Lead-Qualifizierung automatisieren: So spart KI Ihrem Vertrieb Stunden pro Woche

Ein neuer Lead kommt rein. Kontaktformular, Telefonanruf, Google-Anfrage. Und dann? Jemand aus dem Team schaut sich die Anfrage an, googelt die Firma, schätzt das Budget ein, überlegt ob das passt, schreibt eine Antwort. Pro Lead: 15 bis 30 Minuten. Bei 10 bis 15 Anfragen pro Woche sind das locker vier Stunden — nur fürs Sortieren.

Das Problem: Bis der Vertrieb antwortet, hat der Interessent vielleicht schon drei andere Angebote angefragt. Laut einer Studie von Harvard Business Review sinkt die Wahrscheinlichkeit einer erfolgreichen Kontaktaufnahme um das Zehnfache, wenn die Antwort länger als fünf Minuten dauert.

Dieser Artikel zeigt, wie Sie die Lead-Qualifizierung mit KI automatisieren — nicht theoretisch, sondern mit konkreten Tools, einem 3-Schritte-Plan und echten Zahlen aus unseren Kundenprojekten.

Mehr zum Thema: KI-Automatisierung für KMU im Überblick | Make.com für Anfänger

TL;DR: Automatisierte Lead-Qualifizierung ersetzt 4+ Stunden manuelle Arbeit pro Woche. Ein KI-gestützter Workflow bewertet eingehende Leads nach definierten Kriterien, sortiert sie im CRM und löst passende Follow-ups aus — in unter 2 Minuten pro Lead statt 20. Tool-Stack: Make.com oder n8n + CRM + KI-API. Kosten: Pilotprojekt ab €2.000, ROI in 2 bis 4 Monaten.

Was bedeutet Lead-Qualifizierung automatisieren — konkret?

Lead-Qualifizierung ist kein Buzzword. Es geht um eine simple Frage: Ist dieser Kontakt ein potenzieller Kunde — oder verschwendet der Vertrieb Zeit?

Manuell läuft das in den meisten Unternehmen so: Eine Anfrage kommt per Formular, E-Mail oder Telefon. Jemand liest sie, recherchiert den Absender, bewertet die Anfrage nach Bauchgefühl und leitet sie weiter — oder lässt sie liegen. Das funktioniert bei fünf Anfragen pro Woche. Bei zwanzig nicht mehr.

Automatisierte Lead-Qualifizierung bedeutet: Ein System übernimmt diese Bewertung. Jeder Lead bekommt einen Score basierend auf Kriterien, die Sie festlegen. Branche, Unternehmensgröße, Budget, Dringlichkeit, Region. Der Workflow kategorisiert den Lead, trägt ihn ins CRM ein und stößt die richtige Reaktion an — sofort, ohne dass jemand manuell eingreifen muss.

Manuell vs. automatisiert: Der Zeitvergleich

Die Zahlen sind konservativ. In der Praxis sehen wir bei Kunden, dass die manuelle Qualifizierung oft noch länger dauert — weil Leads in verschiedenen Postfächern landen, niemand zuständig ist oder die CRM-Pflege hinten runterfällt.

Der Tool-Stack: Was Sie brauchen

Automatisierte Lead-Qualifizierung ist kein Einzeltool. Es ist ein Zusammenspiel aus drei Komponenten:

1. Automatisierungsplattform — Make.com oder n8n Das ist das Rückgrat. Hier definieren Sie den Workflow: Welcher Trigger startet den Prozess? Welche Schritte folgen? Wohin gehen die Daten? Make.com eignet sich für schnelle Setups und wenn Sie wenig technische Erfahrung haben. n8n ist die bessere Wahl, wenn Sie die volle Kontrolle wollen und auf Ihrem eigenen Server hosten möchten.

2. CRM-System — HubSpot, Pipedrive oder Brevo Hier landen die qualifizierten Leads. HubSpot bietet einen soliden kostenlosen Plan. Pipedrive ist bei Vertriebsteams beliebt, die Deal-Pipelines brauchen. Für KMU mit kleinem Budget ist auch Brevo (ehemals Sendinblue) eine Option, weil CRM und E-Mail-Marketing in einem Tool stecken.

3. KI-Schicht — ChatGPT API oder Claude API Die KI übernimmt die Analyse: Freitext-Anfragen auswerten, Branche erkennen, Dringlichkeit einschätzen, passende Antwort formulieren. Das geht über die APIs von OpenAI oder Anthropic — eingebunden als HTTP-Modul in Make.com oder als Code-Node in n8n.

