TL;DR: Salesforce Data Cloud hat sich von einer Customer Data Platform (CDP) zum Datenfundament für KI-Agenten entwickelt. Die neuesten Updates bringen Zero-Copy-Integrationen, verbesserte Identitätsauflösung und native Agentforce-Anbindung. Für DACH-Unternehmen bedeutet das: Ihre Kundendaten aus CRM, Marketing, Service und externen Quellen werden zur Wissensbasis, auf der KI-Agenten fundierte Entscheidungen treffen. Dieser Guide zeigt, wie Sie Data Cloud für Agentforce aktivieren — mit DSGVO-Konformität von Anfang an.
Was ist Data Cloud — und warum ist es für KI-Agenten relevant?
Salesforce Data Cloud ist Salesforces Plattform zur Vereinheitlichung und Aktivierung von Kundendaten aus unterschiedlichen Quellen. Im Kern löst Data Cloud ein Problem, das die meisten Unternehmen haben: Kundendaten sind über Dutzende Systeme verstreut — CRM, Marketing-Automation, E-Commerce, Support-Tickets, ERP, externe Datenquellen — und bieten in isolierten Silos keinen vollständigen Blick auf den Kunden.
Die Evolution: Von CDP zu Agent Foundation
Data Cloud hat sich in drei Phasen entwickelt:
Phase 1 (2022–2023): Customer Data Platform. Zusammenführung von Kundendaten für Marketing-Segmentierung und Personalisierung.
Phase 2 (2024–2025): Unified Data Layer. Erweiterung über Marketing hinaus auf Sales, Service und Commerce. Integration mit dem gesamten Salesforce-Ökosystem.
Phase 3 (2025–2026): Agent Foundation. Data Cloud als Wissensbasis für KI-Agenten. Agentforce-Agenten greifen auf die vereinheitlichten Kundendaten zu, um fundierte Entscheidungen zu treffen und Aktionen auszuführen.
Warum KI-Agenten Daten brauchen
Ein KI-Agent ohne Zugang zu aktuellen, kontextreichen Daten ist wie ein neuer Mitarbeiter am ersten Tag — er hat allgemeines Wissen, aber kennt weder Ihre Kunden noch Ihre Prozesse. Data Cloud verwandelt diesen generischen Agenten in einen, der:
- Weiß, welche Produkte Kunde X in den letzten 12 Monaten gekauft hat
- Versteht, dass Kunde Y drei offene Support-Tickets hat und unzufrieden ist
- Erkennt, dass Kunde Z auf der Website gerade das Premium-Paket angesehen hat
- Die Kredithistorie, den Customer Lifetime Value und die Churn-Wahrscheinlichkeit kennt
Die wichtigsten Data-Cloud-Features für KI
Unified Customer Profile
Data Cloud erstellt aus Daten verschiedener Quellen ein einheitliches Kundenprofil — das „Customer 360". Dabei werden Datensätze aus CRM, E-Mail-Marketing, Webanalytics, Support und externen Quellen über Identitätsauflösung (Identity Resolution) zu einem einzigen Profil zusammengeführt.
Für KI-Agenten: Der Agent sieht nicht drei verschiedene Datensätze für denselben Kunden (einen im CRM, einen im Marketing, einen im Support), sondern ein vollständiges Bild. Das verhindert widersprüchliche oder redundante Aktionen.
Zero-Copy Data Federation
Eines der neuesten und wichtigsten Features: Data Cloud kann auf externe Daten zugreifen, ohne diese physisch zu kopieren. Über Konnektoren zu Snowflake, Databricks, Google BigQuery und Amazon Redshift werden Daten in Echtzeit abgefragt — sie bleiben in der Quellplattform.
Für DACH-Unternehmen: Das ist aus DSGVO-Perspektive hochrelevant. Wenn Daten nicht kopiert werden, entfallen viele Fragen zur Datenduplizierung, Speicherdauer und Löschpflichten. Die Daten bleiben unter der Governance der Quellplattform.
