Das KI-Angebot von Salesforce hat sich in den letzten zwei Jahren rasant erweitert, und es ist inzwischen leicht, den Überblick zu verlieren, welches Feature welches Problem löst. Es gibt drei Schichten, auf die es ankommt: Einstein (die KI-Engine), der Einstein Trust Layer (die Sicherheits- und Datenschutzkontrollen) und Agentforce (die autonomen Agenten darüber). Sie sitzen in dieser Reihenfolge aufeinander, und das Verständnis ihrer Beziehung ist die Voraussetzung dafür, ernsthaft mit ihnen zu arbeiten.
Salesforce Einstein
2016 startete Salesforce die Einstein-Plattform und brachte prädiktive KI in seine Clouds. Lead-Scoring, Opportunity-Insights, Case-Klassifizierung, also die Art von „so deutet die Datenlage” -Funktionen, die ein CRM von einem System of Record in etwas verwandelten, das Muster über Millionen von Datensätzen sichtbar machen konnte.
Fast ein Jahrzehnt später umfasst Einstein auch generative KI: das Entwerfen von Vertriebs-E-Mails, das Zusammenfassen von Case-Verläufen, das Generieren von Service-Antworten, also Aufgaben, in denen KI tatsächlich besser ist als ein gestresster Mensch um 17 Uhr am Freitag.
Was Einstein von einem extern genutzten Chat-KI-Tool unterscheidet, ist die native Einbettung in die Salesforce-Plattform. Einstein zieht Kontext aus Ihren CRM-Daten und aus den angebundenen Anwendungen, sodass die Ausgaben in Ihrer Geschäftsrealität geerdet sind, nicht in generischen Trainingsdaten. Eine von Einstein generierte E-Mail zu einer bestimmten Opportunity weiß über diese Opportunity Bescheid. Ein generisches LLM nicht.
Eine praktische Konsequenz: Wenn ein Account Executive Einstein nutzt, um nach einem Termin eine Folge-E-Mail zu entwerfen, referenziert der Entwurf die tatsächlich besprochenen Produkte, den vom Interessenten genannten Zeitplan und die Entscheidungs-Träger im Account. Nicht weil der AE es eingegeben hätte, sondern weil die Plattform es bereits weiß. Das ist der Unterschied zwischen KI, die Ihnen zehn Minuten spart, und KI, die es wert ist, im Workflow zu bleiben.
Der Einstein Trust Layer
Die häufigste, berechtigte Sorge zu KI im CRM ist klar: Wie nutze ich KI-Funktionen, ohne die Daten meines Unternehmens an ein Drittanbieter-Modell weiterzugeben? Der Einstein Trust Layer ist die Antwort von Salesforce.
Der Trust Layer ist eine Trennschicht zwischen den in Ihrem CRM gespeicherten Daten und den Large Language Models, die die generativen Funktionen antreiben. Es ist eine Kombination aus Vereinbarungen, Sicherheits-Technologie und Daten- und Datenschutz-Kontrollen, die Ihr Unternehmen beim produktiven Einsatz generativer KI schützen.
Praktisch enthält er:
- Zero-Data-Retention-Policy. Prompts und Antworten werden weder gespeichert noch zum Training von Modellen verwendet. Die Konversation endet, wenn Sie das Fenster schließen.
- Dynamisches Grounding mit sicherer Datenabfrage. Die richtigen Daten werden im richtigen Moment an den Prompt geheftet, mit Berechtigungs-Prüfungen. Ein Nutzer, der einen Account in Salesforce nicht sehen darf, kann ihn auch nicht von der KI zusammenfassen lassen.
- Prompt Defense. Schutz gegen Injection-Angriffe und Prompt-Manipulation.
- Daten-Maskierung. Sensible Felder (PII, Zahlungsdaten, regulierte Daten) werden vor dem Verlassen der Plattform verschleiert. Das Modell sieht einen Platzhalter, gibt einen Platzhalter zurück, und Salesforce setzt den echten Wert auf dem Rückweg wieder ein.
- Toxicity Scoring. Ausgaben werden auf unsichere oder unangemessene Inhalte hin bewertet, bevor Nutzer sie sehen.
- Audit-Trail. Jede Interaktion wird für Governance- und Compliance-Reviews protokolliert.
Der Trust Layer ist das, was „wir haben ChatGPT an unser CRM angebunden” (eine schlechte Idee) von „wir haben eine plattform-native KI-Schicht mit prüfbaren Kontrollen” trennt (die Antwort für jedes Unternehmen mit echten Compliance-Pflichten).
