Zurück zur Übersicht
Executive Growth & AI Transformation

Warum mehr Leads noch kein planbares Wachstum schaffen

Mehr Kontakte im CRM schaffen noch keine verlässlichen Umsätze. Entscheidend sind Zielkundenfit, klare Übergaben, echte Opportunities und eine wirtschaftliche Baseline. Wie CEOs Qualität statt Leadmenge steuern und AI erst nach der Verifikation sinnvoll einsetzen.

Viele CEOs sehen eine irritierende Entwicklung: Marketing liefert mehr Kontakte, der Vertrieb arbeitet sichtbar intensiver, doch Umsatz und Marge werden nicht verlässlicher planbar. Die Folge sind überlastete Teams, zu optimistische Forecasts und Diskussionen darüber, welcher Kanal «schuld» ist. Das eigentliche Problem liegt meist tiefer. Ein Lead ist ein mögliches Signal, nicht der Beweis für Nachfrage, Kaufbereitschaft oder wirtschaftlichen Wert. Planbares Wachstum entsteht erst, wenn Zielkunden, Übergaben, Qualifizierung, Verkaufsarbeit und die Rückmeldung aus realisierten oder verlorenen Geschäften als ein verantworteter Wertstrom geführt werden. Dieser Beitrag zeigt, welche Entscheidungen eine Geschäftsleitung dafür treffen muss, wie sie die Ausgangslage belastbar misst und warum Qualität nach der Verifikation mehr zählt als die schiere Menge am Eingang.

Die bequeme Kennzahl verdeckt die Managementaufgabe

Leadzahl ist attraktiv, weil sie früh sichtbar und leicht zu steigern ist. Eine Kampagne kann mehr Formulare erzeugen, ein Event mehr Kontakte bringen und ein Download mehr Namen in das CRM schreiben. Für die Geschäftsleitung beantwortet all das jedoch noch nicht die entscheidende Frage: Entsteht daraus wiederholbar profitables Neugeschäft mit den Kunden, die zum Unternehmen passen?

Wer auf Leadmenge steuert, kann Aktivität mit Fortschritt verwechseln. Ein Vertriebsteam bearbeitet dann viele Kontakte, deren Ausgangspunkt, Bedarf oder Entscheidungsfähigkeit nicht ausreichend geklärt ist. Marketing optimiert auf eine frühe Reaktion. Vertrieb priorisiert nach Erfahrung oder Zeitdruck. Finance sieht später eine Marge, die sich nur noch schwer auf die anfängliche Quelle zurückführen lässt. Niemand handelt falsch im eigenen Bereich. Das System produziert dennoch keinen verlässlichen kommerziellen Fluss.

Ich würde die Frage deshalb umdrehen: Nicht «Wie gewinnen wir mehr Leads?», sondern «Welche verifizierten Kontakte haben eine realistische Chance, zu einem passenden Kunden mit tragfähigem Deckungsbeitrag zu werden und wer verantwortet jede Stufe?» Diese Veränderung ist keine semantische Feinheit. Sie macht aus einer Marketingkennzahl eine Führungsaufgabe.

Wo der Wertstrom typischerweise reisst

In wachsenden Unternehmen liegen die Ursachen selten bei einer einzelnen Kampagne oder einem einzelnen Mitarbeitenden. Sie entstehen an den Übergängen. Ein Zielkundenprofil bleibt zu allgemein. Ein Erstkontakt wird ohne Kontext an den Vertrieb übergeben. Ein Gespräch gilt als Opportunity, obwohl Problem, Entscheider, Zeitfenster oder wirtschaftliche Passung offen sind. Das CRM hält Aktivitäten fest, aber nicht die Qualität der nächsten Entscheidung. Und die Gründe für verlorene Geschäfte werden zu grob oder gar nicht zurückgespielt.

Hinzu kommt, dass Käufer nicht entlang der eigenen Organigramme handeln. Die McKinsey-Befragung von knapp 4'000 B2B-Entscheidern aus 13 Ländern weist auf vielfältige Interaktionswege hin: Im Durchschnitt nannten Befragte zehn Kanäle in ihrer Buying Journey; mehr als die Hälfte wollte zwischen Kanälen nahtlos wechseln können.1 Das ist keine universelle Conversion-Regel und keine Kausalitätsaussage für jedes Unternehmen. Es ist jedoch ein plausibler Hinweis auf eine Managementpflicht: Kontext darf beim Kanalwechsel nicht verloren gehen.

