B2B-Lead-Qualifizierung: So filterst du die besten Prospects mit System

B2B-Leads systematisch zu qualifizieren bedeutet, vor dem ersten Vertriebsgespräch zu wissen, ob Budget, Entscheidungsbefugnis und Timing stimmen. Das gelingt mit einem Scoring-Modell, das demografische Merkmale und Verhaltenssignale kombiniert. Wer das in ActiveCampaign aufsetzt, filtert ungeeignete Prospects heraus, bevor Sales-Ressourcen verschwendet werden.

Das Wichtigste in Kürze

• BANT (Budget, Authority, Need, Timeline) eignet sich für transaktionale Deals unter 50.000 Euro; für komplexere Kaufprozesse mit mehreren Entscheidern liefert MEDDIC zuverlässigere Ergebnisse.
• Ein dreistufiges Scoring-Modell – Firmographics, Verhalten, Intent – bewertet jeden Lead auf einer 100-Punkte-Skala und steuert automatisch, wann Marketing und wann Sales handelt.
• Score-Verfall ist Pflicht: Signale, die älter als 30 Tage sind, sollten weniger zählen als aktuelle Aktivität – sonst bleiben inaktive Leads künstlich weit oben in der Pipeline.
• Das System funktioniert nur, wenn Marketing und Sales gemeinsam definieren, ab welchem Score ein Lead als Sales Qualified Lead gilt.
• Automatische Qualifizierung ersetzt kein Urteilsvermögen: Bei sehr beratungsintensiven Produkten braucht es nach dem automatischen Filter immer noch einen kurzen Qualifizierungsanruf.

Warum die meisten B2B-Teams zu früh zu viel Kapazität in ungeeignete Prospects stecken

Das typische Muster sieht so aus: Ein Unternehmen generiert über Ads, Content und Events eine wachsende Zahl von Kontakten, das Sales-Team spricht mit allen, die eine Demo anfragen – und die Abschlussquote bleibt trotzdem niedrig. Die Ursache liegt selten an der Qualität der Gespräche, sondern an der Auswahl der Gesprächspartner.

Wer keine klaren Qualifizierungskriterien hat, behandelt jeden Lead wie einen potenziellen Kunden. Das kostet Sales-Kapazität, verfälscht CRM-Daten und macht die Pipeline unlesbar. Ein Kontakt, der eigentlich noch drei Monate im Nurturing geblieben wäre, blockiert Ressourcen, die ein kaufbereiter Prospect gebraucht hätte.

Die Lösung ist kein komplexes technisches Gebäude, sondern eine klare Entscheidung vorher: Welche Kriterien muss ein Kontakt erfüllen, damit Sales das Gespräch sucht? Wer das einmal präzise formuliert, kann es danach automatisieren.

BANT und MEDDIC: Zwei Frameworks für unterschiedliche Kaufprozesse

Die meisten B2B-Teams kennen BANT – Budget, Authority, Need, Timeline. Es stammt aus dem IBM-Vertrieb der 1960er Jahre und funktioniert bis heute zuverlässig dort, wo Kaufentscheidungen schnell getroffen werden und ein Entscheider das letzte Wort hat. Bei Deals unter 50.000 Euro Auftragswert und kurzen Evaluationszyklen ist BANT ein sinnvoller Rahmen für die erste Qualifizierungsrunde.

Bei komplexeren B2B-Geschäften mit Buying Committees, langen Evaluationsphasen und hohem Auftragswert stößt BANT an seine Grenzen. Hier leistet MEDDIC mehr: Metrics (welche messbaren Ziele verfolgt der Käufer?), Economic Buyer (wer unterzeichnet?), Decision Criteria (nach welchen Kriterien wird entschieden?), Decision Process (wie läuft der Prozess ab?), Identify Pain (welches konkrete Problem treibt die Entscheidung?) und Champion (wer treibt das Projekt intern?). MEDDIC ist aufwändiger, macht aber unsichtbare Risiken im Kaufprozess sichtbar – insbesondere dann, wenn ein Deal auf dem Papier gut aussieht, intern aber kein Champion vorhanden ist, der ihn vorantreibt.

