Lead Scoring: Das Praxis-Playbook für Marketing und Vertrieb

Lead Scoring weist jedem Kontakt eine numerische Punktzahl zu, damit Marketing und Vertrieb Leads nach ihrer tatsächlichen Kaufnähe priorisieren können, statt Zeit mit unqualifizierten Kontakten zu verschwenden. Wer heute anfangen will, braucht drei Dinge sofort:

• Schwellenwert festlegen: Entscheiden Sie, ab welcher Punktzahl ein Lead an Sales übergeben wird. Ein typischer Einstiegswert liegt bei einem mittleren Punktwert auf der Skala.
• Erstes Signal messen: Wählen Sie ein einziges Verhaltenssignal (z. B. Besuch der Preisseite) und ein Profilsignal (z. B. Jobtitel), und beginnen Sie, diese Daten in Ihrem CRM zu erfassen.
• Sales-Handoff regeln: Legen Sie schriftlich fest, wer einen Lead ab Schwellenwert innerhalb welcher Zeit kontaktiert. Ohne diese SLA verpufft jedes Scoring-Modell.

Haben Sie weniger als 200 abgeschlossene Deals in Ihrer Historie? Dann starten Sie mit einem regelbasierten Modell. Erst wenn genug historische Daten vorliegen, lohnt sich der Wechsel zu prädiktivem Scoring.

Wichtige Erkenntnisse

Ein belastbares Lead-Scoring-Modell kombiniert Fit- und Engagement-Signale, setzt klare Schwellenwerte und wird quartalsweise gegen reale Conversion-Daten geprüft.

Inhaltsverzeichnis

• Was genau ist Lead Scoring, und welche Signale zählen?
• Warum lohnt sich Leadbewertung für Marketing und Vertrieb?
• Welche Lead-Scoring-Methoden gibt es, und welche passt zu Ihnen?
• Wie bauen Sie ein Lead-Scoring-Modell in 6 Schritten auf?
• Wie werden Scores technisch berechnet?
• Wie messen und validieren Sie Ihr Scoring-Modell?
• Welche Fehler lassen Lead-Scoring-Projekte scheitern?
• Der 30/60/90-Tage-Plan für den Launch Ihres Scoring-Modells
• Was ich aus realen Projekten gelernt habe
• Funnel-tunnel macht die Umsetzung einfacher
• Quellen

Was genau ist Lead Scoring, und welche Signale zählen?

Lead Scoring weist jedem Kontakt eine Punktzahl zu, die aus zwei Datenquellen entsteht: Profildaten (wer ist die Person?) und Verhaltensdaten (was tut sie?). Überschreitet der Score einen definierten Schwellenwert, gilt der Lead als vertriebsreif.

In der Praxis unterscheidet man zwei Dimensionen:

Fit (auch: Grade oder Profil-Score) bewertet, wie gut ein Kontakt zum Idealkunden passt. Typische Signale sind Jobtitel, Unternehmensgröße, Branche, Standort oder Jahresumsatz des Unternehmens. Ein VP of Sales bei einem SaaS-Unternehmen mit 100 Mitarbeitern bekommt mehr Punkte als ein Student, der sich für einen Newsletter eingetragen hat.

Engagement (auch: Behavior-Score) misst, wie aktiv ein Kontakt mit Ihren Inhalten interagiert. Hier zählen Seitenbesuche, E-Mail-Öffnungen, Demo-Anfragen, Webinar-Teilnahmen oder die Nutzung eines Produkts in einer Testphase. Wer die Preisseite dreimal besucht, zeigt deutlich mehr Kaufabsicht als jemand, der einmal einen Blog-Artikel gelesen hat.

Beide Dimensionen zusammen ergeben erst ein belastbares Bild. Ein Kontakt mit perfektem Fit, aber null Aktivität ist genauso wenig vertriebsreif wie ein hochaktiver Kontakt, der nie kaufen wird, weil er schlicht nicht zur Zielgruppe gehört.

Warum lohnt sich Leadbewertung für Marketing und Vertrieb?

Ohne Priorisierung bearbeitet Sales jeden Lead gleich, egal ob er kaufbereit ist oder nicht. Das Ergebnis: Vertriebszeit fließt in Kontakte, die nie konvertieren werden, während echte Kaufinteressenten zu lange warten.