Auch die zunehmende Selbstinformation der Käufer verändert die Arbeitsteilung. In einer Gartner-Befragung von 646 B2B-Käufern gab eine Mehrheit an, eine verkäuferfreie Erfahrung zu bevorzugen; Gartner betont zugleich die Klarheit des Werts im jeweiligen Käuferkontext.2 Daraus folgt nicht, dass komplexer Verkauf ohne Menschen auskommt. Im Gegenteil: Wenn Interessenten später mit einem Unternehmen sprechen, muss das Gespräch Orientierung schaffen, offene Risiken klären und eine relevante Entscheidung ermöglichen. Ein schneller Rückruf ohne vorbereiteten Kontext ist keine Stärke.

Die häufigste Fehlentscheidung lautet deshalb: noch mehr Nachfrage einzukaufen, bevor die bestehende Nachfrage durch einen sauberen Prozess geführt wird. Das erhöht zuerst die Arbeitslast und kann später die Marge belasten. Wachstum wird dann unruhiger, nicht planbarer.

Der CEO muss die kommerzielle Definition entscheiden

Planbarkeit beginnt nicht mit einem Dashboard. Sie beginnt mit wenigen verbindlichen Definitionen. Was ist ein Zielkunde? Was zählt als qualifizierter Kontakt? Ab wann liegt eine Opportunity vor? Wann gilt ein Geschäft als gewonnen oder verloren? Und welche Marge wird als wirtschaftlicher Prüfstein betrachtet?

Diese Fragen sind nicht operativ nebensächlich. Sie entscheiden darüber, ob Marketing, Vertrieb und Finance über denselben Sachverhalt sprechen. Eine Definition darf dabei nicht theoretisch perfekt sein. Sie muss im Alltag anwendbar, dokumentiert und überprüfbar sein. Besonders wichtig ist die Unterscheidung zwischen Interesse und Verifikation. Ein Kontakt kann gut zum Marktsegment passen und dennoch keine Opportunity sein. Eine Opportunity liegt erst vor, wenn der nächste Schritt beidseitig vereinbart ist und wesentliche Kriterien für Problem, Passung und Entscheidungsweg belastbar genug sind.

Die folgende Logik ist kein universeller Funnel und keine Benchmark. Sie ist ein Entscheidungs-Exhibit, mit dem eine Geschäftsleitung den eigenen Weg vom Erstkontakt bis zur Marge prüfen kann. Die konkreten Kriterien werden je nach Geschäftsmodell, Vertriebszyklus und Risiko angepasst.

StufeArbeitsdefinitionMindestnachweisPrimärer OwnerReviewfrage
ErstkontaktIdentifizierbare Person oder Organisation reagiert auf einen relevanten Impuls.Quelle, Einwilligung sofern erforderlich, erster Kontext.MarketingIst der Kontakt echt, zuordenbar und datenschutzkonform erfasst?
Verifizierter LeadDer Kontakt passt grundsätzlich zum definierten Zielkundenprofil.Branche, Rolle, Unternehmensmerkmal und Ausschlusskriterium geprüft.Marketing mit Sales OperationsWelche Passung ist belegt, welche Annahme bleibt offen?
Qualifiziertes GesprächEin Austausch über ein konkretes Geschäftsthema ist vereinbart oder geführt.Anlass, Gesprächsziel, Ansprechpartner und nächster Schritt im CRM.VertriebGibt es ein relevantes Problem oder nur allgemeines Interesse?
OpportunityDie Chance erfüllt die vereinbarten Kriterien für Problem, Passung, Entscheidungsweg und Zeitfenster.Dokumentierte Kriterien, Kontaktplan und Verantwortlichkeit.Vertriebsverantwortliche PersonIst ein realer Kaufprozess erkennbar oder wird Aktivität als Chance verbucht?
Angebot und EntscheidungEin Lösungsvorschlag wird gegen vereinbarte Anforderungen geprüft.Nutzenannahme, Leistungsumfang, Risiken und Entscheidungsdatum.Vertrieb mit FachverantwortungIst das Angebot wirtschaftlich und operativ erfüllbar?
Realisierte MargeDas gewonnene Geschäft wird nach seiner wirtschaftlichen Qualität bewertet.Umsatz, direkter Aufwand, vereinbarte Leistungsannahmen und Abweichungen.Finance mit Sales LeadershipEntspricht der Deckungsbeitrag der Annahme und was lernen wir daraus?

