Was die Forschung zu AR im B2B-Vertrieb sagt. Aufgearbeitet von Lina Stöhr, RUB

• AR im B2B-Vertrieb ist seit Jahren in der Forschung belegt, aber eine Kennzahl zur Erfolgsmessung fehlt bis heute. Genau das wollen wir ändern.
• Lina Stöhr, Studentin der Ruhr-Universität Bochum, hat in ihrer Hausarbeit den aktuellen Forschungsstand zu AR-Technologie und Einsatzpotenzialen aufgearbeitet, als Teil der gemeinsamen Studie / Sommeraufgabe mit viSales.
• Die Recherche von Lina bestätigt: Je komplexer das Produkt, desto größer der Vorteil durch AR. Und je länger die Nutzungsdauer, desto entscheidender die Wahl der Hardware.

Was ich an der Zusammenarbeit mit der Ruhr-Universität Bochum schätze: Die Studierenden kommen ohne Betriebsblindheit. Sie lesen die Literatur, ordnen ein: Lina Stöhr hat in ihrer Hausarbeit für das Projektseminar von Prof. Dr. Jens Pöppelbuß und Dr. Lisa Drees den Stand der AR-Forschung aufgearbeitet, als eine von vier Einzel-Ausarbeitungen, die in Phase 1 der Sommeraufgabe entstanden sind. Ich habe ihr zugesagt, aus ihrer Arbeit einen Artikel zu machen. Das ist dieser Artikel.

Was die Forschung zum AR-Kontinuum sagt

Lina beginnt mit einer Frage, die scheinbar akademisch ist, aber direkte Praxiskonsequenzen hat: Was ist überhaupt AR und wo hört sie auf?

Das klassische Reality-Virtuality-Kontinuum von Milgram et al. (1995) kennen viele. Die Übergänge zwischen realer Welt und virtueller Realität sind fließend, Mixed Reality ist der Raum dazwischen. Was Lina herausarbeitet: Professor Rauschnabel et al. (2022) haben dieses Modell grundlegend überarbeitet. Ihr XR-Framework trennt das AR-Kontinuum vom VR-Kontinuum klar, weil es für Nutzer einen erheblichen Unterschied macht, ob sie ihre physische Umgebung noch wahrnehmen oder nicht.

„Sie fanden heraus, dass es für Nutzer einen erheblichen Unterschied macht, ob das physische Umfeld, in welchem sich der Anwender befindet, erkennbar ist oder nicht. Dahingehend gäbe es keinen Spielraum.” — Lina Stöhr, Hausarbeit RUB, Mai 2026

Das ist keine Spitzfindigkeit, sondern in der Praxis bedeutet das: AR Quick Look auf dem iPhone — der Kunde sieht sein Produkt in seiner eigenen Produktionshalle — ist etwas grundlegend anderes als eine VR-Brille, die ihn aus seiner Umgebung herausholt. Die Akzeptanz, das Vertrauen, die kognitive Verarbeitung: alles verschieden.

OpenUSD als Datenbasis, schon in der Forschung angekommen

Was mich an Linas Arbeit besonders gefreut hat: Sie behandelt OpenUSD nicht als Randnotiz, sondern als zentrales Framework für die Datenvorbereitung in AR-Systemen. Und sie benennt das Problem der Vorgänger-Frameworks präzise:

„Die bisherigen Frameworks zur Erstellung von AR-Modellen waren nicht nur hoch komplex, sondern hatten auch immer Schwachstellen. So konnten zum Beispiel die definierten Animationen und Kinematiken nur im Rahmen der von der Software bereitgestellten Funktionen genutzt werden. Auch verschlechterte sich durch den Konvertierungsprozess von CAD-Modellen die Modellgenauigkeit und die Informationen zur Konstruktionshierarchie gingen verloren.” — Lina Stöhr, Hausarbeit RUB, Mai 2026

Genau das ist der Grund, warum wir seit Jahren konsequent auf OpenUSD setzen und warum ich Mitglied der Alliance for OpenUSD (AOUSD) bin. Die Interoperabilität zwischen CAD-Systemen, DCC-Tools und AR-Ausgabe ist kein Nice-to-have, sondern die Voraussetzung dafür, dass AR im Maschinenbau-Vertrieb überhaupt skalierbar wird. Stichwort Spatial Sales Infrastructure.

