---
title: "Integration von CRM-Daten in Minds: Der Leitfaden zur Datenverankerung"
description: "Erfahren Sie, wie Insights-Teams synthetische Minds-Panels mithilfe des dreistufigen Datenverankerung-Workflows in First-Party-CRM- und Befragungsdaten verankern."
canonical_url: "https://getminds.ai/guide/de/how-to-integrate-crm-data-insights-leads-using-minds-three-stage-datenverankerung"
last_updated: "2026-11-22T09:33:56.823Z"
---

# Verankerung von Minds-Simulationen in CRM-Daten: Das dreistufige Datenverankerung-Playbook

Minds ermöglicht es Insights-Teams, kommerzielle synthetische Forschung durch die dreistufige Datenverankerung in First-Party-CRM-Daten zu verankern. Durch das Einpflegen von Verhaltensmerkmalen, Einstellungswerten und Transaktionshistorien in Minds PRISM erstellen Teams kalibrierte Audiences, die reale Kundensegmente für Konzeptauswahl, Claim-Ranking und Positionierungsentscheidungen ohne Rekrutierungsverzögerungen simulieren.

Für Insights-Leads, die synthetische Forschungsplattformen evaluieren, ist die Verankerung die zentrale Hürde. Generische Large Language Models simulieren durchschnittliche Internetnutzer, nicht aber Ihre abwanderungsgefährdeten Enterprise-Accounts, Abonnenten mit hohem LTV oder inaktiven Käufer. Wenn synthetischen Personas die Verbindung zu Ihren operativen Datensätzen fehlt, driften Simulationen in einen generischen Konsens ab.

Ebene 01 (Datenverankerung) schließt diese Präzisionslücke. Sie bietet eine strukturierte Methodik, um tabellarische CRM-Attribute, Transaktionsmuster und frühere Befragungsergebnisse in voll funktionsfähige Minds zu transformieren. Das Ergebnis ist eine Simulationsschicht, die in der Lage ist, qualitative Explorationen, quantitative Fragebögen und Forced-Choice-Methoden wie MaxDiff mit verifizierten Kundenprofilen durchzuführen.

## Die zentrale Herausforderung: Warum generische Personas in der kommerziellen Forschung scheitern

Kommerzielle Forschung erfordert Nuancen, die generische Persona-Prompts nicht liefern können. Wenn ein Insights-Team ein unvollständig verankertes Modell fragt, wie eine Zielgruppe auf eine Preiserhöhung oder eine Verpackungsänderung reagiert, spiegelt das Ergebnis die allgemeine Stimmung im Web wider und nicht die ökonomischen Trade-offs bestehender Käufer.

### Die Tücken flacher Persona-Prompts

Standardmäßige Chat-Assistenten stützen sich auf allgemeine demografische Beschreibungen: *Sie sind ein 35-jähriger Marketingmanager, der Wert auf Effizienz legt.* Dieser Ansatz birgt gravierende methodische Schwächen:

1. Fehlende Verhaltenshürden: Generischen Personas fehlen historische Rahmenbedingungen wie vertragliche Verlängerungstermine, Abhängigkeiten bestehender Tech-Stacks und vergangene Budgetablehnungen.
2. Homogene Zustimmung: Ohne explizite Verankerung von Einstellungen stimmen generische Personas Nutzenversprechen zu leichtfertig zu, was echte Reibungspunkte im Markt verschleiert.
3. Unfähigkeit, strukturierte Trade-offs durchzuführen: Methoden wie MaxDiff oder Discrete Choice erfordern konsistente zugrunde liegende Nutzenfunktionen, die Prompt-basierte Personas über mehrere Aufgaben hinweg nicht aufrechterhalten können.

### Die Belastung durch wiederholte Rekrutierung menschlicher Panels

Der Versuch, jede explorative Studie über traditionelle Kundenpanels durchzuführen, bremst den operativen Betrieb:

- Panel-Ermüdung: Wenn Sie Ihre obersten 5 % der wertvollsten Accounts alle zwei Wochen befragen, schadet das der Kundenbeziehung und senkt die Rücklaufquoten.
- Rekrutierungsverzögerung: Die Durchführung einer quantitativen Studie über spezialisierte B2B- oder B2C-Kundensegmente dauert oft drei bis fünf Wochen, was Produkt- und Marketingzyklen blockiert.
- Hohe Incentive-Kosten: Die Entlohnung von spezialisierten Enterprise-Einkäufern oder verifizierten einkommensstarken Konsumenten treibt die Forschungsbudgets für frühe Konzeptprüfungen in die Höhe.

