KI in der B2B Buyer Journey: Vom Erstkontakt bis zum Vertragsschluss

Künstliche Intelligenz in der B2B Buyer Journey beschreibt den systematischen Einsatz von Large Language Models (LLMs) und Answer Engines durch Einkäufer, um komplexe Investitionsentscheidungen von der ersten Bedarfsanalyse bis zur finalen Vertragsprüfung automatisiert zu evaluieren und abzusichern. B2B-Anbieter müssen ihre Marketing- und Vertriebsprozesse grundlegend umstellen, da nicht mehr nur menschliche Gremien, sondern Algorithmen über die Aufnahme auf die Anbieter-Shortlist entscheiden.

Zusammenfassung: Was Sie für Ihre Strategie wissen müssen

• Verlagerung der Recherche: B2B-Einkäufer nutzen KI-Systeme wie Perplexity oder ChatGPT, um komplexe Spezifikationen direkt in konkrete Lösungsansätze zu übersetzen.
• Der neue Gatekeeper: Die KI generiert die erste Shortlist potenzieller Anbieter. Wer hier nicht von der Künstlichen Intelligenz genannt wird, ist faktisch unsichtbar.
• Abwertung klassischen Marketings: Phrasen und reines Branding werden von LLMs ignoriert. Zählen tun strukturierte Daten, technische Spezifikationen und verifizierte Kundenstimmen.
• Vertrieb wird beratungsintensiver: Da der Einkäufer durch KI bereits hochgradig vorinformiert in das Gespräch geht, fällt der klassische Standard-Pitch komplett weg.
• Content-Öffnung: Gated Content (PDFs hinter Formularen) blockiert die Ausbildung der KI-Modelle. Fachwissen muss frei zugänglich und maschinenlesbar sein.

Inhaltsverzeichnis

1. Wie verändert KI die klassische B2B Buyer Journey?
2. Wie nutzen Einkäufer KI in der Awareness-Phase?
3. Werden Shortlists jetzt von Künstlicher Intelligenz geschrieben?
4. Was passiert in der Decision-Phase bei der Anbieterauswahl?
5. Welche Konsequenzen hat das für das B2B-Marketing?
6. Wie muss der B2B-Vertrieb auf den KI-informierten Einkäufer reagieren?
7. Welche Daten und Tools sichern die Wettbewerbsfähigkeit?
8. Wie kauft ein Maschinenbauer im Jahr 2026 konkret ein?
9. Warum stehen Pricing und Positionierung durch KI unter Druck?
10. Wie sieht ein Transformationsplan für den Mittelstand aus?
11. FAQ zur KI in der B2B Buyer Journey

Wie verändert KI die klassische B2B Buyer Journey?

Die klassische B2B Buyer Journey gliedert sich traditionell in fünf Stufen: Awareness (Bewusstsein), Interest (Interesse), Consideration (Abwägung), Decision (Entscheidung) und Retention (Kundenbindung). In der Vergangenheit dominierte das Marketing die ersten Phasen durch Whitepaper, Messen oder SEO-optimierte Ratgeber. Der Vertrieb übernahm ab der Consideration-Phase mit Pitches und Demos.

Dieses lineare Modell bricht aktuell auf. Künstliche Intelligenz komprimiert die Recherchephasen erheblich und verschiebt den Kontaktpunkt zwischen Käufer und Verkäufer weit nach hinten. Ein Einkäufer verbringt heute bis zu 80 Prozent seiner Recherchezeit unabhängig von vertrieblichen Kontaktpunkten. Er delegiert die zeitaufwendige Informationsbeschaffung und Konsolidierung an KI-Systeme.

Der grundlegende Wandel zeigt sich im Informationsfluss. Früher suchte der Einkäufer nach Informationen, las Artikel auf verschiedenen Websites und baute sich sein eigenes Wissen auf. Heute stellt er einer Answer Engine eine hochspezifische Frage und erhält eine fertige, synthetisierte Antwort inklusive Anbieterempfehlungen.

Die folgende Tabelle verdeutlicht die direkten Unterschiede zwischen dem traditionellen und dem KI-gestützten Kaufprozess.

Diese Verschiebung bedeutet für Sie als Anbieter: Die Relevanz Ihres Unternehmens wird maschinell bewertet, lange bevor ein menschlicher Vertriebler eingreifen kann.

