PandaDoc-Integration mit lemlist über MCP, mit kopierfertigen Prompts

Ein Lead antwortet in Ihrem lemlist Posteingang, bestätigt die Teamgröße und einigt sich auf einen Tarif. Die Information steht direkt im Thread. Dann öffnet ein:e Mitarbeitende:r PandaDoc, wählt ein Template und tippt jedes Detail von Hand ab, während das Gespräch abkühlt.

Genau an dieser Stelle stocken Deals. Der Lead hat Ihnen bereits alles gegeben, was Sie brauchen. Nur hat niemand die Brücke gebaut, um die Daten automatisch vom einen Tool ins andere zu übertragen.

Diese Brücke gibt es jetzt. In diesem Artikel zeigen wir Ihnen, wie Sie sie mit einer PandaDoc-lemlist-Integration über MCP aufbauen. Sie erhalten Prompts, die Sie direkt übernehmen können, um Proposals aus einer lemlist Konversation heraus zu erstellen und nicht unterschriebene Proposals aufzuspüren. Außerdem erfahren Sie, welche Leitplanken Sie setzen sollten, bevor ein Agent in einem der beiden Tools schreibt.

Warum lemlist und PandaDoc über MCP verbinden?

Zwischen einer positiven Antwort in Ihrer Outreach-Sequenz und einem unterschriebenen Proposal geht das Momentum verloren. Ein Lead nennt Ihnen die Teamgröße, bestätigt den gewünschten Tarif und wartet dann, während jemand die Informationen in einen Document Builder überträgt. Wenn der lemlist MCP-Server und der PandaDoc MCP-Server im selben AI-Client verbunden sind, kann ein Agent die Konversation in lemlist lesen und das Proposal in PandaDoc erstellen, ohne dass Sie Tabs wechseln oder ein einziges Feld erneut eintippen.

Ein MCP-Server (Model Context Protocol) ist eine standardisierte Schnittstelle, über die ein AI-Client Aktionen in einem externen Tool ausführen kann. Jeder Server stellt eine Reihe von Operationen bereit, die der Agent erkennen und ausführen kann. So behalten Sie die Kontrolle darüber, was gelesen und geschrieben wird. Mehr dazu, wie das in Sales-Prozessen funktioniert, erfahren Sie im Guide zu MCP für Sales.

Da PandaDoc und lemlist jeweils einen eigenen MCP-Server mitbringen, kann jeder Client, der das Protokoll unterstützt, in einer einzigen Konversation mit beiden Tools kommunizieren. Der Agent zieht Lead-Daten aus lemlist, prüft den Dokumentstatus in PandaDoc und handelt in beiden Tools auf Basis der gefundenen Informationen.

Was Sie vorab brauchen

Drei Dinge sollten stehen:

• •

  Der lemlist MCP-Server, verbunden in Claude, ChatGPT oder Cursor. Folgen Sie den Schritten im Guide So richten Sie den lemlist MCP ein, um Ihren API-Key zu generieren und die Server-URL in Ihren Client einzufügen.

• •

  Der PandaDoc MCP-Server, verbunden im selben Client und per OAuth mit Ihrem PandaDoc-Workspace authentifiziert.

• •

  Berechtigungen, die auf die tatsächlich benötigten Use Cases beschränkt sind. Wenn Sie zunächst nur den Dokumentstatus auslesen möchten, geben Sie dem Agent noch keinen Schreibzugriff auf PandaDoc-Templates.

Starten Sie mit reinen Lese-Prompts. Prüfen Sie, ob der Agent die richtigen Daten zieht, bevor Sie ihm erlauben, in einem der beiden Tools etwas anzulegen oder zu ändern.

1. Proposal-Entwurf direkt aus der Konversation

Jedes Mal, wenn ein Lead mit Kaufdetails antwortet, öffnet jemand PandaDoc, wählt ein Template und tippt Firmenname, Teamgröße und Tarif ab, die gerade im Posteingang stehen. Dieser manuelle Schritt kostet Zeit und führt zu Fehlern, die den Deal ausbremsen.

Geben Sie dem Agent stattdessen diesen Prompt:

Der Agent liest den Lead-Datensatz und den Gesprächsverlauf in lemlist, extrahiert die relevanten Details (Unternehmensgröße, Tarifname, gespeicherte Variablen) und fügt diese Werte in das von Ihnen angegebene PandaDoc-Template ein. Er liefert einen Entwurf, kein versendetes Dokument. Sie prüfen das Ergebnis, bevor etwas beim Lead ankommt.