Der Workflow als Diagramm

So sieht der typische Ablauf aus:

Schritt 1: Lead-Scoring-Kriterien definieren

Bevor Sie irgendetwas automatisieren, brauchen Sie Klarheit: Was macht einen guten Lead aus? Ohne definierte Kriterien baut man Automatisierung auf Sand.

Setzen Sie sich mit Ihrem Vertrieb zusammen (oder mit sich selbst, wenn Sie beides machen) und beantworten Sie drei Fragen:

Wer ist Ihr Wunschkunde? Branche, Unternehmensgröße, Region, Entscheider-Ebene. Ein Facility-Management-Unternehmen mit 20 Mitarbeitern in Bayern ist für uns ein anderer Lead als ein Solo-Freelancer in Berlin.

Welche Signale zeigen Kaufbereitschaft? Budget genannt, konkretes Problem beschrieben, Zeitrahmen erwähnt, mehrere Seiten auf Ihrer Website besucht, Preisseite angesehen.

Was sind Ausschlusskriterien? Falsche Branche, zu klein, kein Budget, nur Informationsanfrage ohne konkreten Bedarf.

Ein Scoring-Modell zum Starten

Dieses Modell ist ein Startpunkt. Nach 4 bis 6 Wochen schauen Sie sich an, welche Leads tatsächlich zu Kunden wurden, und passen die Gewichtung an. Das Scoring lebt — es wird besser, je mehr Daten Sie sammeln.

Schritt 2: Den Workflow bauen

Jetzt wird es praktisch. Der Workflow besteht aus fünf Modulen, die nacheinander ablaufen. Das Beispiel nutzt Make.com, funktioniert aber genauso in n8n.

Modul 1: Trigger — Formular oder Webhook

Ein Webhook empfängt die Daten aus Ihrem Kontaktformular. Bei WordPress-Formularen (Contact Form 7, WPForms, Gravity Forms) geht das direkt. Alternativ triggern Sie den Workflow über eine E-Mail, die in einem bestimmten Postfach eingeht.

Modul 2: Datenanreicherung

Bevor die KI bewertet, reichern Sie die Daten an. Ein HTTP-Modul ruft öffentlich verfügbare Informationen ab: Unternehmenswebsite, Branche, ungefähre Größe. Dienste wie Clearbit, Apollo.io oder — kostenlos — ein einfacher Website-Scrape liefern die nötigen Daten.

Modul 3: KI-Bewertung

Hier kommt die ChatGPT- oder Claude-API zum Einsatz. Sie senden die Lead-Daten zusammen mit Ihren Scoring-Kriterien als Prompt. Die KI gibt einen Score (0–100) und eine kurze Begründung zurück — im JSON-Format, damit Make.com die Antwort sauber verarbeiten kann.

Ein Beispiel-Prompt:

Du bist ein Lead-Scoring-Assistent. Bewerte den folgenden Lead anhand dieser Kriterien:
- Branche passt (Handwerk, FM, Reinigung): +20
- Unternehmensgröße 5-50 MA: +15
- Budget genannt: +20
- Konkretes Problem beschrieben: +15
- Zeitrahmen unter 3 Monaten: +10
- Entscheider im Kontakt: +10

Lead-Daten:
Name: {{name}}
Firma: {{company}}
Nachricht: {{message}}
Website: {{website}}

Antworte als JSON: {"score": <number>, "category": "hot|warm|cold", "reason": "<kurze Begründung>"}

Modul 4: CRM-Eintrag erstellen

Der Lead wird im CRM angelegt — mit Score, Kategorie und der KI-Begründung als Notiz. In HubSpot erstellen Sie einen Kontakt und einen Deal in der passenden Pipeline-Phase. In Pipedrive legen Sie einen Lead mit Custom Fields an.

Modul 5: Automatische Reaktion

Abhängig vom Score passieren unterschiedliche Dinge:

• Score 70–100 (heiß): Personalisierte E-Mail mit Calendly-Link für ein Erstgespräch. Gleichzeitig Slack- oder E-Mail-Benachrichtigung ans Vertriebsteam: "Heißer Lead, bitte innerhalb von 30 Minuten reagieren."
• Score 30–69 (warm): E-Mail mit relevantem Content — Fallstudie, Blogpost, Leitfaden. Der Lead kommt in eine Nurturing-Sequenz mit 3 bis 5 E-Mails über 2 Wochen.
• Score 0–29 (kalt): Freundliche Info-Mail mit Link zu Ihren Ressourcen. Kein weiterer Vertriebsaufwand.

