Lead Scoring im Mittelstand: Wann Punkteregeln reichen und wann KI hilft

Lead Scoring bewertet jeden Interessenten mit Punkten für Firmenmerkmale und Verhalten, damit Ihr Vertrieb weiß, wen er zuerst anruft. Für ein mittelständisches B2B-Unternehmen mit einigen hundert Anfragen im Jahr reicht dafür meist ein Punkteschema im CRM, also in Ihrer Kundendatenbank. Ein KI-Modell, das Erfolgschancen vorhersagt, braucht dagegen viele sauber erfasste Zu- und Absagen. Vorher hilft KI an anderer Stelle: Sie übersetzt Freitext in Felder, die eine Regel bewertet.

Was Lead Scoring leistet und wo es aufhört

Lead Scoring sortiert Anfragen nach Passung und Kaufinteresse. Ihr Vertrieb ruft zuerst die Interessenten an, die zu Ihren besten Kunden passen. Das Scoring ersetzt kein Gespräch. Es macht sichtbar, was Ihr Team ohnehin für wichtig hält, und wendet es auf jede Anfrage gleich an.

Der Nutzen: Gute Interessenten rutschen nach oben, ohne dass jemand den Stapel liest. Die Grenze: Ein Score ist nur so gut wie seine Kriterien. Stimmt Ihr Bild vom idealen Kunden nicht, sortiert das System gleichmäßig falsch.

Ein Punkteschema, das für den Anfang reicht

Für den Start genügen wenige Regeln in zwei Gruppen: Passung (Branche, Größe, Rolle) und Verhalten (Anfrage, Preisinteresse, Antwort). Jede Regel gibt Punkte, die Summe bestimmt den nächsten Schritt. Die Werte in der Tabelle sind ein Beispiel und ein Startpunkt, keine gemessenen Erfahrungswerte.

Schwellen im Beispiel: ab 60 Punkten Anruf am selben Werktag, von 30 bis 59 Punkten Rückmeldung binnen einer Woche, darunter eine Antwort per E-Mail ohne Anruf. Beantwortet wird jede Anfrage. Der Score steuert nur, wie viel Vertriebszeit sie bekommt.

Ab wann ein KI-Modell überhaupt trägt

Ein prädiktives Modell, also eines, das aus alten Leads errechnet, wie wahrscheinlich ein neuer Lead zur Verkaufschance wird, lernt nur aus abgeschlossenen Fällen. Es braucht deshalb eine Mindestmenge an Leads mit erfasstem Ergebnis, qualifiziert wie verworfen. Microsoft nennt für sein CRM als Untergrenze 40 qualifizierte und 40 verworfene Leads, eine Anbieterangabe.

Die Leads müssen in einem wählbaren Zeitraum von drei Monaten bis zwei Jahren angelegt und abgeschlossen sein.

Unsere Einschätzung: Mit einigen hundert Anfragen im Jahr ist diese Schwelle erreichbar, wenn jede Absage im CRM landet. Ein Modell aus wenigen Fällen lernt aber vor allem Ihre bisherigen Gewohnheiten. Es lohnt sich erst, wenn viele Leads vorliegen und das Punkteschema erkennbar danebenliegt.

Wo KI hilft, ohne selbst zu entscheiden

KI ist dort stark, wo Text verstanden werden muss. Ein Sprachmodell, also eine KI wie ChatGPT oder Claude, liest den Freitext einer Anfrage. Es füllt daraus ein festes Feld, etwa Anliegen oder Zeitrahmen. Die Punkte vergibt danach die Regel aus Ihrem Schema.

Schreibt ein Interessent etwa, er brauche bis März eine Lösung, setzt das Modell „Zeitrahmen: unter sechs Monaten“. Bei unklarem Text setzt es „unklar“, und ein Mensch prüft.

Manche fertige Vorlage für n8n oder Zapier lässt das Sprachmodell den Lead direkt bewerten. Unsere Einschätzung: Wir würden das nicht so bauen. Ein Sprachmodell, das frei Punkte vergibt, kann dieselbe Anfrage beim nächsten Mal anders bewerten, und niemand sieht, warum. Füllt es nur ein Feld mit festen Werten, bleibt jede Punktzahl nachprüfbar.

Was die DSGVO zu Lead Scoring sagt

Sobald Ihr Scoring Interessen oder Verhalten einer Person bewertet, ist das Profiling im Sinne der DSGVO. Das gilt auch im B2B, denn Ihre Ansprechpartner sind natürliche Personen. Profiling ist erlaubt, braucht aber eine Rechtsgrundlage. Streng geregelt sind nach Art. 22 erst Entscheidungen, die ausschließlich automatisiert fallen und rechtliche oder ähnlich erhebliche Folgen haben.

