Pipesignal: Agentische KI für die autonome B2B-Projekterkennung

Evidenz und Umfang

Selbst entwickeltes Produktkonzept

Produktstrategie, Konzept und Entwicklung

Ein Produktkonzept mit aufgezeichneter Demo. Es wurde noch nicht mit einem Vertriebsteam getestet; Pipeline- oder Umsatzzahlen werden daher nicht behauptet.

Ergebnis und Evidenz

Industrievertriebe erfahren oft erst von einem Projekt, wenn die Spezifikation feststeht. Ich habe Pipesignal gebaut, um zu prüfen, ob öffentliche Signale sie früher ins Gespräch bringen: Es findet Signale, reichert sie an und priorisiert, was die Zeit eines Verkäufers verdient.

Meine Rolle

Ich habe das Produktbriefing geschrieben, das kommerzielle Konzept entwickelt und den Prototyp gebaut. Es ist eigene Produktarbeit, getrennt von meiner Anstellung.

Das Problem

Wenn eine Ausschreibung öffentlich wird, steht die Spezifikation meist fest. Frühere Signale stecken in Genehmigungen, Investitionsankündigungen und Planungsunterlagen, sind aber verstreut und aufwendig zu recherchieren.

Der Ansatz

• Öffentliche Projektsignale finden und die Quelle behalten.
• Nach Projektphase, Region und Beteiligten ordnen.
• Jedes Signal mit Agenten anreichern und dem Vertrieb Prioritäten vorschlagen.

Grenzen und Governance

Öffentliche Signale können unvollständig, veraltet oder falsch sein: Wert und Timing müssen an der Quelle geprüft werden, und Kontaktrecherche braucht passende Berechtigungen. Eine funktionierende Demo belegt noch keine verlässlichen Daten im Dauerbetrieb.

Ergebnis und Evidenz

Ein funktionierendes Konzept und eine aufgezeichnete Demo. Der nächste Test ist, ob ein echtes Vertriebsteam relevante Projekte früher findet, mit vertretbarer Genauigkeit und vertretbarem Aufwand.

Ergebnis und Evidenz

• Erkennungsziel: Signale vor Ausschreibungen
• Designmuster: Agentengestützte Recherche
• Evidenzstatus: Persönliches Konzept / Prototyp