Rémi Kokabi4. November 20268 Min. Lesezeit
Cold Emails mit KI schreiben, die trotzdem Antworten bringen
Öffnen Sie Ihren Posteingang und zählen Sie, wie viele Cold Emails exakt gleich klingen. „Mir ist Ihr beeindruckendes Wachstum aufgefallen." „Ich wollte mich melden, weil …" Die meisten davon hat KI geschrieben, und das merken Sie schon nach fünf Wörtern.
Was mich beim Blick auf die Zahlen überrascht hat: KI ist nicht das Problem. Wie Sie sie einsetzen, schon. In unseren Daten erreichen manche KI-gestützten Kampagnen eine Antwortrate von 7,6 %. Andere, mit demselben Modell, kommen kaum über 1,5 %. Gleiches Tool, fünffacher Unterschied.
In diesem Artikel zeige ich Ihnen, wie Sie Cold Emails mit KI schreiben, die tatsächlich Antworten bringen statt Stille. Ich gehe auf die zwei Arten ein, wie Teams KI aktuell nutzen, was die Antwortdaten zu jeder sagen, und den genauen Workflow (inklusive Prompts), der die 7,6-%-Kampagnen vom Rest trennt.
Falls Sie sich jemals gefragt haben, ob KI Ihre Antwortrate still und leise ruiniert: Die Antwort steckt in den Zahlen unten.
Zwei Wege, wie Teams KI in Cold Emails einsetzen
Der beste Weg, Cold Emails mit KI zu schreiben: KI für Recherche und eine personalisierte Zeile pro Lead nutzen, eingebettet in ein menschlich geschriebenes Template. Der schlechteste Weg: KI die gesamte E-Mail aus einem Namen und einer Jobtitel-Zeile schreiben lassen.
Dieser Unterschied zählt mehr als das Modell oder die Cleverness Ihres Prompts. Wir sehen das jede Woche in den Daten.
KI für Kontext bedeutet: Sie geben dem Modell einen Account, ein Signal (eine Finanzierungsrunde, eine Stellenausschreibung, einen Produktlaunch) und einen Grund für die Kontaktaufnahme. Die KI recherchiert den Account und schreibt einen spezifischen Satz, den Sie als Variable in Ihre E-Mail einfügen. Die Liste ist klein oder signalbasiert, in der Regel unter ein paar hundert Leads.
KI für Volumen ist das Gegenteil. Das Modell schreibt die gesamte E-Mail, von der Betreffzeile bis zur Signatur, und läuft auf einer Liste von über 1.000 Leads mit kaum mehr als Name und Jobtitel als Input. Beide Ansätze nutzen dieselbe Technologie. Der Unterschied liegt darin, was Sie von der KI verlangen. Einen tieferen Einblick ins gesamte Spektrum finden Sie in diesem Leitfaden zu KI-gestütztem Cold Outreach.
Was die Daten über KI und Antworten sagen
Wir haben Kampagnen über 412,6 Mio. versendete Nachrichten zwischen Oktober 2025 und November 2026 analysiert. Jede Kampagne wurde nach Art der KI-Nutzung gruppiert und die Antwortrate pro Gruppe gemessen.
Wie KI eingesetzt wird | Anteil der Kampagnen | Antwortrate |
|---|---|---|
KI für Kontext | 14% | 7.6% |
Andere KI-Nutzung | 25% | 4.2% |
Keine KI | 43% | 3.9% |
KI für Volumen | 18% | 1.5% |
Der Unterschied zwischen oberster und unterster Zeile ist fünf zu eins. Gleiche Tools, gleiche Plattform, gleiche Inbox-Infrastruktur. Die einzige Variable: wie Teams KI eingesetzt haben.
Kampagnen, die KI für Kontext nutzten, schnitten sogar besser ab als Kampagnen ganz ohne KI. Und Kampagnen, bei denen die KI die gesamte E-Mail übernahm, performten schlechter als von Hand geschriebene. Das Tool ist neutral. Der Workflow entscheidet über das Ergebnis.
Warum komplett KI-geschriebene E-Mails schlechter abschneiden
Wir haben 5.645 Kampagnen untersucht, bei denen die gesamte E-Mail von KI aus Name und Jobtitel generiert wurde. Das haben wir in den internen Daten von lemlist gefunden:
E-Mail-Antwortrate: 1,4 % (gegenüber 2,7 % bei handgeschriebenen E-Mails)
Positive Antwortrate: 0,4 % (gegenüber 1 %)
Bounce-Rate: 9,6 % (gegenüber 7,8 %)
Rechnen Sie das auf 1.000 E-Mails hoch. Eine komplett KI-geschriebene Kampagne bringt ca. 8,6 Antworten. Eine gut strukturierte E-Mail mit einer KI-personalisierten Zeile bringt bis zu 30.
Der Grund ist simpel. Wenn Sie der KI nur einen Namen und einen Titel geben, kann sie nur raten. Sie rät den Pain Point, rät die Branchenherausforderung, rät den Einstieg. Jede Vermutung klingt gleich, weil der Input gleich ist. Generischer Input ergibt generischen Output, und die Postfächer sind voll davon.
