Ivona Mikulčić5. September 20269 Min. LesezeitAktualisiert: 28. Sept. 2026
ICP-Scoring: Das 5-Schritte-Framework, das zeigt, welche Leads Ihre Zeit wert sind
Fast vier von fünf Marketing-Leads werden nie zu Abschlüssen. Diese 79-%-Zahl stammt von MarketingSherpa und wird seit Jahren immer wieder zitiert, weil sie bisher niemand widerlegen konnte. Dieselbe Studie ergab: 61 % der B2B-Marketer leiten jeden Lead direkt an den Vertrieb weiter, und nur 27 % dieser Leads sind tatsächlich qualifiziert. Ich habe in genug Pipeline-Reviews gesessen, um zu wissen, wie das in der Praxis aussieht: Ein Rep mit 400 offenen Accounts, von denen die Hälfte nie kaufen wollte, arbeitet sie in der Reihenfolge ab, in der sie im CRM gelandet sind.
In diesem Beitrag zeige ich Ihnen, wie Sie ein ICP-Scoring-Modell aufbauen, das diese Reihenfolge korrigiert. Fünf Schritte, die Kriterien, die wirklich mit Abschlüssen korrelieren, wie Sie Intent auf Fit aufsetzen und wie Sie verhindern, dass das Modell in sechs Monaten veraltet.
Was ist ICP-Scoring und warum Ihre Pipeline davon abhängt
Leads nach Fit zu bewerten, das ist die Grundidee. ICP-Scoring vergibt Punktwerte für die Merkmale, die Ihre besten Kunden gemeinsam haben (Branche, Unternehmensgröße, Tech-Stack, Region) und fasst sie in einer Zahl zusammen, die Ihrem Team zeigt, wo es zuerst Zeit investieren sollte. Diese Merkmale stammen aus Ihrem Ideal Customer Profile (ICP), also dem firmografischen und verhaltensbezogenen Muster hinter Ihren Closed-Won-Deals.
Warum das über saubere CRM-Felder hinaus wichtig ist: Die meiste Pipeline verbrennt an Accounts, die nie eine echte Chance hatten. Ein Scoring-System repariert keine schlechte Lead-Quelle, aber es repariert das Routing. Reps hören auf, Accounts zu bearbeiten, die auf dem Papier vielversprechend aussehen, aber nie das Profil zum Kauf hatten. Der Effekt zeigt sich in den Zahlen, die Sie Ihrem Board präsentieren: Win-Rate bei Sales-qualifizierten Opportunities, Sales-Cycle-Länge und durchschnittliche Dealgröße bewegen sich, sobald die falschen Accounts nicht mehr in den Funnel gelangen. Die Studie der RAIN Group zu Top-Vertriebsorganisationen basiert auf einer Befragung von 472 Vertriebsmitarbeitenden und Sales-Führungskräften und beziffert die durchschnittliche Win-Rate auf 47 %, sobald ein Angebot tatsächlich abgegeben wurde. Mit den richtigen Accounts bis zu dieser Phase zu kommen, darum geht es.
Stellen Sie sich ICP-Scoring als Live-Filter in Ihrem CRM vor, statt als statisches Slide-Deck. Einmal aufgebaut, wird jeder neue Lead automatisch bewertet, und Ihr Team weiß in wenigen Sekunden, ob ein Account eine personalisierte Sequenz verdient oder nicht.
ICP-Scoring vs. Lead-Scoring
Diese beiden Begriffe werden ständig verwechselt, aber sie beantworten unterschiedliche Fragen. ICP-Scoring fragt, ob ein Unternehmen Ihren besten Kunden ähnelt, unabhängig davon, was es getan hat. Lead-Scoring fragt, ob jemand in diesem Unternehmen gerade aktives Interesse zeigt.
ICP-Scoring | Lead-Scoring |
|---|---|
Was es misst | Unternehmens-Fit zu Ihrem Idealprofil |
Genutzte Daten | Firmografische, technografische Merkmale |
Wann es gesetzt wird | Bei der Lead-Erstellung oder Enrichment |
Ideal für | Priorisierung der Accounts, die Sie ansprechen sollten |
ICP-Scoring ist proaktiv. Es bewertet einen Account, bevor irgendeine Interaktion stattfindet. Sie können also einen guten Fit definieren, bevor Sie einen Cent in die Suche investieren. Lead-Scoring wird erst nützlich, wenn jemand tatsächlich mit Ihrem Content oder Ihrer Website interagiert hat.
Bauen Sie also zuerst das ICP-Scoring auf, dann setzen Sie Lead-Scoring für das Timing obendrauf. Zusammen liefern Ihnen beide Fit und Kaufbereitschaft in einer Ansicht.