Der Clou: Ihr Vertrieb beschäftigt sich nur noch mit den heißen Leads. Alles andere läuft im Hintergrund — ohne dass ein Kontakt unbeantwortet bleibt.

Schritt 3: CRM-Integration und Nachverfolgung

Der Workflow funktioniert nur, wenn die Daten sauber im CRM ankommen und die Nachverfolgung stimmt. Zwei Dinge sind entscheidend:

Pipeline-Phasen an Score koppeln

Richten Sie Ihre CRM-Pipeline so ein, dass neue Deals automatisch in die richtige Phase kommen:

• Heiße Leads → Phase "Erstgespräch vereinbart"
• Warme Leads → Phase "Nurturing"
• Kalte Leads → Phase "Archiv"

Follow-up-Automatisierung

Ein Lead, der heute warm ist, kann nächste Woche heiß sein. Bauen Sie deshalb einen zweiten Workflow:

• Wenn ein warmer Lead Ihre Nurturing-E-Mail öffnet und auf einen Link klickt → Score erhöhen
• Wenn ein warmer Lead Ihre Preisseite besucht → Score erhöhen und Team benachrichtigen
• Wenn ein warmer Lead 3 Wochen nicht reagiert → Score senken und in Archiv verschieben

Dieser dynamische Scoring-Ansatz sorgt dafür, dass keine Chance verloren geht — und kein Vertriebler Zeit mit toten Kontakten verschwendet.

Fallstudie 1: AI-Caller — $55.000 pro Jahr gespart

Für eine Marketing-Agentur in den USA haben wir ein AI-Caller-System implementiert, das eingehende Leads telefonisch vorqualifiziert. Der KI-Agent führt ein strukturiertes Gespräch: Budget, Zeitrahmen, Bedarf, Entscheidungsprozess. Danach bewertet er den Lead und bucht bei passenden Kontakten direkt einen Termin.

Die Zahlen: - Vorher: 2 Vollzeit-SDRs (Sales Development Representatives) für Erstgespräche, Personalkosten ca. $75.000/Jahr - Nachher: AI-Caller übernimmt 80% der Erstgespräche, ein SDR für komplexe Fälle - Einsparung: $55.000 pro Jahr an Personalkosten - Implementierungsdauer: 2 Wochen - Lead-Qualität: Verbesserung um 40%, weil der AI-Caller konsequent alle Qualifizierungsfragen stellt — kein Gespräch wird vergessen oder abgekürzt

Das war kein Pilotprojekt mit drei Testanrufen. Das System läuft im Produktivbetrieb und bearbeitet täglich Anfragen.

Fallstudie 2: CRM-Automatisierung für einen Handwerksbetrieb

Ein Gebäudereinigungsunternehmen in der Region Nürnberg hatte ein typisches Problem: Anfragen kamen per E-Mail, Kontaktformular und Telefon. Die Geschäftsführerin hat alles selbst sortiert — zwischen zwei Kundenterminen, auf dem Handy, abends um acht.

Was wir gebaut haben:

1. Zentraler Eingang: Alle Anfragen landen über Make.com-Webhooks in einem HubSpot-CRM — egal ob Website-Formular, E-Mail oder Google-Business-Nachricht.
2. KI-Kategorisierung: Claude API analysiert jede Anfrage. Ist es eine Angebotsanfrage für Unterhaltsreinigung? Glasreinigung? Grundreinigung? Oder eine Bewerbung? Die KI erkennt den Typ und ordnet richtig zu.
3. Automatische Antwort: Angebotsanfragen bekommen sofort eine Bestätigung mit geschätztem Zeitrahmen. Bewerbungen werden ans HR-Postfach weitergeleitet. Spam wird aussortiert.
4. Priorisierung: Große Objekte (Bürokomplexe, Mehrfamilienhäuser) bekommen einen höheren Score als Einzelwohnungen. Die Geschäftsführerin sieht morgens nur noch die drei wichtigsten Anfragen — statt zwanzig unsortierten E-Mails.

Ergebnis: Die Reaktionszeit auf Anfragen sank von durchschnittlich 14 Stunden auf unter 5 Minuten. Die Geschäftsführerin spart ca. 6 Stunden pro Woche. Kein Lead geht mehr verloren.