Die Integration von CRM-Daten in Minds schafft eine wiederverwendbare Forschungsinfrastruktur. Sobald Ihre Kundendatensätze in Audiences verankert sind, kann Ihr Team iterative Studies nach Belieben durchführen und menschliche Feldtests ausschließlich für Fragen mit spezifischen empirischen Evidenzlücken reservieren.

## Die Architektur von Ebene 01: Dreistufige Datenverankerung

Minds PRISM fungiert als Reasoning-, Inferenz- und Quellenmodellierungs-Engine hinter jedem Mind. Um PRISM in der Realität Ihres Unternehmens zu verankern, strukturiert der Datenverankerung-Workflow Kundendaten über drei verschiedene Stufen.

```text
Stufe 1: Ingestion & Schema-Normalisierung
[Roh-CRM / Data Warehouse] -> [Kategoriale & numerische Bereinigung] -> [Verhaltensbasiertes Clustering]

Stufe 2: Mapping von Einstellungs- & Verhaltensankern
[Befragungs- / NPS- / CSAT-Daten] + [Nutzungsmetriken] -> [Semantische Profilformulierung in PRISM]

Stufe 3: Audience-Instanziierung & methodische Kalibrierung
[Kalibrierte Minds] -> [Generierung gespeicherter Audiences] -> [Study-Ausführungsschicht]
```

### Stufe 1: Ingestion und Schema-Normalisierung

Rohe CRM-Exporte enthalten operatives Rauschen: Kontakt-E-Mails, Rechnungsadressen, Ticket-Zeitstempel und eindeutige Identifikatoren. Stufe 1 entfernt operative Kennungen und isoliert gleichzeitig die spezifischen Variablen, die kommerzielle Entscheidungen steuern.

Das Ingestion-Schema konzentriert sich auf vier primäre Datenvektoren:

1. Transaktionsdynamik: Bestellhäufigkeit, Vertragsklasse, durchschnittlicher Bestellwert (AOV), Expansionshistorie und Zeit seit dem letzten Kauf.
2. Produktinteraktion: Aktive Feature-Nutzung, Login-Häufigkeit, Support-Ticket-Volumen und Workflow-Engpässe.
3. Demografische und firmografische Grundlagen: Unternehmensgröße, Branche, Region, Seniorität der Rolle oder Haushaltsnettoeinkommensklasse.
4. Akquisitionskanal: Organische Suche, Paid Performance, Outbound Sales oder Partner-Empfehlungen, um die ursprüngliche Absicht zu erfassen.

In dieser Phase werden kontinuierliche Metriken in Verhaltenscluster normalisiert. Anstatt beispielsweise rohe tägliche Aktivitätsminuten zu übergeben, werden Accounts in kalibrierte Engagement-Quartile mit spezifischen Nutzungstriggern eingeteilt.

### Stufe 2: Mapping von Einstellungs- und Verhaltensankern

Transaktionsdaten zeigen, *was* Kunden getan haben, aber kommerzielle synthetische Forschung erfordert das Verständnis dessen, *warum* sie es getan haben. Stufe 2 verbindet verhaltensbezogene CRM-Datensätze mit qualitativen Befragungsdaten, CSAT-Rückmeldungen, NPS-Freitexten oder Win/Loss-Notizen.

Minds PRISM verarbeitet diese Eingaben, um stabile kognitive Anker für jeden Mind zu etablieren:

- Werteprioritäten: Auf welches konkrete Ergebnis optimiert dieses Profil (z. B. Implementierungsgeschwindigkeit gegenüber Gesamtbetriebskosten)?
- Kategorieskepsis: Welche früheren Enttäuschungen oder Anbieterfehler prägen die Bewertung neuer Claims?
- Entscheidungsbefugnis: Handelt es sich bei diesem Mind um einen alleinigen wirtschaftlichen Entscheider, einen technischen Gatekeeper oder einen täglichen Endnutzer, der interne Beschaffungshürden überwinden muss?

