Salesforce Einstein & Agentforce

Kurzfazit

Salesforce Einstein ist die KI-Schicht des weltweit führenden CRM-Systems, und mit Agentforce seit 2024 auch eine der ernstzunehmendsten Plattformen für autonome Unternehmens-Agenten. Wer Salesforce bereits nutzt, bekommt KI-Funktionen direkt in den vertrauten Workflows: Lead-Scoring im Vertrieb, Antwortvorschläge im Service, Kampagnenoptimierung im Marketing, dazu LLM-gestützte Copilots und konversationale Agenten. Stärken: tiefe Integration, EU-Hosting via Hyperforce, ausgefeilter Trust Layer, deutscher Support. Schwächen: intransparente Preise, hohe Einstiegshürde durch Data Cloud, ständig wechselndes Branding und ein Ökosystem, in dem KI ohne den richtigen Partner schwer produktiv wird. Für Salesforce-Kunden eine logische Erweiterung. Für alle anderen kein Grund, in das Ökosystem einzusteigen.

Für wen ist Salesforce Einstein?

Salesforce-Bestandskunden mit Enterprise-Edition: Wer bereits Sales Cloud oder Service Cloud Enterprise/Unlimited nutzt, hat viele Einstein-Funktionen schon lizenziert, Lead-Scoring, Opportunity Insights, Case Classification. Hier ist die Hürde am niedrigsten: KI-Werte aus vorhandenen Daten heben, ohne neue Tools einzuführen.

Customer-Service-Organisationen: Service Cloud mit Einstein Bots, Service Replies und Agentforce für autonome Tier-1-Anfragen ist 2026 eines der reifsten KI-Service-Setups am Markt. Wer große Mengen wiederkehrender Anfragen hat (Versorger, Banken, Telcos, Versicherer), bekommt mit Agentforce eine Plattform, die echte Fallabschlüsse liefert, nicht nur „intelligente FAQ”.

Vertriebsteams im B2B mit langem Sales-Cycle: Sales Cloud Einstein liefert Opportunity Scoring, Forecast-Korrekturen und Activity Capture (automatische Erfassung von Mails und Calls). Für Außendienst-Organisationen mit hunderten parallelen Pipelines ein realer Effizienzhebel.

Marketing-Teams mit Marketing Cloud: Einstein Personalization, Send-Time-Optimization und Engagement Scoring im Email- und Journey-Kontext. Besonders relevant für E-Commerce und große B2C-Marken mit Millionen-Kontaktdatenbanken.

Großunternehmen mit DSGVO-Anforderungen: Hyperforce (die Salesforce-Public-Cloud-Architektur auf AWS) ist seit 2022 mit Frankfurt- und Paris-Regionen verfügbar. Wer Daten zwingend in der EU verarbeiten muss, kann Einstein und Agentforce DSGVO-konform betreiben, mit AVV, Standardvertragsklauseln und dokumentierten Subprozessoren.

Weniger geeignet für: Unternehmen ohne Salesforce-Lizenz (Einstellungskosten zu hoch), KMU mit unter 50 Salesforce-Nutzern (wirtschaftliche Schwelle selten erreicht), Teams, die eine Stand-alone-LLM-Lösung wie ChatGPT oder Claude für Wissensarbeit suchen, und Käufer, die transparente Listenpreise erwarten, Salesforce verkauft fast ausschließlich über Account-Executives.

