KI-Sprachagent Photovoltaik: 138 Vor-Ort-Termine bei UltraSolar
138 Vor-Ort-Termine für Photovoltaik in 60 Tagen durch einen KI-Sprachagenten: Segmentierung, Gespräche über 2 Minuten und Übergabe an Fachberater bei UltraSolar.
Photovoltaik-Verträge werden abgeschlossen, nachdem ein Techniker Dach, Ausrichtung und Zählerkasten vor Ort begutachtet hat. UltraSolar übergab die telefonische Terminierung an Gaia, einen KI-Sprachagenten auf DeepAgent-Basis. In 60 Tagen gab es 19.362 Anrufversuche, 5.249 geführte Gespräche und **138 Vor-Ort-Termine**. Die Gespräche über zwei Minuten Dauer brachten die meisten Termine ein. !KI-Sprachagent Photovoltaik: 138 Vor-Ort-Termine bei UltraSolar - Abbildung 1 ## Zusammenfassung - 19.362 Versuche, 5.249 abgeschlossene Gespräche und **138 Vor-Ort-Termine** in 60 Tagen. - Telefonate über 2 Minuten machten **3,73 %** aus, brachten aber **66,7 %** der Vor-Ort-Termine. - Durchschnittliche Konversion bei **2,63 %**; CRM-Segment bei **7,73 %**; kalte Leads stellten **73 %** des Volumens. - Eine zentrale Kennzahl: vereinbarter Vor-Ort-Termin. Skripte und Einwände wurden auf 3 Segmente angepasst. - Lückenlos nachvollziehbarer Outbound-Prozess als Alternative zur klassischen telefonischen Terminvereinbarung. ## Das Unternehmen: UltraSolar ### Profil UltraSolar plant und errichtet schlüsselfertige Photovoltaikanlagen inklusive Stromspeichern, Energiemonitoring und Kundendienst. Als Partner von Solarwatt arbeitet das Unternehmen für Privatpersonen, Wohnungseigentümergemeinschaften und Betriebe in Mittel- und Norditalien. Der operative Sitz liegt in Latina, Logistikstandorte befinden sich im Großraum Mailand, in Bologna und in Rom. Das Vertriebsmodell stützt sich auf regionale Fachberater. ### Die Ausgangslage Im CRM lagen unterschiedliche Datenbestände: neue Kontakte, vorqualifizierte Interessenten und ältere Anfragen. Die manuelle Bearbeitung durch Berater band Arbeitszeit, die für die technische Prüfung vor Ort gebraucht wurde. ## Die Herausforderung: ein Ziel, Listen mit unterschiedlicher Dynamik Ziel war die Vereinbarung eines kostenlosen Vor-Ort-Termins mit dem zuständigen Fachberater. Das Telefonat sollte relevante Objektdaten aufnehmen und an den Außendienst übergeben, ohne Vorabkalkulationen. Die Zielgruppen unterschieden sich im Vorwissen, sollten aber nach einheitlichen Kennzahlen gesteuert werden. ## Wie der KI-Sprachagent für Photovoltaik arbeitet, Schritt für Schritt ### 1) Zielrahmen und Segmentierung Ein definiertes Ziel: der vereinbarte Vor-Ort-Termin. Drei Outbound-Konfigurationen des Sprachagenten deckten vorqualifizierte Kontakte, kalte CRM-Leads und ein eigenes CRM-Segment ab. Das Ziel blieb identisch, Einstieg und Argumente passten sich dem jeweiligen Kontext an. Vorqualifizierte Photovoltaik-Leads erfordern andere Formulierungen als kalte Datensätze. ### 2) Kampagnenstart Nach dem Datenimport starteten die Anrufe nach Segment. Das System prüfte die Erreichbarkeit und dokumentierte jeden Versuch: Gesprächsstatus, Dauer und Ergebnis. Alle Kennzahlen blieben nach Segmenten vergleichbar. ### 3) Gespräch und Qualifizierung Gaia eröffnet das Telefonat, erfasst das grundlegende Interesse und erfragt die Gegebenheiten: Gebäudeart, vorhandene Anlagen und