Lead Scoring im B2B-Vertrieb – Praxis-Guide 2026

TL;DR – Was ist Lead Scoring? Lead Scoring ist ein systematisches Verfahren, das jedem Lead basierend auf Profildaten (Jobtitel, Branche, Unternehmensgröße) und Verhalten (Website-Besuche, Downloads, Demo-Anfragen) Punkte zuweist. Je höher der Score, desto kaufbereiter der Lead.

4 Kerndaten:

• Unternehmen mit Lead Scoring erzielen 77% mehr MQL-zu-SQL-Konversionen als Unternehmen ohne Scoring (Aberdeen Group, 2024)
• 68% der B2B-Unternehmen im DACH-Raum priorisieren Leads noch manuell – ohne systematisches Scoring (Gartner, 2024)
• Der optimale Reaktionszeitraum nach MQL-Übergabe: unter 5 Minuten erhöht die Qualifizierungswahrscheinlichkeit um 400% (InsideSales Research, 2024)
• Regelbasiertes Scoring lohnt sich ab 50 Leads/Monat, Predictive Scoring ab 500 Leads/Monat

Lead Scoring entscheidet, welche Ihrer Leads sofort den Vertrieb erreichen – und welche noch Pflege brauchen. Ihr Vertrieb telefoniert 40 Kontakte pro Woche ab – und nur drei davon haben echtes Kaufinteresse. Die restlichen 37 Gespräche? Verlorene Zeit, verbrannte Energie, frustrierte Mitarbeiter.

Das Problem ist nicht die Anzahl Ihrer Leads. Das Problem ist: Ohne Lead Scoring behandeln Sie jeden Kontakt gleich – unabhängig davon, ob er morgen kaufen will oder nur aus Neugier Ihr Whitepaper heruntergeladen hat. Marketing liefert Masse statt Qualität. Der Vertrieb verliert den Überblick. Abschlüsse bleiben auf der Strecke.

Dieser Guide zeigt Ihnen, wie Sie ein Lead Scoring System aufbauen, das Ihre Leads systematisch bewertet und priorisiert. Sie erfahren, welche Scoring-Modelle es gibt, wie Sie Kriterien festlegen, den MQL-zu-SQL-Übergabeprozess definieren und welches Tool zu Ihrem Unternehmen passt. Mit einem durchgehenden Praxisbeispiel – von der ersten Bewertung bis zum Vertriebsübergang.

Wie richten Sie Lead Scoring in Ihrem CRM ein? Lesen Sie weiter – oder sprechen Sie direkt mit uns.

Was ist Lead Scoring? – Definition und Grundprinzip

Direkte Antwort: Lead Scoring ist ein systematisches Verfahren zur Bewertung von Leads anhand von Profildaten (demografisch, firmografisch) und Verhaltensmerkmalen (Seitenbesuche, E-Mail-Öffnungen, Download-Aktivitäten). Jedes Merkmal erhält Punkte – je höher der Gesamt-Score, desto kaufbereiter der Lead.

Das Prinzip dahinter ist einfach: Nicht jeder Lead ist gleich wertvoll. Ein Geschäftsführer, der Ihre Pricing-Seite dreimal besucht hat, ist näher am Abschluss als ein Student, der einmal Ihren Blog gelesen hat. Lead Scoring macht diesen Unterschied messbar.

Dabei setzt sich der Score aus zwei Dimensionen zusammen:

• Fit-Score (explizit): Passt der Lead zu Ihrem Idealkunden? Branche, Unternehmensgröße, Position – diese Profildaten zeigen, ob der Kontakt grundsätzlich als Kunde in Frage kommt.
• Engagement-Score (implizit): Wie aktiv ist der Lead? Website-Besuche, E-Mail-Interaktionen, Demo-Anfragen – diese Verhaltensdaten zeigen, wie kaufbereit er ist.

Beide Dimensionen zusammen ergeben ein vollständiges Bild: Der richtige Kontakt mit dem richtigen Interesse zum richtigen Zeitpunkt.

Wichtige Abgrenzung: Lead Scoring ist ein Teilbereich des Lead Managements, das den gesamten Lebenszyklus eines Leads abdeckt – von der Generierung über die Qualifizierung bis zum Abschluss. Während Lead Nurturing sich auf die Pflege und Weiterentwicklung von Kontakten konzentriert, bewertet Lead Scoring den aktuellen Status eines Leads.