Durch die Verknüpfung qualitativer Stimmungsbilder mit quantitativen CRM-Segmenten stellt PRISM sicher, dass simulierte Antworten die realen Spannungsfelder innerhalb Ihres Kundenstamms widerspiegeln.

### Stufe 3: Audience-Instanziierung und methodische Kalibrierung

Sobald Profile synthetisiert sind, werden sie als eigenständige Minds innerhalb einer wiederverwendbaren Audience in Minds instanziiert. Eine Audience kann bis zu 200 Minds pro Gruppe umfassen und ausgewogene Querschnitte Ihrer Kundensegmente abbilden.

In dieser Phase wendet Minds eine methodische Kalibrierung an, um Verhaltenskonsistenz über verschiedene Studienformate hinweg zu gewährleisten:

- Offene qualitative Exploration: Sicherstellung, dass Tiefe, Tonalität und spezifisches Vokabular dem erfassten Kundensegment entsprechen.
- Skalierte Fragebögen: Kalibrierung von Basisbewertungen anhand historischer CSAT- und NPS-Verteilungen, damit die Simulation Zufriedenheitswerte nicht künstlich überhöht.
- Forced-Choice-Methoden: Etablierung von Nutzen-Baselines für MaxDiff-Studien, um sicherzustellen, dass Trade-offs zwischen Preisgestaltung, Packaging und Feature-Claims der kommerziellen Realität entsprechen.

## Schritt-für-Schritt-Implementierung: Aufbau einer verankerten Audience

Um Ebene 01 in Ihrem Workspace umzusetzen, folgen Sie diesem strukturierten operativen Ablauf.

### Schritt 1: Quelldatensätze extrahieren und segmentieren

Extrahieren Sie eine repräsentative Kohorte aus Ihrem CRM oder Ihrer Kundendatenplattform (z. B. Salesforce, HubSpot, Segment, Snowflake). Streben Sie 50 bis 200 unterschiedliche Kundenarchetypen an, die die Kernvarianz Ihrer Zielgruppe abdecken.

<table>
<thead>
  <tr>
    <th align="left">
      Segment-ID
    </th>
    
    <th align="left">
      Zentrale Verhaltensmetrik
    </th>
    
    <th align="left">
      Einstellungstreiber (Befragung/NPS)
    </th>
    
    <th align="left">
      Primäre Einschränkung
    </th>
  </tr>
</thead>

<tbody>
  <tr>
    <td align="left">
      Tier A: Enterprise Power
    </td>
    
    <td align="left">
      Tägliche Nutzung, 5+ Seats, ARR > 50.000 €
    </td>
    
    <td align="left">
      Hoher NPS (9-10), schätzt Workflow-Automatisierung
    </td>
    
    <td align="left">
      Lange Beschaffung, strenge Sicherheit
    </td>
  </tr>
  
  <tr>
    <td align="left">
      Tier B: Mid-Market Growth
    </td>
    
    <td align="left">
      Wöchentliche Nutzung, 2-4 Seats, ARR 10.000 € - 30.000 €
    </td>
    
    <td align="left">
      Passiver NPS (7-8), sensibel bei Onboarding-Geschwindigkeit
    </td>
    
    <td align="left">
      Begrenzte interne technische Ressourcen
    </td>
  </tr>
  
  <tr>
    <td align="left">
      Tier C: At-Risk Lapsed
    </td>
    
    <td align="left">
      Monatlicher Nutzungsrückgang > 40 %
    </td>
    
    <td align="left">
      Detraktor-NPS (0-6), bemängelt UI-Komplexität
    </td>
    
    <td align="left">
      Budgetprüfungen, evaluiert Alternativen
    </td>
  </tr>
</tbody>
</table>

### Schritt 2: Quelldateien in Minds hochladen

Erstellen Sie in Ihrem Minds-Workspace eine neue Audience. Laden Sie Ihre strukturierten Segmentprofile, Forschungsnotizen oder Synthesedateien direkt in die Audience-Konfigurationsoberfläche hoch.

Sofern für Ihren Workspace aktiviert, ermöglicht Minds das Erstellen von Audiences anhand von Beschreibungen, hochgeladenen Datendateien oder direkten Dokumentationslinks. PRISM analysiert die strukturierten Attribute und erstellt individuelle Minds, welche die in Ihren Quelldaten definierten demografischen, verhaltensbezogenen und einstellungsbasierten Merkmale übernehmen.