Calculated Insights und Segmentierung
Data Cloud kann aus den vereinheitlichten Daten automatisch KPIs berechnen: Customer Lifetime Value, Churn-Wahrscheinlichkeit, Engagement-Score, Kaufwahrscheinlichkeit. Diese Metriken stehen KI-Agenten als Entscheidungsgrundlage zur Verfügung.
Vector Database für Unstructured Data
Data Cloud integriert eine Vektordatenbank, die unstrukturierte Daten (E-Mails, Support-Chats, Meeting-Notizen) semantisch durchsuchbar macht. KI-Agenten können so nicht nur auf strukturierte CRM-Felder zugreifen, sondern auch den Kontext aus Freitext-Kommunikation verstehen.
Data Cloud + Agentforce: Die Architektur
Die Integration von Data Cloud und Agentforce folgt einer klaren Architektur:
Datenquellen Data Cloud Agentforce
┌──────────┐
│ Salesforce│ ──→ ┌───────────────────────┐
│ CRM │ │ │ ┌──────────────────┐
├──────────┤ │ Unified Customer │ │ │
│ Marketing│ ──→ │ Profiles │ ──→ │ Sales Agent │
│ Cloud │ │ │ │ Service Agent │
├──────────┤ │ Calculated Insights │ │ Commerce Agent │
│ Service │ ──→ │ │ │ Custom Agents │
│ Cloud │ │ Vector Database │ │ │
├──────────┤ │ │ └──────────────────┘
│ ERP/SAP │ ──→ │ Zero-Copy Federation │
├──────────┤ │ │
│ Snowflake│ ──→ │ Consent Management │
│ BigQuery │ │ │
└──────────┘ └───────────────────────┘
Wie Agentforce auf Data Cloud zugreift
-
Topic-basierter Zugriff: Agentforce-Agenten werden über „Topics" konfiguriert, die definieren, auf welche Daten und Aktionen ein Agent zugreifen darf. Data-Cloud-Segmente und Insights werden als Topics bereitgestellt.
-
Grounding mit Data Cloud: Agenten können ihre Antworten auf Data-Cloud-Daten „grounden" — das heißt, sie basieren ihre Empfehlungen auf realen Kundendaten statt auf allgemeinem Modellwissen. Das reduziert Halluzinationen erheblich.
-
Aktionsausführung: Basierend auf Data-Cloud-Insights kann ein Agent Aktionen auslösen: einen Case erstellen, eine Kampagne triggern, ein Angebot personalisieren oder eine Eskalation initiieren.
Implementierung: Data Cloud für Agentforce vorbereiten
Schritt 1: Datenquellen identifizieren und priorisieren
Nicht alle Daten müssen sofort in Data Cloud. Beginnen Sie mit den Quellen, die den höchsten Wert für KI-Agenten bieten:
Hohe Priorität:
- Salesforce CRM (Kontakte, Accounts, Opportunities, Cases)
- E-Mail- und Marketing-Interaktionen
- Website-Verhaltensdaten
- Support-Ticket-Historie
Mittlere Priorität:
- ERP/Bestelldaten
- Zahlungshistorie
- Social-Media-Interaktionen
Niedrige Priorität (aber langfristig wertvoll):
- IoT-Daten (bei Industrieunternehmen)
- Externe Marktdaten
- Partner-Ökosystem-Daten
Schritt 2: Datenmodell in Data Cloud aufsetzen
Data Cloud arbeitet mit einem eigenen Datenmodell, das auf Standard-Objekten basiert:
- Individual: Der zentrale Kundendatensatz
- Unified Individual: Das zusammengeführte Profil nach Identity Resolution
- Data Stream: Eingehende Datenflüsse aus verschiedenen Quellen
- Calculated Insight: Berechnete KPIs und Metriken
Definieren Sie, welche Felder aus welchen Quellen in welche Data-Cloud-Objekte fließen. Achten Sie besonders auf:
- Datenqualität: Garbage in, garbage out — bereinigen Sie Daten vor der Integration
- Feldmapping: Konsistente Zuordnung von Feldern über Systeme hinweg
- Aktualisierungsfrequenz: Welche Daten brauchen Echtzeit-Sync, welche reichen als Batch?
