Case Study: Wie wir inkonsistente Daten, begrenzte Vertriebskapazitäten und Outreach-Effektivität optimiert haben, um zur richtigen Zeit die richtigen Kunden zu erreichen
Vom Profil zur Pipeline: Die richtigen Kunden gezielt erreichen
Erfahren Sie, wie automatisierte Workflows und KI-Agenten Akquise in eine skalierbare, datengetriebene Engine für hochwertige Lead-Generierung verwandelt haben.
Die Herausforderung: Zur richtigen Zeit Kontakt aufnehmen
Die Kontaktaufnahme mit potenziellen Kunden über Outbound Sales ist in den letzten Jahren deutlich schwieriger geworden. Einerseits wollen wir vermeiden, im Spam-Ordner zu landen, andererseits ist vollständig personalisierte Ansprache im Alltag selten realistisch. Häufig sprechen wir Unternehmen an, die den Bedarf an unseren Leistungen zu diesem Zeitpunkt noch gar nicht erkennen.
Für kleinere Unternehmen ohne dediziertes Vertriebsteam ist diese Herausforderung noch größer. Die Zeit, einen einzelnen potenziellen Kunden gründlich zu recherchieren – zu verstehen, ob Unterstützung benötigt wird, ob das Unternehmen aktuell Support benötigt oder welche Trends die Branche prägen – ist kaum vorhanden.
Zusätzlich ist die Informationsbeschaffung aufwendig und fragmentiert. Daten stammen aus vielen unterschiedlichen Touchpoints, liegen in inkonsistenten Formaten vor und variieren stark in Qualität und Aktualität.
Projektvoraussetzungen
Entwicklungsfelder: Daten, Zeit, Aufwand
Typische Datenprobleme
Unvollständige oder aufgesplittete Daten: Formulare enthalten oft nicht alle Informationen, wodurch Lücken in Kundenprofilen entstehen. Zusätzlich taucht dieselbe Person im CRM häufig mehrfach als separate Entitäten auf, was klare Kommunikation erschwert.
Inkonsistente Eingaben: Freitextfelder, Tippfehler und unterschiedliche Ländercodes machen eine Standardisierung der Daten schwierig.
Datenkomplexität: Informationen sind über zahlreiche Systeme und Quellen verteilt, was Analysen erschwert.
Hohe Veränderungsgeschwindigkeit: Kunden- und Marktdaten ändern sich schnell, wodurch Informationen rasch veralten.
Die Timing-Herausforderung
Eine der größten Schwierigkeiten liegt im Timing. In ruhigeren Phasen mit geringerer Kundenaktivität können wir mehr Zeit in Sales-Recherche investieren und wertvolle Informationen für das Vertriebsteam sammeln.
Sobald jedoch geschäftigere Zeiten beginnen, fehlt häufig die Kapazität, diese Erkenntnisse zu nutzen. Die Daten sind dann veraltet, Touchpoints nicht mehr relevant und potenzielle Leads verlieren an Wert – der Prozess beginnt von vorn.
Aufteilung der Arbeit
In der Praxis besteht die erste Phase der Vertriebsakquise hauptsächlich aus Datensammlung und -filterung. Diese Aufgaben können auch von weniger erfahrenen Kollegen übernommen werden, die nicht auf Vertrieb spezialisiert sind. Die eigentliche Herausforderung beginnt in der nächsten Phase: Sie erfordert mehr Training, Verkaufskompetenz und fokussierte Umsetzung durch das Vertriebsteam.
Bedarf nach einem schnelleren Prozess: Was fehlt, ist ein effizienteres System zur Beschleunigung der Datensammlung und -bewertung. Wenn diese Phase optimiert wird, müsste das Vertriebsteam nur noch 1–2 Stunden pro Woche auf hochwertige Aufgaben verwenden – statt der aktuell benötigten 6–7 Stunden.
Über die Lösung: n8n
n8n ist ein quelloffenes Workflow-Automatisierungstool, mit dem Teams verschiedene Anwendungen, APIs und Datenquellen ohne umfangreiche Individualentwicklung verbinden können. Seine größte Stärke ist die Flexibilität: Workflows lassen sich exakt an die eigene Geschäftslogik anpassen, erweitern und individualisieren. Neben einer großen Auswahl an vorgefertigten Integrationen bietet n8n umfangreiche Möglichkeiten für Customizing und komplexe Logiken.
Dadurch eignet es sich besonders für Szenarien, in denen Standardintegrationen nicht ausreichen oder volle Kontrolle über Datenflüsse erforderlich ist. n8n ist sowohl für Einsteiger als auch für Power User geeignet. Nicht-technische Nutzer erstellen komplexe Automationen über einen visuellen No-Code-Editor, während Experten Workflows bei Bedarf mit JavaScript und fortgeschrittener Logik erweitern können.
Partner im Fokus:
punkt.de – Aufbau robuster und skalierbarer n8n-Workflows
Während n8n die Grundlage für eine leistungsstarke Workflow-Automatisierung bildet, benötigen die meisten Unternehmen dennoch einen zuverlässigen technischen Partner, um Ideen in robuste, wartbare Prozesse umzusetzen. Mit einem Team wie punkt.de erhalten Unternehmen Zugang zu fundiertem Fachwissen in den Bereichen Systemintegration, Datenflüsse und selbst gehostete, datenschutzbewusste Automatisierung. So wird sichergestellt, dass ihre Vertriebs-, Marketing- und Betriebsabläufe nicht nur automatisiert, sondern auch skalierbar, sicher und auf ihre gesamte digitale Strategie abgestimmt sind.