Lead Scoring löst genau dieses Problem. Sales konzentriert sich auf die Kontakte mit dem höchsten Score, Marketing erkennt, welche Kampagnen kaufbereite Leads produzieren, und beide Teams sprechen dieselbe Sprache über Qualität.

Konkrete Vorteile für Sales:

• Weniger Zeit mit unqualifizierten Kontakten, mehr Zeit für Deals mit echtem Potenzial
• Klare Prioritätsliste statt Bauchgefühl bei der Tagesplanung
• Schnellere Reaktionszeit auf heiße Leads, weil das System automatisch eskaliert

Konkrete Vorteile für Marketing:

• Sichtbarkeit, welche Kanäle und Kampagnen tatsächlich kaufbereite Leads liefern
• Bessere Budgetsteuerung: Mehr Geld in Kanäle, die hohe Scores produzieren
• Grundlage für Lead-Nurturing-Strategien für Kontakte unterhalb des Schwellenwerts

Wann sollte Lead Scoring Priorität haben? Sobald das monatliche Lead-Volumen so groß ist, dass Sales nicht mehr jeden Kontakt manuell bewerten kann. In B2B-Umgebungen mit komplexen Kaufentscheidungen und mehreren Stakeholdern ist der Nutzen besonders hoch. Bei Product-Led-Growth-Modellen (PLG) kommen Produktnutzungsdaten als dritte Scoring-Dimension hinzu.

Die Kennzahlen, die Sie als erstes verfolgen sollten: Sales-Akzeptanzrate (wie viele übergebene Leads nimmt Sales an?) und Conversion-Rate nach Score-Band (konvertieren Leads mit hohem Score tatsächlich häufiger?).

Welche Lead-Scoring-Methoden gibt es, und welche passt zu Ihnen?

Kumo gibt es fünf etablierte Ansätze, die sich in Aufwand, Datenbedarf und Vorhersagequalität deutlich unterscheiden.

Manuelle Punktesysteme sind der einfachste Einstieg: Marketing und Sales einigen sich auf Signale und Punkte, die in einer Tabelle festgehalten werden. Kein technischer Aufwand, aber auch keine automatische Anpassung.

Regelbasierte CRM-Modelle automatisieren die Punktevergabe über Workflow-Regeln im CRM oder in der Marketing-Automation. Schnell einzurichten, transparent, aber wartungsintensiv, weil jede Änderung manuell gepflegt werden muss.

Prädiktive ML-Modelle analysieren historische Abschlüsse und lernen selbst, welche Signale tatsächlich auf Conversion hinweisen. Höhere Vorhersagequalität, aber sie brauchen saubere Daten, ausreichend historische Labels und technische Ressourcen.

Intent-basierte Modelle nutzen externe Signale: Welche Unternehmen recherchieren gerade aktiv zu Ihrem Thema auf Drittseiten? Diese Daten kommen von spezialisierten Anbietern und ergänzen interne Verhaltensdaten.

Relationale Modelle berücksichtigen Verbindungen zwischen Kontakten. Das sogenannte Kollegen-Signal, also wenn mehrere Personen desselben Unternehmens konvertieren, kann die Conversion-Wahrscheinlichkeit im B2B-Bereich deutlich gegenüber der Baseline erhöhen.

Für die meisten KMU gilt: regelbasiert starten, prädiktiv ausbauen, sobald genug historische Abschlüsse vorliegen. Predictive Scoring folgt ähnlichen Validierungslogiken wie sie auch im Predictive Hiring angewendet werden: Erst wenn die Datenbasis stimmt, liefert das Modell verlässliche Vorhersagen.

Wie bauen Sie ein Lead-Scoring-Modell in 6 Schritten auf?

Der entscheidende Ausgangspunkt ist das gewünschte Conversion-Event. Definieren Sie zuerst, was ein „gewonnener Lead“ für Sie bedeutet, und arbeiten Sie dann rückwärts durch Ihre historischen Daten. OSCom empfiehlt, mit den letzten abgeschlossenen Deals zu beginnen und Signalmuster zu identifizieren, bevor Sie Punkte vergeben.