Wie nutzen Einkäufer KI in der Awareness-Phase?

In der Awareness-Phase erkennt der Einkäufer oder das Fachkomitee ein Problem im Unternehmen. Anstatt sich mühsam durch zehn verschiedene Fachportale zu klicken, verlagert sich diese Bedarfsklärung durch KI in der Awareness-Phase heute in Systeme wie Perplexity oder ChatGPT.

Einkäufer formulieren keine generischen Suchbegriffe mehr ("ERP System Mittelstand"). Sie nutzen detaillierte Prompts, die den exakten Zustand ihres Unternehmens beschreiben.

Typische Prompts in der modernen Beschaffung sehen so aus:

• "Wir sind ein mittelständischer Automobilzulieferer in Baden-Württemberg mit 500 Mitarbeitern und starken Lieferschwankungen aus Asien. Welche technologischen Ansätze helfen uns, unsere Supply Chain transparenter zu machen? Ignoriere reine Software-Konzepte ohne Hardware-Integration."
• "Erkläre mir die Vor- und Nachteile von On-Premise vs. Cloud-Infrastruktur für einen streng regulierten Medizintechnik-Hersteller nach ISO 13485."

Die KI liefert auf diese Anfragen keine Linkliste. Sie liefert ein direktes Gutachten. Sie strukturiert die Antwort, erklärt technische Hintergründe und nennt in der Regel direkt im Text erste Lösungsansätze oder Kategorien von Dienstleistern.

Für Ihr Unternehmen ergibt sich daraus eine klare Pflicht: Wenn Ihre Webinhalte nur aus oberflächlichen Marketing-Versprechen bestehen, kann die KI keine tiefgreifenden Antworten aus Ihrem Material extrahieren. Ihr Wissen muss exakt, maschinenlesbar und frei zugänglich im Netz stehen, damit die KI Ihre Expertise als Quelle für diese frühen Gutachten heranzieht. Nur so bauen Sie das Fundament für die nächste Phase.

Werden Shortlists jetzt von Künstlicher Intelligenz geschrieben?

Die Consideration-Phase ist der kritischste Punkt für den B2B-Vertrieb. Hier entscheidet sich, wer überhaupt die Chance auf ein Angebot erhält. Die Shortlist-Erstellung in ChatGPT und Co. verändert die Spielregeln der Anbieterauswahl komplett.

Bisher haben Einkäufer Gartner-Quadranten studiert oder Analystenberichte gelesen. Heute weisen sie ihre KI an, eine maßgeschneiderte Matrix zu erstellen. Ein typischer Arbeitsauftrag an die KI lautet: "Erstelle eine tabellarische Übersicht von fünf DACH-basierten PLM-Softwareanbietern, die direkte Schnittstellen zu SAP S/4HANA bieten und Referenzen im Anlagenbau haben. Vergleiche Preismodelle, Implementierungsdauer und Kernfunktionen."

Das Sprachmodell greift auf seine Trainingsdaten, aktuelle Web-Ergebnisse und strukturierte Datenbanken zurück, um diese Liste zu generieren. Wenn Ihr Unternehmen auf dieser maschinellen Shortlist fehlt, existieren Sie für den Käufer nicht. Niemand wird nach Ihnen suchen, wenn die KI fünf passende Konkurrenten perfekt aufbereitet präsentiert.

Nach welchen Kriterien KI-Modelle Anbieter auswählen

Um in diese Shortlists zu gelangen, müssen Sie verstehen, wie LLMs Vertrauen und Relevanz bewerten. Sprachmodelle gewichten Informationen anders als Suchmaschinen.

Das Ziel ist es, der KI möglichst reibungslos exakt die Daten zu liefern, die sie benötigt, um ihre Aufgabe – den objektiven Anbietervergleich – für den Nutzer zu erfüllen.

Was passiert in der Decision-Phase bei der Anbieterauswahl?

In der Decision-Phase stehen in der Regel drei Anbieter im direkten Wettbewerb. Hier kommt der menschliche Faktor ins Spiel – aber die KI sitzt als Co-Pilot am Verhandlungstisch.

Während früher Einkäufer tagelang PDFs wälzen mussten, um die Unterschiede in den Service Level Agreements (SLAs) oder den Lizenzbedingungen zu finden, übernimmt das heute die Maschine. Der Einkäufer lädt die drei eingegangenen Angebote in eine sichere, geschlossene Unternehmens-KI hoch.