Unser Ansatz: Sales Enablement Agent
Unsere Antwort auf das Timing-Problem war klar: Wir haben den Lead-Rechercheprozess automatisiert und eine Pipeline aufgebaut, die die richtigen Personen zur richtigen Zeit informiert.
Auf dieser Basis entwickelten wir mehrere Automationen mit einem gemeinsamen Ziel: zu identifizieren, welche Unternehmen unsere Leistungen tatsächlich benötigen.
1. Datensammlung für den Workflow
Wir starteten mit dem Abruf von Daten direkt aus unserem CRM (in unserem Fall HubSpot, das Prinzip gilt jedoch für die meisten CRMs). Anschließend filterten wir den Datensatz auf relevante Kontakte und Unternehmen für Training und Bewertung:
-
Inaktive Kontakte oder Unternehmen, bei denen es zuletzt keine Interaktion gab – ideal, um die Entscheidungslogik der Agenten realistisch zu testen.
-
Profile, die unserem Ideal Customer Profile entsprechen, um mit klar relevanten Leads zu arbeiten.
Durch diese Fokussierung entstand eine saubere, kontextreiche Datenbasis für gezielte Recherche und den ersten n8n-Prototypen. So konnten wir das Verhalten der Agenten kontrolliert beobachten, bevor wir den Workflow auf das gesamte CRM ausweiteten.
Parsing von Query-Parametern über GTM oder JavaScript:
Wir haben die vollständige Kontrolle darüber, wie UTM-Daten erfasst und verarbeitet werden. Wenn UTMs fehlen, können Referrer verwendet werden, um Quelle und Medium in allen Formularen zu befüllen.
Speicherung von UTMs in Cookies / Local Storage / Sessions:
Durch die Speicherung der Daten in eigenen Cookies wird sichergestellt, dass keine externen Parteien darauf zugreifen können. Zudem lässt sich kontrollieren, wann und wie die Daten verwendet werden.
Der entscheidende Unterschied besteht darin, dass wir bei fehlenden UTMs eigene Logiken anwenden, um Lücken zu schließen und Quelle sowie Medium zu identifizieren. Dadurch können wir nicht nur Paid-Traffic, sondern auch organische Kanäle erfassen und diese Informationen an das CRM weitergeben.
2. Integration von KI-Agenten in den Workflow
Im nächsten Schritt integrierten wir mehrere KI-Agenten direkt in den Workflow:
-
Job-Monitoring-Agent: Durchsucht Jobbörsen und Unternehmensseiten nach relevanten Stellenanzeigen und erstellt kurze Zusammenfassungen.
-
Industry-Analysis-Agent: Identifiziert Branche, Trends, Herausforderungen und Chancen des Unternehmens.
-
Lead-Scoring-Agent: Bewertet die Passgenauigkeit anhand aller gesammelten Erkenntnisse, unserer Leistungen und Werte.
Diese Agenten ersetzen keine menschliche Entscheidung – sie unterstützen sie. Sie liefern dem Vertrieb schneller bessere Informationen. Da die meisten Trainingsdaten bereits im CRM vorlagen, konnten wir die Ergebnisse direkt mit realen Fällen vergleichen und den Workflow kontinuierlich verbessern.
3. Anreicherung und Rückführung der Ergebnisse
Jeder Workflow-Schritt erzeugt nachvollziehbare Ergebnisse inklusive Begründung. So kann das Team bei Bedarf jederzeit tiefer einsteigen.
Die Ergebnisse werden anschließend zurück in die Systeme gespielt:
-
CRM: Leads werden mit gewichteten Scores aktualisiert, Low-Quality-Leads werden herausgefiltert.
-
Task-Management-System: Aufgaben werden automatisch zugewiesen, inklusive Priorisierung.
Das Vertriebsteam erhält so konstant 5–6 vorqualifizierte Leads pro Woche. Die finale Prüfung, Ansprache und Feedbackschleife bleiben menschlich – und fließen wieder in die Optimierung des Systems ein.
Erweiterung über das CRM hinaus
Nach der ersten Phase erweiterten wir die Datenquellen über das CRM hinaus und integrierten Plattformen wie Google Maps, Trustpilot und LinkedIn. Mit derselben Logik konnten wir nun auch völlig neue Unternehmen identifizieren und qualifizieren.
Je nach Quelle variiert die Datenerhebung leicht (z. B. Reviews vs. Stellenanzeigen), doch Kernlogik und Workflow bleiben gleich – skalierbar und zuverlässig.
Projektergebnisse:
Fazit: Von losen Erkenntnissen zu klaren Schritten
Der Weg vom Profil zur Pipeline muss weder langsam noch manuell sein. Durch strukturierte Daten, intelligente Automationen und eine strategische Ebene aus KI-Agenten wird Sales Prospecting zu einem verlässlichen, wiederholbaren Wachstumsmotor.
Das menschliche Element im Vertrieb wird nicht ersetzt – es wird verstärkt:
Schnellere Recherche, klarere Signale, besseres Timing und kontinuierlich lernende Systeme ermöglichen souveränes Handeln im richtigen Moment.
Fazit & nächste Schritte
Wenn Sie Ihre Akquise verschlanken, die Lead-Qualität verbessern und Ihrem Vertrieb durch Automatisierung und KI echte Superkräfte geben wollen, lassen Sie uns gemeinsam starten.
Kontaktieren Sie uns und erfahren Sie, wie n8n-basierte Sales-Enablement-Agenten verlorene Chancen in planbaren Umsatz verwandeln – Lead für Lead.