Lead Scoring heißt: Du gibst jedem Kontakt Punkte, damit du weißt, bei wem du dich zuerst persönlich meldest. Punkte gibt es für zwei Dinge. Für die Passung, also wie gut ein Kontakt zu deinem Wunschkunden passt (Branche, Größe, Region), und für das Verhalten, also was er tut (Freebie geladen, Link geklickt, auf eine Mail geantwortet, Termin angefragt). Was gegen einen Abschluss spricht, gibt Minuspunkte oder schließt den Kontakt ganz aus. Ab einer vorher festgelegten Schwelle meldest du dich selbst. Für einen kleinen Betrieb reichen dafür eine Tabelle, fünf bis acht Regeln und ein fester Termin, an dem du prüfst, ob die Punkte noch stimmen.
Bei mir sortiert Olaf, mein KI-Mitarbeiter für die Kundensuche, Kandidaten nach festen Kriterien vor: Jeder Eintrag bekommt eine Begründung, einen Beleg und eine Einstufung in A, B oder C. Wie er die Kandidaten findet, steht in Neue Kunden finden als Selbstständiger; alle Beiträge zum Thema sammelt die Übersicht Leads gewinnen: Lead-Magnete und Funnels.
Was Lead Scoring misst: Passung und Verhalten
Ein gutes Modell hält drei Arten von Punkten auseinander.
Hohe Passung mit wenig Verhalten ist ein guter Kunde, der gerade nicht sucht. Viel Verhalten mit schlechter Passung klickt gern, kauft aber nicht bei dir. HubSpot trennt in seinem Werkzeug genauso: „Engagement scores“ für Handlungen, „Fit scores“ für Eigenschaften wie Unternehmensgröße (Stand: November 2026).
Lead-Scoring-Beispiel: eine Tabelle zum Abschreiben
Ein Beispiel, kein Fall aus meiner Praxis, alle Punkte sind ausgedacht: Angenommen, du richtest für kleine Handwerksbetriebe die digitale Buchhaltung ein und sammelst Kontakte über eine Checkliste als Freebie.
Schwelle im Beispiel: ab 50 Punkten meldest du dich innerhalb von zwei Tagen persönlich. Zwei Kontakte zum Durchrechnen:
- Kontakt 1: Tischlerei mit acht Leuten in deiner Region, hat die Checkliste geladen und auf deine zweite Mail geantwortet. 20 + 15 + 10 + 5 + 25 = 75 Punkte. Du rufst an.
- Kontakt 2: Werbeagentur, hat die Checkliste geladen und dreimal auf Pakete geklickt. −100 + 5 + 30 = −65 Punkte. Kein Anruf; sie bekommt weiter deinen Newsletter, wenn sie ihn will.
Kontakt 2 hat mehr geklickt als Kontakt 1. Ohne Passung hättest du zuerst die Agentur angerufen. Wie du das Freebie baust, das die ersten Punkte auslöst, steht in Lead-Magnet erstellen: acht echte Beispiele. Ideen dafür sammelt Was ist ein Freebie? Ideen finden und testen.
Wann sich Lead Scoring lohnt und wann nicht
Lead Scoring löst ein Reihenfolgeproblem. Hast du keines, brauchst du es nicht.
Auch Werkzeuge brauchen Masse: HubSpot nennt für KI-gestützte Scores eine Mindeststichprobe von 50 Kontakten, davon 25, die zu Kunden wurden, und 25, die es nicht wurden (Stand: November 2026).
Ich arbeite als Solo-Selbstständiger, und auf meiner Website steckt statt eines Punktwerts eine einzige Regel im Engpass-Check: Wer angibt, dass mehr Menschen als nur er im Betrieb arbeiten, bekommt in der Auswertung und in der Mail einen Link, über den er ein Gespräch buchen kann. So steht es in meiner Datenschutzerklärung unter 7.9. Eine passende Regel schlägt ein Modell, das niemand pflegt. Wie der Check als Quiz aufgebaut ist, steht in Quiz-Funnel bauen: Engpass-Check als Beispiel.
Werkzeuge mit Lead-Scoring-Funktion
* Affiliate-Link: Wenn du dich über diesen Link bei Brevo registrierst oder einen Tarif buchst, bekomme ich eine Provision. Dein Preis ändert sich dadurch nicht.
Prüf vor dem Kauf, ob die Funktion in deinem Tarif steckt. Auch Werkzeuge, die Kontakte finden, werben mit einer Bewertung nach Passung; was du dir damit rechtlich einkaufst, steht im Vergleich der Lead-Scraping-Tools.
Wie ein KI-Mitarbeiter Leads vorsortiert
Olaf bewertet Betriebe, bevor jemand mit ihnen gesprochen hat. Ich gebe ihm einen Ort, eine Branche und die Merkmale meines Wunschkunden; er durchsucht Google Maps und öffentliche Unternehmensseiten, prüft jeden Kandidaten nach denselben Kriterien und liefert nur die passenden als bewertete, dokumentierte Liste, zu jedem Lead mit Quelle, Begründung und Bewertung. Pflichtmerkmale, Ausschlussregeln und Gewichtung legst du fest.
Aus meinen eigenen Läufen stehen auf seiner Seite 198 geprüfte Kandidaten in acht Aufträgen; als Faustregel bleiben von 20 Kandidaten 3 bis 5 echte Leads. Fehlalarme verwirft er, etwa eine Website mit alter Technik im Unterbau, aber modernem Design. Olaf kontaktiert niemanden, und er entscheidet nicht selbst, welche Zielgruppe wirtschaftlich sinnvoll ist. Warum die Grenze zwischen Recherche und Ansprache hart sein muss, steht in Kaltakquise automatisieren: Grenzen für KI, woher B2B-Kandidaten sonst kommen, in B2B-Leads finden: LinkedIn und Alternativen.
