yddah
ThinkaboutsKontakt

Denkrahmen · Canvas

REVENUE ARCHITECTURE
CANVAS

Der Revenue Architecture Canvas beschreibt ein Umsatzsystem in sieben funktionalen Frames: Zielkunde, Positionierung, Angebot, Akquise, Vertrieb, Bestand, Governance. Er ist technologie-unabhängig und zeigt die Breite einer Umsatzarchitektur — nicht die Mechanik. Die Mechanik der AI-nativen Umsetzung beschreibt der AI-Native Build Stack.

01

ZIELKUNDE

Segmente, Buying Center, ICP.

Klassisch

ICP-Listen, statisch

AI-Native

Signal-ICP, dynamisch

02

POSITIONIERUNG

Narrativ, Differen­zierung, Proof.

Klassisch

Slogans, generisch

AI-Native

Beweis­architektur

03

ANGEBOT

Pakete, Preislogik, Entscheidungs­pfad.

Klassisch

PDF, individuell

AI-Native

Maschinen­lesbare Pakete

04

AKQUISE

Kanäle, Nachfrage, Qualität.

Klassisch

Kampagnen, Outbound

AI-Native

Signal-based Selling

05

VERTRIEB

Lead-to-Deal, Pipeline, Forecast.

Klassisch

Human-only Closing

AI-Native

Agent + Human-in-Loop

06

BESTAND

Onboarding, Renewal, Expansion.

Klassisch

CRM als Datenbank

AI-Native

Signal-Layer über Bestand

07

GOVERNANCE

KPIs, Rituale, Steuerung.

Klassisch

Abteilungssteuerung nach Funktion.

AI-Native

Human Control Layer mit expliziten Entscheidungsrechten und Freigaben.

Frame · 01 · ZIELKUNDE

ZIELKUNDE

Was dieser Frame ist

Zielkunde definiert, an wen sich die Umsatzarchitektur richtet. Welche Segmente werden bedient, welche Buying-Center-Rollen sind relevant, welches Ideal Customer Profile gilt als Filter für Akquise und Vertrieb. Ohne Klarheit hier wird jede nachgelagerte Investition unscharf.

Klassische Perspektive

Statische ICP-Listen aus PowerPoint, einmal pro Jahr per Workshop bestimmt. Segmentierung nach Branche und Mitarbeiterzahl. Buying Center als generische Persona-Sammlung ohne Verbindung zu Echtzeit-Daten.

AI-native Perspektive

Dynamisches Signal-ICP, das sich aus Live-Daten zusammensetzt: Hiring-Signals, Tech-Stack-Änderungen, Funding-Events, Produkt-Launches. Der Signal Layer liefert Trigger, der Agent Layer wertet aus. Das ICP wird zum lebenden Filter, nicht zum statischen Dokument.

Typische Aufgaben

Aufbau der Signal-Quellen, Definition der Trigger-Logik, Übersetzung des klassischen ICP in eine maschinenausführbare Filterregel, Integration in CRM und Sales-Tools.

Frame · 02 · POSITIONIERUNG

POSITIONIERUNG

Was dieser Frame ist

Positionierung beantwortet, warum ein Käufer bei diesem Anbieter kauft und nicht beim Wettbewerb. Sie umfasst das Kernnarrativ, die Differenzierung gegenüber Alternativen und die Proof-Strategie, mit der Behauptungen belegt werden.

Klassische Perspektive

Hochglanz-Slogans und generische Value Propositions. Differenzierung wird behauptet, aber nicht belegt. Proof Points liegen als PDF-Case-Study verstreut, nicht systematisch zugänglich.

AI-native Perspektive

Positionierung wird über Beweisarchitektur umgesetzt: jede Behauptung ist mit einem maschinenlesbaren Proof Point verknüpft, im Semantic Layer strukturiert und damit von Buyer-Side-AI zitierfähig. Das Narrativ funktioniert für menschliche Buying Center und für Agenten parallel.

Typische Aufgaben

Audit der bestehenden Proof Points, Strukturierung als Schema.org-Entitäten, Aufbau einer Claim-to-Proof-Map, Sicherstellung der Auffindbarkeit für AI-Crawler.

Frame · 03 · ANGEBOT

ANGEBOT

Was dieser Frame ist

Angebot beschreibt, wie das Produkt oder die Leistung in kaufbare Pakete übersetzt wird, mit welcher Preislogik und über welchen Entscheidungspfad. Hier wird Reibung im Kaufprozess sichtbar oder eliminiert.