In der Praxis kombinieren viele Teams beide Ansätze: BANT für die automatische Erstfilterung im Marketing-Tool, MEDDIC für die Tiefenqualifizierung durch Sales, sobald ein Kontakt einen bestimmten Score erreicht hat.

Ein dreistufiges Scoring-Modell, das Marketing und Sales gemeinsam tragen

Ein Lead-Scoring-Modell, das nur Marketing aufbaut, wird Sales nicht akzeptieren. Das ist das häufigste Scheitern. Deshalb beginnt der Aufbau eines Qualifizierungssystems immer mit einer gemeinsamen Definition: Was ist für uns ein qualifizierter Lead – und ab welchem Punkt ist es Aufgabe von Sales, das Gespräch zu suchen?

Das dreistufige Modell verteilt 100 Punkte auf drei Kategorien. Die Gewichtung ist ein Startpunkt, kein Dogma – nach dem ersten Quartal Betrieb solltest du die Verteilung anhand deiner Abschlüsse justieren.

Firmographics (bis zu 30 Punkte)

Firmographics bewertet, wie gut ein Unternehmen zum Idealkunden-Profil passt. Konkrete Beispiele für eine Gewichtung:

• Ein Unternehmen im Zielkorridor von 20 bis 200 Mitarbeitern bekommt 15 Punkte.
• Stimmt die Branche mit dem ICP überein, kommen 10 Punkte dazu.
• DACH-Standort gibt 5 weitere Punkte.

Diese Punkte werden einmalig vergeben, wenn die Daten vorliegen – entweder aus dem Formular, aus CRM-Anreicherung oder über einen Datenanbieter. Fehlt die Unternehmensgröße, bekommt der Kontakt keinen Firmographic-Score und bleibt systematisch unter dem MQL-Schwellenwert. Ein Datenanreicherungsschritt im Onboarding ist daher keine Kür, sondern Grundvoraussetzung für ein funktionsfähiges Modell.

Verhaltenssignale (bis zu 50 Punkte)

Verhalten ist dynamisch und zeitabhängig. Hier fließen Touchpoints ein, die aktives Kaufinteresse anzeigen:

• Wer die Preisseite besucht, bekommt 20 Punkte – das stärkste automatisch erfassbare Signal.
• Das Herunterladen einer Fallstudie oder Case Study gibt 15 Punkte.
• Ein E-Mail-Klick (nicht bloß eine Öffnung) zählt 10 Punkte.
• Wer ein Webinar besucht oder aufgerufen hat, bekommt ebenfalls 10 Punkte.
• Eine Demo-Anfrage oder ein geöffneter Kalender-Link löst unabhängig vom Gesamtscore direkt einen SQL-Status aus.

ActiveCampaign vergibt diese Punkte automatisch über Automationen und Site Tracking. E-Mail-Öffnungen allein sind ein schwaches Signal und sollten niedrig oder gar nicht gewichtet werden – Öffnungsraten sind seit den Mail-Privacy-Änderungen ab iOS 15 nur bedingt verlässlich und verzerren sonst das Modell.

Intent-Signale (bis zu 20 Punkte)

Intent-Daten zeigen, ob jemand gerade aktiv nach einer Lösung sucht – unabhängig davon, ob er auf der eigenen Website war. Quellen sind G2-Reviews, Bombora, LinkedIn Sales Navigator oder Trigger-Events wie eine Funding-Runde, ein Personalwechsel oder eine Expansion. Intent-Daten werden über Webhooks oder Zapier in ActiveCampaign eingespielt und erhöhen den Score entsprechend. Für kleinere Teams, die keine Intent-Datenanbieter einsetzen, reicht es, Trigger-Events manuell als Tags zu erfassen und im Scoring zu berücksichtigen.

Negative Punkte

Minuspunkte verhindern, dass ungeeignete Kontakte durch schiere Aktivität nach oben gespült werden:

• Wer eine Privatadresse (Gmail, gmx, web.de) hinterlegt hat, verliert 20 Punkte.
• Kontakte aus explizit ausgeschlossenen Gruppen (Studenten, direkte Konkurrenz) bekommen 30 Punkte abgezogen.
• Wer 30 Tage lang keine Website-Aktivität und keine E-Mail-Interaktion zeigt, verliert wöchentlich 5 Punkte.
• Abmeldeabsicht oder eine Spam-Markierung zieht 50 Punkte ab.

