Lead Scoring im B2B SaaS: So richten Sie es ein (2026)

Ihr CRM ist voller Leads. Ihr Vertrieb beschwert sich, dass die meisten davon Müll sind. Ihr CMO fragt, warum das Marketing immer wieder "MQLs" generiert, die mit 2% abschließen. Genau in dieser Lücke zwischen "wir haben Leads" und "wir haben Käufer" lebt Lead Scoring, und die meisten B2B-SaaS-Teams machen es schlecht oder lassen es ganz weg.

Nur 44% der Unternehmen nutzen Lead Scoring überhaupt, und viele davon bewerten Leads anhand der falschen Signale. Dieser Beitrag zeigt das praktische Setup: was Sie bewerten, wie Sie die Kriterien gewichten und welche Fehler das Modell still kaputt machen. Den breiteren Kontext zum Aufbau einer kompletten B2B-Lead-Engine finden Sie in unserem vollständigen Guide zur B2B-Leadgenerierung.

Was Lead Scoring wirklich ist (und was nicht)

Lead Scoring weist jedem Lead einen Zahlenwert zu, basierend darauf, wie gut der Lead Ihrem Ideal Customer Profile entspricht und wie engagiert er ist. Der Score ist keine Garantie, sondern ein Wahrscheinlichkeitssignal. Ein Lead mit 85 Punkten schließt statistisch wahrscheinlicher ab als ein Lead mit 20 Punkten. Mehr ist es nicht.

Was Lead Scoring nicht ist: eine Ausrede, niedriger bewertete Leads für immer zu ignorieren, ein einmaliges Setup oder ein Ersatz für das Gespräch mit dem Vertrieb. Der Score ist ein Routing-Mechanismus. Hohe Scores bekommen sofortigen Sales-Follow-up, mittlere gehen ins Nurturing, niedrige werden gefiltert oder recycelt.

40% der Marketer nannten 2026 Lead-Qualität und MQLs als wichtigste Erfolgsmetrik - höher als jede andere KPI im HubSpot State of Marketing Report. Ohne Scoring können Sie Qualität nicht messen.

Die zwei Scoring-Dimensionen: Fit und Verhalten

Jedes funktionierende B2B-Scoring-Modell nutzt zwei unabhängige Dimensionen. Sie zu vermischen ist der häufigste Grund, warum Scoring scheitert.

Fit (firmografisch und demografisch): Passt der Lead zu Ihrem Ideal Customer Profile? Unternehmensgröße, Branche, Geografie, Rolle, Seniorität, Tech-Stack. Fit-Signale ändern sich kaum über die Zeit. Ein 50-Personen-Fintech in München ist an Tag eins genauso ein Fit wie an Tag 90.

Verhalten (Engagement und Intent): Kauft der Lead aktiv? Aufrufe der Pricing-Seite, Demo-Anfragen, Content-Downloads, wiederholte Besuche, Webinar-Teilnahmen, E-Mail-Antworten. Verhaltenssignale verlieren an Wert. Ein Pricing-Aufruf von letzter Woche ist mehr wert als einer von vor sechs Monaten.

Bewerten Sie beide getrennt. Ein Lead mit hohem Fit aber ohne Verhalten ist ein Nurture-Kandidat. Ein Lead mit hohem Verhalten aber ohne Fit ist wahrscheinlich ein Wettbewerber oder Student auf Recherche. Nur Leads mit starken Scores in beiden Dimensionen gehen als MQL an den Vertrieb.

So bauen Sie Ihr Scoring-Modell in der Praxis auf

Wählen Sie fünf Fit-Signale und fünf Verhaltenssignale. Vergeben Sie Punkte basierend darauf, wie prädiktiv jedes Signal für Ihr Geschäft ist. Hier eine Startvorlage zum Anpassen:

Setzen Sie Ihren MQL-Schwellenwert dort, wo Leads historisch mit der dreifachen Durchschnittsrate konvertieren. Schauen Sie sich sechs Monate Closed-Won-Deals an, scoren Sie diese rückwirkend mit dem Modell und finden Sie den Cutoff. Die meisten B2B-SaaS-Teams landen zwischen 50 und 70 Punkten als MQL-Linie. Darunter bleiben Leads im Nurturing. Darüber bekommt der Vertrieb den Alert.

Die Regel mit dem negativen Scoring ist wichtiger, als die meisten denken. Ziehen Sie Punkte ab für Free-Mail-Domains, Wettbewerber-Firmennamen, Standorte außerhalb Ihrer bedienbaren Geografie sowie Studenten- oder Forscher-Rollen. Ohne negatives Scoring sammelt Ihr Modell mit der Zeit False Positives an.

Häufige Fehler, die Lead Scoring zerstören

Es als einmaliges Setup behandeln. Ein im Januar gebautes Scoring-Modell ist im Juli verkalibriert. Neue Marketing-Kanäle, Produktänderungen und Saisonalität verschieben alle, was einen Sale prädiziert. Prüfen Sie das Modell quartalsweise: Ziehen Sie das letzte Quartal Closed-Won und Closed-Lost, scoren Sie die Deals und checken Sie, ob die Schwelle die beiden Gruppen noch sauber trennt.

Scoring ohne Vertriebs-Buy-in. Wenn der Vertrieb der MQL-Definition nicht traut, ignoriert er die Alerts. Setzen Sie sich quartalsweise mit dem Vertrieb zusammen und fragen Sie, welche "MQLs" tatsächlich bearbeitet wurden und welche nicht. Die Signale, denen der Vertrieb traut, sind die Signale, die das Scoring abbilden sollte.

Fit und Verhalten vermischen. Eine häufige Fehlfunktion ist ein kombinierter Score, in dem ein Junior-Researcher mit hohem Engagement einen CMO überholt, der einmal die Pricing-Seite aufgerufen hat. Halten Sie beide getrennt, routen Sie nach dem niedrigeren der beiden Scores.

Decay ignorieren. Verhaltenssignale sollten an Wert verlieren. Ein Pricing-Aufruf von letzter Woche ist heiß. Derselbe Aufruf von vor vier Monaten ist kalt. Bauen Sie Decay ins Modell ein oder filtern Sie direkt auf Recency. Unternehmen, die Lead Scoring sauber implementieren, erzielen 138% ROI auf Lead Generation, verglichen mit 78% bei Unternehmen ohne Scoring - der Unterschied liegt in der Rekalibrierungs-Disziplin, nicht im initialen Setup.

Fazit

Lead Scoring ist kein CRM-Feature, das Sie einmal aktivieren und vergessen. Es ist ein Routing-System, das gebaut, kalibriert und gegen tatsächliche Sales-Outcomes rekalibriert werden muss. Bewerten Sie auf zwei Dimensionen getrennt, einigen Sie sich mit dem Vertrieb auf den Schwellenwert und prüfen Sie das Modell jedes Quartal. Gut gemacht macht Scoring aus einer rauschenden Lead-Liste eine priorisierte Queue. Schlecht gemacht ist es nur eine Zahl auf schlechten Daten. Den breiteren Kontext zum Aufbau einer B2B-Lead-Engine finden Sie in unserem vollständigen Guide zur B2B-Leadgenerierung.

Häufig gestellte Fragen