Lead Scoring

Lead Scoring ist die systematische Bewertung von Leads anhand eines Punktesystems, um die qualifiziertesten Kontakte zu identifizieren und den Vertrieb zum optimalen Zeitpunkt einzuschalten. Statt alle Leads gleich zu behandeln, weist Lead Scoring jedem Kontakt einen Score zu – basierend auf Verhalten (Engagement) und Profil (Fit). Das Ergebnis: Marketing nurtures die Leads mit niedrigem Score, der Vertrieb kontaktiert die mit hohem Score – und die Conversion-Rate steigt messbar. Dieser Ratgeber erklärt, wie Lead-Scoring-Modelle aufgebaut werden, den Unterschied zwischen B2B und B2C und warum 2026 KI-basiertes Predictive Scoring die manuelle Bewertung ablöst.

1. Was ist Lead Scoring?

Lead Scoring ist eine Methode zur Bewertung und Priorisierung von Leads anhand eines numerischen Punktesystems. Jedem Lead werden Punkte zugewiesen – basierend auf seinen Interaktionen mit Ihrem Unternehmen (Verhalten/Engagement) und seinen demografischen bzw. firmografischen Merkmalen (Profil/Fit). Je höher der Score, desto wahrscheinlicher ist der Lead kaufbereit.

Lead Scoring löst ein fundamentales Problem: Ohne Bewertung behandelt der Vertrieb alle Leads gleich – und verschwendet Zeit mit Kontakten, die noch nicht kaufbereit sind. Mit Lead Scoring konzentriert sich das Vertriebsteam auf die vielversprechendsten Leads, während Marketing die restlichen Kontakte durch E-Mail-Nurturing weiter qualifiziert. Das Ergebnis: Effizienterer Vertrieb, höhere Conversion-Rate, kürzere Verkaufszyklen.

2. So funktioniert das Punktesystem

Das Modell kombiniert zwei Dimensionen: Verhaltensbezogenes Scoring bewertet, was der Lead tut (Website-Besuche, Downloads, E-Mail-Interaktion, Demo-Anfragen) – und zieht Punkte ab bei Inaktivität (Score Decay). Profilbezogenes Scoring bewertet, wer der Lead ist (Branche, Unternehmensgröße, Position, Region) – und zieht Punkte ab bei schlechtem Fit (generische E-Mail, Wettbewerber-Domain).

Die Score-Schwellen definieren die Übergänge: Ein Cold Lead (0–30 Punkte) bleibt im Marketing-Nurturing. Ein MQL (31–60) erhält intensivere Kampagnen. Ein SQL (61–80) wird an den Vertrieb übergeben. Ein Hot Lead (80+) bekommt sofortigen Kontakt. Diese Schwellen müssen regelmäßig kalibriert werden – anhand der tatsächlichen Conversion-Daten.

3. Lead Scoring: B2B vs. B2C

Im B2B steht der Profil-Fit (passt das Unternehmen zum ICP?) und langfristiges Engagement im Vordergrund – Kaufzyklen dauern Wochen bis Monate. Im B2C dominiert Echtzeit-Verhalten: Warenkorbabbrüche, Seitenbesuche, App-Nutzung. Statt kumulativer Punkte kommen im B2C eher Trigger-basierte Automationen zum Einsatz. 2026 verschmelzen beide Ansätze zunehmend durch KI-basiertes Predictive Scoring, das branchenübergreifend funktioniert.

4. Lead Scoring einrichten: Schritt für Schritt

1. ICP und Personas definieren: Wer ist Ihr idealer Kunde? Welche Merkmale (Branche, Größe, Position, Region) zeichnen die besten Kunden aus?
2. Scoring-Kriterien festlegen: Verhalten (Seitenbesuche, Downloads, E-Mail-Interaktion) + Profil (Branche, Größe, Rolle). Jeder Aktion und jedem Attribut einen Punktwert zuweisen.
3. Score-Schwellen definieren: Ab wann ist ein Lead ein MQL? Ab wann ein SQL? Klare Übergänge zwischen Marketing und Vertrieb vereinbaren.
4. Im Automation-Tool implementieren: HubSpot, ActiveCampaign, Marketo, Salesforce oder Pardot – alle bieten Lead-Scoring-Module. Punkte automatisch vergeben und aktualisieren.
5. Score Decay einbauen: Leads, die 30–60 Tage inaktiv sind, verlieren Punkte. Ohne Decay bleiben alte, kalte Leads fälschlich als „heiß“ markiert.
6. Kalibrieren und optimieren: Monatlich prüfen: Werden SQLs tatsächlich zu Kunden? Wenn nicht, Schwellen und Punktwerte anpassen. Lead Scoring ist ein lebendiges System, kein Set-and-Forget.

