Lead-Scoring mit KI: die richtigen Leads zuerst

Ein kleines Vertriebsteam hat ein Luxusproblem und ein echtes Problem zugleich: Es kommen Anfragen herein, aber die Zeit reicht nicht, jede gleich gründlich zu bearbeiten. Also passiert, was menschlich ist: Man arbeitet die Liste von oben nach unten ab, in der Reihenfolge des Eingangs. Der heisse Lead, der ganz unten liegt, wartet, während oben jemand betreut wird, der ohnehin nie kaufen wollte.

Lead-Scoring löst genau dieses Problem. Es bewertet jede Anfrage nach ihrer Kaufwahrscheinlichkeit und sortiert die Liste neu, nicht nach Eingangszeit, sondern nach Aussicht auf Erfolg. Künstliche Intelligenz kann diese Bewertung verfeinern, doch sie ist nicht der Startpunkt. Dieser Artikel zeigt, wie KMU Lead-Scoring sinnvoll aufziehen und wo KI wirklich hilft.

Das Grundprinzip: Punkte für Aussicht

Lead-Scoring vergibt an jeden Kontakt eine Punktzahl. Je höher die Zahl, desto wahrscheinlicher der Abschluss. Die Punkte setzen sich aus zwei Quellen zusammen, die man klar auseinanderhalten sollte: aus Merkmalen und aus Verhalten.

Merkmale beschreiben, wer jemand ist. Für einen B2B-Betrieb sind das etwa Branche, Unternehmensgrösse, Region oder Position der Kontaktperson. Ein Lead aus der Zielbranche mit passender Grösse bekommt mehr Punkte als eine Anfrage, die offensichtlich nicht ins Beuteschema passt. Diese Bewertung ist statisch: Sie sagt, ob der Kontakt grundsätzlich zum Angebot passt.

Verhalten beschreibt, wie ernst das Interesse ist. Hat jemand die Preisseite besucht? Mehrere Mails geöffnet und geklickt? Ein Angebot angefordert oder ein Webinar besucht? Solche Signale sind oft aussagekräftiger als jedes Merkmal, denn sie zeigen aktives Interesse statt bloss theoretischer Eignung. Wer dreimal die Kontaktseite aufruft, meint es ernster als jemand, der nur einmal zufällig vorbeischaute.

Erst die Kombination trägt. Ein perfekt passender Kontakt ohne jedes Verhalten ist kalt. Ein sehr aktiver Kontakt, der aber gar nicht zur Zielgruppe gehört, führt in die Irre. Der wertvolle Lead ist der, bei dem beides zusammenkommt: passt und zeigt Interesse.

Der pragmatische Start: Regeln statt KI

Bevor irgendeine künstliche Intelligenz ins Spiel kommt, sollte ein KMU mit einem einfachen Regelsystem starten. Man legt fest, wie viele Punkte welches Merkmal und welches Verhalten wert ist, und lässt das System zählen. Das lässt sich in jedem modernen CRM abbilden und ist in wenigen Stunden aufgesetzt.

Der Grund für diesen Start ist nicht Bequemlichkeit, sondern Datenlage. KI lernt aus Beispielen. Wer noch keine Historie hat, aus der ein Modell erkennen könnte, welche Leads tatsächlich gekauft haben, kann auch keine KI sinnvoll trainieren. Das Regelsystem sammelt in der Zwischenzeit genau diese Historie und liefert nebenbei sofort Nutzen.

HubSpot bietet Lead-Scoring als festen Bestandteil und eignet sich gut für KMU, die Marketing und Vertrieb in einem System bündeln wollen. Man definiert Regeln, weist Punkte zu und sieht die Bewertung direkt am Kontakt. Für viele Betriebe reicht diese regelbasierte Variante dauerhaft aus, ganz ohne KI. Wichtig ist nur, die Regeln nicht einmal festzulegen und zu vergessen, sondern regelmässig an der Realität zu prüfen: Kaufen die hoch bewerteten Leads wirklich häufiger?

Wo KI den Unterschied macht

Künstliche Intelligenz kommt dort ins Spiel, wo die Muster zu komplex für einfache Regeln werden. Ein Mensch, der Regeln aufstellt, denkt in geraden Linien: Preisseite besucht gleich plus zehn Punkte. Doch die Realität ist verwickelter. Vielleicht kaufen gerade jene Kontakte am häufigsten, die eine bestimmte Kombination aus Seitenbesuchen, Reaktionszeit und Herkunft zeigen, ein Zusammenhang, den kein Mensch von Hand in Regeln fassen würde.