Die Mail danach bereitet bei mir Sonja vor: Neukunden-Mails, Name, Adresse, Demo-Link und Preis gegen die Quelle geprüft, als Entwurf in meinem Postfach; verschickt wird erst nach meinem ausdrücklichen Wort. Aus einer Nachfass-Runde nahm sie einen Empfänger bewusst heraus, weil die erste Mail ihm eine persönliche Rücksicht angekündigt hatte. Ein Punktwert hätte das nicht gesehen. Also: Der Score sortiert, ein Mensch entscheidet, wer welche Nachricht bekommt.
Lead Scoring und Datenschutz: Profiling nach DSGVO
Das ist keine Rechtsberatung.
Lead Scoring ist meist Profiling. Artikel 4 Nummer 4 nennt Profiling jede automatisierte Verarbeitung personenbezogener Daten, mit der persönliche Aspekte einer Person bewertet werden, ausdrücklich auch „persönliche Vorlieben, Interessen, Zuverlässigkeit, Verhalten“. Steht hinter dem Kontakt eine natürliche Person und rechnet eine Software ihre Punkte aus, bist du in diesem Bereich.
Artikel 22 betrifft ausschließlich automatisierte Entscheidungen. Niemand muss sich einer ausschließlich automatisierten Entscheidung unterwerfen, die rechtliche Wirkung hat oder ihn „in ähnlicher Weise erheblich beeinträchtigt“. Die Leitlinien der Artikel-29-Datenschutzgruppe zu Profiling, die der Europäische Datenschutzausschuss 2018 übernommen hat, halten fest, dass gezielte Werbung auf Grundlage von Profiling in vielen typischen Fällen keine solche erhebliche Wirkung hat, nennen aber Ausnahmen wie das Verfolgen über Websites und Geräte hinweg. Eine menschliche Prüfung muss dort echt sein, keine symbolische Geste. Praktisch: Nutze den Score als Sortierhilfe und schau dir die Kontakte an, bevor du etwas entscheidest, das für die Person Gewicht hat.
Transparenz nach Artikel 13 und 14. Für automatisierte Entscheidungen im Sinn von Artikel 22 verlangen Artikel 13 Absatz 2 Buchstabe f und Artikel 14 Absatz 2 Buchstabe g zusätzlich „aussagekräftige Informationen über die involvierte Logik“. Stammen die Daten aus einer Recherche, greift Artikel 14 auch sonst. Zählst du Klicks je Person, gehört das in Datenschutzerklärung und Einwilligung; bei mir steht in Abschnitt 7.5, dass die Newsletter-Anmeldung die Auswertung von Öffnungen und Klicks je Abonnent einschließt, und in 7.9, was der Engpass-Check speichert.
Widerspruch gegen Direktwerbung. Nach Artikel 21 Absatz 2 kann jede Person der Verarbeitung für Direktwerbung jederzeit widersprechen, und das gilt ausdrücklich auch für Profiling, „soweit es mit solcher Direktwerbung in Verbindung steht“. Danach werden die Daten dafür nicht mehr verarbeitet. Ein Widerspruch ist in deinem Modell also kein Minuspunkt, sondern das Ende der Werbung an diese Person.
Speichere nur die Merkmale, die wirklich Punkte geben. Was eine KI von deinen Kundendaten überhaupt sehen darf, steht in KI und Datenschutz: was die KI sehen darf.
Häufige Fragen
Was ist Lead Scoring, einfach erklärt?
Ein Punktesystem für Kontakte: Punkte für Passung zu deinem Wunschkunden und für Verhalten wie Antworten oder Terminanfragen, Abzüge für Ausschlussgründe. Ab einer Schwelle meldest du dich persönlich.
Welche Lead-Scoring-Kriterien sind sinnvoll?
Für die Passung Branche, Größe und Region, für das Verhalten Freebie, Klick auf Angebot, Antwort und Terminanfrage. Am stärksten zählt, wenn die Person selbst schreibt.
Ab wie vielen Leads lohnt sich Lead Scoring?
Eine feste Zahl gibt es nicht. Faustregel: sobald du neue Kontakte nicht mehr am selben Tag selbst lesen kannst.
Ist Lead Scoring nach der DSGVO erlaubt?
Es ist meist Profiling und braucht eine Rechtsgrundlage, Transparenz und ein Widerspruchsrecht bei Direktwerbung. Für ausschließlich automatisierte Entscheidungen mit erheblicher Wirkung gelten die engeren Regeln aus Artikel 22.
Wie du weitermachst
Schreib deine fünf besten Aufträge auf und daneben, was sie gemeinsam hatten. Daraus baust du die Passung, dann drei Signale und eine Schwelle. Wenn du über den Ablauf sprechen willst, der in deinem Betrieb am stärksten an dir hängt, buch eine Strategie-Session. Olaf gibt es als fertige Vorlage in der Premium-Stufe meiner Community Claude Practitioners, mit Bewertungsmatrix zum Anpassen an deine Kriterien. Jeden Dienstag kommt in meinem Newsletter ein echter Vorgang aus meinem Büro, mit Regel und Vorlage. Welcher nächste Schritt direkt nach der Eintragung ein erstes Signal auslösen kann, steht in Thank You Page: Danke-Seite mit Beispielen.