Warum Lead Scoring? – Konkrete Vorteile für Marketing und Vertrieb

Unqualifizierte Leads blockieren Ihre Vertriebspipeline. Ihr Team investiert Zeit in Kontakte, die nie kaufen werden – während echte Kaufsignale unbeantwortet bleiben. Lead Scoring löst dieses Problem an drei Stellen.

1. Vertriebszeit auf kaufbereite Leads fokussieren

Ohne Scoring behandelt Ihr Vertrieb jeden Lead gleich. Das bedeutet: Wertvolle Gesprächszeit fließt in Kontakte ohne Kaufabsicht. Mit einem Scoring-System erkennt Ihr Team sofort, welche Leads Priorität haben. Das Ergebnis: kürzere Sales-Cycles und höhere Abschlussquoten.

Datenpunkt: Unternehmen, die Lead Scoring einsetzen, berichten von 28% höheren Umsatzwachstumsraten im Vergleich zu Unternehmen ohne Scoring (Aberdeen Group, 2024).

2. Marketing-Vertrieb-Alignment durch gemeinsame Sprache

Marketing sagt: „Wir liefern genug Leads." Vertrieb sagt: „Die Leads taugen nichts." Dieses Silo-Denken entsteht, wenn beide Abteilungen keine gemeinsame Definition haben, was ein qualifizierter Lead ist. Lead Scoring schafft diese gemeinsame Sprache – über klar definierte Schwellenwerte für Marketing Qualified Leads (MQL) und Sales Qualified Leads (SQL).

3. Conversion-Rate steigern durch gezielte Ansprache

Wenn Sie wissen, wo ein Lead in seiner Buyer Journey steht, können Sie ihn gezielt ansprechen. Ein kalter Lead bekommt Educational Content. Ein heißer Lead bekommt den direkten Anruf vom Vertrieb. Diese Differenzierung steigert Ihre Conversion-Rate messbar.

Warum ist Lead Scoring wichtig? Weil es den Unterschied macht zwischen einem Vertrieb, der im Dunkeln fischt, und einem Vertrieb, der systematisch die richtigen Kontakte zur richtigen Zeit anspricht.

Explizites vs. implizites Lead Scoring: Die zwei Datendimensionen

Ein vollständiges Lead-Scoring-Modell kombiniert zwei Datenquellen: Was der Lead ist (explizit) und was der Lead tut (implizit). Nur die Kombination beider Dimensionen ergibt ein belastbares Bild.

Explizites Scoring: Wer ist der Lead?

Explizite Daten beschreiben das Profil eines Leads. Sie zeigen, ob der Kontakt grundsätzlich zu Ihrem Idealkunden (ICP) passt.

Typische Kriterien:

• Firmografisch: Branche, Unternehmensgröße, Umsatz, Standort
• Demografisch: Jobtitel, Entscheidungskompetenz, Abteilung
• DACH-spezifisch: XING-Profil vorhanden, Messe-Teilnahme (z. B. Hannover Messe, DMEXCO), Webinar-Teilnahme in deutscher Sprache

Implizites Scoring: Was tut der Lead?

Implizite Daten erfassen das Verhalten eines Leads. Sie zeigen, wie aktiv und kaufbereit der Kontakt ist.

Typische Signale:

• Starke Kaufsignale: Pricing-Seite besucht, Demo angefragt, Kontaktformular ausgefüllt
• Mittlere Signale: Whitepaper heruntergeladen, E-Mail geöffnet und geklickt, Webinar besucht
• Schwache Signale: Blogartikel gelesen, Newsletter abonniert, Social-Media-Interaktion

Vergleichstabelle: Explizit vs. Implizit

Tipp: Starten Sie mit 5–7 expliziten und 5–7 impliziten Kriterien. Mehr brauchen Sie am Anfang nicht. Komplexität können Sie später hinzufügen, wenn Ihr Modell kalibriert ist.

Wichtig: Verhaltensbasiertes Tracking unterliegt in Deutschland der DSGVO. Mehr dazu im Abschnitt DSGVO und Lead Scoring.

Lead Scoring Modelle: Von regelbasiert bis KI-gestützt

Direkte Antwort: Es gibt drei Hauptmodelle für Lead Scoring: regelbasiertes Scoring (manuelle Kriteriengewichtung, ideal für den Einstieg), Predictive Scoring (KI-gestützt, benötigt historische Daten) und hybrides Scoring (Kombination beider Ansätze für maximale Genauigkeit).