Kognitive Belastung: Warum das iPhone die richtige Wahl ist

Linas technischer Teil hat eine Erkenntnis, die direkt in unsere Projektarbeit einfließt. Sie referiert Baumeister et al. (2017), die verschiedene AR-Darstellungsarten auf kognitive Belastung verglichen haben, HMDs mit optical/video see-through, Spatial AR Projection und einen normalen Monitor als Kontrollbedingung. Direkt wie aus meinen Newsletter-Beitrags zu AR-Hardware im Sales.

Ergebnis: AR verbessert die Leistung grundsätzlich. Aber HMDs (Head Mounted Devices, also AR-Brillen) erzeugen erhöhte kognitive Belastung, mit klaren Langzeitnachteilen. Nur Spatial AR Projection zeigte deutliche Langzeitvorteile ohne diesen Effekt.

Das passt zu meiner Einschätzung, die ich schon länger verteile: Das iPhone ist für kurze AR-Momente im Vertriebsgespräch die beste Wahl, nicht trotz seiner Einfachheit, sondern wegen ihr. Die kognitive Last ist niedrig, der Einstieg für den Kunden ist null, die Verfügbarkeit ist immer gegeben.

Zur Nutzungsdauer und Hardwarewahl habe ich selbst eine Grafik entwickelt, die inzwischen in der Forschung zitiert wird — unter anderem von Rauschnabel et al. (2022), dem Paper, das Lina für ihre Begriffseinordnung verwendet.

Die Grafik zeigt: Bis zwei Minuten ist das iPhone die beste Wahl. Ab 15 Minuten lohnt sich eine Halterung. AR-Brillen erst ab fünf Minuten — aber auch dann nur, wenn die Auf- und Absetzzeit einkalkuliert ist.

Diese Infografik wurde zitiert in:
Rauschnabel, P. A., Felix, R., Hinsch, C., Shahab, H. & Alt, F. (2022). What is XR? Towards a Framework for Augmented and Virtual Reality. Computers in Human Behavior, 133. · doi:10.1016/j.chb.2022.107289 · 1.000+ Zitierungen

Die Messlücke: Was die Forschung selbst benennt

Linas Fazit ist diplomatisch formuliert, aber klar in der Aussage. Sie zitiert Fischer et al. (2021), die Experten aus der Industrie zu AR im B2B-Vertrieb befragt haben:

„Es fehlen bislang etablierte Kennzahlen zur Erfolgsmessung, was die Rechtfertigung von Investitionen erschwert.” — Fischer et al. (2021), zitiert in Stöhr (2026)

Das ist der Punkt, an dem unsere Studie ansetzt. Nicht ob AR funktioniert — das belegen Dutzende Studien, zuletzt eindrucksvoll Mettler, Lanzrath und Homburg im Journal of Marketing (2026). Sondern: Wie messen wir, ob AR in einem konkreten B2B-Vertriebsgespräch wirklich zu besserem Verstehen führt?

Meine Antwort darauf ist Time-to-Understanding — die Kennzahl, die ich in der gemeinsamen Studie mit der Ruhr-Universität Bochum entwickeln will. Wie lange braucht ein Käufer, bis er ein erklärungsbedürftiges Produkt nicht nur nickt, sondern wirklich versteht? Und senkt AR diese Zeit systematisch?

Das ist die Forschungsfrage und Linas Arbeit liefert dafür einen Teil des Literaturrahmens. Wenn es klappt veröffentliche ich vielleicht auch weitere Zusammenfassungen dieser Hausarbeiten.

Danke, Lina

Ich freue mich, dass Lina Stöhr Teil dieser Forschungsgruppe ist. Wer ihr auf LinkedIn folgt, findet dort eine Wissenschaftlerin, die Technologie nicht als Selbstzweck betrachtet, sondern fragt, was sie im echten Vertriebsgespräch leistet und was nicht.

Ich berichte weiter, was nun, nach der Zwischenpräsentation, in den nächsten drei Monaten passiert.

Typische Entscheiderfragen