studien

Wie AR Verhaltensmuster im B2B-Kaufprozess verändert — und warum Entscheidungssicherheit der entscheidende Hebel ist

Gerhard Schröder
Gerhard Schröder
· 7 min read · Text: Kopf & KI
AR B2B Kaufprozess Verhaltensmuster Entscheidungssicherheit viSales RUB
  • Augmented Reality verändert nicht nur, wie Informationen dargestellt werden — sie verändert, wie Menschen in B2B-Kaufprozessen miteinander interagieren und Entscheidungen vorbereiten.
  • Donia Salih (Ruhr-Universität Bochum) hat in ihrer Hausarbeit untersucht, welche Verhaltensmuster in organisationalen Kaufprozessen auftreten — und wie AR diese auf drei Ebenen beeinflusst: Informationsverarbeitung, Verhaltensmuster im Buying Center und Entscheidungssicherheit.
  • Das Ergebnis passt präzise zur Forschungsfrage unserer Studie: Nicht ob AR besser aussieht als PowerPoint, sondern ob AR Unsicherheiten reduziert — bevor der Abschluss entschieden ist.

 

Das ist Teil vier meiner TTU-RUB-Reihe: Lina Stöhr hat in Teil 1 die technologischen Grundlagen von AR eingeordnet, Jana Kopejkina in Teil 2 den Task-Technology Fit untersucht, David Wichtmann in Teil 3 die Messlücke zwischen B2C-Metriken und B2B-Vertriebsgesprächen aufgezeigt. Donia Salih schließt den Kreis: Sie fragt, was AR im Kaufprozess konkret verändert — und für wen.

Donia Salih hat für das Projektseminar von Prof. Dr. Jens Pöppelbuß und Dr. Lisa Drees (Lehrstuhl ISSE, RUB) untersucht, wie Augmented Reality die Verarbeitung von Produktinformationen, Verhaltensmuster im B2B und die Wahrnehmung von Entscheidungssicherheit beeinflusst. Theoretische Basis: Backhaus und Voeth (2014) für organisationale Kaufprozesse, Johnston und Lewin (1996) für das Buying-Center-Modell, Javornik (2016) und Hilken et al. (2017) für AR-Wirkung.

B2B-Kaufprozesse im Maschinenbau: Warum Informationsverarbeitung der Engpass ist

Donias Ausgangspunkt ist präzise: B2B-Kaufentscheidungen sind keine Einzelentscheidungen. Sie werden in Gruppen vorbereitet — im Buying Center, also dem Entscheidungsgremium aus Initiatoren, Einkäufern, Nutzern und Entscheidern (vgl. Webster und Wind 1972). Jede dieser Rollen hat andere Informationsbedürfnisse. Und alle müssen am Ende zum selben Bild kommen.

Das ist der strukturelle Engpass: nicht fehlende Information, sondern fehlende gemeinsame Verarbeitung. Backhaus und Voeth (2014) beschreiben das als zentrales Merkmal von Industriegütermärkten — und Donia macht deutlich, dass genau hier AR ansetzen kann.

„Insbesondere bei technisch komplexen oder erklärungsbedürftigen Produkten besitzt die Verarbeitung und Bereitstellung von Informationen eine zentrale Bedeutung innerhalb organisationaler Kaufentscheidungen.” — Bunn (1993), zitiert in Salih (2026)

AR in der Vertriebskommunikation: Drei Wirkungsebenen im B2B-Kaufprozess

Donias Hausarbeit strukturiert den AR-Einfluss auf drei Ebenen — und genau diese Dreiteilung ist für unsere Studie relevant.

Ebene 1, die Informationsverarbeitung: AR ermöglicht die Kombination virtueller Inhalte mit realer Umgebung. Produkte können aus unterschiedlichen Perspektiven betrachtet, Funktionen interaktiv nachvollzogen werden. Hilken et al. (2017) zeigen, dass insbesondere die Kombination aus Interaktivität und Visualisierung die Verarbeitung komplexer Informationen unterstützt. Für erklärungsbedürftige Produkte im Maschinenbau bedeutet das: Die Frage „Passt die Anlage in den Raum?” ist nicht mehr abstrakt — sie ist sichtbar.