Genau solche verborgenen Muster findet ein KI-Modell in den Daten. Es lernt aus der Historie, welche Kombinationen von Merkmalen und Verhalten tatsächlich zum Abschluss geführt haben, und bewertet neue Leads auf dieser Grundlage. Das Ergebnis ist oft treffsicherer als jedes handgeschriebene Regelwerk, weil es Zusammenhänge nutzt, die im Verborgenen liegen.

Der zweite Bereich, in dem KI hilft, ist die Anreicherung. Ein KI-Agent kann eingehende Anfragen automatisch mit öffentlich verfügbaren Informationen ergänzen, etwa der Branche oder Grösse eines anfragenden Unternehmens, und diese Zusatzdaten ins Scoring einfliessen lassen. So wird aus einer dürren Anfrage mit nur einer E-Mail-Adresse ein deutlich reicheres Bild.

Mit einer Plattform wie Relevance AI lassen sich solche KI-gestützten Schritte in den Lead-Prozess einbauen, etwa das automatische Anreichern und Vorbewerten neuer Anfragen, bevor sie im CRM landen. Der entscheidende Punkt bleibt aber: KI ergänzt das Scoring, sie ersetzt nicht das Nachdenken darüber, was einen guten Lead ausmacht.

Vom Score zur Handlung: der eigentliche Hebel

Der grösste Fehler beim Lead-Scoring ist, beim Score stehenzubleiben. Eine Punktzahl am Kontakt zu haben, ändert nichts, solange niemand darauf reagiert. Der Nutzen entsteht erst durch die Handlung, die der Score auslöst.

Sinnvoll ist, klare Schwellen zu definieren. Überschreitet ein Lead eine bestimmte Punktzahl, gilt er als vertriebsreif und wird automatisch an einen Menschen übergeben, idealerweise mit einer Benachrichtigung, damit die Reaktion schnell erfolgt. Denn Geschwindigkeit ist beim heissen Lead entscheidend: Wer innerhalb von Minuten statt Stunden reagiert, erhöht die Abschlusswahrscheinlichkeit deutlich. Leads unterhalb der Schwelle wandern in eine automatisierte Nurturing-Strecke, die sie mit passenden Inhalten weiter reifen lässt, bis sie den Schwellenwert erreichen.

Diese Verkettung, vom erreichten Score zur Benachrichtigung, zur CRM-Aktualisierung, zur Nurturing-Strecke, lässt sich mit einem Automatisierungswerkzeug wie Make elegant abbilden. Make verbindet das Formular, das CRM und den E-Mail-Dienst, sodass die Reaktion auf einen heissen Lead in Sekunden statt Stunden erfolgt. Der Score wird so vom stillen Datenpunkt zum Auslöser echter Handlung.

Was das für ein KMU konkret heisst

Der Weg beginnt nicht bei der KI, sondern bei der Klarheit darüber, was einen guten Lead ausmacht. Man definiert die wichtigsten Merkmale und Verhaltensweisen, vergibt Punkte und setzt eine Schwelle, ab der ein Mensch übernimmt. Dieses Regelsystem läuft ab dem ersten Tag und sammelt zugleich die Daten, die spätere KI überhaupt erst möglich machen.

Erst wenn eine solide Historie vorliegt und die einfachen Regeln an ihre Grenzen stossen, lohnt der Schritt zur KI-gestützten Bewertung. Für viele KMU kommt dieser Moment später als gedacht, und manche erreichen mit sauberen Regeln dauerhaft, was sie brauchen. Der Fehler wäre, mit der komplexen Lösung zu beginnen, bevor das einfache Fundament steht.

Lead-Scoring bringt Ordnung in den Vertrieb, indem es die aussichtsreichen Anfragen nach vorne holt. Merkmale sagen, wer passt, Verhalten sagt, wer will, und erst die Kombination ergibt ein verlässliches Bild. Künstliche Intelligenz verfeinert die Bewertung dort, wo Muster zu komplex für Regeln werden, doch der eigentliche Hebel liegt woanders: im schnellen Handeln beim heissen Lead. Für Schweizer KMU ist der pragmatische Weg klar, mit Regeln beginnen, Daten sammeln und KI gezielt ergänzen, sobald sie wirklich Mehrwert bringt.