Preise im Detail

Komponente	Preis (Richtwert)	Was du bekommst
Sales Cloud Enterprise	ab 165 USD/User/Monat	Basis-CRM mit Einstein-Funktionen wie Opportunity Scoring, Activity Capture
Sales Cloud Einstein (Add-on)	ca. 50 USD/User/Monat	Erweiterte Predictive-Funktionen, Einstein Forecasting, Conversation Insights
Service Cloud Einstein	ca. 50 USD/User/Monat	Case Classification, Article Recommendations, Reply Recommendations
Einstein Discovery (Tableau CRM)	ab 75 USD/User/Monat	No-Code-ML, Predictive Modeling, Story Insights
Agentforce (nutzungsbasiert)	2 USD pro Konversation (Legacy) bzw. Flex Credits	Autonome Agenten in Service, Sales und benutzerdefiniert
Data Cloud	ab ca. 12.000 USD/Monat (108 Mio. Credits)	Voraussetzung für die meisten Agentforce-Szenarien, Zero-Copy-Datenintegration
Einstein Copilot / Studio	bestimmte Editionen + Add-on	LLM-gestützter Assistent in der Salesforce-UI

Einordnung: Das Pricing-Modell von Salesforce ist berüchtigt intransparent. Listenpreise sind ein Anker, die tatsächliche Zahl auf dem Angebot wird über Volumen, Vertragslaufzeit, Branche und Verhandlungsgeschick gesetzt. Realistischer Einstiegswert für ein Mittelstands-Setup mit 50 Nutzern und Agentforce-Pilot: sechsstellig pro Jahr, schnell siebenstellig sobald Data Cloud ernsthaft genutzt wird. Hinzu kommen Implementierungskosten, ein Salesforce-Partner berechnet typischerweise das 1- bis 3-Fache der Erstjahres-Lizenz für ein produktives Agentforce-Rollout. Faustregel: Wenn du dir Salesforce als CRM leisten kannst, kannst du dir auch Einstein leisten. Wenn nicht, ist beides die falsche Wahl.

Stärken im Detail

Tiefe Integration in den CRM-Datenfluss. Einstein analysiert nicht externe Daten, die du erst exportieren musst, sondern die Daten, die ohnehin im System liegen: Leads, Opportunities, Cases, E-Mail-Korrespondenz, Telefonnotizen. Das spart die wahrscheinlich nervigste Aufgabe jeder KI-Einführung: das Datenmodell aufzubauen. Für Bestandskunden bedeutet das Time-to-Value in Wochen statt Monaten, vorausgesetzt, die Salesforce-Daten sind sauber.

Agentforce als ausgereifte Agenten-Plattform. Salesforce hat 2024 mit Agentforce einen mutigen Schwenk vollzogen: Vom „Copilot, der vorschlägt” zum „Agent, der handelt”. Die Atlas Reasoning Engine plant mehrstufige Aufgaben, ruft Tools auf, wechselt zwischen Modellen (eigene xLAM-Modelle, OpenAI, Anthropic) und kann ganze Service-Tickets autonom bearbeiten. In der Praxis funktioniert das für klar abgegrenzte Use-Cases (Bestellstatus-Anfragen, einfache Vertragsänderungen, FAQ-ähnliche Beratung) bereits zuverlässig.

Einstein Trust Layer als ernsthafter Sicherheitsmechanismus. Bevor Daten an externe LLMs gehen, maskiert der Trust Layer personenbezogene Felder, prüft Toxizität, dokumentiert jede Anfrage in einem Audit-Log und erzwingt Zero-Retention beim Modellanbieter. Das ist kein Marketing-Wrapper, die Architektur ist offen dokumentiert und für Compliance-Teams in regulierten Branchen ein realer Verkaufsgrund.

Hyperforce mit echten EU-Regionen. Seit 2022 verfügt Salesforce mit Hyperforce über eine moderne Public-Cloud-Architektur auf AWS, mit Frankfurt und Paris als EU-Regionen. Datenresidenz ist konfigurierbar, AVV und Standardvertragsklauseln sind Standard, das Audit-Programm umfasst SOC 1/2/3, ISO 27001/27017/27018, C5 (BSI) und PCI DSS. Für deutsche Konzerne und den öffentlichen Sektor erreichbar, auch wenn die regulatorische Aufmerksamkeit gegenüber US-Anbietern hoch bleibt.