Nicht jedes Unternehmen braucht dasselbe Scoring-Modell. Die Wahl hängt von Ihrer Datenmenge, Ihrem Team und Ihrem Reifegrad ab. Grundsätzlich gibt es drei Ansätze.

Regelbasiertes Lead Scoring

Beim regelbasierten Scoring definieren Sie manuell, welche Kriterien wie viele Punkte erhalten. Marketing und Vertrieb legen gemeinsam fest: „Ein Geschäftsführer bekommt +15 Punkte. Ein Besuch der Pricing-Seite bringt +20 Punkte."

Vorteile:

• Transparent und nachvollziehbar
• Schnell einzurichten
• Kein historisches Datenset nötig
• Ideal für Teams mit weniger als 500 Leads pro Monat

Nachteil: Die Gewichtung basiert auf Annahmen, nicht auf Daten. Regelmäßige Kalibrierung ist Pflicht.

KI-gestütztes (Predictive) Lead Scoring

Predictive Lead Scoring nutzt Machine-Learning-Algorithmen, um aus historischen Abschlüssen Muster zu erkennen. Das Modell lernt automatisch, welche Kombination aus Profildaten und Verhalten zu einem Abschluss führt – und gewichtet entsprechend.

Vorteile:

• Datengetriebene Gewichtung statt Bauchgefühl
• Erkennt Muster, die Menschen übersehen
• Skaliert mit wachsender Datenmenge

Nachteil: Benötigt ausreichend historische Daten (mindestens 12 Monate CRM-Daten, idealerweise 1.000+ abgeschlossene Deals).

Hybrides Lead Scoring

Das hybride Modell kombiniert regelbasierte Grundstruktur mit KI-Optimierung. Explizite Kriterien werden manuell gewichtet, implizite Verhaltensdaten werden durch Algorithmen verfeinert. Dies ist der Ansatz, den führende Plattformen wie HubSpot und Salesforce Einstein standardmäßig verwenden.

Vorteil: Sofort einsetzbar (regelbasierte Basis), lernt über Zeit (KI-Verfeinerung). Nachteil: Erfordert sorgfältige Konfiguration beider Komponenten.

Welches Modell passt zu Ihnen?

Pro-Tipp: Starten Sie regelbasiert. Sammeln Sie Daten. Wechseln Sie zu Predictive oder Hybrid, wenn Ihre Datenbasis groß genug ist. Dieser Stufenansatz spart Ihnen Frustration und liefert von Tag eins verwertbare Ergebnisse.

Schritt für Schritt: Eigenes Lead-Scoring-System aufbauen

Theorie ist gut – Umsetzung ist besser. Die folgenden sechs Schritte zeigen Ihnen, wie Sie Lead Scoring in Ihrem Unternehmen einführen. Als Roter Faden dient ein Praxisbeispiel.

Unser Beispiel-Unternehmen: TechFlow GmbH – B2B-SaaS-Anbieter für Projektmanagement, 50 Mitarbeiter, 300 neue Leads pro Monat. Vertrieb und Marketing arbeiten bisher ohne gemeinsame Lead-Definition.

Schritt 1: Zielkunde definieren (ICP + Buyer Persona)

Bevor Sie Punkte vergeben, müssen Sie wissen, wer Ihr idealer Kunde ist. Erstellen Sie ein Ideal Customer Profile (ICP) mit firmografischen Merkmalen und ergänzen Sie es um Buyer Personas mit demografischen Details.

TechFlow-Beispiel:

• ICP: B2B-Unternehmen, 20–200 Mitarbeiter, SaaS/IT/Beratungsbranche, DACH-Region
• Buyer Persona: Teamleiter oder Geschäftsführer, verantwortlich für Projektmanagement, technisch affin

Schritt 2: Scoring-Kriterien gemeinsam festlegen

Holen Sie Vertrieb und Marketing an einen Tisch. Welche Merkmale zeigen, dass ein Lead zum ICP passt? Welches Verhalten deutet auf Kaufinteresse hin? Und genauso wichtig: Welche Merkmale disqualifizieren einen Lead? Ziel ist es, Leads systematisch zu qualifizieren – auf Basis gemeinsamer Kriterien, nicht Bauchgefühl.

Schritt 3: Punktesystem entwickeln

Vergeben Sie Punkte für jedes Kriterium. Stärkere Kaufsignale bekommen mehr Punkte. Disqualifizierende Merkmale bekommen Minuspunkte.

