Was ist Lead-Scoring?
Lead-Scoring übersetzt das, was über einen Interessenten bekannt ist, in eine einzige Zahl. Diese Zahl beantwortet keine Frage nach Sicherheit, sondern nach Reihenfolge: Um welchen Lead sollte sich jemand zuerst kümmern?
Punkte gibt es typischerweise für zwei Arten von Informationen. Die eine beschreibt, wie gut ein Lead zu Ihren Zielkunden passt, etwa Branche, Firmengröße oder Position. Die andere beschreibt, wie viel Interesse er zeigt, etwa durch eine Anfrage oder wiederholte Besuche auf der Preisseite. Ab einer festgelegten Schwelle gilt der Lead als MQL und geht an den Vertrieb.
Ein fertiges Beispielmodell mit Kriterien, Punkten und Schwellen steht ausführlich in unserem Ratgeber Lead-Management. Wie KI-gestütztes Scoring funktioniert und welche Daten es braucht, erklärt der Beitrag KI im CRM. Dieser Eintrag grenzt den Begriff ab und sortiert typische Irrtümer.
Wie grenzt sich Lead-Scoring von verwandten Begriffen ab?
Scoring und Grading: Manche Systeme trennen die beiden Achsen. Das Grading bewertet die Passung zum Profil, oft mit Buchstaben. Das Scoring im engeren Sinn bewertet das Interesse mit Punkten. Wer beide getrennt sieht, erkennt Fälle, die ein Gesamtwert verdeckt: einen Lead, der perfekt passt, aber noch nicht reagiert, oder einen sehr aktiven Lead, der gar nicht zur Zielgruppe gehört.
Scoring und Qualifizierung: Lead-Scoring arbeitet mit Daten, bevor jemand mit dem Lead gesprochen hat. Die Qualifizierung durch den Vertrieb, etwa nach BANT, beruht dagegen auf dem Gespräch. Das Scoring entscheidet, wen der Vertrieb anruft, die Qualifizierung, ob daraus eine Verkaufschance wird.
Regelbasiert und prädiktiv: Beim regelbasierten Scoring legt das Team fest, wofür es wie viele Punkte gibt. Beim prädiktiven Scoring errechnet ein Modell den Wert aus der Ähnlichkeit zu früheren Kunden. Das erste ist nachvollziehbar und schnell eingerichtet, das zweite braucht viele abgeschlossene Leads und lässt sich schwerer erklären.
Welche Missverständnisse gibt es beim Lead-Scoring?
„70 Punkte heißen 70 Prozent Kaufwahrscheinlichkeit.“ Bei regelbasierten Modellen sind Punkte eine frei gewählte Skala. Sie sagen nur, dass ein Lead mehr Merkmale erfüllt als ein anderer.
„Punkte bleiben gültig.“ Wer vor einem Jahr dreimal die Preisseite besucht hat, ist heute nicht mehr interessiert. Ohne Punkteabzug für Inaktivität steigen die Werte über die Zeit nur an, und alte Leads überholen neue.
„Mehr Kriterien machen das Modell genauer.“ Jedes zusätzliche Kriterium braucht gepflegte Daten. Fehlen sie, verzerrt das Kriterium den Score, statt ihn zu verbessern.
„Der Score ersetzt das Gespräch.“ Er sortiert, er entscheidet nicht. Ob Bedarf und Zeitpunkt passen, klärt erst der Vertrieb.
Ein kurzes, fiktives Beispiel aus der Praxis: Ein Großhändler für Laborbedarf mit 35 Mitarbeitern führt ein einfaches Scoring ein. Nach drei Monaten vergleicht das Team die Leads, die zu Kunden wurden, mit ihrem Score bei der Übergabe. Ergebnis im Beispiel: Die Kunden lagen nicht höher als der Durchschnitt, weil fast alle Punkte für Newsletter-Klicks vergeben wurden. Das Team streicht diese Punkte, ergänzt einen Abzug nach 60 Tagen ohne Aktivität und prüft erneut. Der wichtigste Schritt war nicht das Einrichten, sondern dieser Abgleich.
Was gilt beim Datenschutz?
Bewertet ein Scoring Daten einer bestimmten oder bestimmbaren Person, ist das in der Regel Profiling im Sinne von Art. 4 Nr. 4 DSGVO. Profiling ist nicht verboten, braucht aber wie jede Verarbeitung eine Rechtsgrundlage nach Art. 6 DSGVO und eine Information der Betroffenen. Dient das Scoring der Direktwerbung, kann die Person nach Art. 21 Abs. 2 DSGVO jederzeit widersprechen, ausdrücklich auch dem damit verbundenen Profiling.
Strengere Regeln gelten nach Art. 22 DSGVO, wenn eine ausschließlich automatisierte Entscheidung rechtliche Wirkung entfaltet oder die Person ähnlich erheblich beeinträchtigt. Der EuGH hat 2023 entschieden, dass schon ein Score darunter fallen kann, wenn ihm bei einer solchen Entscheidung eine maßgebliche Rolle zukommt (EuGH, C-634/21, Kreditvergabe). Ob ein Lead-Scoring diese Schwelle erreicht, hängt vom Einsatz ab. Werden Verhaltensdaten von der Website erhoben, ist für Cookies und ähnliche Techniken nach § 25 TDDDG grundsätzlich eine Einwilligung nötig. Mehr dazu in unserem Ratgeber CRM und DSGVO. Dieser Hinweis ist keine Rechtsberatung.
