Lead Scoring: So priorisierst du Leads richtig (mit Beispielen)

Lead Scoring ist ein Bewertungsverfahren, das jedem Lead eine Punktzahl zuweist, um seine Kaufwahrscheinlichkeit einzuschätzen. So weiß dein Vertrieb, welche Kontakte er zuerst kontaktieren soll. Die Punkte ergeben sich aus zwei Dimensionen: wie gut ein Lead zu deinem idealen Kundenprofil passt (Fit) und wie aktiv er Interesse zeigt (Verhalten). Je höher der Score, desto eher lohnt sich der direkte Vertriebskontakt.

Im B2B-Vertrieb in der DACH-Region ist Lead Scoring der Hebel, mit dem aus einer langen, unsortierten Liste eine priorisierte Pipeline wird. Statt jeden Kontakt gleich zu behandeln, konzentrierst du deine begrenzte Vertriebszeit auf die Leads mit der höchsten Abschlusswahrscheinlichkeit. Dieser Artikel zeigt dir Schritt für Schritt, wie du ein funktionierendes Modell aufbaust - mit konkreten Kriterien, Punktwerten und Rechenbeispielen.

Warum Lead Scoring im B2B unverzichtbar ist

Die meisten Vertriebsteams haben kein Lead-Problem, sondern ein Priorisierungsproblem. Es kommen genug Kontakte rein - aber niemand weiß, welche davon wirklich kaufbereit sind. Die Folge: teure Vertriebszeit fließt in Kontakte, die nie konvertieren, während heiße Leads kalt werden, weil sich niemand rechtzeitig meldet.

Lead Scoring löst genau das. Drei Effekte, die direkt aufs Ergebnis einzahlen:

• Höhere Effizienz: Dein Team arbeitet die Liste nicht von oben nach unten ab, sondern nach Kaufwahrscheinlichkeit. Priorisierte Teams steigern ihre Abschlussquote spürbar, weil weniger Zeit in aussichtslose Kontakte fließt.
• Schnellere Reaktion: Ein Lead, der heute ein Whitepaper herunterlädt und die Preisseite besucht, springt sofort nach oben. Du meldest dich, solange das Interesse frisch ist.
• Sauberes Marketing-Sales-Alignment: Beide Teams einigen sich auf eine gemeinsame Definition, ab wann ein Lead "vertriebsreif" ist (Sales Qualified Lead). Das beendet die ewige Diskussion über Lead-Qualität.

Lead Scoring ist dabei kein isoliertes Tool, sondern ein Baustein im größeren Bild der B2B-Leadgenerierung über LinkedIn. Erst generierst du Leads, dann bewertest du sie - und erst danach entscheidest du, wen du wie ansprichst.

Die zwei Dimensionen: Fit und Verhalten

Jedes solide Lead-Scoring-Modell ruht auf zwei Säulen. Verwechsle sie nicht - sie messen Unterschiedliches.

Fit-Score (explizite Daten)

Der Fit-Score beantwortet die Frage: Passt dieser Lead überhaupt zu uns? Er basiert auf festen Merkmalen, die sich selten ändern - dem idealen Kundenprofil (ICP).

Typische Fit-Kriterien im DACH-B2B:

• Branche: Passt die Branche zu deinem Angebot? (z. B. SaaS, Maschinenbau, Beratung)
• Unternehmensgröße: Mitarbeiterzahl oder Umsatz im Zielkorridor?
• Position: Ist der Kontakt Entscheider, Beeinflusser oder Endanwender?
• Region: DACH-Fokus - sitzt das Unternehmen in D, A oder CH?
• Technologie-Stack: Nutzt das Unternehmen Tools, die zu deinem Angebot passen?

Behavior-Score (implizite Daten)

Der Behavior-Score beantwortet: Wie stark zeigt dieser Lead gerade Interesse? Er misst Aktionen - und ist dynamisch. Er steigt mit Engagement und kann über die Zeit auch wieder fallen (Decay).

Typische Verhaltenssignale:

• Besuch der Preisseite oder Demo-Anfrage
• Download eines Whitepapers oder einer Case Study
• Öffnen und Klicken in E-Mails
• Interaktion mit deinen LinkedIn-Posts (Like, Kommentar, Profilbesuch)
• Wiederholte Website-Besuche innerhalb weniger Tage

Die Faustregel: Hoher Fit + hohes Verhalten = sofort kontaktieren. Hoher Fit + niedriges Verhalten = mit Nurturing aufwärmen. Niedriger Fit + hohes Verhalten = vorsichtig prüfen (oft nur Recherche, kein echter Käufer). Niedriger Fit + niedriges Verhalten = ignorieren.

Schritt für Schritt: Ein Lead-Scoring-Modell aufbauen

Du brauchst kein Data-Science-Team, um zu starten. Ein einfaches Punktemodell schlägt jede Bauchentscheidung.

Schritt 1: Ideales Kundenprofil definieren

Schau dir deine letzten 10 bis 20 besten Kunden an. Was haben sie gemeinsam? Branche, Größe, Rolle des Ansprechpartners, Auslöser für den Kauf. Diese Muster werden zu deinen Fit-Kriterien. Ohne sauberes ICP scort du ins Blaue.

Schritt 2: Kriterien gewichten und Punkte vergeben

Nicht jedes Kriterium ist gleich viel wert. Eine Demo-Anfrage wiegt schwerer als ein E-Mail-Öffnen. Vergib Punkte entsprechend - und vergib auch negative Punkte für Ausschlusskriterien (z. B. Studenten, falsche Region, Wettbewerber).