Ebene 2, das Verhaltensmuster im Buying Center: AR verändert nicht nur die individuelle Wahrnehmung, sondern auch die Gruppendynamik im Kaufprozess. Durch visuelle Produktdarstellungen können Informationen in Besprechungen anschaulicher vermittelt, Diskussionen über Funktionen und Einsatzmöglichkeiten nachvollziehbarer gestaltet werden. Donia zitiert Rese et al. (2017): AR wird als hilfreich wahrgenommen, wenn es einen erkennbaren Nutzen innerhalb des Informations- und Entscheidungsprozesses bietet. Nicht als Gadget — als Werkzeug.

Ebene 3, die Entscheidungssicherheit: Donia definiert Entscheidungssicherheit als die Wahrnehmung, eine Kaufentscheidung trotz bestehender Unsicherheiten möglichst nachvollziehbar und abgesichert treffen zu können. AR kann hier Unsicherheiten reduzieren durch realitätsnahe Darstellung, durch Interaktivität, durch den wahrgenommenen Nutzen der Technologie.

„Nutzer nehmen AR-Anwendungen insbesondere dann als hilfreich wahr, wenn diese einen erkennbaren Nutzen innerhalb des Informations- und Entscheidungsprozesses besitzen.” — Rese et al. (2017), zitiert in Salih (2026)

Was das für TTU und visuelle Vertriebskommunikation bedeutet

Donias Fazit ist ehrlich und präzise: AR ist keine allgemeingültige Lösung. Der tatsächliche Einfluss hängt von der Qualität der Informationen, der Benutzerfreundlichkeit und der Akzeptanz der Technologie ab. Fehlt ein erkennbarer Nutzen, bleibt der Effekt aus.

Das ist genau die Frage, die unsere gemeinsame Studie / Sommeraufgabe von viSales und der Ruhr-Universität Bochum beantworten will, aber wegen der genauen Aufgabenstellung und des Zeitrahmens nur anreissen kann: Reduziert AR die Time-to-Understanding? Senkt es Erklärungsredundanz und Missverständnisquote? Wann genau — und bei welchem Produkt, welchem Gesprächstyp, welcher Buying-Center-Konstellation?

Danke, Donia

Ich freue mich, dass Donia Salih Teil dieser Forschungsgruppe ist. Ihre Arbeit verbindet die Buying-Center-Theorie mit der AR-Wirkungsforschung auf eine Weise, die für die Praxis unmittelbar lesbar ist. Wer im Maschinenbau-Vertrieb arbeitet, erkennt die Situationen sofort: der Raum voller Menschen mit unterschiedlichen Informationsbedürfnissen, das Produkt das sich nicht auf einem Bild erklärt, die Unsicherheit die bleibt — bis jemand es wirklich sieht.

Genau das ist der Punkt, an dem AR und TTU zusammenkommen.

 

 

Weitere Studien-Beiträge & mehr zu Vertriebskommunikation.

 

 

Quellenhinweise
  • Backhaus, K. und Voeth, M. (2014). Industriegütermarketing: Grundlagen des Business-to-Business-Marketings. 10., überarb. Aufl. München: Vahlen.
  • Bunn, M.D. (1993). Taxonomy of Buying Decision Approaches. Journal of Marketing, 57(1), S. 38–56. https://doi.org/10.1177/002224299305700103
  • Dacko, S.G. (2017). Enabling smart retail settings via mobile augmented reality shopping apps. Technological Forecasting and Social Change, 124, S. 243–256. https://doi.org/10.1016/j.techfore.2016.09.032
  • Hilken, T., de Ruyter, K., Chylinski, M., Mahr, D. und Keeling, D.I. (2017). Augmenting the eye of the beholder. Journal of the Academy of Marketing Science, 45(6), S. 884–905. https://doi.org/10.1007/s11747-017-0541-x
  • Huang, T.-L. und Liao, S. (2015). A model of acceptance of augmented-reality interactive technology. Electronic Commerce Research, 15(2), S. 269–295. https://doi.org/10.1007/s10660-014-9163-2
  • Javornik, A. (2016). It’s an illusion, but it looks real! Journal of Marketing Management, 32(9–10), S. 987–1011. https://doi.org/10.1080/0267257X.2016.1174726
  • Johnston, W.J. und Lewin, J.E. (1996). Organizational Buying Behaviour: Toward an Integrative Framework. Journal of Business Research, 35(1), S. 1–15. https://doi.org/10.1016/0148-2963(95)00077-1
  • Poushneh, A. und Vasquez-Parraga, A.Z. (2017). Discernible impact of augmented reality on retail customer’s experience. Journal of Retailing and Consumer Services, 34, S. 229–234. https://doi.org/10.1016/j.jretconser.2016.10.005
  • Rese, A., Baier, D., Geyer-Schulz, A. und Schreiber, S. (2017). How augmented reality apps are accepted by consumers. Technological Forecasting and Social Change, 124, S. 306–319. https://doi.org/10.1016/j.techfore.2016.10.010
  • Salih, D. (2026). Verhaltensmuster und der Einsatz von Augmented Reality im B2B-Kaufprozess. Hausarbeit, Ruhr-Universität Bochum, Lehrstuhl ISSE, Projektseminar SS 2026.
  • Webster, F.E. und Wind, Y. (1972). A General Model for Understanding Organizational Buying Behavior. Journal of Marketing, 36(2), S. 12–19. https://doi.org/10.2307/1250972