Data Cloud als Lingua Franca. Was lange das Problem von Einstein war, verstreute Datensilos zwischen Sales-, Service-, Marketing- und Drittsystemen, adressiert Data Cloud mit Zero-Copy-Integration zu Snowflake, BigQuery, Databricks und Redshift. Für ernsthafte Agentforce-Szenarien ist Data Cloud die Voraussetzung. Wer Data Cloud richtig aufsetzt, hat eine konsolidierte Kundensicht für alle nachgelagerten KI-Anwendungen.

Deutscher Support und Partnerlandschaft. Salesforce Deutschland GmbH sitzt in München, der deutschsprachige Support ist umfassend, das Partnerökosystem (Accenture, Deloitte, Capgemini, dazu Dutzende mittelständische Spezialisten wie comselect, factory42, Cloudtree) deckt alle Branchen ab. Wer Hilfe sucht, findet sie, anders als bei manchen US-only-KI-Anbietern.

Schwächen ehrlich betrachtet

Pricing ist eine Black Box. Salesforce hat in den letzten Jahren systematisch Listenpreise von der Website entfernt, vor allem für Add-ons und neuere Produkte wie Agentforce. Was du bezahlst, hängt von deinem Verhandlungsgeschick und Account-Volumen ab. Für mittelständische Käufer ist das anstrengend: Ohne erfahrenen Procurement-Lead oder Partner-Beratung zahlst du tendenziell überteuert. Ein „schneller Vergleich” wie bei ChatGPT oder Microsoft 365 Copilot ist schlicht nicht möglich.

Data Cloud ist die heimliche Hauptkostenposition. Viele Agentforce-Szenarien funktionieren erst sinnvoll mit Data Cloud, und Data Cloud kostet realistische fünf- bis sechsstellige Beträge pro Monat, abhängig von Datenvolumen, Profilen und Aktivierungen. Salesforce kommuniziert das nicht prominent. Käufer, die nur „Agentforce ausprobieren” wollen, sind oft überrascht, wenn der Implementierungspartner die Data-Cloud-Frage stellt.

Implementierung ohne Partner kaum machbar. Salesforce ist mächtig, aber komplex. Agentforce ergänzt diese Komplexität um Prompt-Builder, Plan-Builder, Atlas Reasoning Engine, Topic-Konfiguration und Action-Bibliotheken. Wer kein internes Salesforce-Architektenteam hat, braucht einen Partner, und Partner-Tagessätze liegen bei 1.500 bis 2.500 EUR. Realistische Einführungszeit: drei bis neun Monate für ein erstes produktives Agentforce-Setup.

Lock-in als strategische Konsequenz. Einstein liefert keinen Wert außerhalb von Salesforce. Wer in das Ökosystem einsteigt, baut Workflows, Datenmodelle und KI-Modelle, die nicht portabel sind. Das ist bei jedem CRM ein Thema, mit Agentforce wird der Lock-in aber tiefer, die Geschäftslogik wandert in Salesforce-spezifische Plan-Definitionen. Wer in fünf Jahren wechseln will, plant die Migration als Großprojekt.

Branding-Karussell verwirrt. Einstein GPT (2023) wurde zu Einstein Copilot (2024), wurde zu Agentforce 1 (Ende 2024), wurde zu Agentforce 2.0 (2025), wurde Teil der „Agentforce 360”-Plattform (2026). Funktionen werden umbenannt, neu zugeschnitten und in andere Produkte verschoben. Bestandskunden müssen jedes Halbjahr neu lernen, wie ihr Stack heißt, das ist mehr als nur kosmetisch, weil Schulungen, Dokumentation und Trailhead-Inhalte regelmäßig veralten.

