Ich kenne das Bild: Zwei Verkäufer, einer spielt den Kunden, der andere pitcht. Beide wissen, wie es ausgeht. Kein echter Druck. Kein echtes Feedback. Und nach 20 Minuten ist das Rollenspiel vorbei — und keiner weiß, ob es geholfen hat.
Das ist kein Lernformat. Das ist Theater.
KI-Rollenspiele lösen dieses Problem — aber nur, wenn du sie richtig strukturierst. Was "richtig" bedeutet, zeigt Gong mit seinem AI Trainer: eine Plattform, die aus echter Call-Daten dynamische Buyer-Personas baut, die Gespräche bewertet wie einen echten Kundencall — und Verhalten messbar macht.
Ich habe in der Praxis erlebt, wie Teams Rollenspiele durchführen: einmal pro Quartal, im Präsenztraining, mit 15 Leuten im Raum und einem Manager der Feedback gibt. Das ist Coaching für die Galerie — nicht für das Verhalten.
Das Problem ist nicht der Wille. Es ist die Skalierbarkeit.
Ein Manager kann nicht bei 12 Verkäufern gleichzeitig Rollenspiele beobachten. Er kann keine konsistente Scorecard für jeden Versuch führen. Und er kann nicht einmal pro Woche Feedback geben, wenn er noch 40 andere Aufgaben hat.
KI-Rollenspiele lösen genau das. Laut Disprz AI Coaching Playbook nutzen bereits 43% der Revenue-Enablement-Leader KI-Rollenspiele aktiv — weil sie das einzige Format sind, das unbegrenzte Übungswiederholungen mit konsistentem Feedback kombiniert.
Du brauchst keinen Manager mehr, der für jedes Rollenspiel verfügbar ist. Du brauchst ein Szenario, eine Scorecard und eine Plattform, die das Gespräch bewertet. Der Rest skaliert von alleine.
Aber — und das ist entscheidend — du musst das Szenario trotzdem richtig bauen. Eine schlechte KI-Übung ist genauso nutzlos wie ein schlechtes Peer-Rollenspiel.
Gongs AI Trainer Dokumentation beschreibt ein klares Modulkonzept, das ich hier als praxisorientiertes Framework aufbereite — anwendbar auch ohne Gong.
Bevor der Verkäufer übt, braucht er Kontext. Das Lesson-Modul liefert genau das: Was soll er in diesem Gespräch leisten? Mit wem spricht er? Was ist das Ziel?
Das Lesson-Modul ist kein Info-Dump. Es ist ein kurzer, präziser Briefing-Text — maximal 2 Seiten — der dem Verkäufer sagt:
Lesson-Brief für ein Discovery-Call-Szenario mit einem CFO:
"Du rufst bei einem CFO eines mittelständischen Produktionsunternehmens an. Er hat an einem Webinar teilgenommen, aber noch kein konkretes Interesse signalisiert. Er glaubt, dass eure Lösung zu teuer ist. Dein Ziel: Echten finanziellen Schmerz aufdecken und einen konkreten nächsten Schritt vereinbaren."
[INTERNER LINK: Artikel 8 — 'Onboarding neuer Verkäufer: Von Null auf erstes Gespräch in 30 Tagen']
Der größte Fehler beim KI-Rollenspiel-Aufbau: das Szenario zu vage lassen. "Übe einen Discovery Call" ist kein Szenario. Es ist eine Aufforderung.
Ein gutes Szenario braucht diese Inputs:
| Input | Warum wichtig |
| Persona (Titel, Motivation, Kommunikationsstil) | KI reagiert authentisch statt generisch |
| Customer Company (Branche, Größe, Herausforderungen) | Kontext macht Einwände realistisc |
| Meeting Objective (Was ist Erfolg?) | Scorecard-Bewertung braucht ein klares Ziel |
| Meeting Scenario (Warum jetzt?) | Mindset des Kunden wird korrekt gerahmt |
| About our Company (Positionierung, Messaging) | Verkäufer kann korrekt referenzieren |
| Relationship Background | Erstgespräch vs. Follow-up verändert die Dynamik |
Gong ergänzt das optional mit echten Call-Links: Du fügst Snippets aus echten Kundengesprächen ein, und die KI-Persona emuliert dieses Gesprächsverhalten. Das macht die Übung deutlich realistischer als ein generischer Prompt.
