Churn Prediction (Abwanderungsvorhersage)
Digital & KI →Churn Prediction erkennt aus Verhaltens- und Vertragsdaten, welche Kunden mit erhöhter Wahrscheinlichkeit abspringen – bevor sie kündigen. Der Wert liegt nicht in der Vorhersage selbst, sondern in der Zeit, die sie dem Vertrieb zum Gegensteuern verschafft.
Fachlich geprüft von Alexander Börsig · CEO B2B-Evolution GmbH · 25+ Jahre B2B-Vertrieb · Stand 2026-08-24
Kündigungen kündigen sich an
Kaum ein Kunde geht über Nacht. Vorher sinkt die Nutzung, bleiben Ansprechpartner-Wechsel unbeantwortet, werden Support-Tickets kritischer, verzögern sich Verlängerungsgespräche. Einzeln wirken diese Signale harmlos; im Muster erzählen sie eine klare Geschichte.
Churn-Modelle machen dieses Muster sichtbar, lange bevor die Kündigung auf dem Tisch liegt. Das verändert die Rolle der Kundenbetreuung grundlegend: von der Feuerwehr, die bei der Kündigung anrückt, zum Frühwarnsystem, das eingreift, solange die Beziehung noch zu retten ist.
Welche Signale in das Modell gehören
Die stärksten Prädiktoren sind Verhaltensdaten: Nutzungsintensität und -tiefe, Login-Frequenz, Reaktionszeiten auf Ihre Kommunikation. Dazu kommen Beziehungssignale – Wechsel des Champions, ausbleibende Termine – und kaufmännische Marker wie zähe Rechnungsläufe oder Nachverhandlungsdruck.
Auch ohne Machine Learning lässt sich damit arbeiten: Ein einfaches Ampelsystem aus fünf, sechs gewichteten Signalen, monatlich gepflegt, schlägt jede Nichtstun-Variante. Das Modell darf mit dem Unternehmen wachsen – entscheidend ist, dass überhaupt systematisch hingeschaut wird statt anlassbezogen.
Von der Warnung zur Rettung: das Playbook
Eine Risikoliste ohne Reaktionsprozess ist Dekoration. Jede Warnstufe braucht eine definierte Antwort: Wer kontaktiert den Kunden, mit welchem Anlass, in welchem Zeitfenster? Der Anruf darf dabei nie „Unser System zeigt ein Risiko“ heißen, sondern braucht einen echten Mehrwert-Aufhänger – eine Auswertung, ein Optimierungsvorschlag, ein Strategiegespräch.
Und messen Sie die Rettungsquote: Wie viele Risikokunden konnten gehalten werden, was hat gewirkt? Diese Erkenntnisse fließen zurück ins Modell und in die Prävention – die billigste Kündigung ist die, deren Ursache Sie strukturell abstellen.