Als Beispiel nennt die amtliche Begründung der DSGVO, der Erwägungsgrund 71, die automatische Ablehnung eines Online-Kreditantrags. Ein Rückruf, der später oder gar nicht kommt, wiegt in der Regel deutlich weniger. Allerdings hat der Europäische Gerichtshof 2023 im SCHUFA-Fall entschieden: Schon ein Score kann eine automatisierte Entscheidung sein, wenn ihm eine maßgebliche Rolle zukommt. Ob das bei Lead Scoring so ist, hat bisher kein Gericht entschieden, soweit wir sehen.

Im Alltag wichtiger ist die Rechtsgrundlage, also ob Sie eine Einwilligung brauchen oder sich auf ein berechtigtes Interesse stützen können. Berechtigtes Interesse heißt: Ihr Interesse wiegt schwerer als das der Person. Direktwerbung nennt die DSGVO in ihrer amtlichen Begründung ausdrücklich als mögliches berechtigtes Interesse. Jede Person kann dem Werbe-Profiling aber jederzeit widersprechen. Darauf müssen Sie spätestens bei der ersten Kommunikation hinweisen, deutlich abgesetzt, etwa in der ersten Antwort-E-Mail.

Die Aufsichtsbehörden ziehen in ihrer Orientierungshilfe zur Direktwerbung von 2022 eine engere Linie. Eine Einteilung nach einem einzigen Kriterium wie der Postleitzahl halten sie in der Regel für zulässig. Detaillierte Profile, Verhaltensprognosen und Werbescores aus externen Quellen wie sozialen Netzwerken brauchen danach in der Regel eine Einwilligung; der Hinweis auf das Widerspruchsrecht reicht ihnen ausdrücklich nicht. Gegen diese Linie spricht der Gesetzestext selbst: Ein eigenes Widerspruchsrecht gegen Werbe-Profiling ergibt vor allem Sinn, wenn solches Profiling auch ohne Einwilligung zulässig sein kann. Ob ein Schema mit mehreren Merkmalen wie im Beispiel oben noch eine einfache Einteilung ist oder schon eine Verhaltensprognose, hat bisher weder eine Aufsichtsbehörde noch ein Gericht geklärt.

Praktisch gilt: Je weniger Merkmale, je mehr eigene statt zugekaufter Daten und je klarer ein Mensch entscheidet, desto geringer das Risiko. Für Seitenbesuche gelten zusätzlich die Cookie-Regeln, auf die die DSK verweist. Dieser Text ersetzt keine Rechtsberatung; lassen Sie Ihr Schema vor dem Start datenschutzrechtlich prüfen.

Lohnt sich das für Sie?

Ob sich ein Scoring lohnt, hängt an zwei Fragen. Schafft Ihr Vertrieb es, jede Anfrage am selben Tag zu sichten? Und sind Abschlüsse und Absagen im CRM sauber erfasst? Die Tabelle ordnet typische Ausgangslagen ein. Ihre eigenen Zahlen ersetzt sie nicht.

Einen verlässlichen Preisrahmen gibt es dafür nicht. Die Kosten hängen davon ab, was Ihr CRM mitbringt, wie viele Anfragen das Sprachmodell liest und wie lange die Kriterien abgestimmt werden.

Praxisbeispiel: Anfragen mit n8n bewerten

Das Beispiel zeigt einen typischen Ablauf für Anfragen über das Website-Formular. Es ist ein Muster, kein Kundenfall, und enthält deshalb keine Ergebnisse. Die Bausteine laufen in n8n oder in Make. Der Aufwand steckt weniger in der Technik als in den Kriterien.

1. Das Formular sendet die Anfrage per Webhook an n8n, also an eine feste Empfangsadresse.
2. n8n ergänzt aus dem CRM Branche und Firmengröße, soweit dort gepflegt.
3. Ein Sprachmodell füllt aus dem Freitext Anliegen und Zeitrahmen, nur mit vorgegebenen Werten oder „unklar“.
4. Die Regel addiert die Punkte. Über der Schwelle bekommt der Vertrieb eine Aufgabe für denselben Werktag.
5. Monatlich prüft der Vertrieb eine Stichprobe niedrig bewerteter Leads und trägt bei jedem abgeschlossenen Lead Ergebnis und Grund ein.

Schritt 5 ist der wichtigste: Er zeigt, ob die Regeln stimmen, und sammelt die Daten, die ein späteres Vorhersagemodell bräuchte.

Wir bauen solche Punkteschemata im CRM oder mit n8n und Make, samt KI-Feldern für Freitext und Rückmeldung aus dem Vertrieb.

Zuletzt aktualisiert: 1. November 2026