TechFlow-Scoring-Tabelle:

Schritt 4: Schwellenwerte und Lead-Stufen definieren

Legen Sie fest, ab welchem Score ein Lead in die nächste Stufe wechselt – und welche Maßnahme jeweils greift.

Schritt 5: Im CRM konfigurieren und automatisieren

Richten Sie Ihr Scoring-System in Ihrem CRM-System ein. Die meisten Tools bieten native Scoring-Funktionen oder lassen sich über Automatisierungsplattformen erweitern. Definieren Sie Workflows, die automatisch greifen, wenn ein Lead eine Schwelle überschreitet.

TechFlow-Beispiel: Erreicht ein Lead 50 Punkte, erstellt das CRM automatisch eine Aufgabe für den zuständigen SDR und sendet eine Slack-Benachrichtigung an das Vertriebsteam.

Schritt 6: Feedback-Loop etablieren

Das Scoring-Modell ist nie fertig. Etablieren Sie einen regelmäßigen Feedback-Loop: Der Vertrieb gibt Rückmeldung, ob die als „hot" markierten Leads tatsächlich qualifiziert waren. Auf Basis dieser Daten kalibrieren Sie Ihr Modell – monatlich oder quartalsweise.

Möchten Sie Lead Scoring direkt in Ihrem CRM einrichten? Wir begleiten Sie dabei – von der Strategie bis zur technischen Umsetzung.

MQL vs. SQL: Der Übergabeprozess vom Marketing zum Vertrieb

Direkte Antwort: Ein MQL (Marketing Qualified Lead) ist ein Lead, der durch Profil und Verhalten genug Punkte gesammelt hat, um vom Marketing als qualifiziert eingestuft zu werden. Ein SQL (Sales Qualified Lead) ist ein MQL, den der Vertrieb nach persönlicher Prüfung als echte Verkaufschance mit validiertem Bedarf, Budget und Zeitrahmen bestätigt hat.

Lead Scoring allein reicht nicht. Entscheidend ist, was passiert, wenn ein Lead den definierten Schwellenwert erreicht. Der Übergabeprozess von Marketing an Vertrieb ist der Moment, in dem Scoring seinen Wert beweist – oder scheitert.

Was unterscheidet MQL und SQL?

• Marketing Qualified Lead (MQL): Ein Lead, der durch sein Verhalten und Profil zeigt, dass er über dem Durchschnitt engagiert ist. Er hat genug Punkte gesammelt, um vom Marketing an den Vertrieb weitergegeben zu werden.
• Sales Qualified Lead (SQL): Ein MQL, den der Vertrieb nach persönlicher Prüfung als echte Verkaufschance bestätigt hat. Der SDR hat Bedarf, Budget und Zeitrahmen validiert.

Der Übergabe-SLA: Wer macht was – und wann?

Ohne klare Regeln geht die Übergabe schief. Definieren Sie ein Service Level Agreement (SLA) zwischen Marketing und Vertrieb:

1. Automatische Zuweisung: Sobald ein Lead die MQL-Schwelle erreicht (z. B. 50 Punkte), wird er im CRM automatisch dem zuständigen Vertriebsmitarbeiter zugewiesen.
2. Reaktionszeit: Der SDR kontaktiert den MQL innerhalb von 24 Stunden. Wichtig: Die Qualifizierungswahrscheinlichkeit sinkt um 400%, wenn die Reaktionszeit 5 Minuten überschreitet (InsideSales Research, 2024). Für hochwertige SQLs gilt: so schnell wie möglich.
3. Benachrichtigungs-Workflow: Automatische Benachrichtigung per Slack, E-Mail oder CRM-Task – damit kein Lead durchrutscht.
4. Feedback an Marketing: Innerhalb von 5 Werktagen gibt der Vertrieb Rückmeldung, ob der MQL als SQL akzeptiert oder zurückgegeben wird – inklusive Begründung.

Verantwortlichkeiten klar definieren

Tipp: Führen Sie ein monatliches Alignment-Meeting zwischen Marketing und Vertrieb ein. Besprechen Sie: Wie viele MQLs wurden zu SQLs? Wo hakt es? Welche Kriterien müssen angepasst werden?

Negative Scoring und Score-Decay: Die unterschätzten Faktoren

Die meisten Unternehmen konzentrieren sich beim Lead Scoring auf positive Punkte – und übersehen zwei Mechanismen, die über die Qualität Ihres Modells entscheiden: Negative Scoring und Score-Decay.