Ein Beispiel-Punktesystem (als Richtwert, passe es an deinen Markt an):

Schritt 3: Schwellenwerte festlegen

Lege fest, ab welchem Score ein Lead in welche Kategorie fällt. Ein bewährtes Raster:

• 0-40 Punkte: Cold - ins Nurturing, noch kein Vertriebskontakt
• 41-70 Punkte: Warm - Marketing Qualified Lead, weiter beobachten
• 71+ Punkte: Hot - Sales Qualified Lead, sofort kontaktieren

Schritt 4: Decay einbauen

Verhalten veraltet. Ein Preisseiten-Besuch von vor drei Monaten sagt wenig über die heutige Kaufbereitschaft. Lass Behavior-Punkte über die Zeit abklingen - etwa indem du nach 30 Tagen ohne Aktivität die Hälfte der Verhaltenspunkte abziehst. So bleiben deine Hot-Leads wirklich heiß.

Konkretes Beispiel: Drei Leads im Vergleich

Schauen wir uns an, wie das Modell in der Praxis sortiert.

Lead A - Anna, Head of Sales bei einem 200-Mitarbeiter-SaaS in München: Entscheider (+20), Zielgröße (+15), passende Branche (+15), DACH (+10), Demo angefragt (+30), Preisseite besucht (+20). Score: 110 - Hot. Hier ruft dein Vertrieb noch heute an.

Lead B - Bernd, Werkstudent bei einem Großkonzern in Wien: DACH (+10), Whitepaper heruntergeladen (+10), Freemail (-10), keine Entscheiderrolle. Score: 10 - Cold. Interesse ja, aber kein Käufer. Ab ins automatisierte Nurturing.

Lead C - Carla, Geschäftsführerin einer passenden Beratung in Zürich: Entscheider (+20), Zielgröße (+15), Branche (+15), DACH (+10), aber bisher kein einziges Verhaltenssignal. Score: 60 - Warm. Perfekter Fit, aber noch nicht aktiv. Hier lohnt gezieltes Aufwärmen - personalisierte Ansprache statt sofortigem Pitch.

Dieses Beispiel zeigt den Kern: Lead C hat einen besseren langfristigen Wert als Lead B, obwohl Bernd zuerst aktiv wurde. Genau das ist der Unterschied zwischen Bauchgefühl und systematischem Lead Scoring.

Predictive Lead Scoring: Wenn KI übernimmt

Das oben beschriebene regelbasierte Modell ist der richtige Einstieg. Es ist transparent, schnell aufgesetzt und du behältst die Kontrolle. Sein Nachteil: Du legst die Gewichtungen selbst fest - und liegst dabei nicht immer richtig.

Predictive Lead Scoring dreht den Spieß um. Statt dass du die Punkte definierst, analysiert ein KI-Modell deine historischen Daten - gewonnene und verlorene Deals - und erkennt selbst die Muster, die echte Käufer von Zeitverschwendern trennen. Oft sind das Faktoren, die ein Mensch nie gewichtet hätte.

Wann lohnt sich das?

• Du hast genug historische Daten (Faustregel: einige Hundert abgeschlossene Deals).
• Dein Vertriebszyklus ist komplex und die Kaufsignale sind nicht offensichtlich.
• Das Volumen an Leads ist zu hoch für manuelle Bewertung.

Für die meisten DACH-B2B-Teams ist der pragmatische Weg: mit einem regelbasierten Modell starten, Daten sammeln, und erst dann auf KI-gestütztes Scoring umstellen, wenn die Datenbasis trägt.

Häufige Fehler beim Lead Scoring

Auch ein gutes Modell scheitert, wenn du in diese Fallen tappst:

• Nur Verhalten scoren, Fit ignorieren: Du jagst aktiven Leads hinterher, die nie kaufen. Fit und Verhalten gehören immer zusammen.
• Keine negativen Punkte: Ohne Ausschlusskriterien rutschen Wettbewerber, Bewerber und Studenten in deine Hot-Liste.
• Einmal aufsetzen und nie anpassen: Dein Markt und deine Kunden verändern sich. Überprüfe das Modell quartalsweise gegen tatsächliche Abschlüsse.
• Decay vergessen: Ohne Abklingen werden alte, kalte Leads dauerhaft als heiß geführt.
• Zu komplex starten: 30 Kriterien beim ersten Versuch lähmen dich. Beginne mit 6 bis 8 und verfeinere.

Vom Score zur Ansprache: Hier setzt SLYNQ an

Ein Score ist nur so gut wie das, was danach passiert. Der teuerste Fehler ist, gute Leads zu identifizieren - und sie dann nicht schnell und persönlich genug anzusprechen.

Genau hier setzt SLYNQ an. Als vollautonomer AI Sales Agent für LinkedIn findet und scort SLYNQ Leads automatisch nach Fit und Verhalten, schreibt die priorisierten Kontakte personalisiert an, führt das Gespräch und übergibt dir nur die qualifizierten Gespräche. Du musst keine Liste mehr manuell durchgehen - das Scoring und die Ansprache laufen im Hintergrund, DSGVO-konform mit EU-Hosting und ohne Chrome-Extension.

Wenn du sehen willst, was strukturiertes Lead Scoring plus automatisierte Ansprache in deiner Pipeline bewirkt, schau dir die Preise an oder buch eine kurze Demo. Dein Vertrieb arbeitet dann nur noch an den Gesprächen, die wirklich zählen.