Der Anbietervergleich in der finalen Kaufentscheidung passiert sekundenschnell. Die KI extrahiert versteckte Klauseln, vergleicht die Total Cost of Ownership (TCO) über fünf Jahre und formuliert direkte Fragen für die nächste Verhandlungsrunde.

Beispiel für eine KI-Aktion des Einkäufers:

• "Analysiere die drei hochgeladenen Rahmenverträge. Welcher Anbieter verlangt die höchsten Gebühren bei frühzeitiger Vertragskündigung? Welche SLA-Pönalen sind bei Anbieter A unklar formuliert?"

Für Sie als Verkäufer bedeutet das absolute Transparenzpflicht. Schwammige Formulierungen in Angeboten werden sofort entlarvt. Versteckte Preiserhöhungen im zweiten Vertragsjahr markiert die KI rot. Um in dieser Phase zu gewinnen, müssen Ihre Angebote, Verträge und ROI-Kalkulationen logisch wasserdicht, fair und strukturiert formuliert sein, damit die KI Ihres Kunden keine "Red Flags" ausgibt.

Welche Konsequenzen hat das für das B2B-Marketing?

Das B2B-Marketing verliert durch die KI-Suche seine Rolle als alleiniger Informationsverteiler und Lead-Generator über Gated Content. Wenn Einkäufer die KI befragen, muss Ihr Content in den Antworten der KI stattfinden. Diese Disziplin nennt sich Generative Engine Optimization (GEO) und löst mittelfristig große Teile der klassischen Suchmaschinenoptimierung ab.

Content muss maschinenlesbar und fachspezifisch sein

Marketingtexte mit Füllwörtern verfehlen ihr Ziel. KI-Modelle suchen nach Fakten, Zahlen, logischen Argumenten und Zusammenhängen. Entschlacken Sie Ihre Texte. Nutzen Sie klare Hierarchien, Tabellen, Bullet Points und direkt beantwortete Fragen.

Das Ende der Lead-Gated-Era

Das Verstecken von wertvollem Wissen hinter Formularen (Gated Content) erweist sich als fataler Fehler. Bots und Crawler von OpenAI oder Anthropic füllen keine Formulare aus. Ihr bestes Fachwissen, Ihre tiefsten Studien und Ihre stärksten Case Studies bleiben der KI verborgen, wenn sie hinter einer E-Mail-Schranke liegen. Sie tauchen folglich nicht in den KI-Antworten auf. B2B-Marketer müssen den Mut haben, hochwertiges Wissen frei verfügbar zu machen.

Account Based Marketing verändert sich

Auch das gezielte Ansprechen von Wunschkunden muss neu gedacht werden. Ein modernes Account Based Marketing im KI-Zeitalter nutzt selbst prädiktive KI, um zu erkennen, wann ein Buying Center bei einem Zielkunden in den Recherchemodus wechselt. Anstatt den Kunden mit Standard-E-Mails zu bombardieren, werden hochspezifische, auf das Problem des Kunden zugeschnittene Micro-Websites generiert, die sowohl für das Buying Center als auch für deren interne KI-Tools perfekt auslesbar sind.

Ihre Aufgabe im Marketing verschiebt sich von der Generierung reiner Reichweite hin zur Generierung von Relevanz und maschineller Zitierfähigkeit.

Wie muss der B2B-Vertrieb auf den KI-informierten Einkäufer reagieren?

Wenn der Kunde das erste Mal Kontakt zum Vertrieb aufnimmt, hat er die Awareness- und Consideration-Phase oft schon intensiv mit seiner KI durchleuchtet. Er kennt Ihre Preise (aus Foren oder Schätzungen der KI), Ihre Schwächen und Ihre Wettbewerber.

Ein Vertriebsmitarbeiter, der in diesem Moment eine Standard-Präsentation aus der Tasche zieht, verliert den Deal. Ein Sales Enablement für die KI-Ära bedeutet, dass der Vertriebsmitarbeiter auf Augenhöhe mit dem hochinformierten Einkäufer agieren muss.