1. Conversion-Ziel definieren: Welches Ereignis soll der Score vorhersagen? Demo-Buchung, Teststart, Closed-Won? Ohne klares Ziel ist jede Gewichtung willkürlich.

2. Signale sammeln: Analysieren Sie Ihre letzten 100 bis 200 gewonnenen Deals. Welche Profil- und Verhaltenssignale hatten diese Kontakte gemeinsam? Nutzen Sie CRM-Exportdaten und sprechen Sie mit Sales.

3. Punkteskala entwerfen: Legen Sie eine Skala von 0 bis 100 fest. Vergeben Sie Punkte für positive Signale und ziehen Sie Punkte für negative Signale ab. Starten Sie mit maximal 8 bis 10 Signalen.

4. Schwellenwerte definieren: Legen Sie drei Bänder fest: kalt (0–30), warm (31–60), heiß (61–100). Jedes Band bekommt eine klare Aktion zugeordnet.

5. Routing festlegen: Wer bekommt welchen Lead, wann und wie? Heiße Leads gehen sofort an Sales mit einer SLA von maximal 24 Stunden. Warme Leads kommen in eine Nurturing-Sequenz. Kalte Leads bleiben im Marketing-Funnel.

6. Validierung und kontinuierliche Pflege: Prüfen Sie nach 30 Tagen, ob Leads mit hohem Score tatsächlich häufiger konvertieren. Passen Sie Gewichtungen quartalsweise an.

Beispiel-Scoring-Tabelle:

Score-Band-zu-Aktion-Mapping:

Für die technische Umsetzung brauchen Sie einen CRM-Writeback (Score wird im Kontaktdatensatz gespeichert), Automationsregeln, die bei Schwellenwertüberschreitung auslösen, und klare Rollen: Marketing Ops pflegt das Modell, Sales Ops definiert die Routing-Regeln, und ein Data-Verantwortlicher überwacht die Datenqualität. Wie ein gut strukturierter Leadgenerierungs-Workflow zeigt, ist die Übergabe zwischen Marketing und Sales der kritischste Punkt im gesamten Prozess.

Wie werden Scores technisch berechnet?

Ein Lead-Score setzt sich aus mehreren Komponenten zusammen, die addiert und gewichtet werden. Die Grundformel: Fit-Score plus Engagement-Score ergibt den Gesamt-Score. Negative Punkte werden direkt abgezogen.

Beispiel-Regelwerk:

Beim Account-Level-Scoring werden die Scores aller Kontakte eines Unternehmens aggregiert. Wenn drei Personen desselben Unternehmens aktiv sind, ist das ein stärkeres Signal als ein einzelner hochaktiver Kontakt.

Negative Punkte und Ausschlusskriterien sind kein optionales Feature. Ohne sie landen Bewerber, Studenten und Wettbewerber regelmäßig in der Sales-Pipeline und verschwenden Vertriebszeit.

Profi-Tipp: Bauen Sie Score-Decay mit exponentieller Halbwertszeit ein. OSCom empfiehlt 14 bis 30 Tage je nach Signalstärke: High-Intent-Aktionen wie Demo-Anfragen oder Preisseitenbesuche verlieren nach 14 Tagen die Hälfte ihres Gewichts, allgemeine Content-Interaktionen nach 30 Tagen. So priorisieren Sie aktive Käufer und blenden veraltetes Engagement automatisch aus.

Wie messen und validieren Sie Ihr Scoring-Modell?

Ein Lead-Score ist eine überprüfbare Hypothese, keine Wahrheit. Pecan AI betont: Ohne regelmäßige Audits bleibt ein Score eine ungetestete Annahme, die Sales früher oder später ignoriert.

Die wichtigste Prüffrage lautet: Konvertieren Leads im oberen Score-Band tatsächlich häufiger als Leads im mittleren oder unteren Band? Wenn nicht, stimmt die Gewichtung nicht.

Wichtige Kennzahlen:

1. Conversion-Rate nach Score-Band: Wie viele Leads aus dem heißen Band werden zu Opportunities? Wie viele aus dem warmen Band? Der Unterschied muss deutlich sein.
2. Sales-Akzeptanzrate: Wie viele der übergebenen Leads nimmt Sales tatsächlich an? Unter 70 % ist ein Warnsignal.
3. Time-to-Close nach Score: Schließen Leads mit hohem Score schneller ab? Das bestätigt die Vorhersagekraft.
4. Durchschnittliche Deal-Größe nach Score: Bringen hochbewertete Leads auch größere Deals?
5. Lift im Top-Decile: Wie viel besser konvertiert das oberste Zehntel aller Leads gegenüber dem Durchschnitt?