Was kostet das — und wann rechnet es sich?

Automatisierte Lead-Qualifizierung ist kein Enterprise-Projekt. Die Einstiegskosten sind überschaubar:

Einmalige Kosten

Laufende Kosten

ROI-Rechnung

Angenommen, Ihr Vertrieb verbringt 4 Stunden pro Woche mit manueller Lead-Qualifizierung. Bei einem Stundensatz von €50 (intern gerechnet) sind das €800 pro Monat.

Die Automatisierung kostet einmalig €2.000 plus ca. €30 laufend. Nach 2,5 Monaten hat sich die Investition amortisiert — und danach sparen Sie jeden Monat €770.

Dazu kommt ein Effekt, den viele unterschätzen: schnellere Reaktionszeiten bedeuten höhere Abschlussquoten. Wenn Sie statt in 14 Stunden in 5 Minuten antworten, steigt die Wahrscheinlichkeit, den Auftrag zu bekommen, erheblich.

5 Fehler, die Sie vermeiden sollten

1. Zu viele Kriterien von Anfang an Starten Sie mit 5 bis 7 Scoring-Kriterien. Nicht mit 25. Sie können immer verfeinern — aber ein überladenes Scoring-Modell liefert am Anfang schlechtere Ergebnisse als ein einfaches.

2. Warme Leads ignorieren Viele Unternehmen fokussieren sich auf heiße Leads und vergessen die warmen komplett. Dabei werden aus 30% der warmen Leads innerhalb von 90 Tagen Kunden — wenn man sie richtig bespielt. Die Nurturing-Sequenz ist kein Nice-to-have.

3. Kein Follow-up nach der Erstreaktion Die automatische Antwort ist der Anfang, nicht das Ende. Wenn nach der Erstantwort Stille herrscht, verlieren Sie den Lead trotzdem. Bauen Sie mindestens 3 Follow-up-Touchpoints ein.

4. Scoring nie anpassen Ihr erstes Scoring-Modell wird nicht perfekt sein. Das ist normal. Schauen Sie nach 4 bis 6 Wochen: Welche als "heiß" bewerteten Leads wurden tatsächlich zu Kunden? Welche "kalten" Leads haben doch gekauft? Passen Sie die Gewichtungen an.

5. Alles automatisieren wollen Nicht jede Interaktion gehört automatisiert. Wenn ein potenzieller Großkunde anruft und eine spezifische Frage hat, sollte kein Bot antworten. Automatisierung ersetzt nicht den persönlichen Kontakt — sie sorgt dafür, dass Ihr Team Zeit für genau diese wichtigen Gespräche hat.

Für wen eignet sich automatisierte Lead-Qualifizierung?

Nicht jedes Unternehmen braucht das. Die Automatisierung lohnt sich, wenn mindestens zwei dieser Punkte zutreffen:

• Sie bekommen mehr als 10 Anfragen pro Woche
• Ihr Vertrieb verbringt regelmäßig Zeit mit unqualifizierten Leads
• Ihre Reaktionszeit auf Anfragen liegt über 2 Stunden
• Sie nutzen bereits ein CRM (oder sind bereit, eins einzuführen)
• Sie haben verschiedene Angebotstypen mit unterschiedlichen Qualifizierungskriterien

Für Handwerker, Facility-Manager und Dienstleister trifft das in den meisten Fällen zu — vor allem, wenn das Geschäft wächst und die Kapazität nicht mithält.

Nächster Schritt: KI-Audit für Ihre Lead-Qualifizierung

Sie sehen Potenzial, aber wissen nicht, wo Sie anfangen sollen? Genau dafür haben wir den KI-Audit entwickelt.

In 30 Minuten analysieren wir gemeinsam:

• Wie viele Leads pro Woche bei Ihnen eingehen und wie sie aktuell verarbeitet werden
• Wo die größten Zeitfresser in Ihrer Qualifizierung liegen
• Welchen Workflow wir für Ihr Unternehmen empfehlen — inklusive Tool-Auswahl und Kostenrahmen

Der Audit-Betrag (€2.500–3.500) wird bei einer Implementierung vollständig angerechnet.

Kostenloses Erstgespräch buchen →

Dieser Artikel ist Teil unserer Serie zur KI-Automatisierung für KMU. Lesen Sie auch: Make.com für Anfänger und CRM-Automatisierung für Handwerker.