Die 4 Kriterien, die Closed-Won-Deals vorhersagen
Ihre Scoring-Kriterien sollten aus Mustern in Ihren eigenen Closed-Won-Daten stammen, nicht aus einem Template, das Sie online gefunden haben (dieses hier eingeschlossen). Die Kategorien unten gelten für die meisten B2B-Unternehmen. Die Gewichtungen nicht.
Firmografischer Fit umfasst die strukturellen Fakten: Branche, Mitarbeiterzahl, Umsatzbereich, Region, Wachstumsphase. Falsche Unternehmensgröße oder falsche Branche bedeutet in der Regel: kein Deal, egal wie viel Interesse ein Prospect zeigt.
Technografischer Fit betrachtet, welche Tools ein Unternehmen bereits einsetzt. Ein Prospect, der ein CRM nutzt, mit dem Sie integrieren (z. B. HubSpot oder Salesforce), ist tendenziell ein besserer Fit als einer ohne erkennbaren Tech-Stack.
Verhaltens- und Intent-Signale ändern sich ständig und zeigen Ihnen, ob ein Account gerade aktiv im Markt ist. Die Events, die es zu tracken lohnt, sind diejenigen, die einem Kauf vorausgehen:
Ein Unternehmen, das eine:n Head of Outbound oder RevOps Manager:in sucht, investiert in Wachstumsinfrastruktur, und diese Rolle braucht in der Regel bald Tooling.
Eine kürzliche Finanzierungsrunde löst oft innerhalb weniger Monate neue Tool-Käufe aus.
Wiederholte Besuche auf Ihrer Pricing- oder Produktseite.
Likes, Kommentare oder Follows von Schlüsselkontakten auf LinkedIn.
Das sind dieselben Event-Typen, die lemlists Intent Signal Agents täglich überwachen. Das wird später relevant, wenn Sie Scores mit Kampagnen verknüpfen.
Negatives Scoring ist der Teil, den die meisten Teams überspringen. Ein gutes Modell zieht auch Punkte ab. Definieren Sie, was einen Lead automatisch disqualifiziert: falsche Branche, Unternehmen zu klein für Ihr Produkt, Mitarbeitende von Wettbewerbern oder keine verifizierten Kontaktdaten.
So bauen Sie ein ICP-Scoring-Modell in 5 Schritten auf
1. Analysieren Sie Ihre Closed-Won-Deals
Ziehen Sie Ihre letzten 20 bis 30 Closed-Won-Deals aus dem CRM. Suchen Sie nach den Merkmalen, die sich wiederholen, und notieren Sie, wie oft jedes vorkommt. Überspringen Sie diesen Schritt, und Sie raten später bei den Gewichtungen.
2. Kriterien auswählen und gewichten
Wählen Sie die Attribute, die am stärksten mit Abschlüssen korrelierten, und vergeben Sie Punkte. Ein Modell mit 15 Attributen klingt gründlich. In der Praxis bedeutet es, dass Reps uneinheitlich scoren und Leads steckenbleiben.
Ein einfacher Startpunkt könnte so aussehen:
Kriterium | Punkte |
|---|---|
Branchenmatch | 25 exakt, 10 angrenzend |
Umsatzbereich | 20 ideal, 10 nah |
Mitarbeiterzahl | 15 ideal, 5 nah |
Tech-Stack-Übereinstimmung | 15 |
Region | 10 Hauptmarkt |
Negative Signale | −15 |
Die Gewichtung zählt mehr als die Anzahl der Kriterien. Ein Faktor, der Abschlüsse stark vorhersagt, verdient mehr Punkte als einer, der nur lose damit korreliert.
3. Daten sammeln und anreichern
Ein Scoring-Modell ist nur so gut wie die Daten, die es füttern. Ein leeres Feld wird standardmäßig mit null bewertet, also wird ein wirklich guter Account still herabgestuft, ohne echten Grund. Ich habe erlebt, wie ein Team ein ganzes Segment verworfen hat, weil bei 40 % der Datensätze das Feld für die Mitarbeiterzahl leer war.
Vor dem Scoring braucht jeder Datensatz vollständige firmografische, technografische und Kontaktdaten. Tools wie lemlists AI Agentic Enrichment ziehen strukturierte Daten aus LinkedIn, Websites und CRM-Einträgen, um genau die Felder zu füllen, auf die Ihr Modell angewiesen ist.