So richtest du Lead-Scoring in ActiveCampaign ein – Schritt für Schritt

ActiveCampaign enthält ein natives Lead-Scoring-System unter Kontakte → Lead Scoring. Der folgende Ablauf ergibt ein einfaches, aber funktionsfähiges Setup für das dreistufige Modell.

1. Rufe in ActiveCampaign Kontakte → Lead Scoring auf und lege eine neue Score-Kategorie an (Beispiel: "B2B-Score").
2. Vergib für das Kriterium "Benutzerdefiniertes Feld: Unternehmensgröße enthält [Zielwert]" den entsprechenden Firmographic-Score über den Plus-Button im Score-Editor.
3. Öffne Automationen → Erstellen und lege eine Automation an, die ausgelöst wird, wenn Site Tracking einen Besuch der Preisseite registriert. Füge die Aktion "Lead Score anpassen: +20" ein.
4. Erstelle eine zweite Automation für das Score-Routing: Bedingung "Lead Score ist größer als 60" → Aktion "CRM-Deal anlegen" und "Benachrichtigung an Sales senden".
5. Füge in derselben Automation einen zweiten Zweig ein: "Lead Score ist zwischen 30 und 59" → Kontakt in die Nurturing-Sequenz einschreiben.
6. Richte eine wöchentliche Score-Decay-Automation ein: Trigger "Wöchentlich, Montags 06:00 Uhr" → Bedingung "Letzte E-Mail-Interaktion älter als 30 Tage UND keine Site-Tracking-Aktivität in 30 Tagen" → Aktion "Lead Score anpassen: -5".
7. Teste das System mit mindestens 20 bestehenden Kontakten, deren Kaufstatus du kennst. Prüfe, ob die Scoring-Werte mit dem tatsächlichen Verhalten korrelieren – und justiere die Gewichtung, wenn sie es nicht tun.

Mehr Details zum Aufbau eines vollständigen Modells – inklusive Score-Vererbung bei Unternehmens-Accounts – findest du im Beitrag zu Lead Scoring in ActiveCampaign.

Score-Verfall: warum aktuelle Signale mehr zählen als alte

Ein Lead-Score, der nie verfällt, zeigt ein falsches Bild. Wer vor drei Monaten die Preisseite besucht hat, ist heute möglicherweise kein aktiver Interessent mehr – der Score jedoch steht unverändert hoch. Das führt dazu, dass Sales Zeit in Gespräche investiert, die ins Leere führen.

Score-Verfall (auch Score Decay oder Score Aging) sorgt dafür, dass vergangene Aktivität mit der Zeit weniger Gewicht bekommt. Zwei Ansätze haben sich bewährt:

Der zeitbasierte Pauschalabzug ist der einfachere Ansatz: Jede Woche ohne messbare Aktivität werden pauschal fünf Punkte abgezogen. Das lässt sich in ActiveCampaign unkompliziert automatisieren, berücksichtigt aber nicht, wie hochwertig das letzte Signal war.

Präziser ist eine Halbwertszeit pro Signal-Typ: Hochwertige Signale wie eine Preisseiten-Anfrage oder eine Demo-Anfrage verlieren langsamer Gewicht als schwache Signale wie eine einzelne E-Mail-Öffnung. Das erfordert mehr Automationslogik, bildet das tatsächliche Kaufinteresse aber genauer ab.

Für die meisten B2B-Teams ist der wöchentliche Pauschalabzug ein sinnvoller Startpunkt. Wer nach drei bis sechs Monaten Betrieb die Modell-Performance prüft, kann den Decay dann verfeinern.

Reaktivierungs-Signale müssen den Verfall kompensieren. Wenn ein seit Wochen inaktiver Lead plötzlich wieder auf der Preisseite erscheint oder eine E-Mail klickt, muss das eine sofortige Score-Erhöhung auslösen – und optional eine Sales-Benachrichtigung, die den Kontext mitgibt: wann zuletzt aktiv, welche Seite besucht, welche Automation durchlaufen.