Halluzinationen sind real. Der Trust Layer reduziert das Risiko, beseitigt es aber nicht. Agentforce-Agenten in produktiven Service-Settings produzieren weiterhin gelegentlich falsche Auskünfte, etwa zu Vertragskonditionen, Kulanzregelungen oder technischen Details. Wer Agentforce ohne Eskalations-Pfad zu menschlichen Agents einsetzt, geht ein reales Reputations- und Haftungsrisiko ein.

KMU-Wirtschaftlichkeit ist eine offene Frage. Salesforce hat mit „Starter” und „Pro Suite” zwar günstigere Pakete für KMU geschaffen, aber Einstein-Vollwert und Agentforce sind in diesen Editionen nur eingeschränkt verfügbar. Unter 50 Lizenzen lohnt sich das Setup ökonomisch selten, leichtere Tools wie HubSpot oder ein direkter LLM-Stack mit eigenem Workflow-Tool sind dann oft besser.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
KMU-tauglich, deutlich günstiger und mit transparenten Preisen starten willst	HubSpot
Microsoft-365-Stack hast und KI nahtlos in Outlook/Teams nutzen willst	Microsoft 365 Copilot
Eine Stand-alone-LLM-Lösung für Wissensarbeit suchst	ChatGPT
Differenzierte, qualitativ hochwertige Texte mit langem Kontext brauchst	Claude
Eine deutsche/europäische Foundation-Model-Alternative bevorzugst	Aleph Alpha

Erwähnenswert ohne eigene Tool-Seite oder direkten Vergleich: Microsoft Dynamics 365 mit Copilot (der direkte CRM-Konkurrent, bei Microsoft-Bestandskunden naheliegend), Oracle Fusion CRM mit AI Apps, SAP CX (mit Joule) für SAP-Bestandskunden, sowie spezialisierte Anbieter wie Cresta (für Service-KI) und Gong (für Vertriebs-Conversation-Intelligence). Salesforce Einstein bleibt der Marktstandard im KI-CRM-Segment, nicht weil es technologisch immer die Nase vorn hat, sondern weil die Installationsbasis so groß ist, dass jede Alternative gegen vorhandene Salesforce-Investitionen anargumentieren muss.

So steigst du ein

Schritt 1: Salesforce-Datenqualität prüfen. Vor der ersten Einstein-Lizenz steht eine ehrliche Bestandsaufnahme: Wie sauber sind Lead-Quellen, Opportunity-Stages, Account-Hierarchien, Custom-Felder? Einstein lernt aus deinen Daten, und liefert auf schlechten Daten schlechte Vorhersagen. Eine 4- bis 8-wöchige Datenbereinigungsphase mit dem zuständigen Salesforce-Admin ist die Grundlage. Ohne diesen Schritt gibst du Geld für Algorithmen aus, die auf Müll trainieren.

Schritt 2: Mit einem klar abgegrenzten Use-Case starten. Nicht „Agentforce für alles”, sondern z. B. „Service Cloud Einstein für Case-Klassifizierung im B2B-Support”. Definiere eine messbare Baseline (durchschnittliche Lösungszeit, First-Contact-Resolution-Rate, Eskalationsquote), führe Einstein für eine Pilotgruppe ein, miss nach 8 Wochen. Erst wenn der Pilot positive Zahlen liefert, denke an Skalierung oder den Sprung zu Agentforce.

Schritt 3: Partner einbinden, und früh, nicht spät. Auch wenn die Salesforce-Sales-Stelle „low-code” verspricht: Agentforce-Setups verlangen Architekturentscheidungen, die sich später nur teuer korrigieren lassen (Datenmodell in Data Cloud, Topic-Schnitt, Plan-Definitionen, Eskalationspfade). Ein zertifizierter Partner für ein 2- bis 4-wöchiges Discovery-Engagement spart erfahrungsgemäß ein Vielfaches der Beratungskosten in der späteren Implementierung.