Die Tabelle macht einen Zielkonflikt sichtbar. Strengere Verifikation kann die Zahl der weitergegebenen Leads zunächst senken. Das ist kein Scheitern, sofern die nachgelagerten Gespräche klarer werden und die Organisation weniger Zeit auf offensichtlich unpassende Kontakte verwendet. Umgekehrt darf eine hohe Hürde nicht dazu dienen, neue Marktsegmente vorschnell auszuschliessen. Der CEO entscheidet deshalb nicht über eine möglichst hohe oder niedrige Quote, sondern über eine lernfähige Definition mit nachvollziehbaren Ausnahmen.

Die Baseline ist wichtiger als der nächste Kanaltest

Bevor ein Unternehmen Leadquellen ausweitet, braucht es eine Baseline. Sie beantwortet nicht alles, aber sie verhindert, dass über Symptome gestritten wird. Ich empfehle, für einen abgegrenzten Zeitraum die tatsächlich vorhandenen Daten entlang der sechs Stufen zu erfassen. Nicht als Perfektionsprojekt, sondern als ehrliche Ausgangslage.

Zur Baseline gehören die Anzahl und Herkunft der Erstkontakte, der Anteil verifizierter Leads, die Dauer zwischen den Übergaben, die Zahl qualifizierter Gespräche, die nach eigener Definition echten Opportunities, Angebote, gewonnene und verlorene Geschäfte sowie der realisierte Deckungsbeitrag, soweit er dem Geschäft zugeordnet werden kann. Ebenso wichtig sind Datenlücken. Wenn Herkunft, Entscheidungsweg oder Verlustgrund nicht verlässlich dokumentiert sind, ist das selbst ein Befund und keine Unannehmlichkeit, die im Bericht verschwinden sollte.

Die Kennzahlen brauchen je einen Owner und einen festen Review. Marketing verantwortet nicht allein die Qualität eines Leads, wenn Vertrieb die Kriterien nie rückmeldet. Vertrieb kann die Attribution nicht allein beurteilen, wenn der Ursprung des Kontakts unsauber erfasst ist. Finance sollte nicht erst nach Vertragsabschluss eingebunden werden, wenn wirtschaftliche Qualität als Steuerungsgrösse zählt. Praktisch bewährt sich ein gemeinsamer, kurzer kommerzieller Review mit einer Person aus Marketing, Vertrieb und Finance sowie einem eindeutig benannten Entscheidungsowner aus der Geschäftsleitung.

Dieser Review dient nicht der Rechtfertigung einzelner Bereiche. Er prüft vier Fragen: Wo verlieren wir passende Kontakte? Wo investieren wir Zeit ohne verifizierten Fortschritt? Wo weicht die erwartete wirtschaftliche Qualität vom Ergebnis ab? Und welche Regel, Übergabe oder Datenpflicht ändern wir bis zum nächsten Termin? Ein Review ohne Entscheidungsprotokoll bleibt Reporting. Ein Review mit Owner, Datum und überprüfbarer Massnahme wird Steuerung.

AI-Scoring kann priorisieren, aber keine Verantwortung übernehmen

Sobald die Baseline steht, wird die Frage nach AI-gestütztem Lead-Scoring sinnvoll. Solche Modelle können Muster in verfügbaren Merkmalen erkennen und Hinweise geben, welche Kontakte zuerst geprüft werden sollten. Sie ersetzen aber weder die Definition einer Opportunity noch die menschliche Einschätzung eines komplexen Kundenkontexts.

Das systematische Literaturreview von Wu und weiteren Autoren zeigt gerade keine universell garantierte Verbesserung durch ein bestimmtes Scoring-Modell. Es unterscheidet Modelle und Datenquellen nach ihren Einsatzbedingungen.4 Die Managementfolgerung ist klar: Ein Modell ist nur so brauchbar wie die Merkmale, Ergebnisse und Regeln, auf denen es beruht. Wenn historische Daten vor allem jene Kontakte abbilden, die in der Vergangenheit schnell erreichbar waren, kann ein Modell genau diese Muster verstärken. Wenn Verlustgründe unklar, Dubletten häufig oder Vertriebsaktivitäten uneinheitlich dokumentiert sind, wird mathematische Priorisierung nicht automatisch wirtschaftlich klüger.