Die höhere Bounce-Rate erzählt eine zweite Geschichte. Teams, die das Schreiben komplett automatisieren, automatisieren oft auch die Liste. Größere, kältere Listen bedeuten mehr ungültige E-Mail-Adressen und mehr Spam-Beschwerden.
1. Nutzen Sie KI für die Account-Recherche
Bevor die KI ein einziges Wort Text schreibt, sollte sie lesen. Geben Sie ihr den Account, ein Signal und einen Grund für Ihre Kontaktaufnahme.
Das Signal ist das Ereignis, das genau jetzt den richtigen Zeitpunkt markiert: ein neuer VP of Sales, eine abgeschlossene Series B, eine Erwähnung eines Wettbewerbers in einer Bewertung, ein Produktlaunch im Changelog. Der Grund ist, warum dieses Signal für Ihr Angebot relevant ist.
Dann richten Sie die KI auf Quellen, die ein Rep manuell nie durchlesen könnte:
Earnings-Call-Transkripte
Offene Stellenausschreibungen und deren Beschreibungen
G2- oder Capterra-Bewertungen mit konkreten Pain Points
Produkt-Changelogs und Release Notes
LinkedIn-Posts der Zielperson
Das Ergebnis ist ein kurzes Recherche-Briefing, keine E-Mail. Dieses Briefing wird zum Rohmaterial für die eine Zeile, die Sie tatsächlich einfügen. Eine Schritt-für-Schritt-Anleitung zum Setup finden Sie in diesem Leitfaden zu KI-gestützter Prospect-Recherche.
2. Lassen Sie KI eine Zeile schreiben, nicht die ganze E-Mail
Das leistungsstärkste Muster in unseren Daten: eine menschlich geschriebene E-Mail mit einer KI-generierten Variable, einem einzigen recherchierten Satz, der sich pro Lead ändert.
Genau das leisten KI-Variablen in lemlist. Sie schreiben die E-Mail einmal. Die KI füllt pro Lead eine dynamische Zeile auf Basis des Recherchekontexts, den Sie vorgegeben haben.
Eine gute KI-Zeile erfüllt drei Kriterien:
Spezifisch. Sie bezieht sich auf etwas, das nur für diesen Lead oder Account zutrifft.
Überprüfbar. Die Zielperson kann es mit einem kurzen Blick bestätigen (die eigene Stellenausschreibung, der eigene LinkedIn-Post, die eigene Produktseite).
Über die Zielperson. Sie spricht über deren Welt, nicht über Ihre.
Eine schlechte KI-Zeile ist ein Kompliment über „beeindruckendes Wachstum" oder „innovativen Ansatz". Diese Phrasen passen auf jedes Unternehmen der Welt. Wenn die Zeile für 500 Leads funktioniert, funktioniert sie für keinen davon.
3. Halten Sie die Liste klein und den Grund klar
Kontext funktioniert nur, wenn es Kontext gibt. Eine Liste mit 5.000 Leads, die aus einem Jobtitel-Filter gezogen wurde, gibt der KI nichts Spezifisches zu sagen. Deshalb laufen KI-für-Kontext-Kampagnen auf kleinen, signalbasierten Listen.
Das Timing zählt genauso wie die Listengröße. In den internen Daten von lemlist antworten Leads, die am selben Tag eines Signals kontaktiert werden, zu 21,3 %. Warten Sie eine Woche, ist das Signal veraltet. Warten Sie einen Monat, hat bereits jemand anderes das Gespräch geführt.
Bauen Sie Ihre Listen rund um Kaufsignale auf: eine Finanzierungsrunde, eine Schlüsseleinstellung, ein Tech-Stack-Wechsel, ein Website-Besuch. Jedes Signal gibt der KI eine konkrete Tatsache zum Referenzieren und der Zielperson einen Grund, sich genau jetzt damit zu befassen. Je kleiner die Liste und je frischer das Signal, desto besser die KI-Zeile und desto höher die Antwortrate.
4. Prüfen, bevor Sie senden
KI halluziniert. Sie erfindet Produktfeatures, liest Jobtitel falsch und verwechselt Unternehmen mit ähnlichen Namen. Ein einziger falscher Fakt in Ihrem Einstieg zerstört Vertrauen schneller als ein generischer.
Bevor Sie eine Kampagne mit KI-generierten Zeilen starten, gehen Sie diese Checkliste durch:
Überprüfen Sie den Fakt in der KI-Zeile. Öffnen Sie die Quelle (Stellenausschreibung, LinkedIn-Profil, Bewertung) und bestätigen Sie, dass er stimmt.
Entfernen Sie generische Phrasen. Wenn die Zeile sagt „Mir ist aufgefallen, dass Ihr Unternehmen schnell wächst", löschen Sie sie und lassen den Platzhalter leer. Eine leere Variable ist besser als eine falsche.
Lesen Sie die E-Mail auf dem Handy. Die meisten Zielpersonen werden das tun. Wenn sie über einen Bildschirm hinaus scrollt, kürzen Sie.