Klassische Perspektive

PDF-Angebot mit individuellen Konditionen, Preise auf Anfrage, Entscheidungspfad über Vertrieb. Der Käufer braucht ein Gespräch, um überhaupt zu verstehen, was er bekommt und was es kostet.

AI-native Perspektive

Angebote werden maschinenlesbar publiziert: klare Pakete, transparente Preislogik, strukturierte Eignungskriterien. Der Semantic Layer macht das Angebot für Buyer-Side-AI bewertbar. Der menschliche Vertrieb übernimmt erst dort, wo Komplexität oder Verhandlung den Mehrwert rechtfertigt.

Typische Aufgaben

Angebots-Architektur in drei Stufen, Preislogik definieren, Entscheidungspfad für Buyer-Side-AI optimieren, Übergabe-Punkte zum menschlichen Closing definieren.

Frame · 04 · AKQUISE

AKQUISE

Was dieser Frame ist

Akquise umfasst alle Aktivitäten zur Nachfrageerzeugung und Leadgenerierung: welche Kanäle bedient werden, wie Nachfrage qualifiziert wird, in welcher Menge und Qualität.

Klassische Perspektive

Kampagnen-Logik mit fester Jahresplanung, Outbound-Listen auf Basis statischer ICP-Daten, Inbound-Funnels mit generischen Landingpages. Die Taktung ist Batch, nicht Echtzeit.

AI-native Perspektive

Signal-based Selling ersetzt Kampagnen-Rhythmus. Aktivität wird durch Kaufsignale ausgelöst, die der Signal Layer erfasst. Adressierung erfolgt nicht mehr primär an menschliche Entscheider, sondern parallel an Buyer-Side-AI-Agenten — was eine maschinenlesbare Beweisarchitektur im Semantic Layer voraussetzt.

Typische Aufgaben

Aufbau der Signal-Quellen-Architektur, Definition der Trigger-Logik, Gestaltung der Agent-adressierbaren Angebots-Präsentation, Orchestrierung der Übergabe an menschliches Closing.

Frame · 05 · VERTRIEB

VERTRIEB

Was dieser Frame ist

Vertrieb wandelt qualifizierte Nachfrage in Umsatz um. Hier werden Sales Motion, Pipeline-Stages, Discovery-, Demo- und Closing-Mechanik definiert. Die Frage ist nicht „wer ruft an", sondern „welche Konversation passiert zu welchem Anlass".

Klassische Perspektive

Human-only Closing, Stage-Modell im CRM, manuelles Forecasting. Discovery-Calls als Universal-Werkzeug, Pipeline-Reviews als Status-Show statt Entscheidungsritual.

AI-native Perspektive

Hybrid-Modell: Agenten übernehmen Recherche, Discovery-Vorbereitung, Personalisierung und Follow-up. Menschen führen Gespräche, in denen Vertrauen und Verhandlung den Unterschied machen. Der Human Control Layer definiert exakt, wo Agenten entscheiden dürfen und wo Menschen freigeben müssen.

Typische Aufgaben

Definition der Hybrid-Sales-Motion, Aufbau der Agent-Workflows für Discovery und Follow-up, Stage-Modell mit klaren Übergabe-Punkten, Forecast-Logik mit Signal-Integration.

Frame · 06 · BESTAND

BESTAND

Was dieser Frame ist

Bestand beschreibt, wie aus Neukunden planbarer Folgeumsatz entsteht: Onboarding, Adoption, Renewal, Expansion. Bestandskunden sind die profitabelste Umsatzquelle, wenn sie systematisch betreut werden.

Klassische Perspektive

CRM als Datenbank, Customer Success als reaktive Service-Funktion, Renewal-Gespräche kurz vor Ablauf, Expansion auf Basis von Bauchgefühl.

AI-native Perspektive

Der Signal Layer liegt auch über dem Bestand: Adoption-Signale, Risk-Signale, Expansion-Trigger werden in Echtzeit erkannt. Agenten generieren Renewal- und Expansion-Vorschläge, Customer Success steuert und entscheidet. Health-Scores werden modelliert, nicht geschätzt.

Typische Aufgaben

Aufbau der Bestandskunden-Signal-Quellen, Definition der Health-Logik, Renewal- und Expansion-Playbooks, Integration in den Vertriebsprozess.

Frame · 07 · GOVERNANCE

GOVERNANCE

Was dieser Frame ist

Governance ist nicht ein Frame unter sieben, sondern das Betriebssystem, das die anderen sechs Frames steuert. KPI-Bäume, Rituale, Entscheidungsrechte, SOPs. Ohne Governance bleibt jede Architektur Theorie.