Der Discovery-Call wird zur Fachexpertise

Der erste Call dient nicht mehr dazu, das eigene Unternehmen vorzustellen. Er dient der Verifizierung. Der Kunde testet, ob die Praxis hält, was die KI-Recherche versprochen hat. Vertriebler benötigen tiefes Branchenwissen und müssen konkrete Use-Cases aus der Welt des Kunden diskutieren können.

KI-generierte Battlecards

Der Vertrieb muss seinerseits KI nutzen. Vor einem Termin analysiert der Vertriebler das Zielunternehmen. KI-Tools durchsuchen Geschäftsberichte, Pressemitteilungen und LinkedIn-Aktivitäten der Ansprechpartner, um eine aktuelle "Battlecard" zu erstellen. Der Vertriebler weiß genau, dass das Unternehmen des Einkäufers gerade in eine neue Region expandiert oder Probleme mit Lieferketten hat, und passt seine Argumentation exakt in Sekundenschnelle an.

Die Rolle des B2B-Verkäufers wandelt sich vom Überzeuger zum strategischen Berater (Trusted Advisor). Er moderiert die finale Risikoabwägung, die die KI dem Einkäufer nicht abnehmen kann: das Vertrauen zwischen Menschen.

Welche Daten und Tools sichern die Wettbewerbsfähigkeit?

Um diese komplexe, KI-gesteuerte Journey zu beherrschen, reicht ein einfaches CRM nicht mehr aus. Der B2B-Mittelstand muss seine Technologie-Stack aufrüsten, um Signale früher zu erkennen und KI-Modelle gezielt zu beeinflussen. Der Kampf um die KI-Sichtbarkeit für den Mittelstand entscheidet sich an der Datenqualität.

Intent Data Plattformen

Wenn die Recherche des Kunden in offenen KIs und Dark Social (nicht messbaren Foren und Slack-Gruppen) stattfindet, müssen Sie alternative Signale messen. Intent-Data-Tools analysieren IP-Adressen, Konsumverhalten von Drittseiten und Branchentrends, um Ihnen zu signalisieren: "Achtung, Firma X beschäftigt sich gerade massiv mit dem Thema Y." Sie greifen vertrieblich an, bevor Firma X eine offizielle Anfrage stellt.

Strukturierte Wissensdatenbanken (Knowledge Graphs)

Damit LLMs Ihr Unternehmen richtig einordnen, müssen Sie strukturierte Daten auf Ihrer Website bereitstellen. Schema-Markup (JSON-LD) hilft der Maschine zu verstehen, was ein Produkt, wer ein Autor und was eine Unternehmensreferenz ist. Sie bauen faktisch einen Graph auf, aus dem sich die KIs bedienen.

Trackingsysteme für LLM-Mentions

Sie müssen messen, ob Sie in KI-Antworten auftauchen. Tools, die simulieren, welche Antworten ChatGPT oder Perplexity auf relevante Branchen-Prompts geben, ordnen Ihre Sichtbarkeit ein. Wenn Sie bei der Frage "Führende europäische Anbieter für Industrie-Laserschneiden" nicht auftauchen, identifiziert das Tracking-Tool diese Lücke und Sie können gegensteuern (etwa durch Fachartikel exakt zu diesem Thema).

Wie kauft ein Maschinenbauer im Jahr 2026 konkret ein?

Um die Theorie greifbar zu machen, betrachten wir ein fiktives, aber sehr realistisches Praxisbeispiel aus dem DACH-Raum zur KI im B2B Einkauf.

Das Szenario: Die "Müller Anlagentechnik GmbH" aus NRW baut industrielle Kühlanlagen. Der Einkaufsleiter, Herr Schmidt, erhält den Auftrag, einen neuen Zulieferer für Hochleistungs-Sensorik zu finden, da der alte Lieferant Qualitätsprobleme aufweist.

Tag 1 (Awareness): Herr Schmidt googelt nicht nach "Sensoren Industrie". Er öffnet sein KI-Tool (z.B. Perplexity Pro) und schreibt: "Wir bauen Industriekühlanlagen, die bei bis zu -40 Grad Celsius zuverlässig arbeiten müssen. Unser aktueller Sensor-Lieferant hat Ausfallraten von drei Prozent wegen Kondenswasser. Welche Sensortechnologien lösen dieses Problem und welche Materialklassen sind hierfür in der EU zugelassen?" Die KI liefert eine technische Abhandlung über kapazitive vs. optische Sensoren unter Extrembedingungen.