 

 

Typische Entscheiderfragen

Was sind Verhaltensmuster im B2B-Kaufprozess?

B2B-Kaufentscheidungen werden nicht von Einzelpersonen getroffen, sondern im Buying Center — einem Entscheidungsgremium aus Initiatoren, Einkäufern, Nutzern und Entscheidern (Webster und Wind 1972). Jede Rolle hat andere Informationsbedürfnisse. Verhaltensmuster beschreiben, wie diese Akteure Informationen suchen, austauschen und gemeinsam bewerten. Backhaus und Voeth (2014) zeigen: Gerade bei technisch komplexen Produkten ist der Informationsaustausch zwischen Beteiligten der entscheidende Engpass — nicht das fehlende Angebot.

Wie beeinflusst AR die Informationsverarbeitung im B2B?

AR ermöglicht die visuelle und interaktive Darstellung von Produkten im realen Kontext. Produkte können aus unterschiedlichen Perspektiven betrachtet, Funktionen nachvollzogen und technische Eigenschaften direkt erlebt werden. Hilken et al. (2017) zeigen, dass insbesondere die Kombination aus Interaktivität und räumlicher Einbindung die Verarbeitung komplexer Informationen unterstützt. Im B2B-Maschinenbau-Kontext bedeutet das: Die Anlage wird nicht nur erklärt, sondern gesehen — im Maßstab, im Raum, im Betrieb.

Was ist Entscheidungssicherheit im B2B-Kontext?

Entscheidungssicherheit beschreibt die Wahrnehmung, eine Kaufentscheidung trotz bestehender Unsicherheiten möglichst nachvollziehbar und abgesichert treffen zu können. Unsicherheiten entstehen im B2B vor allem durch komplexe Entscheidungsstrukturen, die möglichen Folgen einer Fehlentscheidung und den hohen Koordinationsaufwand im Buying Center (Johnston und Lewin 1996; Bunn 1993). AR kann Entscheidungssicherheit erhöhen, aber nur dann, wenn die Technologie einen erkennbaren Nutzen im konkreten Entscheidungsprozess bietet.

Wann wirkt AR im B2B-Kaufprozess — und wann nicht?

Donia Salih arbeitet eine wichtige Einschränkung heraus: AR ist keine allgemeingültige Lösung. Der Einfluss hängt von der Qualität der bereitgestellten Informationen, der Benutzerfreundlichkeit der Anwendung und der Akzeptanz der Technologie ab. Rese et al. (2017) zeigen: Nutzer nehmen AR insbesondere dann als hilfreich wahr, wenn es einen konkreten Mehrwert im Informations- und Entscheidungsprozess bietet. Fehlt dieser Mehrwert, bleibt der Effekt aus. Genau das ist die Frage, die die gemeinsame Studie von viSales und der RUB wenigstens ETWAS beantworten soll.

Wie hängen die vier RUB-Hausarbeiten zusammen?

Die vier Hausarbeiten beleuchten die TTU-Forschungsfrage aus unterschiedlichen Winkeln: Lina Stöhr (Teil 1) hat die technologischen Grundlagen von AR aufgearbeitet — AR-Kontinuum, kognitive Belastung, OpenUSD. Jana Kopejkina (Teil 2) hat den Task-Technology Fit untersucht. David Wichtmann (Teil 3) hat die Metriken-Lücke zwischen B2C-Kaufprozessen und B2B-Vertrieb systematisiert. Donia Salih (Teil 4) verbindet Buying-Center-Theorie mit AR-Wirkungsforschung und zeigt, auf welchen Ebenen AR im B2B-Kaufprozess konkret wirken kann.