Klassische Perspektive

Abteilungssteuerung nach Funktion. Marketing-KPIs, Vertriebs-KPIs, Customer-Success-KPIs nebeneinander, ohne gemeinsame Logik. Entscheidungsrechte unklar, Eskalationen ad hoc.

AI-native Perspektive

Governance wird über den Human Control Layer gebaut: explizite Entscheidungsrechte, Freigabe-Punkte für Agenten-Aktionen, KPI-Bäume, die funktionsübergreifend zusammenhängen, und Decision Logs, die maschinell auswertbar sind.

Typische Aufgaben

KPI-Bäume entlang des Canvas, Definition der Decision Rights für Agenten und Menschen, Aufbau der Steuerungs-Rituale, Decision-Log-Architektur.

Wie unterscheidet sich der Revenue Architecture Canvas vom Business Model Canvas?

Der Business Model Canvas beschreibt ein Geschäftsmodell in neun Bausteinen: Kundensegmente, Wertangebot, Kanäle, Kundenbeziehungen, Einnahmequellen, Schlüsselressourcen, Schlüsselaktivitäten, Schlüsselpartnerschaften und Kostenstruktur. Er ist unternehmensweit. Der Revenue Architecture Canvas ist spezifischer: Er beschreibt nicht das gesamte Geschäftsmodell, sondern nur das Umsatzsystem — die Funktionsbereiche, in denen aus Interesse Umsatz wird. Zielkunde entspricht ungefähr Kundensegmenten, aber Positionierung, Angebot und Akquise sind im Business Model Canvas in Wertangebot und Kanäle verschmolzen. Der Revenue Architecture Canvas separiert sie, weil sie in der AI-nativen Welt unterschiedliche Build-Stack-Umsetzungen haben. Governance ist im Business Model Canvas nicht abgebildet — im Revenue Architecture Canvas ist sie ein eigener Frame, weil sie in der AI-nativen Welt über den Human Control Layer gebaut wird.

Häufige Fragen

Was ist der Revenue Architecture Canvas?

Der Revenue Architecture Canvas beschreibt ein Umsatzsystem in sieben funktionalen Frames: Zielkunde, Positionierung, Angebot, Akquise, Vertrieb, Bestand und Governance. Er ist technologie-unabhängig und zeigt die funktionale Breite eines Umsatzsystems, nicht seine Mechanik.

Wie unterscheidet er sich vom Business Model Canvas?

Der Business Model Canvas beschreibt ein Geschäftsmodell in neun Bausteinen — er ist unternehmensweit. Der Revenue Architecture Canvas ist spezifischer: er beschreibt nur das Umsatzsystem. Positionierung, Angebot und Akquise sind im Business Model Canvas in Wertangebot und Kanäle verschmolzen, im Revenue Architecture Canvas separiert, weil sie in der AI-nativen Welt unterschiedliche Build-Stack-Umsetzungen haben. Governance fehlt im Business Model Canvas vollständig.

Welche Frames sind in jedem Unternehmen zu finden?

Alle sieben. Auch dort, wo sie nicht explizit benannt sind, finden Akquise, Vertrieb, Bestand und Governance statt — nur eben implizit und unstrukturiert. Der Canvas zwingt zur expliziten Beschreibung.

Wie wird der Canvas in einem yddah-Mandat eingesetzt?

Als Diagnose-Werkzeug zu Beginn (Wo steht jeder Frame heute?), als Zielbild-Werkzeug für die AI-native Architektur (Wie sieht jeder Frame in zwei Jahren aus?) und als Steuerungs-Werkzeug während der Umsetzung (Wo greifen Build-Stack-Layer in welchem Frame?).

Wie verhält er sich zum AI-Native Build Stack?

Der Canvas zeigt die funktionale Breite (sieben Frames). Der AI-Native Build Stack zeigt die Mechanik der AI-nativen Umsetzung (fünf Schichten). Jeder Canvas-Frame wird in der AI-nativen Welt mit einer Kombination aus Build-Stack-Layern gebaut.

Kann man den Canvas ohne AI-Native-Kontext nutzen?

Ja. Der Canvas ist technologie-unabhängig und funktioniert auch für klassische Vertriebsorganisationen. Der AI-native Mehrwert entsteht erst durch die Kombination mit dem Build Stack.

→ AI-Native Build Stack→ Glossar→ Thinkabouts