Negative Scoring: Punkte abziehen

Definition: Negative Scoring ist der Mechanismus, bei dem disqualifizierende Merkmale oder Verhaltensweisen eines Leads zu Punktabzügen führen. Ziel: Verhindern, dass ungeeignete Kontakte fälschlicherweise als qualifizierte Leads eingestuft werden.

Nicht jedes Verhalten ist ein Kaufsignal. Und nicht jeder Kontakt ist ein potenzieller Kunde. Negative Scoring zieht Punkte ab, wenn disqualifizierende Merkmale oder Verhaltensweisen auftreten.

Typische Minuspunkte:

• Profil-Ausschlüsse: Student, Freelancer, Wettbewerber → -20 bis -30 Punkte
• Negatives Verhalten: Newsletter-Abmeldung (-10), Karriereseite besucht statt Produktseite (-5), Bounce bei E-Mail (-5)
• Inaktivität: Keine Interaktion seit 30 Tagen → -10 Punkte

Ohne negative Scoring stufen Sie Leads als „warm" ein, die nie kaufen werden. Ihr Vertrieb verschwendet Zeit – genau das Problem, das Scoring lösen soll.

Score-Decay: Automatische Punktereduktion über Zeit

Definition: Score-Decay (dt. Score-Verfall) ist der automatische Prozess, bei dem Punkte eines Leads über Zeit reduziert werden, wenn er keine neuen Interaktionen zeigt. Score-Decay verhindert, dass alte Engagement-Signale den aktuellen Lead-Status verfälschen.

Ein Lead, der vor sechs Monaten Ihre Demo-Seite besucht hat, seitdem aber nie wieder aktiv war, ist nicht mehr „hot". Trotzdem zeigt Ihr CRM ihn als Top-Lead an – weil der Score von damals noch zählt.

Score-Decay löst dieses Problem. Das Prinzip: Punkte verlieren automatisch an Wert, wenn der Lead über einen definierten Zeitraum inaktiv bleibt.

TechFlow-Beispiel – Decay-Modell:

• Nach 4 Wochen ohne Aktivität: -5 Punkte pro Woche
• Nach 8 Wochen ohne Aktivität: -10 Punkte pro Woche
• Nach 12 Wochen: Lead wird automatisch auf „kalt" zurückgestuft

Score-Decay sorgt dafür, dass Ihr Scoring-System die Realität abbildet – nicht die Vergangenheit.

Predictive Lead Scoring: KI-gestützte Bewertung im Einsatz

Regelbasiertes Scoring basiert auf Annahmen. Predictive Lead Scoring basiert auf Daten. Der Unterschied: Ein KI-Modell analysiert Ihre historischen Abschlüsse und erkennt Muster, die Menschen nicht sehen.

Wie funktioniert Predictive Lead Scoring?

Das Modell trainiert auf Ihren CRM-Daten: Welche Leads wurden zu Kunden? Welche Merkmale und Verhaltensweisen hatten sie gemeinsam? Auf dieser Basis bewertet der Algorithmus neue Leads automatisch – und passt die Gewichtung laufend an.

Welche Daten nutzt KI?

• Historische Abschlüsse: Gewonnene und verlorene Deals der letzten 12–24 Monate
• Verhaltensmuster: Zeitliche Abfolge von Interaktionen (z. B. „Leads, die innerhalb von 7 Tagen nach Whitepaper-Download die Pricing-Seite besuchen, schließen 3x häufiger ab")
• Externe Daten: Firmendatenbanken, Social-Media-Signale, Branchentrends

Wann lohnt sich der Umstieg auf Predictive?

• Sie haben mehr als 500 Leads pro Monat
• Ihr CRM enthält mindestens 12 Monate Daten mit abgeschlossenen Deals
• Ihr Vertriebsteam hat mehr als 10 Mitarbeiter
• Die regelbasierte Kalibrierung wird zu aufwändig

Tools mit Predictive Scoring:

• HubSpot: Predictive Lead Scoring in höheren Plänen (automatische Gewichtung basierend auf Deal-Historie)
• Salesforce Einstein: Enterprise-KI für Lead Scoring mit umfassenden Datenpunkten
• n8n + KI-Modell: Für technisch affine Teams – n8n-basiertes Lead Scoring als flexible Open-Source-Alternative

Pro-Tipp: Predictive Scoring ersetzt regelbasiertes Scoring nicht – es ergänzt es. Starten Sie regelbasiert, sammeln Sie Daten und aktivieren Sie Predictive, wenn die Datenbasis reif ist.