Warum Scoring-Modelle in der Praxis oft nicht tragen – und wie du gegensteuern kannst

Marketing und Sales verwenden unterschiedliche SQL-Definitionen

Marketing schickt einen Kontakt mit Score 65 an Sales, Sales schaut drauf und sagt: "Das ist kein qualifizierter Lead." Das ist kein Einzelfall, sondern Systemproblem. Wenn beide Teams nicht dieselbe Definition verwenden, produziert das Scoring-Modell die falschen Weiterleitungen – und das Vertrauen in das System schwindet schnell. Gegenmittel: ein gemeinsames Service Level Agreement, in dem steht, welche Score-Schwelle einen Marketing Qualified Lead zum Sales Qualified Lead macht und welche Daten dabei vorliegen müssen. Dieses Dokument übersteht Personalwechsel und macht Diskussionen kürzer.

Zu viele Kriterien von Beginn an

Ein Scoring-Modell mit 40 Einzelkriterien klingt präzise, ist aber in der Praxis nicht wartbar. Wenn niemand im Team auf Anhieb erklären kann, warum ein Kontakt gerade 47 Punkte hat, verliert das Modell die Akzeptanz – und wird de facto nicht mehr genutzt. Gegenmittel: Mit 6–8 Kriterien starten, das Modell drei Monate laufen lassen, dann anhand der ersten Abschlüsse kalibrieren. Komplexität kommt später, wenn die Datenlage es trägt.

Behavioral Scores ohne Negative Scoring

Wer nur positive Punkte vergibt, hat nach ein paar Monaten eine Pipeline voller Kontakte mit hohen Scores, die aber nicht kaufen – weil auch inaktive oder ungeeignete Kontakte durch schiere Interaktionsvolumen nach oben gespült werden. Negative Punkte für Inaktivität und für Nicht-ICP-Merkmale müssen ab der ersten Version im Modell stehen, nicht erst nach dem ersten Quartal.

Kein Feedback-Loop von Sales zu Marketing

Marketing leitet einen SQL weiter, Sales spricht mit dem Kontakt und stellt fest: unqualifiziert. Dieses Feedback kommt nie systematisch zurück. Das Scoring-Modell lernt nicht dazu. Gegenmittel: ein einfaches Feld im CRM, in dem Sales nach jedem Erstgespräch angibt, ob der Lead tatsächlich qualifiziert war. Diese Daten fließen quartalsweise in die Kalibrierung des Modells ein. Wie das in der Praxis aussieht, zeigt der Beitrag zu ActiveCampaign CRM im Vertrieb.

Score-Vergabe ohne Daten-Grundlage

Wenn ein Kontakt keine Unternehmensgröße hinterlegt hat, wird kein Firmographic-Score vergeben. Kontakte mit lückenhaften Daten bekommen systematisch zu niedrige Werte und werden vom System ignoriert – obwohl sie vielleicht kaufbereit wären. Gegenmittel: Progressive Profiling in Formularen, das fehlende Felder nachfragt, sobald ein Kontakt zurückkommt. Zwei bis drei gezielte Folgefragen pro Touchpoint reichen, um die Datenlage über mehrere Wochen deutlich zu verbessern.

Wann automatische Lead-Qualifizierung nicht ausreicht

Ein automatisches Scoring-Modell ist eine Vorfilter-Schicht, kein Ersatz für Urteilsvermögen. Es gibt Konstellationen, in denen das System allein nicht genug leistet:

• Sehr beratungsintensive Produkte mit komplexen Anforderungserhebungen: Hier braucht es nach dem automatischen Filter immer noch einen Qualifizierungsanruf, um Budget, Prozess und Champion zu verstehen.
• Branchen mit langen Entscheidungszyklen (öffentlicher Sektor, Konzerneinkauf): Ein hoher Score sagt nichts über den tatsächlichen Zeitpunkt. Die Timeline-Komponente lässt sich selten vollständig automatisieren.
• Produktneueinführungen ohne historische Kaufdaten: Score-Modelle werden auf Basis vergangener Abschlüsse kalibriert. Wer ein neues Segment erschließt, hat keine belastbaren Daten und sollte das Modell nach drei bis sechs Monaten Betrieb das erste Mal ernsthaft überprüfen.
• Sehr kleines Kontaktvolumen (unter 200 aktive Leads pro Quartal): Ein automatisches Scoring-System bringt hier wenig Zeitgewinn gegenüber der persönlichen Einschätzung durch Sales.