Tag 3 (Consideration): Nach Abstimmung mit der Technikabteilung fordert Schmidt von der KI: "Nimm die kapazitiven Sensoren. Erstelle mir eine Liste von vier deutschen Herstellern, die Losgrößen von 5.000 Stück liefern können, ISO 9001 zertifiziert sind und eine API für unser Einkaufs-ERP bieten. Mache eine Tabelle mit Vor- und Nachteilen." Die KI liefert Anbieter A, B, C und D. Ein fünfter Anbieter, der technisch perfekt passen würde, taucht nicht auf. Warum? Seine Website besteht nur aus Produktbildern und PDF-Datenblättern ohne Text. Die KI konnte ihn nicht richtig einordnen.

Tag 5 (Kontaktaufnahme & Decision): Schmidt kontaktiert die Anbieter A, B und C über deren Website. Anbieter A meldet sich mit einem Standard-Katalog. Anbieter B schickt einen Vertriebler, der die Historie seines Unternehmens präsentiert. Anbieter C hat über Intent-Data erkannt, dass die Müller GmbH von einer IP-Adresse intensiv nach "Kondenswasser Ausfallraten Sensoren" gesucht hat. Der Vertriebler von Anbieter C nutzt seine KI-Battlecard, ruft Herrn Schmidt an und sagt: "Herr Schmidt, wir haben spezielle Gehäuse, die Kondenswasserausfälle bei -40 Grad eliminieren. Sollen wir uns genau diesen Use-Case einmal ansehen?"

Der Deal geht an Anbieter C, da dieser das genaue Problem kannte und maschinell auslesbaren Content besaß, der ihn überhaupt auf die Shortlist brachte.

Warum stehen Pricing und Positionierung durch KI unter Druck?

Ein oft übersehener Effekt der KI in der B2B Buyer Journey ist die Neutralisierung emotionaler Marketing-Botschaften. B2B-Unternehmen investieren viel Geld in Markenbildung ("Wir stehen für Innovation und Vertrauen"). KI-Modelle filtern diese Floskeln radikal heraus.

Für eine KI zählt reine Logik. Wenn Sie Ihr Produkt 20 Prozent teurer verkaufen als der Marktstandard, brauchen Sie harte, datenbasierte Fakten, um diesen Preis vor der künstlichen Intelligenz zu rechtfertigen. Ein "besseres Gefühl" oder eine "lange Tradition" sind für einen Algorithmus nicht berechenbar.

Die KI vergleicht:

1. Feature-Parität: Hat Produkt A die gleichen Funktionen wie Produkt B?
2. Ressourcenverbrauch: Wie viel Zeit kostet die Implementierung bei A im Vergleich zu B?
3. Kostenstruktur: Wie hoch sind die initialen Lizenzen, Wartungsverträge und Exit-Kosten?

Wenn Sie keinen dokumentierten Mehrwert (etwa nachgewiesene ROI-Studien, gemessene Zeitersparnis bei Bestandskunden, messbare Reduktion von Fehlerraten) frei zugänglich im Web publiziert haben, stempelt die KI Sie schlichtweg als die teurere – und damit schlechtere – Option ab. Ihre Positionierung muss sich von "Wir sind die Besten" zu "Hier sind die mathematischen und fachlichen Beweise, warum unsere Lösung am rentabelsten ist" wandeln.

Wie sieht ein Transformationsplan für den Mittelstand aus?

Sie müssen nicht sofort Ihr gesamtes Unternehmen umkrempeln. Eine schrittweise Anpassung sichert den Erfolg. Setzen Sie auf diesen 12-Monats-Plan, um Ihre B2B Buyer Journey KI-sicher zu machen.

Quartal 1: Analyse und Entschlackung

• Identifizieren Sie veralteten oder rein werblichen Content auf Ihrer Website.
• Öffnen Sie mindestens 50 Prozent Ihres Gated Contents (löschen Sie die Formularschranken für Ihre besten Whitepaper).
• Schulen Sie das Marketing-Team in den Grundlagen der Generative Engine Optimization.