Schritt 3: Identity Resolution konfigurieren
Die Identitätsauflösung ist das Herzstück von Data Cloud. Sie verbindet Datensätze aus verschiedenen Quellen zu einem einzigen Kundenprofil. Konfigurieren Sie:
- Match Rules: Welche Felder werden für den Abgleich genutzt? (E-Mail, Telefon, Name + Adresse)
- Match Confidence: Ab welchem Schwellenwert gelten zwei Datensätze als derselbe Kunde?
- Reconciliation Rules: Welcher Wert gewinnt bei Konflikten? (z. B. CRM-Adresse vs. E-Commerce-Adresse)
Schritt 4: Consent Management einrichten
Für DSGVO-Konformität ist Consent Management nicht optional:
- Einwilligungsdaten importieren: Stellen Sie sicher, dass die Einwilligungspräferenzen jedes Kunden in Data Cloud abgebildet sind
- Purpose-based Access: Konfigurieren Sie, dass Agenten nur auf Daten zugreifen, für die eine gültige Einwilligung vorliegt
- Right to Erasure: Implementieren Sie Prozesse für Löschanfragen, die sich über alle verbundenen Systeme erstrecken
Schritt 5: Agentforce-Topics konfigurieren
Erstellen Sie Topics, die Agentforce-Agenten den Zugriff auf Data-Cloud-Daten ermöglichen:
- Sales Agent: Zugriff auf Kaufhistorie, CLV, Cross-Selling-Empfehlungen, offene Angebote
- Service Agent: Zugriff auf Support-Historie, Zufriedenheits-Score, laufende Cases, Produkt-Nutzung
- Commerce Agent: Zugriff auf Browsing-Verhalten, Warenkorb-Abbrüche, personalisierte Produktempfehlungen
DSGVO-Compliance: Data Cloud und Datenschutz
Data Cloud verarbeitet und speichert Kundendaten — damit unterliegt es den vollen Anforderungen der DSGVO. Die wichtigsten Aspekte:
Rechtsgrundlagen für die Datenverarbeitung
Für jede Datenquelle, die Sie in Data Cloud integrieren, müssen Sie eine Rechtsgrundlage nachweisen können:
- Art. 6(1)(a): Einwilligung des Betroffenen
- Art. 6(1)(b): Vertragserfüllung
- Art. 6(1)(f): Berechtigtes Interesse (mit Interessenabwägung)
Besondere Vorsicht bei der Zusammenführung von Daten aus verschiedenen Quellen: Die Einwilligung für Marketing-E-Mails berechtigt nicht automatisch zur Nutzung derselben Daten für KI-Agenten-basierte Personalisierung.
Datenspeicherort
Salesforce bietet für Data Cloud EU-Hyperforce-Regionen an (Frankfurt, Paris). Für DACH-Unternehmen empfehlen wir ausdrücklich die Nutzung einer EU-Region. Bei Zero-Copy Federation bleiben die Daten in der Quellplattform — prüfen Sie, dass auch diese DSGVO-konform gehostet wird.
Aufbewahrungspflichten und Löschfristen
Definieren Sie klare Aufbewahrungsfristen für jeden Datentyp in Data Cloud:
- Transaktionsdaten: Gemäß UGB/HGB (7–10 Jahre)
- Marketing-Interaktionen: Typischerweise 2–3 Jahre
- Consent Records: So lange wie die Geschäftsbeziehung besteht
- Browsing-Daten: Kurze Aufbewahrung (30–90 Tage)
Datenverarbeitungsvertrag (DPA)
Schließen Sie mit Salesforce einen DSGVO-konformen Datenverarbeitungsvertrag ab. Salesforce bietet standardmäßig einen DPA an, der die Verarbeitung auf EU-Servern und den Ausschluss von Datennutzung für Salesforce-eigenes Training umfasst.
