Lead Scoring bewertet eingehende Anfragen nach festen Kriterien und sortiert sie in eine Bearbeitungsreihenfolge, damit der Vertrieb die aussichtsreichen Kontakte zuerst anruft. Der Nutzen hängt weniger vom Verfahren ab als von der Menge: Wer zwanzig Anfragen im Monat bekommt, braucht keine Punktevergabe, sondern einen Rückruf.
Das Problem hinter der Frage
Ein Vertriebsteam mit fünfzehn offenen Anfragen am Montagmorgen entscheidet die Reihenfolge fast immer nach denselben Mustern: Wer zuletzt geschrieben hat, wessen Firmenname bekannt klingt und welche Anfrage am freundlichsten formuliert ist. Alle drei Kriterien korrelieren kaum mit der Abschlusswahrscheinlichkeit. Der bekannte Konzernname bindet häufig Wochen und endet in einem Lieferantenportal, während die knapp formulierte Anfrage eines regionalen Mittelständlers innerhalb von zehn Tagen zum Auftrag geführt hätte.
Der teure Teil ist nicht die falsche Reihenfolge an sich, sondern die Streuung: Ohne definierte Priorität schwankt die Reaktionszeit zwischen zwei Stunden und vier Tagen, je nachdem, wer die Anfrage zuerst sieht.
Wann sich Scoring rechnet — und wann nicht
Die ehrliche Antwort vorweg: Unterhalb von etwa 80 bis 100 Anfragen im Monat ist Lead Scoring in der Regel Aufwand ohne Gegenwert. Ein Vertrieb, der jede Anfrage einzeln liest, sortiert sie beim Lesen bereits — ein Punktesystem verlagert diese Arbeit nur nach vorn und erzeugt zusätzlich Pflegeaufwand.
Sinnvoll wird Scoring, wenn eine der folgenden Bedingungen zutrifft:
- Mehr Anfragen als der Vertrieb am selben Tag bearbeiten kann
- Mehrere Personen greifen auf denselben Anfragepool zu
- Deutliche Qualitätsunterschiede zwischen den Kanälen, etwa Website, Messe und Portale
- Vertriebsaufwand je Anfrage im Bereich mehrerer Stunden, wo Fehlpriorisierung teuer wird
| Weg | Aufwand | Laufende Kosten | Grenzen |
|---|---|---|---|
| Bauchgefühl | keiner | keine | schwankende Reaktionszeiten, nicht übergebbar |
| Checkliste auf Papier | Stunden | keine | wird unter Last nicht ausgefüllt |
| Punktesystem im CRM | 1–3 Tage | meist im CRM-Preis | nur strukturierte Felder, Freitext bleibt außen vor |
| Regeln plus Firmendatenabgleich | 2–4 Tage | Abfragekosten der Datenquelle, Stand beim Anbieter prüfen | Datenqualität je Anbieter unterschiedlich |
| KI-gestützte Einordnung | 3–6 Tage | Modellnutzung, meist zweistellig monatlich | Begründung schwerer, Prüfstichproben nötig |
Die mittlere Zeile ist für die meisten Betriebe der richtige Einstieg: nachvollziehbare Punkte für Merkmale, die Sie ohnehin erheben, ergänzt um automatisch nachgeladene Firmendaten. Der Aufbau gehört fachlich zur Prozessautomatisierung und nicht in ein KI-Projekt eigener Art.
Die Kriterien, die wirklich tragen
Herkunft und Konkretheit der Anfrage
Der aussagekräftigste Einzelwert ist selten ein Firmenmerkmal, sondern die Anfrage selbst: Wer eine Menge, einen Termin oder eine konkrete Spezifikation nennt, steht weiter im Kaufprozess als jemand, der um allgemeine Informationen bittet. Diese Einordnung aus Freitext ist die Stelle, an der ein Sprachmodell tatsächlich Mehrwert liefert.
Freemail-Adressen richtig gewichten
Eine Adresse bei einem Freemail-Anbieter gilt vielerorts als Ausschlusskriterium. Das ist in Deutschland riskant: Einzelunternehmer, Handwerksbetriebe und kleine Praxen schreiben regelmäßig aus solchen Postfächern, und in Teilen des Baugewerbes ist es die Regel. Behandeln Sie das Merkmal als schwaches Signal, das den Score dämpft, aber niemals allein aussortiert.
