KI-Leadgenerierung im B2B: Was im Mittelstand wirklich funktioniert

Die kurze Antwort: KI kann B2B-Vertriebsteams dabei unterstützen, passende Zielunternehmen zu recherchieren, Informationen zu strukturieren und Leads nach transparenten Kriterien vorzubereiten. Sie ersetzt aber keine klare Zielkundendefinition, keine gute Ansprache und keine rechtliche Prüfung. Wer einfach mehr automatisierte Nachrichten verschickt, baut noch keinen besseren Vertrieb auf.

Ich kenne die Situation aus wachstumsorientierten Vertriebsorganisationen: Es gibt ambitionierte Ziele, viele Tools und trotzdem zu wenige wirklich gute Gespräche. Die Reaktion ist häufig, mehr Listen zu kaufen oder mehr Outreach zu automatisieren. Das kann den Engpass sogar verschlimmern, wenn die Zielkunden nicht stimmen.

Mein Ansatz ist anders: erst die Qualität des Prozesses, dann seine Geschwindigkeit.

Was KI im Leadprozess leisten kann

In vielen Teams ist qualifizierte Recherche ein besserer erster KI-Anwendungsfall als automatisierte Kontaktaufnahme. Der Außeneindruck Ihrer Marke hängt schließlich nicht davon ab, wie viele Nachrichten ein Agent versendet, sondern ob die richtigen Empfänger einen relevanten Grund für das Gespräch sehen.

Schritt 1: Definieren, wen Sie wirklich gewinnen wollen

Starten Sie nicht mit einem Prompt. Starten Sie mit fünf Fragen: Welche Kunden sind für Ihr Geschäft besonders profitabel? Welche Probleme lösen Sie dort? Wer entscheidet? Welche Voraussetzungen muss ein Unternehmen erfüllen? Und bei welchen Kunden dauert der Verkaufsprozess zu lange oder die Betreuung ist unverhältnismäßig aufwendig?

Daraus entsteht ein ICP mit überprüfbaren Kriterien. Zum Beispiel: DACH, B2B-Dienstleister, eine bestimmte Mitarbeitergröße, vorhandenes CRM, mehrere Vertriebsmitarbeiter und nachweisbarer Bedarf an Prozessverbesserung. Das ist ein illustratives Segment, kein universell gültiger Zielmarkt.

Ohne diese Arbeit läuft KI sehr effizient in die falsche Richtung.

Schritt 2: Unternehmen recherchieren und Daten prüfen

Im nächsten Schritt können Automatisierungen relevante Firmen aus zulässigen Quellen sammeln, Kategorien zuordnen und erste Unternehmensprofile vorbereiten. Ein Sprachmodell ist dabei hilfreich, um unstrukturierte Informationen auszuwerten. Es ist aber keine verlässliche Quelle für aktuelle Ansprechpartner oder konkrete Kaufabsicht.

Ich würde deshalb pro Datensatz dokumentieren, woher eine Information stammt und wann sie geprüft wurde. Bei Firmeninformationen ist das schon guter Vertrieb. Bei personenbezogenen Daten kommt eine zusätzliche rechtliche Prüfung hinzu.

Schritt 3: Nach klaren Kriterien qualifizieren

Ein gutes Lead-Scoring muss nicht kompliziert sein. Ein nachvollziehbares Modell kann mit vier Kriterien beginnen:

• Fit: Passt das Unternehmen zu Ihrer Zielgruppe?
• Problemnähe: Gibt es belastbare Anhaltspunkte für den relevanten Bedarf?
• Timing: Gibt es ein öffentlich erkennbares, relevantes Ereignis oder ein Signal aus einer bestehenden Beziehung?
• Bearbeitbarkeit: Haben Sie Ressourcen und eine passende Ansprache?

Bewertungen sollten begründet und überprüfbar sein. „KI sagt: 93 Prozent Abschlusswahrscheinlichkeit" wäre ohne geeignete Daten und Kalibrierung keine seriöse Aussage.

Schritt 4: Einen Account vorbereiten – statt 100 Nachrichten zu erzeugen

Ein sinnvoller Workflow könnte so aussehen:

ICP → öffentliche Firmenrecherche → Quellenprüfung → Fit-Bewertung → kurze Account-Zusammenfassung → Vertriebsfreigabe → CRM.

Am Ende bekommt ein Vertriebsmitarbeiter nicht einfach eine weitere Liste, sondern ein brauchbares Briefing: Was macht das Unternehmen? Warum passt es grundsätzlich? Welcher Gesprächsansatz ist relevant? Welche Angaben sind noch unklar?

Eine gute Ansprache sollte daraus entstehen, dass der Vertrieb etwas Relevantes zu sagen hat, nicht weil ein Tool besonders gut Formulierungen produziert.