Schritt 4: Trust Layer von Anfang an konfigurieren. Sensible Felder maskieren, Audit-Logs aktivieren, AVV mit Salesforce abschließen, Datenresidenz auf Hyperforce EU (Frankfurt) festlegen. Diese Themen vor dem ersten produktiven Einsatz zu klären, ist viel einfacher als sie nachträglich aufzuziehen, wenn der Datenschutzbeauftragte bei der ersten Audit-Anfrage Stop sagt.

Ein konkretes Beispiel

Ein deutscher Energieversorger mit 1,2 Millionen Privatkunden (ca. 280.000 Service-Anfragen/Jahr, 65 Service-Mitarbeitende) führt Agentforce für Tier-1-Anfragen ein. Setup: Service Cloud bereits seit 2019 im Einsatz, Data Cloud wird neu eingeführt und mit dem Abrechnungssystem (SAP IS-U) sowie dem Smart-Meter-Datenpool verknüpft. Agentforce übernimmt im Self-Service-Portal und im WhatsApp-Channel die häufigsten Anfragen: Abschlagsänderung, Zählerstandsmeldung, Vertragswechsel-Status, Rechnungserläuterung. Trust Layer maskiert Vertragsnummern und Bankverbindungen vor Übergabe an das LLM (Anthropic Claude über Salesforce-Brokerage). Eskalation an menschliche Agents bei allen Anfragen mit Reklamations- oder Kündigungs-Intent. Aufwand: 6 Monate Einführung mit zertifiziertem Partner, Investition im hohen sechsstelligen Bereich für Lizenzen plus mittlerer sechsstelliger Bereich Beratung. Effekt nach 6 Monaten Live-Betrieb: 41 % der Anfragen werden vollautomatisch gelöst, durchschnittliche Wartezeit für Live-Agent-Anfragen sinkt von 7,2 auf 2,8 Minuten, Net Promoter Score im Self-Service steigt von -4 auf +18. Was nicht funktioniert hat: Ein erster Versuch, Agentforce auch für komplexe Tarifberatung einzusetzen, wurde nach drei Wochen abgebrochen, die Beratungslogik war für autonome Bearbeitung zu vielschichtig.

DSGVO & Datenschutz

• Datenhosting: Hyperforce EU-Regionen verfügbar (Frankfurt, Paris). Datenresidenz konfigurierbar, aber Standard-Setup oft global, bei Vertragsabschluss explizit EU-Region wählen.
• Datennutzung: Eingaben in Einstein und Agentforce werden standardmäßig nicht für Modelltraining verwendet. Über den Trust Layer wird Zero-Retention bei externen LLM-Anbietern (OpenAI, Anthropic) erzwungen.
• Trust Layer: Maskierung personenbezogener Daten vor Übergabe an LLMs, Toxizitäts-Scan, Audit-Trail jeder KI-Interaktion.
• Auftragsverarbeitung (AVV): Standardmäßig verfügbar. Subprozessoren-Liste auf trust.salesforce.com einsehbar, umfasst u. a. AWS, OpenAI, Anthropic, Google.
• Compliance-Zertifikate: SOC 1/2/3, ISO 27001/27017/27018, C5 (BSI), PCI DSS, HIPAA für bestimmte Konfigurationen.
• Schrems-II-Risiko: Salesforce ist US-Konzern. Trotz EU-Hosting und Standardvertragsklauseln bleibt das Restrisiko bei US-Behördenanfragen, Datenschutzbeauftragte sollten eine Datenschutz-Folgenabschätzung dokumentieren.
• Empfehlung für Unternehmen: EU-Region (Frankfurt) zwingend, Trust Layer von Anfang an aktivieren, AVV vor Pilot abschließen, Subprozessoren-Liste regelmäßig prüfen, sensible Use-Cases (Gesundheitsdaten, Strafregister) gesondert mit dem Datenschutzbeauftragten bewerten.