Konzern ist nicht gleich guter Lead
Große Unternehmen erhalten in fast allen Modellen die höchste Punktzahl. Für einen mittelständischen Anbieter ist das oft falsch herum: Lange Beschaffungswege, Rahmenverträge und Einkaufsportale binden Kapazität, die bei zwei mittelgroßen Kunden mehr Deckungsbeitrag gebracht hätte. Leiten Sie die Gewichtung aus den eigenen abgeschlossenen Vorgängen der letzten zwei Jahre ab, nicht aus einer Vorlage.
Ein Punkteschema, das ohne Erklärung auskommt
Ein brauchbares Regelwerk passt auf eine halbe Seite. Bewährt hat sich eine Aufteilung in drei Blöcke: Passung (Branche, Größe, Region), Bedarf (angefragte Leistung, genannte Menge oder Termin) und Erreichbarkeit (vollständige Angaben, Geschäftsadresse). Jeder Block bekommt eine feste Höchstpunktzahl, die Summe entscheidet über die Klasse. Der Vorteil liegt nicht in der Trennschärfe, sondern in der Kommunikation: Ein Vertriebsmitarbeiter, der die Einstufung eines Leads nicht nachvollziehen kann, wird sie ignorieren — und dann war der ganze Aufbau umsonst. Verzichten Sie in der ersten Fassung bewusst auf Verhaltensdaten wie Öffnungsraten oder Seitenaufrufe. Sie klingen präzise, sind im B2B mit langen Entscheidungswegen aber schwach und binden Aufwand, der bei den Stammdaten besser aufgehoben ist.
Bestandskunden gehören nicht in denselben Topf
Eine Anfrage eines bestehenden Kunden wird von Neukundenkriterien systematisch falsch bewertet, weil Firmengröße und Branche längst bekannt sind. Der Abgleich gegen den Bestand gehört deshalb vor die Bewertung — er ist ohnehin nötig, damit keine Dubletten entstehen. Welche Datenpflege ein CRM dafür leisten muss, beschreibt der Ratgeber KI im CRM.
Umsetzung: Regeln zuerst, KI danach
Der praktikable Aufbau hat drei Stufen. Zuerst die Regeln, die Sie belegen können: Region, Leistung, Bestandskunde ja/nein, Geschäfts- oder Freemail-Adresse. Dann die Anreicherung um Firmendaten, damit Branche und Größe nicht geraten werden müssen. Erst zuletzt die Einordnung des Freitexts durch ein Modell. Eine fertige Vorlage für diese Kette bietet der Workflow „Lead mit Firmendaten anreichern und bewerten”, der Freemail-Adressen trennt, Stammdaten nachlädt und daraus einen nachvollziehbaren Score bildet.
Ein Score braucht eine Kontrollschleife. Vergleichen Sie nach drei Monaten die vergebenen Klassen mit den tatsächlichen Abschlüssen. Landen mehr als ein Viertel der Aufträge in Klasse C, sind die Kriterien falsch gewichtet — nicht der Vertrieb. Diese Auswertung ist wichtiger als jede Feinjustierung des Modells — sie ist der Prüfstein jeder KI-Automatisierung im Vertrieb und braucht nichts weiter als eine Liste der Abschlüsse.
Wer den Score pflegt
Ein Scoring ist kein Projekt mit Enddatum. Preise, Zielbranchen und Kapazitäten ändern sich, und mit ihnen die Gewichtung. Legen Sie deshalb eine Person fest, die zweimal im Jahr eine Stunde investiert, um die Kriterien gegen die tatsächlichen Abschlüsse zu prüfen. Ohne diese Zuständigkeit veraltet das Regelwerk still: Es liefert weiter Klassen, aber sie stimmen nicht mehr — und weil die Zahlen unverändert aussehen, fällt es erst auf, wenn der Vertrieb dem System nicht mehr folgt. Der Aufwand für die Pflege ist gering, das Ausbleiben der Pflege ist der häufigste Grund, warum eingeführte Scoring-Systeme nach zwei Jahren wieder abgeschaltet werden.