Bevor Sie das auf eine ganze Liste anwenden: Stellen Sie sicher, dass der Agent jedes lemlist Feld der richtigen PandaDoc-Template-Variable zuordnet. Testen Sie mit einem Lead, prüfen Sie den Entwurf, dann skalieren.

2. Follow-up bei nicht unterschriebenen Proposals

Ein Proposal, das eine Woche lang ungeöffnet bleibt, ist ein Deal auf dem Weg ins Aus. Die meisten Teams haben keinen automatisierten Prozess, um PandaDoc auf veraltete Dokumente zu prüfen und diese Kontakte zurück ins Outreach zu führen. Das Ergebnis: Leads werden vergessen und kühlen ab.

Nutzen Sie diesen Prompt, um die Lücke zu schließen:

Der Agent durchsucht PandaDoc nach Dokumenten mit dem Status „gesendet" oder „angesehen", die älter als fünf Tage sind, ordnet diese Kontakte den Datensätzen in lemlist zu und fügt sie der Follow-up-E-Mail-Kampagne hinzu, die Sie vorbereitet haben. Wenn dem Proposal eine Demo vorausging, kombinieren Sie es mit einer Demo-Follow-up-E-Mail-Sequenz für mehr Kontext. Jeder Lead startet die Sequenz mit der Information, welches Proposal er erhalten hat, sodass Ihre Nachrichten das konkrete Dokument referenzieren können.

Bevor Sie das auf eine ganze Liste anwenden: Prüfen Sie, ob die Kampagne existiert, die Sequenz-Schritte freigegeben sind und die Zuordnungslogik das richtige E-Mail-Feld nutzt.

Leitplanken, wenn ein Agent in lemlist und PandaDoc arbeitet

Einen Agent in zwei Tools gleichzeitig schreiben zu lassen, ist wirkungsvoll, braucht aber klare Grenzen. Behalten Sie Folgendes bei:

• •

  Jede Kampagne vor dem Start prüfen. Der Agent kann eine Kampagne erstellen und befüllen, aber ein Mensch sollte die Sequenz, die Nachrichten und den Versandzeitplan freigeben, bevor sie live geht.

• •

  Erst mit 10 Leads testen. Führen Sie jeden neuen Prompt mit einer kleinen Gruppe aus, prüfen Sie die Ergebnisse in lemlist und PandaDoc, dann skalieren.

• •

  Abmeldungen und Ausschlusslisten aktiv halten. Der Agent hält sich an die Regeln, die Sie in lemlist hinterlegt haben, aber nur, wenn diese Regeln existieren. Stellen Sie sicher, dass Ihre Suppression Lists aktuell sind.

• •

  Festlegen, wer im Team die MCP-Server verbinden darf. Beschränken Sie den Zugang auf Personen, die beide Tools und den Datenfluss dazwischen verstehen.

• •

  Protokollieren, was der Agent geändert hat. Prüfen Sie nach jeder Session die Aktivitätshistorie in lemlist und den Audit Trail in PandaDoc. Wenn etwas nicht stimmt, fangen Sie es ab, bevor es beim Lead ankommt.

In lemlist starten

Der lemlist MCP-Server funktioniert in Claude, ChatGPT und Cursor. Einmal verbunden, kann der Agent alles tun, was Sie auch in lemlist tun, direkt aus einem einzigen Chat-Fenster.

Er durchsucht die People-Datenbank (über 650 Mio. Kontakte, über 65 Mio. Unternehmen), reichert Leads per Waterfall-Enrichment über mehr als 14 Anbieter an und erstellt Kampagnen und Sequenzen über E-Mail, LinkedIn, Anrufe und WhatsApp. Er liest die Unified Inbox und die Kampagnen-Statistiken, sodass Sie Antwortraten oder Öffnungstrends abfragen können, ohne die Konversation zu verlassen. Und er reagiert auf Intent-Signale, damit Sie Prompts bauen können, die Outreach auslösen, sobald ein Lead Kaufverhalten zeigt.

In Kombination mit PandaDocs MCP deckt der Agent den gesamten Bogen vom Prospecting bis zum Proposal ab. Weitere Workflows dieser Art finden Sie in der vollständigen Liste der lemlist MCP Use Cases.

Fazit

PandaDoc speichert Ihre Proposals. lemlist speichert Ihre Leads und Konversationen. Verbinden Sie beides über MCP, und ein Agent überträgt die Daten in wenigen Sekunden, sodass Ihre Mitarbeitenden verkaufen statt Felder zwischen Tabs hin- und herzukopieren.

Starten Sie mit den beiden Prompts oben, testen Sie mit einer kleinen Gruppe und setzen Sie Leitplanken, bevor Sie skalieren. Sie können Ihre erste signalbasierte Sequenz in lemlist erstellen - noch heute.