Häufige Fehler beim Lead Scoring – und wie Sie sie vermeiden

Lead Scoring ist kein Set-and-Forget-System. Diese fünf Fehler sehen wir in der Praxis immer wieder – und sie kosten Unternehmen qualifizierte Abschlüsse.

1. Scoring ohne Vertriebsinput aufbauen

Fehler: Marketing definiert die Scoring-Kriterien allein – ohne den Vertrieb einzubeziehen. Folge: Die Kriterien spiegeln nicht die Realität wider. Leads, die der Vertrieb als unqualifiziert einstuft, landen als „hot" im CRM. Lösung: Kriterien gemeinsam mit Vertrieb und Marketing festlegen. Beide Perspektiven fließen ein.

2. Nur implizites Scoring verwenden

Fehler: Das Modell bewertet ausschließlich Verhalten (Seitenbesuche, Downloads) – ohne Profildaten. Folge: Research-Leads (Studenten, Journalisten, Wettbewerber) werden als kaufbereit eingestuft, weil sie viel Content konsumieren. Lösung: Explizite Kriterien (Jobtitel, Branche, Unternehmensgröße) als Filter einbauen. Ein hoher Engagement-Score ohne Fit-Score ist kein qualifizierter Lead.

3. Keinen Feedback-Loop einrichten

Fehler: Das Scoring-Modell wird einmal eingerichtet und dann nicht mehr angefasst. Folge: Die Kriterien veralten. Das Modell driftet. Die Lead-Qualität sinkt, ohne dass es jemand bemerkt. Lösung: Monatliches Review: Wie viele MQLs wurden zu SQLs? Welche Kriterien haben den größten Vorhersagewert? Anpassen, testen, wiederholen.

4. Score-Schwellenwerte nie anpassen

Fehler: Die Schwellenwerte (z. B. MQL ab 50 Punkte) werden bei der Einführung festgelegt und nie überprüft. Folge: Bei steigendem Lead-Volumen oder veränderten Marktbedingungen passt die Kalibrierung nicht mehr. Lösung: Schwellenwerte quartalsweise überprüfen – basierend auf Conversion-Daten von MQL zu SQL zu Abschluss.

5. DSGVO-Konformität ignorieren

Fehler: Verhaltensbasiertes Tracking wird eingesetzt, ohne die rechtlichen Anforderungen zu prüfen. Folge: Rechtliches Risiko durch fehlende Einwilligung oder unzureichende Datenschutzerklärung. Lösung: Tracking-Consent und Datenschutzerklärung VOR dem Go-Live des Scorings prüfen lassen. Mehr dazu im nächsten Abschnitt.

Lead Scoring Software: Welches Tool passt zu Ihrem Unternehmen?

Die Wahl des richtigen Tools hängt von Ihrer Unternehmensgröße, Ihrem Use Case und Ihrem bestehenden Tech-Stack ab. Hier ein neutraler Vergleich der vier relevantesten Plattformen für den DACH-Mittelstand.

Welches Tool für welchen Use Case?

• Sie starten gerade mit Lead Scoring und haben ein kleines Vertriebsteam? → Pipedrive oder Brevo. Einfaches Setup, schnelle Ergebnisse.
• Sie brauchen eine All-in-One-Plattform für Marketing und Vertrieb? → HubSpot. Tiefe Integration von Scoring, Nurturing und Reporting.
• Sie haben ein großes Team und viele Daten? → Salesforce mit Einstein. Maximale Skalierbarkeit und KI-Power.
• Sie wollen maximale Flexibilität und haben technisches Know-how? → n8n-basierte Automation mit individueller Scoring-Logik.

Wichtig: Kein Tool ersetzt einen sauberen Prozess. Definieren Sie zuerst Ihre Kriterien, Schwellenwerte und den Übergabeprozess – dann wählen Sie das Tool.