Gut kombiniert mit

• Slack, gehört seit 2021 zu Salesforce. Agentforce-Agenten können direkt in Slack-Kanälen agieren, Genehmigungsworkflows ausführen und Ergebnisse mit dem CRM-Kontext anreichern. Für Salesforce-Kunden mit Slack-Bestand der naheliegende Integrationspunkt.
• Tableau, die Visualisierungs-Schwester aus dem Salesforce-Konzern. Einstein Discovery liefert Predictive-Modelle, Tableau visualisiert sie und integriert sie in BI-Dashboards. Für Analysten der Standard-Pfad zu erklärbarer KI im Salesforce-Stack.
• n8n, wenn Salesforce-Daten in andere Systeme orchestriert werden müssen (Brevo, Slack ohne Salesforce-Lizenz, Custom-APIs), liefert n8n die Drittanbieter-Brücke, ohne dass jeder Workflow in Salesforce gebaut werden muss. Für hybride Stacks mit Salesforce als CRM-Kern und vielen Satellitensystemen pragmatisch.

Unser Testurteil

Salesforce Einstein und Agentforce verdienen 4 von 5 Sternen. Im KI-CRM-Segment ist die Plattform der Marktstandard, kein Wettbewerber kombiniert Datenbasis, Tool-Tiefe, Trust Layer und EU-Hosting in vergleichbarer Reife. Für Bestandskunden ist Einstein eine logische, oft günstige (weil teilweise enthaltene) Erweiterung; Agentforce ist 2026 produktionsreif für klar abgegrenzte Service- und Vertriebs-Use-Cases. Den fünften Stern verlieren wir wegen der intransparenten Preisgestaltung, der versteckten Hauptkostenposition Data Cloud, des anhaltenden Branding-Karussells und der schlichten Tatsache, dass die Plattform für KMU mit unter 50 Lizenzen wirtschaftlich kaum trägt. Wer Salesforce nutzt, sollte Einstein und Agentforce ernsthaft evaluieren. Wer nicht, bleibt bei einer schlankeren Alternative.

Was wir bemerkt haben

• September 2024, Salesforce hat auf der Dreamforce Agentforce als „dritte Welle der KI” angekündigt: Erst Predictive (Einstein), dann Generative (Copilot), nun Agentic. Die strategische Wende vom „KI-Assistenten” zum „autonomen Mitarbeiter” wurde aggressiv kommuniziert und mit nutzungsbasiertem Pricing (2 USD/Konversation) untermauert.
• Februar 2025, Agentforce 2.0 erschien mit verbesserter Atlas Reasoning Engine, Slack-Integration und erweiterten Action-Bibliotheken. Salesforce kündigte gleichzeitig den Abbau von 1.000 Stellen an, und verwies darauf, dass Agentforce intern Customer-Support-Aufgaben übernehme. Die Botschaft an Käufer war eindeutig.
• Mitte 2025, Das nutzungsbasierte 2-USD-pro-Konversation-Modell stieß auf Käuferwiderstand: Schwer zu budgetieren, schwer zu prognostizieren. Salesforce führte daraufhin Flex Credits ein, die granularer pro Aktion abgerechnet werden. Bestandskunden berichten von erheblichen Verhandlungsspielräumen.
• Oktober 2025, Mit „Agentforce 360” wurde die Marke nochmals neu zugeschnitten: Agentforce als Plattform-Schicht über allen Salesforce-Clouds. Einstein bleibt als Produktname für die klassischen Predictive- und ML-Funktionen erhalten, wandert aber sichtbar in den Hintergrund.
• Mai 2026, Hyperforce ist für Frankfurt, Paris, London und weitere EU-Standorte verfügbar. Datenresidenz ist konfigurierbar, aber nicht Default, bei jedem Vertragsabschluss explizit verhandeln. Wer in der älteren First-Generation-Architektur (nicht Hyperforce) sitzt, sollte einen Migrationspfad mit dem Account-Manager besprechen, weil neue KI-Features bevorzugt für Hyperforce ausgerollt werden.