Das bedeutet nicht, auf ein System zu verzichten. Wer diese Grenzen kennt, baut das Modell realistisch und setzt die Erwartungen im Team richtig – damit das Vertrauen in das System nicht nach dem ersten Fehlalarm verloren geht.

Häufige Fragen

Ab welchem Score sollte Sales einen Lead kontaktieren?

Das lässt sich nicht pauschal beantworten – es hängt von der eigenen Datenlage und der Verteilung im Kontaktpool ab. Ein brauchbarer Startpunkt ist ein Schwellenwert von 60–70 Punkten auf einer 100-Punkte-Skala, wenn das Modell Firmographics, Verhalten und Negative Scoring kombiniert. Nach dem ersten Quartal Betrieb prüfst du, bei welchem Score die Abschlussquote am höchsten lag – und justierst den Schwellenwert entsprechend.

Was ist der Unterschied zwischen MQL und SQL?

Ein Marketing Qualified Lead (MQL) hat genug Interesse gezeigt, um von Marketing als relevant eingestuft zu werden – typischerweise durch Score-Schwelle und ICP-Fit. Ein Sales Qualified Lead (SQL) hat zusätzlich Budget, Entscheidungsbefugnis und Zeitrahmen bestätigt – entweder durch Formulardaten, Verhalten oder ein Discovery-Gespräch. Die genaue Trennlinie ist unternehmensspezifisch und muss schriftlich vereinbart sein, damit beide Teams dieselbe Sprache sprechen.

Wie oft sollte ein Lead-Scoring-Modell kalibriert werden?

Mindestens alle sechs Monate. Märkte und Kaufverhalten ändern sich; ein Modell, das auf Daten von vor 18 Monaten basiert, trifft möglicherweise schlechtere Entscheidungen als eine manuelle Einschätzung. Sinnvoll ist eine quartalsweise Kurzprüfung anhand der letzten Abschlüsse und eine halbjährliche vollständige Überprüfung der Gewichtungen. Wenn das Modell durch eine Produktneueinführung oder einen Marktshift überholt wird, kalibriere sofort – nicht beim nächsten Zyklus.

Was tun mit Leads, die den Score-Schwellenwert nie erreichen?

Kontakte unterhalb des MQL-Schwellenwerts gehören in eine Nurturing-Sequenz – nicht in den Papierkorb. Viele dieser Leads werden in drei bis zwölf Monaten kaufbereit, wenn ein Trigger-Event eintritt. Eine B2B-Nurturing-Sequenz, die relevante Inhalte zum richtigen Zeitpunkt liefert, hält das Interesse wach, bis der Score durch neue Aktivität ansteigt. Kontakte ohne jede Reaktion nach zwölf Monaten Nurturing kannst du mit einer Reaktivierungskampagne prüfen – und dann aus dem aktiven Pool entfernen, wenn sie auch dort nicht reagieren.

Kann Lead-Scoring auch mit kleinen Kontaktdatenbanken funktionieren?

Ja, aber mit Einschränkungen. Unter 500 aktiven Kontakten lohnt ein vollautomatisches System kaum – der Aufwand übersteigt den Nutzen. Sinnvoller ist dann ein manuelles Scoring anhand von drei bis fünf Kriterien, das Sales täglich oder wöchentlich aktualisiert. ActiveCampaign unterstützt beides: automatisiertes Scoring über Automationen und manuelle Score-Anpassung direkt am Kontakt-Datensatz.

Wer ein Qualifizierungssystem von Grund auf aufbaut, sollte nicht mit einem vollautomatischen Modell starten. Drei bis fünf klare Kriterien, eine schriftliche MQL/SQL-Definition und eine wöchentliche Score-Decay-Automation reichen als Fundament. Das Modell wird präziser, je mehr Abschlüsse zum Kalibrieren vorliegen – und je konsequenter Sales sein Feedback nach dem Erstgespräch ins System zurückspielt.