Lead Scoring in HubSpot einrichten – Kurzanleitung

Für Teams, die mit HubSpot starten, sind dies die wichtigsten Schritte:

1. Einstellungen → Eigenschaften → HubSpot Score aufrufen
2. Positive Kriterien hinzufügen (Formular ausgefüllt, Pricing-Seite besucht, Demo angefragt)
3. Negative Kriterien ergänzen (Newsletter-Abmeldung, Inaktivität >60 Tage, Wettbewerber-Domain)
4. Punktwerte entsprechend der Kaufrelevanz gewichten
5. Workflow erstellen: Bei Score ≥ 50 → CRM-Task für SDR + Slack-Benachrichtigung
6. Monatlich in der Workflow-Analyse überprüfen: Welche Kriterien haben den größten Vorhersagewert?

Sie sind unsicher, welches Tool zu Ihrem Unternehmen passt? Vereinbaren Sie ein kurzes Erstgespräch – wir helfen Ihnen bei der Auswahl.

DSGVO und Lead Scoring: Was ist in Deutschland erlaubt?

Direkte Antwort: Verhaltensbasiertes Lead Scoring in Deutschland erfordert zwingend eine Rechtsgrundlage nach DSGVO Art. 6. Die sicherste Grundlage ist die ausdrückliche Einwilligung (Art. 6 Abs. 1 lit. a). Das berechtigte Interesse (Art. 6 Abs. 1 lit. f) ist möglich, aber risikoreicher und muss durch eine Interessenabwägung belegt werden.

Verhaltensbasiertes Lead Scoring erfasst Nutzerdaten – Seitenbesuche, Klickverhalten, E-Mail-Interaktionen. In Deutschland unterliegt diese Datenerhebung der DSGVO. Wer hier nicht sauber arbeitet, riskiert Bußgelder und Vertraünsverlust.

Welche Rechtsgrundlagen gelten?

• Einwilligung (Art. 6 Abs. 1 lit. a DSGVO): Der sicherste Weg. Nutzer stimmen dem Tracking aktiv zu – z. B. über einen Cookie-Consent-Banner, der explizit auf Scoring-relevantes Tracking hinweist.
• Berechtigtes Interesse (Art. 6 Abs. 1 lit. f DSGVO): Möglich, aber risikoreicher. Sie müssen nachweisen, dass Ihr Interesse an der Datenverarbeitung die Interessen des Nutzers überwiegt.

DSGVO-Checkliste für Lead Scoring

Praktische Hinweise für DSGVO-konformes Lead Scoring

• Cookie-Consent: Stellen Sie sicher, dass Ihr Consent-Banner das Scoring-Tracking explizit abdeckt – nicht nur Analytics.
• Datenschutzerklärung: Beschreiben Sie transparent, dass und wie Sie Lead Scoring betreiben.
• Aufbewahrungsfristen: Definieren Sie, wie lange Scoring-Daten gespeichert werden. Löschen Sie Daten inaktiver Leads nach einem definierten Zeitraum.
• Auskunftsrecht: Betroffene können jederzeit Auskunft über ihre gespeicherten Daten und den Score verlangen.

DSGVO-Hinweis: Verhaltensbasiertes Lead Scoring erfordert in Deutschland eine rechtskonforme Grundlage nach DSGVO Art. 6. Stellen Sie sicher, dass Ihr Tracking-Consent (Cookie-Einwilligung) auch das Scoring-Verhalten abdeckt. Holen Sie im Zweifelsfall Rechtsrat ein.

Häufig gestellte Fragen (FAQ)

Was ist Lead Scoring?

Lead Scoring ist ein systematisches Bewertungsverfahren, bei dem Leads anhand von Profildaten und Verhaltensmerkmalen Punkte erhalten. Je höher der Score, desto kaufbereiter ist der Lead. Unternehmen nutzen Lead Scoring, um ihren Vertrieb auf die vielversprechendsten Kontakte zu fokussieren.

Wie funktioniert die Scoring-Methode?

Sie definieren Kriterien (z. B. Jobtitel, Unternehmensgröße, Website-Besuche, Downloads) und vergeben für jedes Kriterium Punkte. Das CRM-System berechnet automatisch den Gesamt-Score. Überschreitet ein Lead einen definierten Schwellenwert, wird er als qualifiziert markiert und an den Vertrieb übergeben.

Was für Scoring-Modelle gibt es?

Es gibt drei Hauptmodelle: regelbasiertes Scoring (manuelle Kriteriengewichtung, ideal für den Einstieg), Predictive Scoring (KI-gestützte Gewichtung basierend auf historischen Daten) und hybrides Scoring (Kombination beider Ansätze). Regelbasiertes Scoring eignet sich für Unternehmen mit unter 500 Leads/Monat, Predictive für datenreiche Umgebungen.

