Der Vertrieb ruft nach mehr Leads, das Marketing liefert Listen, und am Ende arbeitet keiner die richtigen an. Ein KI-Scoring hilft nur, wenn die Vertriebler die Bewertung nachvollziehen und ihr vertrauen.
In vielen B2B-Betrieben landet ein neuer Lead im CRM mit ein paar Punkten aus einer Regel wie 'Formular ausgefüllt = 20 Punkte, Whitepaper geladen = 10 Punkte'. Die Vertriebler wissen: das sagt fast nichts darüber aus, ob der Kontakt wirklich passt. Also arbeiten sie die Liste nach Bauchgefühl ab und ignorieren den Score.
Das Problem ist selten die Technik, sondern das Modell dahinter. Wer nicht sauber definiert hat, wie das ideale Kundenprofil (ICP) aussieht, kann auch mit der besten KI nichts sinnvoll bewerten. Ein Fertigungsbetrieb mit 15 Mitarbeitern und ein Konzern mit 5.000 haben unterschiedliche Kaufprozesse, und wer beide gleich scort, produziert Rauschen.
Ein KI-Scoring löst das nur, wenn es auf echten Abschlussdaten trainiert ist und die Signale offenlegt. Sonst ist es eine Blackbox, die der Vertrieb zurecht ignoriert.
Am Anfang steht kein Modell, sondern ein Workshop mit dem Vertrieb: Welche Kunden schließen wir wirklich ab? Welche kommen nie zum Abschluss, obwohl sie viel Aufwand verursachen? Aus diesen Antworten wird das ICP geschärft — Branche, Größe, Region, technischer Reifegrad, Anlass.
Erst danach kommt die KI ins Spiel. Sie bekommt die historischen Deals der letzten 24 bis 36 Monate und lernt, welche Signal-Kombinationen mit Abschlüssen korrelieren. Wichtig: das Modell muss zu jedem Score sagen können, welche drei bis fünf Signale zur Bewertung geführt haben.
Ein Score ohne Begründung ist im Mittelstand tot. Erklärbarkeit ist keine Kür, sondern die Bedingung, dass der Vertrieb überhaupt hinschaut.
Nach jedem qualifizierten Erstgespräch trägt der Vertrieb in zwei Klicks ein: passte der Lead zur Bewertung oder nicht? Diese Rückmeldung fließt monatlich ins Modell zurück und korrigiert die Gewichtung der Signale. So bleibt das Scoring auch dann brauchbar, wenn sich der Markt verschiebt.
Ohne diese Schleife driftet jedes Modell nach sechs bis zwölf Monaten weg. Wir bauen die Rückmeldung deshalb direkt in den CRM-Workflow ein, nicht in ein Zusatz-Tool, das keiner öffnet.
Wer im Jahr 40 Deals macht, hat zu wenig Trainingsdaten für ein statistisches Modell. Da hilft ein sauberes regelbasiertes Scoring plus ICP-Definition mehr als jede KI. Wir sagen das ehrlich und starten dann mit Regeln, nicht mit einem Modell, das mangels Datenlage rät.
Ab etwa 150 bis 200 abgeschlossenen Deals pro Jahr lohnt sich der Umstieg. Vorher ist der Aufwand für Modellpflege größer als der Nutzen.
Auch bei sehr heterogenen Zielgruppen (Handwerker, Konzerne und Behörden gleichzeitig) macht ein einziges Modell selten Sinn — dann besser mehrere schmale Scorings pro Segment.
Im gratis Audit schauen wir uns eure CRM-Datenbasis, das aktuelle Scoring (falls vorhanden) und die Deal-Historie an. Danach wissen wir gemeinsam, ob KI-Scoring bei euch überhaupt trägt oder ob ein sauberes Regel-Scoring erstmal reicht.
Termin buchen unter /audit — 30 Minuten, ohne Vertriebsgespräch danach.