Quartal 2: Strukturierte Daten und Expertise

• Implementieren Sie Schema-Markup (JSON-LD) auf allen wichtigen Produkt- und Lösungsseiten.
• Bauen Sie eine öffentliche FAQ-Sektion auf, die extrem spezifische, technische Kundenfragen im Klartext beantwortet.
• Sammeln Sie aktiv detaillierte Kundenrezensionen auf unabhängigen B2B-Plattformen.

Quartal 3: Sales Enablement

• Rüsten Sie Ihren Vertrieb mit KI-Tools für die Vorbereitung von Discovery-Calls aus.
• Trainieren Sie die Vertriebsmitarbeiter darauf, von reinen Firmenpräsentationen auf lösungsfokussierte Dialoge umzusteigen.
• Verknüpfen Sie CRM-Daten mit Intent-Data-Signalen.

Quartal 4: Tracking und iteratives Lernen

• Setzen Sie Tools ein, um Ihre Erwähnungen in KI-Modellen (Perplexity, ChatGPT) systematisch zu überwachen.
• Vergleichen Sie Ihre eigenen Angebote intern durch KI mit denen Ihrer Konkurrenz, um Schwachstellen vor dem Kunden zu finden.
• Passen Sie Ihre Content-Strategie anhand der Fragen an, die Kunden-KIs Ihrem Vertrieb stellen.

Wer diesen Wandel aktiv gestaltet, gewinnt Marktanteile von Konkurrenten, die weiterhin hoffen, dass der Einkäufer geduldig ihre Marketing-PDFs liest. Die Ära der maschinellen Bewertung hat längst begonnen. Es liegt an Ihnen, der Maschine die richtigen Argumente zu liefern.

FAQ zur KI in der B2B Buyer Journey

Wie lange dauert es, bis unsere Inhalte von KI-Modellen gefunden werden?

KI-Modelle crawlen das Web in unterschiedlichen Zyklen. Perplexity ruft Echtzeit-Daten ab, hier können Änderungen in wenigen Tagen sichtbar werden. Große Fundament-Modelle wie die Basisversionen von ChatGPT oder Claude trainieren in Epochen. Es kann Monate dauern, bis tief sitzendes Basiswissen aktualisiert ist. Konsistenz ist daher entscheidend.

Sollen wir überhaupt keine Formulare mehr zur Lead-Generierung nutzen?

Formulare sind nicht obsolet, ihr Einsatzzweck ändert sich aber. Nutzen Sie sie für transaktionale Dinge: Demo-Anfragen, Konfigurationen, spezifische Beratungen oder Preiskalkulationen. Reines Fachwissen, Case Studies und technische Spezifikationen sollten frei zugänglich sein, damit sie von den LLMs indiziert werden können.

Ist der menschliche Vertrieb durch die KI überflüssig?

Nein, seine Rolle verschiebt sich massiv. Die KI bereitet die Entscheidung logisch vor, sie trifft sie aber nicht. B2B-Käufe sind mit Risiken für die Karriere des Einkäufers verbunden. Der Vertriebler sichert Vertrauen ab, navigiert interne Unternehmenspolitiken und löst hochkomplexe Spezialfälle, bei denen die KI an ihre Grenzen stößt.

Welche Tools eignen sich zur Überprüfung unserer KI-Sichtbarkeit?

Es gibt noch keine Standard-Suite wie Google Analytics für KI. Aktuell helfen manuelle Prompts in den gängigen Systemen (ChatGPT, Claude, Perplexity), spezielle GEO-Tracking-Software (die sich gerade formiert) und Tools für Brand-Mentions, die den Anteil an Markennennungen in fachspezifischen Kontexten überwachen.

Verstehen Sprachmodelle komplexe DACH-Mittelstands-Nischen?

Ja, erstaunlich gut. Solange das Nischenwissen irgendwo im Internet, in Fachforen, Patentdatenbanken oder auf Fachportalen dokumentiert ist, kann ein LLM diese Konzepte verknüpfen. Wenn Ihre Nische ausschließlich offline existiert, wird die KI sie ignorieren.

Worauf achtet die KI bei der Analyse unserer Konkurrenz?

Die KI achtet primär auf Dichte und Qualität von Informationen. Sie prüft, ob die Specs vollständig sind, sucht nach Kundenstimmen Dritter, analysiert das Pricing-Modell (sofern öffentlich) und vergleicht technische Integrationsmöglichkeiten. Fehlende Informationen werden von der KI unweigerlich als Nachteil oder Risiko bewertet.