4. Scores berechnen und Tiers zuweisen
Rohe Zahlen bringen einem Rep mitten im Arbeitsalltag wenig. Wandeln Sie sie stattdessen in Tiers um:
Tier | Score-Bereich | Maßnahme |
|---|---|---|
A | 80–100 | Prioritäts-Accounts, sofortiger Outreach |
B | 60–79 | SDR-gesteuertes Nurturing oder automatisierte Sequenzen |
C | Unter 60 | Niedrig priorisiert oder von Outbound ausgeschlossen |
Legen Sie einen Mindest-Score fest, ab dem ein Lead als Sales-qualifiziert gilt, und halten Sie Ihre Reps daran.
5. Scores mit Routing und Kampagnen verknüpfen
Ein Score, der in einer Tabelle steht, hilft niemandem. Er muss in CRM-Feldern leben, damit jeder Rep ihn gleich anwendet. In lemlist können Sie Leads nach ICP-Kriterien aus einer Datenbank mit über 600 Mio. Leads filtern, anreichern und qualifizierte Accounts direkt in Multichannel-Sequenzen schieben, sodass der Score Outreach auslöst, statt ungenutzt herumzuliegen.
Noch etwas, bevor Sie es abhaken. Messen Sie das Modell nach Tier. Tracken Sie Win-Rate, durchschnittliche Dealgröße und Cycle-Time für Tier A gegenüber Tier B über ein volles Quartal. Wenn Ihre A-Accounts nicht schneller oder größer abschließen, sind die Tiers reine Deko, und Sie wissen genau, welche Gewichtungen Sie überarbeiten müssen.
Den richtigen ICP-Scoring-Modelltyp wählen
Es gibt mehr als einen Weg, das zu strukturieren, und die richtige Wahl hängt davon ab, wie viele Closed-Won-Daten Sie haben.
Punktbasiertes Scoring vergibt feste Punkte pro Kriterium. Einfach, für Reps leicht nachvollziehbar und ein guter Startpunkt.
Gewichtetes Scoring baut auf derselben Struktur auf, wendet aber Multiplikatoren nach Wichtigkeit an. Genauer, braucht aber genug historische Daten, um die gewählten Gewichtungen zu rechtfertigen.
Tier-basiertes Scoring verzichtet komplett auf Zahlen und sortiert Leads in A/B/C/D-Kategorien anhand von Must-have- und Nice-to-have-Kriterien. Nützlich für Teams, die visuelle Kategorien gegenüber Rechenmodellen bevorzugen.
Prädiktives, KI-gestütztes Scoring nutzt Machine Learning, um Muster in historischen Deal-Daten zu erkennen, die Menschen leicht übersehen. Es braucht einen größeren Datensatz. Tools wie Aviso, Koala und 6sense bieten das an, und Enrichment Agents (die von lemlist eingeschlossen) können ihnen die strukturierten Daten liefern, die sie benötigen.
Tipp: Wenn Sie weniger als 50 Closed-Won-Deals in Ihrem CRM haben, ist ein punktbasiertes Modell der praktische Startpunkt. Prädiktives Scoring funktioniert erst, wenn genug Signal zum Lernen vorhanden ist.
ICP-Fit mit Intent-Signalen kombinieren
Ein hoher ICP-Score sagt Ihnen, dass ein Account passt. Er sagt Ihnen nicht, dass der Account diese Woche kaufbereit ist. Fit ist notwendig, aber Fit allein lässt Sie beim Timing im Dunkeln.
Die Kombination von Fit und Intent ergibt einen zusammengesetzten Score, der Leads nach Qualität und Kaufbereitschaft gleichzeitig rankt. Signale, die es zu tracken lohnt:
Website-Besuche, identifiziert durch IP-Matching
Jobwechsel bei Schlüsselkontakten
Finanzierungsrunden oder M&A-Aktivitäten
Tech-Stack-Änderungen (neue Installationen oder Entfernungen)
Fit sollte mehr Basisgewicht tragen, weil er sich selten ändert. Intent wirkt eher wie ein Multiplikator.
So sieht das in der Praxis aus. Nehmen wir an, Sie haben einen Account mit 68 Punkten: richtige Branche, richtige Region, Mitarbeiterzahl leicht unter Ihrem idealen Bereich. Tier B. Er sitzt in einer Nurture-Sequenz, und an einem beliebigen Dienstag denkt kein Rep an ihn. Dann kündigt das Unternehmen eine Series A an und schreibt in derselben Woche eine Stelle als Demand Gen Lead aus. Dieser Account hat jetzt Budget, einen Hiring-Auftrag und einen Grund, im nächsten Quartal Tooling zu kaufen. Der Fit-Score hat sich keinen Punkt bewegt, aber der Intent-Multiplikator schiebt ihn über die Tier-A-Accounts, die seit drei Monaten keine Aktivität gezeigt haben, und er sollte noch am selben Tag in eine Sequenz kommen. Spielen Sie auch den umgekehrten Fall durch: Ein 92-Punkte-Account ohne Aktivität bleibt auf einer gleichmäßigen Kadenz, statt bombardiert zu werden. Und ein Lead mit starkem Intent, aber schlechtem Fit bleibt niedrig priorisiert, egal wie viele Pricing-Page-Besuche er sammelt.
lemlists Intent Signal Agents tracken diese Signale täglich und routen passende Leads automatisch in Kampagnen mit kontextbezogenem Messaging, sodass der Multiplikator greift, ohne dass jemand ein Dashboard beobachten muss.