So steckt „Lead-Scoring“ im CRM
Im CRM ist der Score ein Zahlenfeld am Lead oder Kontakt, das Regeln aus Profilangaben und Aktivitäten automatisch berechnen. Erreicht er eine Schwelle, setzt eine Automation den Status MQL oder legt eine Aufgabe an. Lead-Scoring belegen 14 von 60 Anbietern.
14 von 60 CRM-Anbietern belegen die zugehörige Funktion in unserer Erhebung (Stand 10/2026). Zur Methodik
So heißt „Lead-Scoring“ in sieben CRM-Systemen
Bezeichnung in der deutschen Oberfläche bzw. Hilfe laut Hersteller, Stand 11/2026. Englischer Fachbegriff: Lead Scoring.
| System | Bezeichnung | Beleg |
|---|---|---|
| HubSpot | LeadscoringDeutsche Hilfe ist maschinell übersetzt, die englische Fassung gilt als offiziell. Menü Marketing > Leadscoring. | Hersteller-Hilfe |
| Pipedrive | ScoresBewertet nur Deals, keine Leads. | Hersteller-Hilfe |
| Salesforce Sales Cloud | Einstein-LeadbewertungKI-basiert, Teil von "Sales Cloud Einstein-Bewertung". | Hersteller-Hilfe |
| Zoho CRM | Bewertungsregeln | Hersteller-Hilfe |
| Microsoft Dynamics 365 Sales | Vorhersagebewertung für LeadsIm Menü kurz "Leadbewertung". | Hersteller-Hilfe |
| monday CRM | Lead scoringNur Herstellerseite (keine Hilfeseite), englisch; Bewertung per voreingestellter Formel auf dem Leads-Board. | Hersteller-Hilfe |
| Odoo CRM | Predictive Lead ScoringDeutsche Doku nutzt auch "prädiktive Lead-Bewertung". | Hersteller-Hilfe |
Alle 16 Begriffe im Vergleich: CRM-Übersetzer. Bezeichnungen der deutschen Oberfläche bzw. Hilfe laut Herstellerdokumentation, abgerufen 11/2026. Je nach Edition, Version und Spracheinstellung kann die Benennung abweichen; Felder lassen sich in vielen Systemen umbenennen.
Verwechslungsgefahr: Lead-Scoring oder Kredit-Scoring?
Kredit-Scoring schätzt die Zahlungsfähigkeit einer Person, etwa durch Auskunfteien. Lead-Scoring schätzt das Kaufinteresse und dient dazu, Leads im Vertrieb in eine Reihenfolge zu bringen.
Verwandte Begriffe
- MQL (Marketing Qualified Lead)Ein MQL (Marketing Qualified Lead) ist ein Lead, der die zwischen Marketing und Vertrieb vereinbarten Kriterien erfüllt und deshalb an den Vertrieb übergeben wird. Er hat Interesse gezeigt und passt zur Zielgruppe, seine Kaufabsicht ist aber noch nicht bestätigt.
- BANTBANT ist ein Raster zur Lead-Qualifizierung im Vertrieb. Es prüft vier Punkte: Budget, Entscheidungsbefugnis (Authority), Bedarf (Need) und Zeitrahmen (Timeline). Sind sie geklärt, lohnt es sich, aus einem Lead eine Verkaufschance zu machen.
- LeadEin Lead ist eine Person oder Firma, die Interesse an einem Angebot erkennen lässt und über die ein Unternehmen genug Daten hat, um sie zu kontaktieren. Ein Lead ist noch kein Kunde und noch keine bestätigte Verkaufschance.
- Lead NurturingLead Nurturing bezeichnet die planvolle Pflege von Interessenten, die noch nicht kaufbereit sind: Sie erhalten passende Informationen in sinnvollen Abständen, bis ein konkreter Bedarf entsteht und der Vertrieb übernimmt.
- SQL (Sales Qualified Lead)Ein SQL (Sales Qualified Lead) ist ein Lead, den der Vertrieb nach einem Gespräch als echten Interessenten bestätigt hat: Der Bedarf passt, und ein nächster Schritt ist vereinbart. Aus einem SQL wird in der Regel eine Verkaufschance in der Pipeline.
Häufige Fragen
Was ist ein guter Lead-Score?
Ist Lead-Scoring nach der DSGVO erlaubt?
Braucht man für Lead-Scoring KI?
Quellen
- Verordnung (EU) 2016/679 (DSGVO), Art. 4, 6, 21 und 22 (EUR-Lex), abgerufen 11/2026
- EuGH, Urteil vom 07.12.2023, C-634/21 (SCHUFA Holding, Scoring), Pressemitteilung Nr. 186/23, abgerufen 11/2026
- § 25 TDDDG: Schutz der Privatsphäre bei Endeinrichtungen (gesetze-im-internet.de), abgerufen 11/2026
Fehler gefunden? Korrektur melden.
Stephan Zabel ist Geschäftsführer der Stephan Zabel GmbH in Nürnberg und berät seit über 20 Jahren Unternehmen zu Online-Marketing, Vertrieb und Analytics. Unter cr-management.de lief früher seine Online-Marketing-Agentur.
So entsteht dieser Beitrag: Recherche und Text entstehen mit KI-Unterstützung auf Basis unserer eigenen Datenerhebung. Zahlen und Preise werden gegen die genannten Primärquellen geprüft. Inhaltlich verantwortlich ist Stephan Zabel als Herausgeber. Fotos mit dem Vermerk „KI-Bild“ sind KI-generiert. Mehr dazu in der Methodik.