Der Einsatz von KI-gestützten Analysen wird als signifikanter Faktor der digitalen Transformation mit starken Auswirkungen auf die Gestaltung und Weiterentwicklung von CRM-Systemen angesehen. In den meisten CRM-Systemen wird KI aktuell jedoch noch nicht tiefgreifend genutzt. Damit KI-gestützte Kundenanalysen praxisorientiert angewendet werden können, bestehen elementare Anforderungen. Demnach werden Datenkorrektheit, Ressourcenoptimierung und Effizienzsteigerung gefordert. Ferner sollen KI-gestützte Analysen dabei helfen, individuelle Kundenpotenziale zu erkennen, Kundenübersichten darzustellen und insbesondere den Vertrieb zu entlasten. Einfache, repetitive Aufgaben und Prozesse sollen zudem durch KI automatisiert werden. Um zukünftiges Kundenverhalten zu prognostizieren und damit einhergehend ressourcenschonend individuelle Potenziale zu erkennen, können Supervised-Learning-Verfahren eingesetzt werden. Auf Basis eines trainierten Modells können unbekannte Daten analysiert werden, um eine wahrscheinlichkeitsbasierte Vorhersage für die Zukunft zu treffen. Ferner kann durch den Einsatz von Unsupervised-Learning-Verfahren Transparenz über Kundensegmente hergestellt und manueller Arbeitsaufwand bei der Informationsbeschaffung maßgeblich reduziert werden. Mithilfe der identifizierten Cluster können homogene Kundensegmente individueller angesprochen und Vertriebs- und Marketingkampagnen zielgruppenspezifisch ausgerichtet werden.