Auch die technische Verbindung verdient Aufmerksamkeit. In einer internationalen Salesforce-Befragung unter Sales Professionals berichteten zahlreiche Führungskräfte mit AI-Einsatz, dass unverbundene Systeme ihre Initiativen verlangsamten; viele Befragte nannten Datenbereinigung als Fokus.3 Als Anbieterbefragung ist das kein neutraler Wirksamkeitsnachweis. Es unterstreicht aber eine einfache operative Wahrheit: Ein weiteres Modell über fragmentierte Daten zu legen, löst keine fehlende gemeinsame Datenbasis.

Gute Governance für Scoring besteht deshalb aus klaren Grenzen. Erstens erhält das Modell eine definierte Aufgabe, etwa die Priorisierung zur Prüfung, nicht die automatische Ablehnung eines strategisch relevanten Kontakts. Zweitens werden die verwendeten Datenquellen, Kriterien und Zugriffsrechte dokumentiert. Drittens prüft ein fachlich verantwortlicher Mensch Stichproben, Ausnahmen und überraschende Ergebnisse. Viertens wird die Modellleistung gegen reale, später verifizierte Outcomes überprüft. Fünftens bleibt klar, wer eine Ausnahme entscheiden darf und wer die Folgen einer falschen Priorisierung trägt.

Aus meiner Erfahrung entsteht Vertrauen nicht, weil ein Score präzise aussieht. Es entsteht, wenn das Team erklären kann, warum eine Empfehlung zustande kam, wann sie ignoriert wird und wie aus dem Feedback besseres Urteilsvermögen entsteht. Die menschliche Entscheidung ist dabei kein störender Restprozess. Sie ist bei neuen Märkten, grossen Accounts, komplexen Leistungsversprechen und reputationsrelevanten Situationen unverzichtbar.

Ein 30/60/90-Tage-Modell für kontrollierte Klarheit

Die richtige Reihenfolge ist nicht, alles gleichzeitig zu digitalisieren. Zuerst wird der Wertstrom sichtbar gemacht, dann werden Regeln verbindlich, danach werden gezielte Verbesserungen getestet.

In den ersten 30 Tagen wird die gemeinsame Sprache festgelegt. Die Geschäftsleitung benennt einen kommerziellen Entscheidungsowner. Marketing, Vertrieb und Finance definieren Zielkunden, Ausschlusskriterien, die Stufen im CRM und die minimalen Nachweise pro Stufe. Parallel wird eine erste Baseline aus vorhandenen Daten erstellt. Wo Daten fehlen, werden sie explizit markiert. Das Ergebnis ist kein geschöntes Forecast-Modell, sondern ein gemeinsames Bild der Ausgangslage.

Bis Tag 60 werden die kritischsten Übergaben vereinfacht. Dazu gehören eine eindeutige Übergaberegel, ein verbindlicher nächster Schritt für qualifizierte Gespräche und wenige saubere Verlustgründe. Ein wöchentlicher Review prüft Stichproben statt nur Summen. Beispielsweise kann das Team ausgewählte als Opportunity markierte Fälle lesen und beurteilen, ob die Definition tatsächlich erfüllt ist. Erst nach dieser Verifikation wird entschieden, ob eine Leadquelle, eine Ansprache oder ein Datenfeld angepasst wird.

Bis Tag 90 wird der Steuerungsrhythmus stabilisiert. Das Führungsteam vergleicht die Baseline mit den neuen, nach gleichen Regeln erhobenen Daten. Nicht jede Veränderung ist sofort ein Erfolg oder Misserfolg. Entscheidend ist, ob die Definitionsqualität steigt, Übergaben klarer werden, Verlustgründe verwertbar sind und die erwartete wirtschaftliche Qualität besser mit den realisierten Ergebnissen verbunden wird. Dann kann das Unternehmen begründet entscheiden, welche Nachfragequellen ausgebaut, welche Prozesse korrigiert und ob ein begrenzter AI-Scoring-Test unter Governance gestartet werden soll.

Dieses Modell verlangt Disziplin, aber keine überdimensionierte Transformation. Es schützt vor der verbreiteten Versuchung, ein CRM umzubauen, bevor klar ist, welche Entscheidung damit besser getroffen werden soll.