Rechtlicher Rahmen
Ein Lead-Score verarbeitet personenbezogene Daten und wird zur Bewertung einer Person oder ihres Unternehmens genutzt. Drei Punkte sind relevant:
Art. 22 DSGVO begrenzt ausschließlich automatisierte Entscheidungen mit rechtlicher Wirkung oder erheblicher Beeinträchtigung. Ein Score, der die Anrufreihenfolge im Vertrieb bestimmt, fällt üblicherweise nicht darunter — ein Score, der Anfragen ohne menschliche Prüfung ablehnt, kommt dem Anwendungsbereich nahe. Halten Sie die Entscheidung beim Menschen.
Auftragsverarbeitung: Anreicherungsdienste und Modellanbieter verarbeiten Ihre Kontaktdaten. Es braucht jeweils einen Vertrag nach Art. 28 DSGVO und einen Eintrag im Verarbeitungsverzeichnis; die Anforderungen fasst die Seite KI und Datenschutz zusammen.
EU AI Act: Ein Vertriebs-Score im B2B zählt nicht zu den Hochrisiko-Anwendungen nach Anhang III — anders als etwa Bewertungssysteme im Beschäftigungskontext. Die Pflicht zur KI-Kompetenz aus Art. 4 gilt seit dem 02.02.2025 aber unabhängig davon für alle Mitarbeiter, die mit dem System arbeiten; Einzelheiten unter EU AI Act.
Der Test vor der Einführung
Nehmen Sie die letzten fünfzig abgeschlossenen Vorgänge und bewerten Sie sie rückwirkend mit dem geplanten Kriterienkatalog. Trennt der Katalog gewonnene von verlorenen Anfragen erkennbar, lohnt der Aufbau. Trennt er nicht, liegt das Problem nicht am fehlenden Werkzeug, sondern an Kriterien, die noch niemand belegt hat — und diese Antwort ist einen halben Tag Auswertung wert, bevor Sie ein System einführen, das den Vertrieb täglich beschäftigt.
Quellen: Verordnung (EU) 2016/679 (EUR-Lex) · Verordnung (EU) 2024/1689 (EUR-Lex)
Häufige Fragen
Ab welchem Anfragevolumen lohnt sich Lead Scoring?
Als grobe Schwelle ab etwa 80 bis 100 Anfragen im Monat. Darunter kennt der Vertrieb seine Anfragen ohnehin, und ein Punktesystem ersetzt eine Sortierung, die vorher keine Zeit gekostet hat.
Welche Kriterien gehören in ein Lead-Scoring?
Belastbar sind nur Kriterien, die Sie aus abgeschlossenen Vorgängen belegen können: Branche, Unternehmensgröße, Region, angefragte Leistung, Geschäfts- statt Freemail-Adresse und die Konkretheit der Anfrage. Alles Weitere ist Vermutung.
Ist eine Freemail-Adresse ein schlechtes Zeichen?
Nur als schwaches Signal. In vielen Branchen schreiben Einzelunternehmer und Handwerksbetriebe aus persönlichen Postfächern. Eine Freemail-Adresse sollte den Score dämpfen, aber nie allein zur Aussortierung führen.
Darf ein KI-Score automatisch über Kunden entscheiden?
Nein. Ein Score ist eine Priorisierungshilfe für den Vertrieb. Eine ausschließlich automatisierte Entscheidung mit rechtlicher Wirkung oder erheblicher Beeinträchtigung fällt unter Art. 22 DSGVO und ist nur in engen Ausnahmen zulässig.
Was ist der Unterschied zwischen Regel- und KI-Scoring?
Ein Regelsystem vergibt feste Punkte für nachvollziehbare Merkmale und lässt sich jederzeit erklären. KI-gestütztes Scoring ordnet zusätzlich Freitext und Firmendaten ein, ist dafür schwerer zu begründen — für den Mittelstand ist die Mischform meist die praktikable Lösung.
Wann führt ein Lead-Score in die Irre?
Immer dann, wenn er aus zu wenigen Altvorgängen abgeleitet ist, Konzernanfragen systematisch überbewertet oder Bestandskunden wie Neukunden behandelt. Der häufigste Fehler ist Scheingenauigkeit: eine Prozentzahl, hinter der 200 Vorgänge stehen.