In unserer Arbeit ist der Trust Layer auch dort, wo die teuersten Missverständnisse passieren. Teams überspringen die Maskierungs-Konfiguration, sind sechs Monate im Projekt und stellen dann fest, dass Kunden-PII auf eine Weise an ein LLM geflossen ist, die einer Sicherheits-Prüfung nicht standhält. Es korrekt einmal aufzusetzen ist deutlich günstiger, als es nach einem Vorfall nachzurüsten.
Agentforce
Agentforce ist die Schicht über Einstein. Wo Einstein einen Vertriebs-Mitarbeitenden beim Schreiben einer E-Mail beschleunigt, nimmt Agentforce ihn für die richtige Art von Arbeit komplett aus der Schleife. Es ist eine proaktive, autonome KI-Anwendung, die spezialisierte, jederzeit verfügbare Unterstützung bietet, entweder für Ihre Mitarbeitenden oder direkt für Ihre Kunden.
Sie statten Agentforce mit dem Geschäftswissen aus, das es für seine spezifische Rolle braucht, und es arbeitet damit, in Ihren Daten, innerhalb Ihres Sicherheitsmodells. Der Agent ist kein Chatbot-Wrapper um ein LLM. Es ist ein konfigurierter Operator mit Berechtigungen, Topics und Actions, alles unter derselben Governance, die auch den Rest Ihres Salesforce regiert.
Zwei Szenarien, die uns am häufigsten begegnen:
Kundenanfragen lösen. Agentforce bedient Kunden autonom über alle Kanäle, rund um die Uhr, in natürlicher Sprache, mit Antworten, die in Ihren Geschäfts-Daten geerdet sind, statt in der eigenen Vorstellung. Bei wiederkehrenden Support-Fällen (wo ist meine Bestellung, wie setze ich mein Passwort zurück, was deckt meine Garantie ab) führt der Agent das Gespräch von Anfang bis Ende, ohne dass ein Mensch eingreift. Bei komplexeren Fällen kann er sauber mit vollem Kontext übergeben, sodass der Mensch dort fortsetzt, wo der Agent aufgehört hat, statt von vorn zu beginnen.
Interessenten qualifizieren. Agentforce beantwortet autonom Produktfragen, behandelt häufige Einwände und vereinbart Termine für den Vertrieb. Er handelt und antwortet präzise, weil seine Antworten in Ihren CRM- und Produktdaten geerdet sind, nicht im Trainingsset des LLM. Die ersten dreißig Sekunden eines Vertriebsgesprächs, der disqualifizierende oder qualifizierende Teil zur grundlegenden Passung, lassen sich vom menschlichen Team weg verlagern.
Wo dieser Stack typischerweise scheitert
Aus unserer Erfahrung teilen die meisten Agentforce-Projekte, die in Produktion straucheln, dieselben zwei Fehlermuster.
Nicht geerdete Topics. Das Team konfiguriert einen Topic-Prompt mit „der Agent soll bei Abrechnungs-Anfragen helfen” und vertraut darauf, dass das LLM herausfindet, was Abrechnung in Ihrem System bedeutet. Ohne explizite Erdung an reale Data Cloud-DMOs oder Salesforce-Objekte erfindet der Agent plausibel klingende Entitäten. Nutzer sehen darin einen Agenten, der sich Dinge ausdenkt. Engineers sehen ein fehlendes Schema. Wir haben darüber im Detail in Agentforce-Design ohne halluzinierten Kontext geschrieben.
Ungebundene Actions. Eine Action, die auf „Account aktualisieren” verdrahtet ist, ohne Vorbedingungen, ohne Validierung, ohne Logging des Warum. Sie funktioniert in 90 Prozent der Fälle. Die übrigen 10 Prozent korrumpieren still Ihre Daten, und der Audit-Trail lautet: „der Agent hat es gemacht.” Behandeln Sie Actions wie API-Endpoints, nicht wie sprachliche Bequemlichkeiten.
Was das für das Design heißt
Der Grund, warum dieser Stack zählt, ist, dass die drei Schichten weder optional noch austauschbar sind. Den Trust Layer überspringen, um schneller zu liefern, erzeugt echte Haftung. Die Disziplin im Agentforce-Design weglassen und es wie einen Chatbot behandeln, erzeugt die oben beschriebenen Fehlermuster.
Wenn die Schichten richtig gestaltet sind, ist Salesforce-KI ein echter Sprung in dem, was ein CRM für Sie tun kann. Wenn nicht, ist es eine selbstbewusste Halluzinations-Maschine, verdrahtet in Ihre Kundenbeziehungen. Der Unterschied liegt fast vollständig in der Gestaltung der Schichten, nicht darin, welche Features eingeschaltet werden.