DSGVO und UWG: Automatisierung ist keine Versandgenehmigung

Gerade bei B2B-Outreach sind zwei Dinge zu trennen: Daten verarbeiten und Werbung versenden. Beides braucht eine eigene Prüfung.

§ 7 UWG regelt unzumutbare Belästigungen. Werbe-E-Mails benötigen grundsätzlich eine vorherige ausdrückliche Einwilligung, abgesehen von engen gesetzlichen Ausnahmen insbesondere für bestimmte bestehende Kundenbeziehungen. Dass eine Adresse geschäftlich ist oder öffentlich auf einer Website steht, schafft nicht automatisch eine Versandberechtigung. Zum Gesetzestext.

Auch bei rechtmäßig erhobenen Daten müssen die DSGVO-Anforderungen an Verarbeitung, Transparenz und gegebenenfalls Auftragsverarbeitung eingehalten werden. Ich würde deshalb niemals einen autonomen Cold-E-Mail-Versand als Standard-Lösung empfehlen. Zuerst braucht es einen geprüften Kanal und klare Freigaben. Bei Unsicherheit sollte ein entsprechend qualifizierter Rechtsberater eingebunden werden.

Was kostet ein sinnvoller Pilot?

Die wichtigste Kostenposition ist nicht immer die KI-Nutzung. Häufig entsteht Aufwand durch Datenbereinigung, zuverlässige Quellen, Integration, manuelle Qualitätssicherung und Schulung.

Bevor ein Budget freigegeben wird, sollten diese Punkte feststehen: Wie viele Unternehmen müssen tatsächlich recherchiert werden? Wie viel Zeit benötigt das Team heute? Wie viele Rechercheergebnisse sind brauchbar? Was kostet die Datenquelle? Wie viele Kontakte werden vom Vertrieb tatsächlich weiterverfolgt?

Fiktive Kapazitätsrechnung: Zwei Mitarbeiter investieren je sechs Stunden pro Woche in Recherche, über 46 Arbeitswochen. Das sind 552 Stunden im Jahr. Bei einem kalkulatorischen Satz von 50 € entspricht das 27.600 € Arbeitskapazität. Werden davon nachweislich 25 Prozent frei, sind das 6.900 € Kapazitätswert. Unterstellen wir 3.000 € einmalige Einrichtung und 2.400 € jährlichen Betrieb, blieben rechnerisch 1.500 € Kapazitätswert im ersten Jahr nach Kosten.

Auch hier gilt: Das ist keine realisierte Kosteneinsparung, solange keine Arbeit entfällt oder die gewonnene Zeit wirtschaftlich sinnvoll genutzt wird. Zusätzliche Pipeline oder Umsätze sollten erst dann eingerechnet werden, wenn echte Ergebnisse vorliegen.

Was ich zuerst messen würde

Nicht die Anzahl automatisierter E-Mails. Sondern die Qualität der Vorbereitung: Wie viele recherchierte Firmen passen wirklich zum ICP? Wie viele Accounts werden aktiv bearbeitet? Wie viele Gespräche ergeben sich aus zulässigen Kanälen? Wie hoch ist der manuelle Korrekturaufwand? Und verändert sich die Pipeline-Qualität?

Wenn diese Kennzahlen nicht besser werden, hilft auch kein größerer Agenten-Stack.

Ein pragmatischer Einstieg

Wählen Sie zunächst ein Kundensegment und 30 bis 50 beispielhafte Zielunternehmen aus. Testen Sie Recherche, Fit-Bewertung und CRM-Übergabe mit menschlicher Kontrolle. Vergleichen Sie die Qualität mit Ihrer bisherigen Vorgehensweise. Erst danach entscheiden Sie über Automatisierung im größeren Umfang.

Bei NVB AI Growth arbeiten wir genau an solchen Commercial-Prozessen. Im AI Commercial Audit klären wir, wo die Engpässe liegen; mit KI-Automatisierung können passende Schritte anschließend umgesetzt werden.

Ihr Vertrieb braucht bessere Leads, nicht einfach längere Listen? Lassen Sie uns über Ihren aktuellen Leadprozess sprechen.

Quellen

• § 7 UWG, Gesetze im Internet – Anforderungen an werbliche Kontaktaufnahme.
• Fili et al., HMD: KI im B2B CRM produzierender KMU – zur Bedeutung von Leadgenerierung, Qualifizierung und Datenverfügbarkeit.

Über den Autor: Nik van der Beek war in internationalen Commercial- und Growth-Funktionen bei Amazon, Alibaba und SharkNinja tätig. Mit NVB AI Growth unterstützt er Unternehmen dabei, ihren Vertriebsprozess pragmatisch zu verbessern. Mehr über Nik.