Strombedarf. Typische Fragen zu Machbarkeit, zeitlichem Ablauf und Ausführung werden direkt beantwortet. ### 4) Abschluss und Übergabe Der Vor-Ort-Termin wird als sachlicher Schritt zur Prüfung des Gebäudes vorgeschlagen. Der Sprachagent gleicht Terminfenster sowie Kontaktdaten ab, bestätigt den Termin für den Berater und vermerkt das Resultat strukturiert im Datensatz. ### 5) Getrennte Rückrufe Kontakte, die um einen Rückruf bitten, werden über einen separaten Inbound-Kanal geführt und fließen nicht in die Outbound-Statistiken ein. Dieses Vorgehen sichert eine verzerrungsfreie Analyse der einzelnen Segmente. > Der Unterschied zur Vergabe an ein Callcenter: Jedes Gespräch wird strukturiert erfasst und ausgewertet. Erfolgreiche Dialoge dienen direkt dazu, Formulierungen und Einwandbehandlungen weiterzuentwickeln. !KI-Sprachagent Photovoltaik: 138 Vor-Ort-Termine bei UltraSolar - Abbildung 2 ## Die Ergebnisse nach 60 Tagen | Kennzahl | Ergebnis | |---|---| | Anrufversuche | **19.362** | | Abgeschlossene Anrufe | **5.249** (27,1 % der Versuche) | | Kostenlose Vor-Ort-Termine vereinbart | **138** | | Konversion bezogen auf abgeschlossene Anrufe | **2,63 %** | | Anrufe ≥ 2 Minuten | **196** (3,73 % der beendeten Gespräche) | | Vor-Ort-Termine aus Anrufen ≥ 2 Minuten | **92** (66,67 % der Gesamtzahl) | | Konversion der Anrufe ≥ 2 Minuten | **46,94 %** | | Konversion der Anrufe < 2 Minuten | **0,91 %** | | Verhältnis ≥ 2 Min. vs. < 2 Min. | **51,6×** | | Vor-Ort-Termine pro Woche im Schnitt | **~16** | Rechnerisch führte etwa jedes **38.** geführte Telefonat zu einer festen Buchung und sorgte so für planbare Auslastung im Außendienst. Eingehende Rückrufe blieben in dieser Aufstellung außen vor. !KI-Sprachagent Photovoltaik: 138 Vor-Ort-Termine bei UltraSolar - Abbildung 3 ## Die relevante Zahl: echte Gespräche Von 5.249 geführten Anrufen dauerten lediglich **196** länger als zwei Minuten. Genau daraus entstanden **92** Vor-Ort-Termine: Nahezu jedes zweite dieser Gespräche endete mit einer Buchung. Die restlichen **5.053** kürzeren Kontakte erbrachten **46** Termine (unter 1 %). Ein Gespräch von mehr als zwei Minuten konvertiert um den Faktor **50×** besser. Bei dieser Gesprächsdauer buchten Kunden den Termin als fachliche Prüfung. ## Vergleich der Segmente: Volumen und Qualität - CRM-Segment: Höchste Effizienz. Konvertierte **7,73 %** der abgeschlossenen Gespräche (rund **2,9×** über dem Gesamtschnitt). - Kalte Leads: Das Fundament für die Stückzahl. **101 von 138** Terminen (**73 %**) stammten aus diesem Bereich bei einer Konversionsrate von **2,16 %**. Das qualifizierte Segment lieferte eine hohe Trefferquote, während die kalten Listen das Gesamtvolumen trugen. Ohne sie wäre die Gesamtzahl auf wenige Dutzend Termine begrenzt geblieben. ## Das Gespräch, das die Methode verdeutlicht Der erfolgreichste Dialog der Testphase begann mit einer konkreten Problemstellung. Ein Hausbesitzer besaß bereits eine Anlage mit Ertragsverlusten, während der frühere Installateur nicht mehr erreichbar war. Gaia erfragte die Details und schlug die technische Begutachtung vor Ort vor. Der Termin wurde gebucht. Wiederkehrende Themen bei erfolgreichen Abschlüssen: Prüfung einer Neuanlage, Mängel an Altanlagen, Serviceanfragen, wirtschaftliche