Validierungscheckliste:

1. Retro-Scoring: Bewerten Sie historische Closed-Won und Closed-Lost Deals rückwirkend mit dem neuen Modell. Hätte das Modell die richtigen Deals priorisiert?
2. Segmentanalyse: Prüfen Sie Conversion-Raten getrennt nach Score-Band, Branche und Unternehmensgröße.
3. Quartals-Audit: Vergleichen Sie die Modell-Performance mit dem Vorquartal. Verschlechtert sich der Lift, muss das Modell angepasst werden.
4. A/B-Test mit Sales-Routing: Leiten Sie einen Teil der Leads ohne Score-Priorisierung weiter und vergleichen Sie die Abschlussraten.

Für prädiktive Modelle gelten Mindestanforderungen: Microsoft dokumentiert für die prädiktive Bewertung in Dynamics 365 mindestens 40 qualifizierte und 40 disqualifizierte Leads aus den letzten zwei Jahren sowie 40 gewonnene und 40 verlorene Opportunities für das Opportunity-Scoring. Das Portal liefert außerdem ein Monitoring-Panel mit monatlichem Durchschnitt und Nutzungsgrafik.

Welche Fehler lassen Lead-Scoring-Projekte scheitern?

Der eine Rat, der die meisten Fehler verhindert: Prüfen Sie den Score gegen reale Ergebnisse, bevor Sie ihn produktiv schalten. Wer das überspringt, baut ein Modell auf Annahmen statt auf Daten.

Best Practices:

• Gewichtungen gemeinsam mit Sales definieren, nicht im Marketing-Silo. Sales kennt die Signale, die wirklich auf Kaufbereitschaft hinweisen.
• Negative Punkte von Anfang an einbauen. Freemail-Adressen, Bewerber-Signale und Wettbewerber-Domains müssen aktiv herausgefiltert werden.
• Account-Level-Scoring parallel zum Kontakt-Score führen, besonders im B2B mit mehreren Stakeholdern.
• Score-Decay implementieren, damit alte Aktivitäten nicht dauerhaft den Score aufblähen.
• Quartalsweise Reviews einplanen und Sales-Feedback systematisch einsammeln.

Häufige Fehler:

• Nur Aktivität zählen, ohne Fit zu berücksichtigen. Ein hochaktiver Kontakt ohne ICP-Fit ist kein guter Lead.
• Keine Negativsignale einbauen. Dann landen Bewerber und Studenten regelmäßig in der Pipeline.
• Kein CRM-Writeback. Wenn der Score nicht im CRM steht, kann Sales ihn nicht nutzen.
• Kein Monitoring nach Rollout. Das Modell veraltet, ohne dass jemand es merkt.

Red Flags, die sofortiges Handeln erfordern:

• Sales ignoriert die Score-Priorisierung und bearbeitet Leads weiterhin nach eigenem Ermessen.
• Das oberste Score-Band zeigt keine bessere Conversion-Rate als das mittlere Band.
• Das Modell wurde seit mehr als sechs Monaten nicht angepasst, obwohl sich das Produktangebot oder der Markt verändert hat.

Der 30/60/90-Tage-Plan für den Launch Ihres Scoring-Modells

Was in den ersten drei Monaten passiert, entscheidet darüber, ob das Modell im Unternehmen akzeptiert wird oder im Sande verläuft. Technik allein reicht nicht. Sales muss verstehen, warum der Score existiert, und Marketing muss die Ergebnisse sichtbar machen.

1. Tag 0 bis 30 (Aufbau): Signale und Schwellenwerte mit Sales gemeinsam definieren. CRM-Writeback einrichten. Automationsregeln für Score-Bänder aktivieren. Erstes Dashboard mit Score-Verteilung und Sales-Akzeptanzrate aufsetzen. Verantwortlichkeiten schriftlich festhalten.