Ein Enablement-Manager baut ein Szenario für den Einwand "Wir haben das Budget gerade nicht." Er fügt drei Call-Snippets ein, in denen echte Kunden genau diesen Einwand geäußert haben — und wie Top-Performer darauf reagiert haben. Die KI-Persona übernimmt den Ton und die Formulierung aus den echten Calls. Ergebnis: Das Übungsgespräch fühlt sich wie ein echter Call an — nicht wie ein Lehrbuchbeispiel.
Gong AI Trainer bietet drei Levels: Easy, Intermediate, Advanced. Das bestimmt, wie aufgeschlossen oder widerständig die Buyer-Persona im Gespräch ist.
Easy: Prospect ist offen, gibt bereitwillig Informationen, macht kaum Einwände.
→ Ideal für neue Verkäufer in den ersten 2 Wochen des Onboardings.
Intermediate: Prospect hat leichte Skepsis, stellt Gegenfragen, prüft Argumente.
→ Standard für laufendes Skill-Training mit erfahrenen Verkäufern.
Advanced: Prospect ist schwierig, testet mit harten Einwänden, blockt aktiv.
→ Für Certification-Gates oder Vorbereitung auf strategische Deals.
Der Schwierigkeitsgrad ist nicht dekorativ — er definiert, ob das Rollenspiel als Einstieg oder als Prüfung funktioniert. Wer Advanced von Anfang an einsetzt, demotiviert neue Verkäufer. Wer nie über Easy hinausgeht, trainiert nichts.
Bevor ein Szenario dem Team zugewiesen wird: Teste es selbst. Gong erlaubt 9-Minuten-Testgespräche mit der KI-Persona. Überprüfe:
Wenn nicht — überarbeite die Szenario-Inputs, nicht die Scorecard. Die Scorecard bewertet das Verhalten. Das Szenario definiert den Kontext.
Siehe auch Artikel 4 — Value Selling trainieren: Warum Rollenspiele scheitern
Ein KI-Rollenspiel ohne Cadence ist wie ein Gym ohne Trainingsplan. Definiere:
Gong sendet Submission-Benachrichtigungen automatisch an den Direct Manager — und erlaubt es, Scores per Download (CSV) zu verfolgen und in Berichten auszuwerten.
"Übe einen Discovery Call" ist kein Szenario. Ohne definierte Persona, Kontext und Ziel reagiert die KI generisch — und das Training bringt nichts.
Easy für Erfahrene trainiert nichts. Advanced für Einsteiger demotiviert. Der Schwierigkeitsgrad muss zum Entwicklungsstand des Sellers passen.
Ein schlecht kalibriertes Szenario vermittelt falsche Verhaltensmuster. Immer selbst testen, bevor das Team drauf angesetzt wird.
Einmaliges Rollenspiel pro Quartal ist sinnlos. Wöchentliche Sessions bauen Verhalten auf — seltener als das ist nur Alibi-Training.
Wenn das Ziel "Einwandbehandlung" ist, aber die Scorecard "Präsentation" bewertet, misst du das Falsche.
KI-Rollenspiele sind kein Trend. Sie sind die skalierbare Antwort auf ein uraltes Trainingsproblem: Verkäufer brauchen Wiederholungen. Manager haben keine Zeit für tägliches Coaching. KI schließt diese Lücke — wenn das Szenario gut gebaut ist.
Der Blueprint ist klar: Lesson-Modul mit Kontext → präzise Szenario-Inputs → passender Schwierigkeitsgrad → Test → wöchentliche Cadence.
Dein nächster Schritt: Wähle die Gesprächssituation, in der dein Team am häufigsten scheitert (Einwand, Discovery-Frage, Closing). Bau dafür ein einziges KI-Szenario — mit echten Inputs, definierter Persona und einer Scorecard, die das Richtige bewertet. Führe es nächste Woche mit drei Verkäufern ein. Dann entscheidest du, ob du weiter ausrollst.
Artikel 4 — Value Selling trainieren: Warum Rollenspiele scheitern
Artikel 6 — Sales Coaching vs. Sales Training: Was wann hilft