Machbarkeit und Terminkoordination. ## Erkenntnisse und Ansatzpunkte - Eine feste Zielgröße: der vereinbarte Vor-Ort-Termin. Alle Teilschritte ordnen sich dem unter. - Vorab segmentieren: Frische Leads, Altkontakte und CRM-Listen benötigen getrennte Gesprächseinstiege. - Längere Dialoge fördern: Den Anteil der Anrufe über **2 Minuten** zu steigern, bringt den größten Zuwachs. - Erfolgreiche Muster analysieren: Qualifizierungsfragen und Antworten auf Bedenken lassen sich anhand realer Buchungen schärfen. - Kanäle trennen: Eine getrennte Erfassung von Inbound und Outbound liefert verlässliche Vergleichswerte. > Praxisbeispiele aus weiteren Branchen finden sich im Bericht zu Fincontinuo (Outbound-Vorqualifizierung) sowie im Fallbericht zur Bearbeitung von Kreditanfragen. ## Fazit Die Aufgabe eines KI-Sprachagenten für Photovoltaik liegt darin, ruhende Adressbestände in Termine für den Außendienst zu überführen. Bei UltraSolar entstanden so **138 Vor-Ort-Termine** in zwei Monaten. Zwei Drittel davon resultierten aus Dialogen, in denen der Agent die Kundensituation erfasste, bevor ein Termin vorgeschlagen wurde. ## Häufige Fragen ### Wie lässt sich der Sprachagent in CRM und Kalender einbinden? Der Agent verbindet sich mit dem CRM, um Statuswerte sowie Notizen zu lesen und zu aktualisieren. Er schlägt freie Zeitfenster vor und synchronisiert den Kalender des Beraters. Anders als bei klassischer Terminvereinbarung bleibt jeder Schritt nachvollziehbar: Ergebnisse, Gesprächsdauer und Konversionen je Segment ermöglichen datengestützte Anpassungen. ### Welche Kontaktlisten eignen sich im Photovoltaikbereich am besten? Die stärksten Ergebnisse liefert das CRM-Segment mit bereits bekannten Kontakten und vorliegendem Interesse. Der Großteil der Termine stammt jedoch aus den kalten Kontakten. Die Kombination aus beiden erhöht die Termindichte: Qualifizierte Leads verlangen nach gezielten Fragen, während bei kalten Listen Gesprächsrhythmus, Timing und Einwandbehandlung im Vordergrund stehen. ### Welche KPI sollten in einer Outbound-Kampagne gemessen werden? Erfasst werden Anrufversuche, Erreichbarkeit, beendete Gespräche, Anteil der Telefonate über zwei Minuten, vereinbarte Vor-Ort-Termine, Konversionsraten nach Segment und durchschnittliche Zeit bis zur Terminierung. Eingehende Rückrufe sollten aus den Outbound-Kennzahlen herausgerechnet werden, um klare Ansatzpunkte für Skripte und Zielgruppen zu erhalten. ### Was unterscheidet den KI-Agenten von einem herkömmlichen Callcenter? Jedes Gespräch wird vollständig erfasst und lässt sich auswerten. Skripte und Einwandbehandlungen werden auf Basis jener Muster verfeinert, die tatsächlich zu Buchungen führen. Ziel ist die Vereinbarung des kostenlosen Vor-Ort-Termins. Die Berater erhalten dadurch Termine mit fundiertem Kontext. ### Sollten Preise und technische Details bereits am Telefon genannt werden? Nein. Das Telefonat dient dazu, die Ausgangslage zu verstehen, Interesse abzugleichen und den Besuch zu planen. Konkrete Angebote und technische Prüfungen erfolgen direkt beim Kunden vor Ort. Dieses Vorgehen reduziert Reibungsverluste, erhöht die Datenqualität und hält die Terminzusagequote hoch. Mit dem Vertrieb sprechen → · Eigenen Agenten erstellen →