Welche Phasen umfasst das Lead-Scoring?

Ein Lead durchläuft typischerweise vier Phasen: kalt (Score 0–24, nur Basis-Nurturing), warm (25–49, intensiviertes Marketing), hot (50–74, SDR kontaktiert) und Sales Ready (75+, Account Executive übernimmt). Die genauen Schwellenwerte passen Sie an Ihr Geschäftsmodell an.

Welche 4 Arten von Leads gibt es?

Im Lead-Scoring-Kontext unterscheidet man: Information Qualified Leads (IQL – suchen nur Informationen), Marketing Qualified Leads (MQL – zeigen echtes Interesse), Sales Qualified Leads (SQL – vom Vertrieb als Chance bestätigt) und Product Qualified Leads (PQL – haben das Produkt bereits getestet, z. B. über eine Free-Trial-Phase).

Wie unterscheiden sich MQL und SQL?

Ein MQL ist ein Lead, der durch sein Profil und Verhalten genug Punkte gesammelt hat, um vom Marketing als qualifiziert eingestuft zu werden. Ein SQL ist ein MQL, den der Vertrieb nach persönlicher Prüfung als echte Verkaufschance bestätigt hat – mit validiertem Bedarf, Budget und Zeitrahmen.

Ab wann lohnt sich Lead Scoring für mein Unternehmen?

Lead Scoring lohnt sich, sobald Ihr Vertrieb mehr Leads erhält, als er sinnvoll bearbeiten kann – typischerweise ab 50–100 neuen Leads pro Monat. Ab diesem Volumen wird die manuelle Priorisierung ineffizient und ein systematisches Scoring-System spart messbar Zeit.

Was ist Score-Decay und warum ist es wichtig?

Score-Decay ist der automatische Prozess, bei dem die Punkte eines inaktiven Leads über Zeit sinken. Ein Lead, der vor sechs Monaten aktiv war, aber seitdem nicht mehr, ist nicht mehr kaufbereit – Score-Decay spiegelt das wider. Ohne Score-Decay zeigt Ihr CRM veraltete Scores als aktuell an, was zu Fehlpriorisierungen führt. Empfohlen: ab 4 Wochen Inaktivität -5 Punkte pro Woche.

Was ist der Unterschied zwischen regelbasiertem und hybridem Lead Scoring?

Regelbasiertes Scoring gewichtet alle Kriterien manuell nach Einschätzung von Marketing und Vertrieb. Hybrides Scoring kombiniert diese manuelle Grundstruktur mit KI-Optimierung: Explizite Kriterien werden manuell gesetzt, implizite Verhaltensdaten werden durch Algorithmen verfeinert. Hybrides Scoring ist in Tools wie HubSpot (höhere Pläne) und Salesforce Einstein der Standardansatz.

Ist Lead Scoring in Deutschland DSGVO-konform?

Lead Scoring ist in Deutschland legal, erfordert aber eine klare Rechtsgrundlage nach DSGVO Art. 6 – entweder die ausdrückliche Einwilligung der betroffenen Person oder ein nachgewiesenes berechtigtes Interesse. Praktisch bedeutet das: Cookie-Consent-Banner muss Scoring-Tracking abdecken, Datenschutzerklärung muss Lead Scoring erwähnen, und Aufbewahrungsfristen für Scoring-Daten müssen definiert sein.

Fazit: Lead Scoring als Fundament für effizienten B2B-Vertrieb

Lead Scoring ist kein Nice-to-have – es ist die Grundlage für einen Vertrieb, der systematisch die richtigen Kontakte zur richtigen Zeit anspricht.

Die fünf wichtigsten Take-aways:

• Zwei Dimensionen kombinieren: Nur die Verbindung von explizitem (Fit) und implizitem (Engagement) Scoring ergibt ein vollständiges Bild.
• Gemeinsam definieren: Marketing und Vertrieb legen Kriterien, Schwellenwerte und den Übergabeprozess zusammen fest.
• Negatives Scoring und Decay nicht vergessen: Ohne Minuspunkte und automatische Punktereduktion veralten Ihre Scores.
• Klein starten, iterieren: Beginnen Sie regelbasiert mit 10–15 Kriterien. Optimieren Sie monatlich auf Basis von Vertriebsfeedback.
• DSGVO von Anfang an mitdenken: Tracking-Consent, Datenschutzerklärung und Aufbewahrungsfristen gehören zum Setup.