Lead Scoring im B2B-Outbound: Wie du Leads priorisierst, bevor du den ersten Touchpoint setzt

Laut aktuellen Daten sind nur 27 % der Leads, die Marketing an den Vertrieb übergibt, tatsächlich qualifiziert - der Rest verschwendet SDR-Zeit, die anderswo besser investiert wäre. Im Inbound-Funnel ist das schon schlimm genug. Im Outbound ist es vermeidbar.

Denn anders als bei Inbound-Leads hast du bei Outbound die Kontrolle darüber, wen du ansprichst. Die Frage ist nicht, wie du einen schlechten Lead noch retten kannst. Die Frage ist: Wie bewertest du Leads vor dem ersten Touchpoint so, dass deine Outreach-Kapazität ausschließlich auf kaufbereite Accounts entfällt?

Genau dafür braucht es ein Outbound-spezifisches Lead Scoring Framework - und das unterscheidet sich grundlegend von dem, was die meisten Marketing-Teams heute im Einsatz haben.

Warum klassisches Lead Scoring für Outbound nicht funktioniert

Die meisten Lead-Scoring-Modelle wurden für Inbound und Marketing-Automation gebaut. Das Prinzip: Ein Kontakt sammelt Punkte durch Website-Besuche, E-Mail-Öffnungen, Content-Downloads, Demo-Anfragen. Je mehr Touchpoints, desto höher der Score - und ab einem definierten Schwellenwert wird er als MQL an den Vertrieb übergeben.

Das Problem: 98 % der so definierten Marketing Qualified Leads (MQLs) konvertieren nie zu tatsächlichen Deals. Weil das Scoring-Modell Engagement mit Kaufbereitschaft verwechselt. Ein Whitepaper-Download zeigt Interesse - aber noch lange nicht Budget, Timing oder Entscheidungskompetenz.

Im Outbound verschärft sich dieses Problem. Denn hier haben die meisten Leads null Marketing-Touchpoints. Sie haben deine Website nicht besucht, keinen Newsletter abonniert, keine E-Mail geöffnet. Das klassische Scoring liefert schlicht keinen Score - obwohl der Lead vielleicht perfekt passt und gerade in einer aktiven Kaufentscheidung steckt.

Die Konsequenz, die viele Outbound-Teams daraus ziehen, ist fatal: Sie behandeln alle Leads gleich. Jeder Account in der Liste bekommt dieselbe Sequenz zur selben Zeit - unabhängig davon, ob ein Unternehmen gerade 10 Sales-Stellen ausschreibt oder seit Monaten keinerlei Wachstumssignal zeigt. Das Ergebnis: sinkende Antwortquoten, frustrierte SDRs und eine Pipeline, die zwar Volumen, aber keine Qualität liefert.

Das Outbound Lead Scoring Framework: Fit-Score + Timing-Score

Ein praxistaugliches Outbound-Scoring-Modell arbeitet mit zwei Dimensionen - und beide müssen bewertet werden, bevor der erste Touchpoint gesetzt wird.

Dimension 1: Fit-Score (ICP-Match)

Der Fit-Score beantwortet die Frage: Passt dieses Unternehmen strukturell zu meinem Ideal Customer Profile?

Typische Fit-Faktoren für B2B-Tech-Unternehmen im DACH-Raum:

• Branche - B2B SaaS oder Tech ist dein primäres ICP? Dann sollte dieser Faktor am stärksten gewichtet sein.
• Unternehmensgröße - Mitarbeiteranzahl als Proxy für Budget und Entscheidungsprozess (z. B. 11-50 MA = maximale Punkte für viele SaaS-Anbieter).
• Entscheider-Rolle - Adressierst du den CEO, VP Sales oder einen Manager? Je näher an der Budgetverantwortung, desto höher der Score.
• Tech-Stack - Nutzt das Unternehmen bereits HubSpot oder Salesforce? Das signalisiert CRM-Reife und erhöht die Wahrscheinlichkeit, dass deine Lösung integrierbar ist.

Empfohlene Gewichtung: Fit-Score max. 50 Punkte.

Dimension 2: Timing-Score (Buying Signals)

Der Timing-Score beantwortet die Frage: Gibt es gerade konkrete Hinweise auf einen aktiven Kaufmoment bei diesem Account?