ICP-Scoring-Tools im Vergleich
Kein einzelnes Tool deckt jeden Teil davon ab. Es lohnt sich also, die Optionen zu kennen, bevor Sie einen Stack zusammenstellen.
Kategorie | Beispiele | Stärke | Einschränkung |
|---|---|---|---|
CRM-natives Scoring | HubSpot, Salesforce | Eingebaute Felder, einfach wenn Sie bereits tief im CRM stecken | Begrenzt bei Enrichment und Intent-Daten |
Eigenständige Intent-Plattformen | Bombora, 6sense, Demandbase | Starke Intent- und Account-Identifikation | Oft teuer und meist mit einem separaten Outbound-Tool kombiniert |
Datenanreicherung + Outbound-Plattformen | lemlist, Apollo, ZoomInfo | Lead-Daten, Enrichment und Outreach in einem Prozess | Prädiktives Modeling ist weniger umfangreich als bei dedizierten KI-Tools |
KI-Scoring-Tools | Koala, Aviso, Madkudu | Prädiktives Scoring auf historischen Deal-Daten | Braucht große Datensätze und ein Ops-Team zur Modellpflege |
Die eigentliche Frage ist, ob Sie Scoring und Outreach an einem Ort wollen oder verteilt auf Tools, die erst zusammengestöpselt werden müssen.
Ihr Modell langfristig akkurat halten
Die meisten Scoring-Modelle scheitern still durch Verfall: Kaufverhalten ändert sich, aber der statische Score bewegt sich nicht mit. Eine Rekalibrierung pro Quartal fängt das in der Regel auf, bevor es Pipeline kostet.
Der Prozess ist simpel. Führen Sie Ihre Closed-Won-Analyse erneut durch, dann vergleichen Sie die bewerteten Tiers mit den tatsächlichen Conversion-Raten. Wenn Tier A Tier B nicht übertrifft, müssen die Gewichtungen angepasst werden.
Eine Kadenz, die ich empfehlen würde: Blocken Sie 90 Minuten in der ersten Woche jedes Quartals. Ziehen Sie die Deals, die seit dem letzten Review abgeschlossen wurden, prüfen Sie, welche Attribute in den Abschlüssen aufgetaucht sind, und passen Sie maximal ein bis zwei Gewichtungen an. Ändern Sie sechs Dinge gleichzeitig, und Sie werden nie wissen, welches gewirkt hat. Dann reichern Sie die Datensätze erneut an, die seit dem letzten Zyklus in Ihrer Datenbank liegen, denn ein Lead, der im Januar bewertet wurde, kann im Juli ein anderes Unternehmen sein. Enrichment Agents können diese Daten automatisch neu ziehen, was jemandem die Qual erspart, Datensätze manuell aufzufrischen.
Märkte verschieben sich, Produkte entwickeln sich weiter, und die Merkmale, die Ihre besten Kunden vor sechs Monaten definiert haben, gelten heute vielleicht nicht mehr.
Jetzt sind Sie dran
ICP-Scoring verwandelt Ihr Ideal Customer Profile von einem Slide in einen Live-Filter, der jede Outbound-Entscheidung steuert. Das Modell muss nicht kompliziert sein: Starten Sie mit Ihren Closed-Won-Daten, wählen Sie fünf bis sieben Kriterien, gewichten Sie sie, reichern Sie Ihre Leads an und routen Sie die besten in Kampagnen, die zum richtigen Moment passen. Dann messen Sie nach Tier und justieren im nächsten Quartal nach.
Wenn Sie Lead-Datenbank, Enrichment, Intent-Signale und Multichannel-Outreach an einem Ort vereinen wollen: lemlist wird mit 4,6 / 5 bei über 2.000 Bewertungen auf G2, Capterra und Trustpilot bewertet.14 Tage kostenlos testen. Keine Kreditkarte erforderlich.
Finde Daten zu deinen Leads
Entdecke Prospects und reichere ihre Daten an, um gezielte Kampagnen zu starten.