Praxis-Szenarien
Szenario 1: Proaktiver Service-Agent für einen Telco
Setup: Data Cloud vereinheitlicht Vertragsdaten, Nutzungsmuster, Support-Historie und Netzwerk-Störungsmeldungen.
Agent-Verhalten: Wenn ein Kunde anruft, weiß der Service-Agent:
- Vertragsende ist in 2 Monaten → Retention-Risiko
- 3 Störungsmeldungen im letzten Monat → unzufrieden
- Datenverbrauch steigt → Upgrade-Potenzial
Aktion: Der Agent bietet proaktiv ein Upgrade mit Vertragsverlängerung und Kompensation für die Störungen an — alles in einem Kontakt.
Szenario 2: Cross-Selling-Agent für einen B2B-Großhändler
Setup: Data Cloud verbindet SAP-Bestelldaten (via Zero-Copy), Salesforce CRM und Web-Analytics.
Agent-Verhalten: Erkennt, dass Kunde Y regelmäßig Produkt A bestellt, aber nie das komplementäre Produkt B — das 80 % ähnlicher Kunden ebenfalls kaufen.
Aktion: Generiert personalisierte Cross-Selling-Empfehlung mit passendem Mengenrabatt, basierend auf der Bestellhistorie und dem Kundensegment.
Szenario 3: Compliance-Agent für eine Versicherung
Setup: Data Cloud harmonisiert Kundendaten, Vertragsdaten, Schadenmeldungen und Compliance-Daten.
Agent-Verhalten: Identifiziert Kunden, die neue IDD-Beratungsprotokolle erfordern, weil sich ihre Risikoprofile geändert haben.
Aktion: Erstellt automatisch Wiedervorlagen für Berater und generiert vorausgefüllte Beratungsprotokolle basierend auf den aktuellen Kundendaten.
Häufig gestellte Fragen
Was kostet Data Cloud?
Data Cloud ist in vielen Salesforce-Editionen bereits enthalten (Enterprise+). Zusätzliche Kosten entstehen durch Datenvolumen (Credits für Datensätze und Abfragen), zusätzliche Konnektoren und Premium-Features. Die genauen Kosten hängen von Ihrem Datenvolumen und Ihren Anforderungen ab.
Brauchen wir Data Cloud, wenn wir schon ein Data Warehouse haben?
Ja, wenn Sie Agentforce nutzen wollen. Data Cloud ersetzt kein Data Warehouse — es ergänzt es. Mit Zero-Copy Federation können Sie Ihr bestehendes Warehouse anbinden, ohne Daten zu duplizieren. Data Cloud fügt die Salesforce-spezifische Kundenperspektive und die Agentforce-Integration hinzu.
Wie lange dauert die Implementierung?
Ein MVP (Minimum Viable Product) mit 2–3 Datenquellen und einem ersten Agent-Topic ist in 4–8 Wochen umsetzbar. Eine vollständige Implementierung mit allen Quellen, Identity Resolution und DSGVO-Compliance dauert typischerweise 3–6 Monate.
Fazit
Salesforce Data Cloud ist nicht mehr nur eine Customer Data Platform — es ist das Datenfundament, das den Unterschied zwischen generischen und kontextuell intelligenten KI-Agenten macht. Für DACH-Unternehmen, die Agentforce einsetzen oder planen, ist Data Cloud der logische nächste Schritt: Es verwandelt Ihre fragmentierten Kundendaten in die Wissensbasis, auf der Ihre Agenten fundierte Entscheidungen treffen.
Der Schlüssel zum Erfolg liegt in der sauberen Datenintegration, konsequentem Consent Management und einer schrittweisen Einführung. Starten Sie mit den wertvollsten Datenquellen, etablieren Sie DSGVO-Konformität von Tag eins und skalieren Sie auf Basis messbarer Ergebnisse.
Sie möchten Ihre Salesforce-Umgebung mit Data Cloud und Agentforce auf das nächste Level bringen? Als Salesforce-Beratung mit KI-Expertise unterstützen wir Sie von der Datenintegration bis zum produktiven KI-Agenten. Kontaktieren Sie uns.