2. Tag 31 bis 60 (Validierung): Erste Conversion-Raten nach Score-Band auswerten. Sales-Feedback einholen: Welche Leads waren tatsächlich gut? Welche nicht? Gewichtungen auf Basis der ersten Daten anpassen. Retro-Scoring auf historische Deals durchführen.

3. Tag 61 bis 90 (Optimierung): Quartals-Review vorbereiten. Decay-Regeln prüfen und ggf. anpassen. A/B-Test mit und ohne Score-Priorisierung auswerten. Reporting-Dashboard um Time-to-Close und Deal-Größe nach Score-Band erweitern.

Monitoring-Metriken nach Rollout:

Das Reporting-Dashboard sollte in Ihrem CRM oder Ihrer Marketing-Automation-Plattform leben. Verantwortlich für die wöchentliche Überwachung ist Marketing Ops, für die monatliche Auswertung Sales Ops gemeinsam mit Marketing.

Was ich aus realen Projekten gelernt habe

Das Einzige, das ein Lead-Scoring-Projekt wirklich macht oder bricht, ist Sales-Buy-In. Nicht die Technologie, nicht die Datenqualität, nicht das Modell. Wenn Sales den Score nicht vertraut, wird er ignoriert, egal wie gut er ist.

In KMU-Umgebungen sehe ich immer wieder dasselbe Muster: Marketing baut ein Scoring-Modell, ohne Sales in die Gewichtungsentscheidungen einzubeziehen. Sales bekommt priorisierte Leads, fragt sich aber, warum ein Kontakt mit 80 Punkten als „heiß“ gilt, obwohl er nur dreimal die Preisseite besucht hat. Das Vertrauen bricht schnell.

Die Lösung ist simpel, aber wird oft übersprungen: Sitzen Sie mit zwei oder drei erfahrenen Sales-Mitarbeitern zusammen, bevor Sie das erste Signal gewichten. Fragen Sie, welche Kontakte in den letzten zwölf Monaten tatsächlich gekauft haben, und was diese Kontakte gemeinsam hatten. Diese Sitzung dauert zwei Stunden und spart Ihnen sechs Monate Modell-Korrekturen.

Ein zweiter Punkt, der in KMU oft unterschätzt wird: Starten Sie klein. Fünf gut gewählte Signale schlagen zwanzig schlecht gewählte Signale jedes Mal. Komplexität ist kein Qualitätsmerkmal.

Funnel-tunnel macht die Umsetzung einfacher

Wer ein Lead-Scoring-Modell einführt, stößt schnell auf eine praktische Hürde: Die Daten liegen in verschiedenen Tools, der CRM-Writeback muss manuell eingerichtet werden, und Automationsregeln für Score-Bänder erfordern technisches Know-how. Genau hier setzt Funnel-tunnel an.

Funnel-tunnel bündelt Kontaktverwaltung, E-Mail-Marketing, Automatisierungen und Analyse in einer Plattform, sodass Sie Score-basierte Workflows ohne Insellösungen aufbauen können. Konkret bedeutet das:

• Automations-Templates für Score-Band-Routing: Heiße Leads gehen automatisch an Sales, warme Leads in Nurturing-Sequenzen.
• Integriertes Kontaktmanagement mit Feldern für Score-Werte und Segmentierung nach Score-Band.
• Analyse-Dashboards, die Conversion-Raten nach Segment sichtbar machen, ohne dass Sie ein separates BI-Tool brauchen.
• Vorgefertigte Funnel-Templates, die Verhaltenssignale direkt in die Kontaktdaten schreiben.

Für KMU, die heute starten wollen, ohne monatelange Implementierungsprojekte: Testen Sie Funnel-tunnel und sehen Sie, wie schnell ein erstes Scoring-Modell produktiv geht.

Quellen

• Bewertung der Leads und Verkaufschancen | Microsoft Learn
• Lead Scoring — Wikipedia (Deutsch)
• Kumo
• Lead‑Scoring‑Modell: Audit und Validierung | Pecan AI

Empfehlung

• Tipps zur Leadgenerierung: Top 10 für KMUs
• Was ist Lead Management? Prozess, Phasen und Strategie
• Bedeutung von Reporting im Marketing: Praxisguide 2026
• Sales Funnel Erstellen: Guide für KMU und Gründer