5. Lead Scoring 2026: Predictive und KI

• Predictive Lead Scoring: KI analysiert historische Conversion-Daten (welche Leads wurden zu Kunden?) und sagt die Abschlusswahrscheinlichkeit neuer Leads voraus. Genauer als manuelle Punktesysteme, weil die KI Muster erkennt, die Menschen übersehen.
• Intent Data: Externe Datenquellen (Bombora, 6sense, G2) zeigen, welche Unternehmen aktiv nach Ihren Lösungen recherchieren – ein starkes Zusatzsignal für B2B Lead Scoring.
• Multi-Touch-Attribution: Statt einzelne Touchpoints zu scoren, bewertet die KI die gesamte Journey des Leads und gewichtet die wirkungsvollsten Interaktionen.
• Echtzeit-Scoring: Scores werden nicht mehr stündlich oder täglich aktualisiert, sondern in Echtzeit – jeder Seitenbesuch, jede E-Mail-Interaktion verändert den Score sofort.

6. Zusammenfassung

Lead Scoring ist das Bindeglied zwischen Marketing und Vertrieb: Es stellt sicher, dass der Vertrieb zur richtigen Zeit die richtigen Leads kontaktiert und Marketing die restlichen Kontakte weiter qualifiziert. Ein strukturiertes Scoring-Modell (Verhalten + Profil, mit Score Decay und klaren Schwellen) steigert die Effizienz beider Teams messbar. 2026 wird KI-basiertes Predictive Scoring zum Standard – aber auch ein einfaches, manuelles Modell ist besser als kein Scoring.

→ Jetzt Lead-Scoring-Strategie anfragen

7. Häufig gestellte Fragen zum Lead Scoring

Was ist der Unterschied zwischen Lead Scoring und Lead Grading?

Lead Scoring bewertet das Verhalten (Engagement). Lead Grading bewertet das Profil (Fit). In der Praxis werden beide Dimensionen kombiniert – der Gesamtscore ergibt sich aus Engagement + Fit.

Welche Tools brauche ich für Lead Scoring?

Die meisten Marketing-Automation-Plattformen bieten Lead Scoring: HubSpot (ab Professional), ActiveCampaign (Plus), Marketo, Pardot, Salesforce Marketing Cloud. Für Predictive Scoring: 6sense, Clearbit, MadKudu.

Wie viele Punkte sollte ich vergeben?

Es gibt keine feste Regel. Wichtig ist die relative Gewichtung: Eine Demo-Anfrage (+25) sollte deutlich mehr wert sein als eine E-Mail-Öffnung (+2). Typische Gesamtskala: 0–100 Punkte, MQL-Schwelle bei 40–60, SQL-Schwelle bei 70–80.

Was ist Score Decay und warum ist es wichtig?

Score Decay zieht Punkte ab bei Inaktivität (z. B. -10 nach 30 Tagen ohne Interaktion). Ohne Decay bleiben alte, kalte Leads fälschlich als „heiß“ markiert – der Vertrieb verschwendet Zeit mit Kontakten, die längst das Interesse verloren haben.

Wie oft sollte ich mein Scoring-Modell überprüfen?

Monatlich die Ergebnisse prüfen (werden SQLs zu Kunden?). Quartalsweise das Modell anpassen (Schwellen, Punktwerte). Jährlich grundlegend überarbeiten (neue Personas, Marktveränderungen, neue Kanäle).

Funktioniert Lead Scoring auch für kleine Unternehmen?

Ja – auch ein einfaches Modell mit 5 Kriterien ist besser als kein Scoring. Viele Tools (HubSpot Free, ActiveCampaign Lite) bieten Basis-Scoring ab dem Einstiegsplan. Der ROI zeigt sich, sobald der Vertrieb nicht mehr jeden Lead gleich behandelt.

Was ist Predictive Lead Scoring?

KI analysiert historische Daten (welche Leads wurden zu Kunden?) und sagt die Conversion-Wahrscheinlichkeit neuer Leads voraus. Vorteil: Die KI erkennt Muster, die manuelle Modelle übersehen. Tools: HubSpot (Predictive Lead Scoring), 6sense, MadKudu.

Wie hängen Lead Scoring, Lead-Generierung und E-Mail-Marketing zusammen?

Lead-Generierung erfasst neue Kontakte. E-Mail-Marketing nurtures diese Kontakte. Lead Scoring bewertet, wann ein Kontakt kaufbereit ist und an den Vertrieb übergeben werden soll. Alle drei Disziplinen arbeiten im Marketing-Automation-System zusammen.

Weiterführende Artikel

Vertiefen Sie Ihr Wissen mit diesen verwandten Ratgebern aus unserem Online-Marketing-Glossar:

• Lead-Generierung – Leads gewinnen und erfassen
• E-Mail-Marketing – Leads nurturing per E-Mail
• Marketing Automation – Scoring automatisieren
• ICP (Ideal Customer Profile) – Profil-Fit definieren
• Personas – Zielgruppen verstehen
• Customer Journey – Leads entlang der Kundenreise
• Conversion-Rate – Scoring-Ergebnisse messen
• Online Marketing – Die übergeordnete Strategie
• SEO-Experte – Ganzheitliche Lead-Strategie