### Schritt 3: Baseline-Verifizierungsstudien durchführen

Bevor Sie die verankerte Audience für entscheidende Konzept- oder Messaging-Entscheidungen einsetzen, führen Sie eine Kalibrierungs-Study mit bekannten historischen Fragen durch.

1. Testen Sie frühere NPS- oder Feature-Zufriedenheitsfragen an der Audience.
2. Vergleichen Sie die simulierte Gesamtverteilung mit Ihren tatsächlichen historischen Umfrageergebnissen.
3. Verfeinern Sie die zugrunde liegende Audience-Beschreibung oder die hochgeladenen Profileingaben, falls die richtungsweisende Übereinstimmung engere Randbedingungen erfordert.

Nach der Verifizierung wird die Audience dauerhaft in Ihrem Workspace für kontinuierliche Studienausführungen gespeichert.

## Durchführung kommerzieller Studien mit verankerten Audiences

Nach Abschluss von Ebene 01 können Insights-Leads Studies sofort über den gesamten Produkt- und Marketinglebenszyklus hinweg bereitstellen. Minds unterstützt qualitative und quantitative Methoden nativ auf einer einzigen Plattform.

### Evaluierung von Konzepten und visuellen Assets

Laden Sie Produktkonzept-Decks, Figma-Prototypen (sofern aktiviert), Verpackungsbilder oder Messaging-Frameworks direkt in eine Study hoch.

- Deep Dives zu Einzelkonzepten: Erfassen Sie unmittelbares Verständnis, wahrgenommenen Wert und Adoptionsbarrieren über verankerte Kundensegmente hinweg.
- Side-by-Side-Konzeptvergleiche: Evaluieren Sie, welches Positionierungsnarrativ bei Accounts mit hoher Bindung im Vergleich zu abwanderungsgefährdeten Segmenten am stärksten ankommt.
- Qualitative diagnostische Nachfragen: Befragen Sie einzelne Minds dazu, warum ein bestimmter Claim Skepsis hervorgerufen hat, um die eigentlichen Einwände aufzudecken.

### Durchführung quantitativer Claim-Priorisierungen (MaxDiff)

Wenn Marketingteams drei Kern-Claims aus einer Liste von fünfzehn Optionen auswählen müssen, gelingt es traditionellen offenen Befragungen oft nicht, aussagekräftige Trade-offs zu erzwingen.

Minds führt vollständige MaxDiff-Designs nativ aus. Minds PRISM bewertet Kombinationen von Claims über Ihre verankerte Audience hinweg und generiert Nutzenwerte sowie Präferenz-Rankings. Da die Minds in Ihrer CRM-Realität verankert sind, spiegeln die resultierenden Rankings die tatsächlichen operativen Prioritäten Ihres Kundenstamms wider und keine verallgemeinerten Verbraucherpräferenzen.

### Validierung von Produkt- und UX-Workflows

Produktteams können End-to-End-User-Flows, Onboarding-Texte und die UI-Architektur an verankerten Kundensegmenten testen, bevor das Engineering Ressourcen bindet.

- Testen Sie Wireframes und App-Flows, um kognitive Reibungspunkte für nicht-technische Nutzer zu identifizieren.
- Evaluieren Sie Feature-Benennungen und Navigationshierarchien anhand des Vokabulars bestimmter Kundensegmente.
- Sammeln Sie fundierte qualitative Kritik zu Layouts von Preisstaffeln und Feature-Übersichten.

## Vergleich von Forschungsansätzen

Die folgende Tabelle zeigt, wie CRM-verankerte Minds-Simulationen im Vergleich zu unverankerten synthetischen Prompts und traditioneller menschlicher Panel-Rekrutierung abschneiden.