Die relevantesten Buying Signals für B2B-Outbound:

• Finanzierungsrunde (letzte 12 Monate) - Frisches Kapital signalisiert Wachstumsdruck^{1frisches Kapital signalisiert Wachstumsdruck} und Investitionsbereitschaft. Stärkstes Signal, höchste Gewichtung. Laut LinkedIn-Daten suchen Entscheider nach einem Jobwechsel in den ersten 90 Tagen aktiv nach neuen Lösungen und haben noch keine festen Vendor-Beziehungen aufgebaut.
• Aktive Sales-/Marketing-Stellen - Wer SDRs, BDRs oder RevOps-Rollen ausschreibt, investiert gerade in Vertrieb. Funding Events und Hiring-Signale deuten darauf hin, dass Unternehmen bald neue Mitarbeitende einstellen, ihre Aktivitäten ausbauen und neue Technologien einführen.
• Technologiewechsel - Tool-Wechsel im CRM oder Marketing-Stack sind klare Kaufsignale. Sie zeigen, dass ein Unternehmen aktiv evaluiert.
• Website-Besuch via Intent-Tool - Wenn ein Account deine Website besucht, aber nicht konvertiert hat, ist das ein hochrelevantes Signal. Tools wie Dealfront oder RB2B identifizieren diese anonymen Besucher.
• Job Change - Entscheider, die kürzlich die Rolle gewechselt haben, sind erstklassige Prospects: Sie evaluieren neue Tools, haben frische Budgets und noch keine Vendor-Beziehungen.
• LinkedIn Content-Engagement - Hat ein Entscheider deinen Post geliked oder kommentiert? Laut LinkedIn führt die Kontaktaufnahme bei Intent-Signalen zu 71 % höheren InMail-Antwortquoten.

Empfohlene Gewichtung: Timing-Score max. 50 Punkte.

Die Tier-Matrix

Die Logik dahinter ist simpel und konsequent:

• Tier 1 braucht hohen ICP-Match und einen aktiven Kaufmoment. Nur diese Leads rechtfertigen sofortige, personalisierte Outreach-Energie.
• Tier 2 ist strukturell interessant, aber der Zeitpunkt stimmt noch nicht. Diese Leads werden in eine Awareness-Sequenz eingespeist - bis ein Trigger feuert.
• Tier 3 hat keinen ausreichenden ICP-Match. Hier spielt es keine Rolle, wie viele Signale vorhanden sind - die strukturelle Basis fehlt.

Interaktiver Lead Scoring Rechner

Berechne den Score eines konkreten Leads direkt hier - bevor du die erste Nachricht schreibst:

Datenquellen für jeden Score-Faktor

Ein Scoring-Modell ist nur so gut wie die Daten, auf denen es basiert. Hier die wichtigsten Tools je Faktor:

Für Fit-Daten bildet LinkedIn Sales Navigator^{2LinkedIn Sales Navigator} die Basis: Account Pages bündeln Buyer-Intent-Signale, Account-Insights und Engagement-Daten an einem Ort - und helfen, Stakeholder zu verstehen, Opportunitäten zu erkennen und Outreach gezielt zu gestalten. Clay und Apollo ergänzen das Bild durch Firmographics, Technographics und Kontaktdaten aus mehreren Quellen gleichzeitig (Waterfall Enrichment). Mehr dazu in unserem Guide zu Lead List Building Automation.

Für Timing-Daten sind Dealfront (ehemals Leadfeeder + Echobot) und RB2B die relevantesten Intent-Daten-Tools im DACH-Markt. Sie identifizieren Website-Besucher auf Unternehmensebene und liefern das Intent-Signal direkt in dein CRM. Für LinkedIn-native Signale wie Funding, Hiring und Job Changes ist Sales Navigator die erste Wahl.

Historische CRM-Daten sind ein oft unterschätzter Faktor: Welche Firmographics, Tech-Stacks und Trigger-Events tauchen bei deinen bisherigen Closed-Won-Deals auf? Bevor du einen einzigen Punkt vergibst, solltest du eine Analyse deiner Closed-Won- vs. Closed-Lost-Deals der letzten 12-24 Monate durchführen - und prüfen, welche firmografischen, demografischen und Verhaltens-Attribute häufiger bei Closed-Won auftauchen.

Praktische Umsetzung: Scoring-Tabelle aufbauen

Du brauchst kein teures Enterprise-Tool, um mit Lead Scoring zu starten. Hier der pragmatische Ansatz für B2B-Tech-Teams mit 1-3 SDRs oder Founder-led Sales:

Option A: Google Sheets (sofort starten)

Erstelle eine Tabelle mit folgenden Spalten:

Tipp: Sortiere deine Outbound-Liste täglich nach Total Score absteigend. Deine SDRs arbeiten immer die Leads mit dem höchsten Score zuerst ab.

Option B: HubSpot Properties (für Teams mit CRM-Workflow)

In HubSpot lassen sich Lead-Scoring-Properties direkt auf Kontakt- und Company-Ebene anlegen:

1. Custom Properties für Fit-Faktoren anlegen (Dropdown-Felder mit Punktewerten)
2. Calculated Properties für automatische Summierung erstellen
3. Workflow-Trigger definieren: Wenn Fit-Score ≥ 30 und Timing-Score ≥ 20 -> Deal erstellen, SDR-Aufgabe erzeugen
4. Views und Queues nach Score-Tier sortieren

HubSpot bietet natives Scoring mit manuellen Regeln, Event-basiertem Decay und KI-gestütztem Scoring - sobald du ausreichend konvertierte und nicht-konvertierte Kontakte als Datenbasis hast. Einen detaillierten Vergleich zwischen HubSpot und ActiveCampaign für B2B-Automation findest du in unserem E-Mail-Automation-Vergleich.

