen ΓΌber einen sich selbst verstΓ€rkenden Wachstumskern verfΓΌgt und wie KI auf diesen wirkt. Wir haben GeschΓ€ftsmodelle nach vier β€œKI Mustern” geclustert.

  1. Antifragil: KI verstΓ€rkt den Wachstumskern. Datenplattformen, Zahlungsinfrastruktur, KI-Infrastruktur: Mehr KI-Nutzung erzeugt mehr Nachfrage. Der Wettbewerbsvorteil wird tiefer, nicht flacher.

  2. Extraktiv: Netzwerkeffekte existieren, KI expandiert sie nicht. MarktplΓ€tze und Werbeplattformen werden effizienter im Matching, das Netzwerk selbst wΓ€chst dadurch nicht. ErtrΓ€ge flachen ab.

  3. Resilient: Kundenbindung schützt, aber KI deckelt das Wachstumspotenzial. ERP bleibt eingebettet, doch KI reduziert Nutzeranzahl und Umsatz pro Kunde. Überleben ja, StÀrkung nein.

  4. Fragil: KI ersetzt die Einheit, fΓΌr die bezahlt wird. Nutzungsbasierte SaaS-Modelle, Low-Code, dienstleistungsnahe Software: Die Nachfrage pro Einheit geht gegen null. 12 bis 24 Monate fΓΌr existenzielle Transformation.

Wo steht Ihr GeschΓ€ftsmodell auf diesem Spektrum? Etablierte Unternehmen haben gegenΓΌber KI-nativen Wettbewerbern einen Vorteil: Kundenzugang, Daten und Branchenexpertise. Aber nur, wenn sie ihr Muster erkennen und handeln. Wer fragile Γ–konomik mit Effizienzprogrammen beantwortet, optimiert ein Modell, das gerade seine Grundlage verliert.

Weekly Picks

  • The Execution Chasm: MIT hat untersucht, warum 95 % aller Enterprise-KI-Piloten trotz 30–40 Milliarden Dollar Investment keinen messbaren P&L-Impact liefern β€” und was die 5 % anders machen. Das Ergebnis ist eindeutig: Das Problem ist kein Technologieproblem, sondern ein Steuerungsproblem. Wer KI skalieren will, braucht zuerst eine Entscheidungsarchitektur β€” nicht bessere Modelle. MIT NANDA β€” The GenAI Divide: State of AI in Business 2025

  • The Hidden AI Tax: 78 % der IT-Entscheider berichten von unerwarteten Kosten durch KI-Features und konsumbasierte Preismodelle β€” und 61 % mussten deshalb Projekte stoppen. Der Zylo 2026 SaaS Management Index zeigt, wie AI die Kostenstruktur ganzer Softwareportfolios neu schreibt β€” und warum klassische Budgetlogiken dafΓΌr nicht mehr ausreichen. Zylo β€” 2026 SaaS Management Index

  • 88 % Never Make It: IDC hat gemessen: Von 33 KI-Proof-of-Concepts, die ein Unternehmen startet, erreichen im Schnitt nur vier die Production. Das ist kein Talent-Problem und kein Technologieproblem β€” es ist ein Governance-Problem. Wer POCs ohne Business Case, klare Ownership und Skalierungslogik startet, produziert vor allem eines: teure Lernkurven ohne Wirkung. CIO.com β€” 88% of AI pilots fail to reach production

Stefan Benndorf & Dr. PhilippΒ Engelhardt
Founding Partners scaleon

scaleon
Value Creation for Digital Leaders. Build for growth.

Keep Reading