Nur eine Handlungsaufforderung. Eine Frage, ein nächster Schritt. Zwei Aufforderungen teilen die Aufmerksamkeit und senken die Antwortrate.
Sie müssen nicht jeden Lead prüfen. Testen Sie 10 bis 15 Leads vor dem Launch. Wenn mehr als zwei eine falsche oder generische KI-Zeile haben, überarbeiten Sie den Prompt, bevor Sie an die gesamte Liste senden.
Prompts, die der KI genug Kontext liefern
Die meisten KI-Prompts für Cold Emails scheitern, weil sie zu offen sind. „Schreib eine Cold Email an diese Person" gibt dem Modell keine Leitplanken, also füllt es die Lücke mit Fülltext.
Ein guter Prompt für eine personalisierte Zeile besteht aus fünf Teilen:
Wer der Lead ist. Rolle, Unternehmen und was das Unternehmen macht.
Das Signal. Das konkrete Ereignis oder der Datenpunkt, der den Outreach ausgelöst hat.
Der Kampagnen-Angle. Was Ihr Produkt für jemanden in dieser Situation leistet.
Ein Format-Limit. Ein Satz, unter 25 Wörtern, keine Ausrufezeichen.
Ein Verbot erfundener Fakten. Wenn die Information nicht im bereitgestellten Kontext steht, Feld leer lassen.
Hier sind drei Prompt-Vorlagen, die Sie anpassen können:
Prompt-Zweck | Lead-Kontext zum Einbeziehen | Signal | Format-Vorgabe |
|---|---|---|---|
Einstieg bei Neueinstellung | Rolle, Unternehmen, Startdatum, vorheriges Unternehmen | Jobwechsel innerhalb von 90 Tagen | 1 Satz, Bezug auf den Wechsel, keine Komplimente |
Funding-Follow-up | Unternehmen, Rundengröße, Lead-Investoren, geplante Mittelverwendung | Funding-Ankündigung | 1 Satz, Verknüpfung der Mittel mit einer konkreten operativen Herausforderung |
Tech-Stack-Wechsel | Unternehmen, altes Tool, neues Tool, Teamgröße | Technologiewechsel erkannt | 1 Satz, Bezug auf die Migration, keine Feature-Vergleiche |
Das Format-Limit ist der wichtigste Teil. Ohne es schreibt die KI standardmäßig einen ganzen Absatz. Das Verbot erfundener Fakten ist der zweitwichtigste. Ohne es erfindet die KI ein Detail, um den Platz zu füllen.
So schreiben Sie Cold Emails mit KI in lemlist
lemlist bietet Ihnen fünf Funktionen, die direkt auf den oben beschriebenen Workflow abgestimmt sind. Zusammen decken sie den gesamten Cold-E-Mail-Prozess ab, von der Recherche bis zum Versand.
KI-Variablen generieren eine recherchierte Zeile pro Lead in Ihrer E-Mail. Sie schreiben den Prompt einmal, und die Variable füllt für jeden Lead in der Kampagne einen individuellen Satz auf Basis seiner Daten. Das ist der Kern des KI-E-Mail-Personalisierung-Workflows.
KI-gestütztes Agentic Enrichment recherchiert Accounts, bevor die E-Mail geschrieben wird. KI-Agenten ziehen strukturierten Kontext aus Websites, LinkedIn-Profilen, CRM-Datensätzen und Claap-Sales-Call-Aufnahmen und liefern ihn als Felder, die Sie in Prompts, Filtern und Sequenzen nutzen können.
lemAgent erstellt eine komplette Multichannel-Sequenz aus einem Chat-basierten Prompt. Es baut die Schritte auf, schreibt die Nachrichten und stellt die Kampagne zusammen. Sie prüfen und bearbeiten alles, bevor irgendetwas versendet wird.
Intent-Signale tracken Ereignisse wie Finanzierungsrunden, Personalwechsel, Tech-Stack-Änderungen und Website-Besuche. Wenn ein Signal ausgelöst wird, werden Leads automatisch zu Kampagnen hinzugefügt, deren Messaging genau auf diesen Moment abgestimmt ist.
A/B-Testing ermöglicht es Ihnen, zwei Versionen einer Sequenz gegeneinander laufen zu lassen und den Gewinner anhand der Antwortrate zu bestimmen. Sie testen die KI-Zeile, die Betreffzeile oder die gesamte Struktur, und die Daten zeigen Ihnen, welche Version Sie behalten sollten.
Fazit
KI macht Cold Emails besser, wenn sie recherchiert, und schlechter, wenn sie die ganze E-Mail schreibt. Nutzen Sie sie, um eine spezifische, überprüfbare Zeile pro Lead in einer menschlich geschriebenen E-Mail zu erzeugen, und setzen Sie sie auf kleinen Listen ein, die auf frischen Signalen basieren.
Die Daten sprechen für sich: gleiche Tools, fünfmal mehr Antworten.
Cold-E-Mail-Kampagnen, die funktionieren
Finde verifizierte Leads und starte personalisierte Cold-E-Mail-Kampagnen.