Wann eine unabhängige Klärung sinnvoll ist

Manche Führungsteams können diese Arbeit intern beginnen. Andere stellen fest, dass die Diskussion schon bei den Definitionen blockiert: Marketing und Vertrieb vertrauen unterschiedlichen Daten, die wirtschaftliche Qualität ist nicht sichtbar oder die Ursachen für verlorene Geschäfte werden politisch statt sachlich diskutiert. Dann wäre es voreilig, neue Technologie einzukaufen oder eine gross angelegte Vertriebsinitiative zu starten.

Der passende erste Schritt kann ein Executive AI Diagnostic sein, wenn Klarheit über Ausgangslage, Wertpotenziale, Risiken und die nächsten 90 Tage fehlt. Es schafft eine unabhängige Managementdiagnose mit Executive Summary, Baseline, Opportunity & Risk Map und einer priorisierten Orientierung. Im vorliegenden Kontext geht es dabei nicht darum, AI zum Verkaufsthema zu machen. Es geht darum, Zielkunden, Übergaben, Daten, CRM-Disziplin und kommerzielle Engpässe so zu verstehen, dass eine Geschäftsleitung eine belastbare nächste Entscheidung treffen kann.

Ein gutes Ergebnis kann auch lauten, dass kein Scoring-Modell und kein neuer Kanal nötig sind. Diese Möglichkeit gehört zu einer seriösen Diagnose. Planbares Wachstum beginnt nicht mit mehr Aktivität. Es beginnt mit der Bereitschaft, die Qualität des eigenen kommerziellen Systems nach der Verifikation zu beurteilen.

Häufige Fragen

Sollten wir die Zahl der Leads künftig gar nicht mehr messen?

Doch. Leadzahl bleibt ein nützliches Eingangssignal und kann Reichweite oder Nachfrageentwicklung sichtbar machen. Sie darf nur nicht als Ersatz für Qualität, Opportunity-Fortschritt oder wirtschaftliches Ergebnis dienen. Ihre Aussagekraft entsteht erst in Verbindung mit klaren Definitionen und nachgelagerten Ergebnissen.

Wie viel Datenqualität braucht ein Unternehmen, bevor es beginnt?

Genug, um die wichtigsten Stufen, Quellen und Übergaben ehrlich zu erkennen. Vollständigkeit ist kein Vorwand für Untätigkeit. Gleichzeitig sollte fehlende Datenqualität nicht mit kunstvoller Modellierung überdeckt werden. Die erste Baseline darf unvollständig sein, wenn ihre Lücken sichtbar bleiben und einen Owner erhalten.

Wer sollte den kommerziellen Review führen?

Die Leitung sollte bei einer Person liegen, die bereichsübergreifende Entscheidungen treffen oder eskalieren kann. Je nach Unternehmen ist das CEO, Chief Revenue Officer, Vertriebsleitung oder eine klar mandatierte Geschäftsleitungsrolle. Marketing, Vertrieb und Finance liefern den notwendigen Blick auf Prozess, Markt und Wirtschaftlichkeit.

Wann ist AI-Scoring sinnvoll?

Erst wenn Zielkundenprofil, Stufen, Ergebnissignale und Datengrundlagen hinreichend klar sind. Starten sollte es mit einer begrenzten Priorisierungsfrage, menschlicher Prüfung und einem Review gegen verifizierte Ergebnisse. Ein Score ist ein Hinweis zur Aufmerksamkeit, kein Urteil über den Wert eines Kunden.

Woran erkennen wir nach 90 Tagen Fortschritt?

Nicht an einer isolierten höheren Leadzahl. Fortschritt zeigt sich, wenn die Organisation Fälle einheitlicher definiert, Übergaben nachvollziehbar gestaltet, Gründe für Verluste verwertbar erfasst und die wirtschaftliche Qualität gewonnener Geschäfte besser in die Steuerung zurückführt. Erst dann wird sichtbar, welche Nachfrage tatsächlich zum Geschäftsmodell passt.

Weiterführende Insights

Strategische Beratung

Vom Insight zur belastbaren Entscheidung.

Wir übersetzen AI-Potenziale in eine klare Architektur, messbare Prioritäten und eine umsetzbare Roadmap für Ihr Unternehmen.