Scoring-Modell iterieren: Monatlich validieren

Ein Lead Scoring Framework ist kein Set-and-Forget-System. Es ist eine Hypothese über Kaufbereitschaft - die du mit echten Conversion-Daten überprüfen musst.

Monatliche Validierung in 3 Schritten:

1. Auswertung: Welche Leads der letzten 30 Tage haben tatsächlich geantwortet, einen Termin gebucht oder weitergeführt? Was war ihr Score?
2. Abgleich: Welche Score-Faktoren korrelieren stark mit positiven Outcomes? Welche kaum?
3. Anpassung: Gewichtungen anpassen - Faktoren erhöhen, die zuverlässig mit Conversion zusammenhängen, und Faktoren reduzieren oder entfernen, die das nicht tun.

Laut einer Analyse von Adobe Marketo sollte ein Scoring-Modell mindestens monatlich oder quartalsweise überprüft werden - spätestens aber dann, wenn die MQL-zu-SQL-Conversion zwei Wochen in Folge sinkt.

Konkrete Warnsignale, dass dein Modell nicht stimmt:

• Tier-1-Leads werden kontaktiert, antworten aber kaum
• Tier-2-Leads performen besser als Tier-1-Leads
• Bestimmte Branchen oder Rollentypen tauchen nie in Closed-Won auf
• Outreach-Antwortrate sinkt trotz gleichbleibendem Score-Volumen

Wenn du diese Muster erkennst, liegt das Problem fast immer im Fit-Score (ICP-Definition zu unscharf) oder im Timing-Score (falsche Signale gewichtet).

Wie Leadtree Lead Scoring in den Outbound-Prozess integriert

Der beschriebene Ansatz ist keine Theorie - er ist die Basis der Outbound-Methodik, die Leadtree für B2B-Tech-Startups und Scale-ups im DACH-Raum umsetzt.

Jeder Lead wird vor der Ansprache bewertet:

• ICP-Cluster-Segmentierung definiert den Fit-Score: Welche Branche, Größe, Rolle und welcher Tech-Stack sind relevant?
• Trigger-Monitoring liefert den Timing-Score: Welche Accounts zeigen gerade Funding-, Hiring- oder Job-Change-Signale auf LinkedIn oder via Dealfront?
• Tier-basierte Priorisierung stellt sicher, dass nur Tier-1-Leads in personalisierte Outreach-Sequenzen einfließen - mit psychologisch optimierten Nachrichten, die den spezifischen Trigger direkt adressieren.

Das Ergebnis: Statt 200 Leads mit derselben Sequenz zu bespielen, erreichen unsere Kunden 30-50 hochpriorisierte Tier-1-Accounts - mit Nachrichten, die zum richtigen Zeitpunkt den richtigen Kontext liefern.

Im Gegensatz zu reinen Intent-Data-Plattformen wie Dealfront oder 6sense, die nur Daten bereitstellen, übernimmt Leadtree die komplette Execution: vom Signal bis zum gebuchten Termin. Kein Tool-Setup nötig, kein Data-Science-Team erforderlich - alles läuft als Done-for-You-Service.

Mehr zum Thema KI-gestützte Lead-Qualifizierung - und wie Outbound-Prozesse damit effizienter werden.

Fazit: Wer zuerst bewertet, gewinnt

Lead Scoring im Outbound ist keine Spielerei für Enterprise-Teams mit großen RevOps-Abteilungen. Es ist der pragmatische Weg, wie Startups und Scale-ups mit begrenzten SDR-Ressourcen maximale Pipeline-Qualität erzielen.

Die wichtigsten Erkenntnisse aus diesem Framework:

• Fit-Score und Timing-Score sind zwei separate Dimensionen - nur zusammen liefern sie ein belastbares Bild
• Tier 1 = sofort ansprechen gilt nur, wenn beide Dimensionen stark sind
• Datenquellen wie LinkedIn Sales Navigator, Clay und Dealfront liefern die Rohsignale - das Framework gibt ihnen Struktur
• Iteration ist Pflicht: Ein Scoring-Modell, das nicht monatlich gegen Conversion-Daten validiert wird, veraltet schnell

Wer Outbound-Sequenzen ohne Timing-Intelligenz betreibt, behandelt jeden Lead gleich - unabhängig davon, ob er gerade kaufbereit ist oder nicht. Das kostet Zeit, Geld und Response-Rate.