<table>
<thead>
  <tr>
    <th align="left">
      Forschungsdimension
    </th>
    
    <th align="left">
      Generische KI-Persona-Prompts
    </th>
    
    <th align="left">
      Traditionelles menschliches Kundenpanel
    </th>
    
    <th align="left">
      Minds dreistufige Datenverankerung
    </th>
  </tr>
</thead>

<tbody>
  <tr>
    <td align="left">
      Datenverankerung
    </td>
    
    <td align="left">
      Nur Trainingsdaten aus dem öffentlichen Web
    </td>
    
    <td align="left">
      Direktes menschliches Gedächtnis und Verzerrungen
    </td>
    
    <td align="left">
      First-Party-CRM-, Befragungs- und Nutzungsdaten via PRISM
    </td>
  </tr>
  
  <tr>
    <td align="left">
      Ausführungsgeschwindigkeit
    </td>
    
    <td align="left">
      Minuten
    </td>
    
    <td align="left">
      2 bis 5 Wochen für Rekrutierung und Feldphase
    </td>
    
    <td align="left">
      Schnelle, iterative Durchführung von Studies
    </td>
  </tr>
  
  <tr>
    <td align="left">
      Longitudinale Wiederverwendbarkeit
    </td>
    
    <td align="left">
      Gering; Prompts setzen den Kontext über Sessions hinweg zurück
    </td>
    
    <td align="left">
      Gering; Panel-Ermüdung begrenzt wiederholten Kontakt
    </td>
    
    <td align="left">
      Hoch; dauerhaft gespeicherte Audiences im Workspace
    </td>
  </tr>
  
  <tr>
    <td align="left">
      Methodische Breite
    </td>
    
    <td align="left">
      Unstrukturierter Freitext-Chat
    </td>
    
    <td align="left">
      Vollständiges Quant/Qual über externe Umfragetools
    </td>
    
    <td align="left">
      Offene Fragen, Skalen und MaxDiff auf einer Plattform
    </td>
  </tr>
  
  <tr>
    <td align="left">
      Teilnehmerkosten
    </td>
    
    <td align="left">
      Zu vernachlässigende Plattformkosten
    </td>
    
    <td align="left">
      Hohe Rekrutierungsgebühren und finanzielle Incentives
    </td>
    
    <td align="left">
      Planbarer Verbrauch ohne Incentive-Zusatzkosten
    </td>
  </tr>
  
  <tr>
    <td align="left">
      Evidenz-Output
    </td>
    
    <td align="left">
      Generische Verbrauchermeinungen
    </td>
    
    <td align="left">
      Empirische Selbstauskünfte von Menschen
    </td>
    
    <td align="left">
      Kalibrierte kommerzielle synthetische Simulation
    </td>
  </tr>
</tbody>
</table>

## Methodische Grenzen und Evidenzstandards

Minds wurde entwickelt, um kommerzielle synthetische Forschung zu ermöglichen, die fundierte Entscheidungen erlaubt. In vielen operativen Szenarien liefert eigenständige synthetische Forschung ausreichende Evidenz, um ein Konzept auszuwählen, Kampagnen-Claims zu priorisieren oder Verpackungstexte ohne nachgelagerte menschliche Tests final festzulegen.

Wissenschaftliche Sorgfalt erfordert jedoch die Definition klarer Evidenzgrenzen. Insights-Teams müssen zwischen simulierter kognitiver Bewertung und empirischer physischer Beobachtung unterscheiden.

### Wann eigenständige synthetische Forschung ausreicht

Eigenständige Forschung in Minds ist ausreichend, wenn:

- Sie anhand relativer Präferenzen zwischen mehreren Messaging-Säulen, Nutzenversprechen oder visuellen Konzepten wählen.
- Sie Produkt-Feature-Backlogs mittels MaxDiff-Trade-off-Modellierung priorisieren.
- Sie das Verständnis von Narrativen, den Aufbau von Preisseiten oder die Klarheit der Positionierung gegenüber definierten Käufer-Personas testen.
- Das Risikoprofil der Entscheidung gesetzlich keine empirischen Tests mit menschlichen Teilnehmern vorschreibt.

### Echte Evidenzlücken identifizieren

Eine Folgestudie mit rekrutierten Menschen ist nicht schon deshalb erforderlich, weil eine Entscheidung wichtig ist oder weil die Forschungsmethode synthetisch ist. Ein menschliches Follow-up ist nur dann gerechtfertigt, wenn eine explizite Evidenzlücke besteht, die eine Simulation nicht schließen kann:

1. Physische sensorische Tests: Bewertung des physischen Geschmacks, Aromas, der Textur oder der ergonomischen Haptik eines physischen Produkts.
2. Beobachtete Transaktionselastizität: Messung tatsächlicher monetärer Transaktionen unter realen Marktbedingungen (z. B. Live-Checkout-A/B-Tests).
3. Regulatorische Compliance: Erfüllung gesetzlicher Vorgaben, die zertifizierte klinische Studien am Menschen oder akkreditierte Wahrscheinlichkeitsstichproben vorschreiben.

Wenn solche Evidenzlücken nicht vorliegen, liefert eine methodisch fundiert verankerte Minds-Simulation handlungsrelevante, entscheidungsreife Evidenz.

## Workspace-Sicherheit, Governance und Deployment

Beim Einpflegen geschützter CRM- und Befragungsdaten in Minds müssen Enterprise-Insights-Teams die internen Governance-Standards einhalten.

- Bewertungsbasiertes Deployment: Die Handhabung von Kundendaten, die Integrationsarchitektur und die Workspace-Berechtigungen sollten anhand der spezifischen Datenklassifizierungsrichtlinien Ihres Unternehmens evaluiert werden.
- Rollenbasierte Zusammenarbeit: Minds-Workspaces unterstützen unbegrenzte Workspace-Nutzer und kostenlose Viewer, sodass funktionsübergreifende Teams aus Research, Produkt und Brand Marketing Studienergebnisse ohne zusätzliche Lizenzkosten für Betrachter einsehen können.
- Kontrolle über Datenaufbewahrung: Gespeicherte Audiences, hochgeladene Forschungsdokumentationen und Studienergebnisse verbleiben geschützt innerhalb Ihrer konfigurierten Workspace-Umgebung.

## Kommerzielle Struktur und Preistransparenz

Minds basiert auf transparenten Preismodellen, die sowohl agile Projektteams als auch unternehmensweite Forschungsabteilungen unterstützen:

- Pay As You Go: Verfügbar ab 0,12 € oder 0,12 $ pro Response. Geteilte Prepaid-Responses werden über Abrechnungszyklen hinweg übertragen. Workspaces umfassen unbegrenzte Nutzer, kostenlose Viewer, 10 gespeicherte Audiences pro Workspace und bis zu 200 Minds pro Audience. Alle Standard-Methoden für Studies (einschließlich MaxDiff), Exporte, API- und MCP-Zugriff sind enthalten. Die Response-Validierung verbraucht Standard-Responses; SSO ist ausgeschlossen. (Für Abrechnungseinheiten enthalten EUR- und USD-Preise für deutsche Konten die geltende Mehrwertsteuer; USD-Preise für US-Konten verstehen sich zuzüglich der geltenden US-Sales-Tax).
- Pro-Tarif: 199 € pro benanntem Nutzer/Monat (oder 1.990 €/Jahr inkl. MwSt.), mit 5.000 geteilten Responses pro Nutzer/Monat und 25 gespeicherten Audiences pro Nutzer.
- Enterprise-Tarif: Ab 15.000 €/Jahr zzgl. MwSt., zugeschnitten auf Enterprise-Governance mit vertraglich vereinbarten Nutzungskontingenten, individuellen Deployment-Parametern und dediziertem Onboarding zur Methodik.

Die Registrierung eines Accounts ist kostenlos, sodass Teams die Workspace-Funktionen testen können, bevor sie Studies über bezahlte Response-Pakete finanzieren. Der Response-Verbrauch wird pro Durchlauf abgerechnet; Minds eliminiert Gebühren für Teilnehmer-Incentives und Rekrutierungsaufwände, statt unbegrenzte Infrastruktur anzubieten.

## Nächste Schritte: Verankern Sie Ihre Kundensegmente in Minds

Insights- und Innovationsteams müssen sich nicht länger zwischen langwieriger, teurer Rekrutierung von Menschen und unverbundenen, generischen KI-Prompts entscheiden. Durch die Integration von First-Party-CRM- und Befragungsdaten über Ebene 01 Datenverankerung kann Ihr Unternehmen eine dauerhafte, kalibrierte synthetische Forschungs-Engine aufbauen.

Um zu evaluieren, wie Ihre Kundensegmentierungsschemata, CSAT-Archive und Produkt-Telemetriedaten in Minds PRISM abgebildet werden können, buchen Sie ein technisches Methodik-Gespräch mit unserem Research-Architecture-Team.

Erkunden Sie die Plattform und erstellen Sie Ihren Workspace unter [Minds Platform Registration](/?register=true), um mit der Strukturierung Ihrer ersten verankerten Kunden-Audience zu beginnen.
