Ivona Mikulčić5. September 20269 Min. LesezeitAktualisiert: 28. Sept. 2026

Wie ich Claude Skills für die Pipeline-Analyse nutze (und warum der 4x-Coverage-Mythos die meisten Teams in die Irre führt)

Letztes Quartal habe ich beobachtet, wie ein Rep 47 Tage lang einen Deal bearbeitet hat. Gute Meetings. Positive Signale. Dann verschwand er aus der Pipeline - ohne Close-Datum, ohne Loss-Reason, ohne Erkenntnisse. Als ich die Daten gezogen habe, fand ich 11 weitere Deals, die genauso gestorben sind. Gleiche Stage, gleiche Stille.

Ab dem Punkt habe ich aufgehört, Pipelines nach Bauchgefühl zu bewerten, und angefangen, sie richtig zu analysieren.

In diesem Artikel zeige ich Ihnen Schritt für Schritt, wie Pipeline-Analyse funktioniert, welche Metriken wirklich zählen, wie KI und Claude Skills den Prozess verändern und wie Sie die Erkenntnisse in konkrete Outbound-Aktionen übersetzen. Ich gehe auf jeden Schritt ein, den ich selbst nutze, die Benchmarks, die ich heranziehe (mit echten Quellen), und die Tools, die ich neben Claude einsetze, um Pipeline-Daten ehrlich zu halten.

Was ist Pipeline-Analyse

Pipeline-Analyse ist der Prozess, bei dem Sie prüfen, wie Deals durch jede Stage Ihrer Sales-Pipeline wandern - um zu erkennen, was funktioniert, was feststeckt und wo Umsatz verloren geht. Es geht weniger um Activity-Tracking und mehr um die Frage, ob diese Aktivität tatsächlich zu abgeschlossenen Deals führt.

Stellen Sie sich das wie einen regelmäßigen Check-up vor, nicht wie eine einmalige Diagnose. Pipeline-Management ist der tägliche Push, Deals voranzutreiben. Pipeline-Analyse zeigt Ihnen, ob sich dieser Push auch auszahlt.

Vielleicht kennen Sie es als Deal-Pipeline-Analyse oder Sales-Funnel-Analyse. Die Idee ist dieselbe: Schauen Sie sich jeden Stage-Übergang an und sehen Sie, wo Deals schneller werden, ins Stocken geraten oder verschwinden.

Warum Pipeline-Analyse für Revenue-Teams wichtig ist

Ohne regelmäßige Reviews erfahren Sales-Führungskräfte oft erst in der Woche vom verpassten Ziel, wenn es bereits zu spät ist. Analyse erkennt die Warnsignale früher.

Das bringt Ihnen ein konsequenter Review-Prozess:

  • Echte Conversion-Daten ersetzen Bauchgefühl-Prognosen - Sie wissen, was wahrscheinlich closen wird und ungefähr wann.

  • Stage-Level-Daten zeigen genau, wo einzelne Reps Deals verlieren. Coaching wird dadurch konkret statt allgemein.

  • Die Analyse zeigt, welche offenen Deals es wert sind, weiterverfolgt zu werden - und welche still geworden sind.

  • Wenn Sie wissen, welche Stage am meisten leckt, wissen Sie auch, wo Zeit, Headcount oder Budget als Nächstes hinfließen sollten.

Das ist heute wichtiger als noch vor ein paar Jahren. Laut Landbases Pipeline-Coverage-Studie 2026 liegt die durchschnittliche B2B-Win-Rate bei 21 % über alle Opportunities und bei 29 % für qualifizierte Opportunities. Diese Zahlen liegen unter der klassischen Annahme von „33 % Win-Rate", die in der alten 3x-Coverage-Regel steckt. Teams, die auf regelmäßige Pipeline-Reviews verzichten, fliegen also noch blinder als gedacht.

Ein so simples Muster wie „Deals laufen schnell durch Discovery, stallen aber beim Proposal" kann verändern, wie ein Team sein nächstes Quartal plant. Genau solche Erkenntnisse liefert ein gründlicher Pipeline-Review - Dinge, die ein kurzer Blick aufs Dashboard meistens übersieht.

Sales-Pipeline-Stages, die Sie analysieren sollten

Pipeline-Analyse braucht klar definierte Stages. Wenn die Stages eines Teams vage oder zwischen Reps uneinheitlich sind, halten auch die Daten darunter nicht stand.

Prospecting und Lead-Qualifizierung

Das ist der Einstiegspunkt - hier landen neue Leads in der Pipeline. Ein qualifizierter Lead passt zu Ihrem Ideal Customer Profile (ICP), hat verifizierte Kontaktdaten und zeigt Anzeichen von Kaufabsicht.

Schwache Qualifizierung hier verursacht Probleme, die erst später sichtbar werden - meistens in Form von Reps, die Stunden in Leads stecken, die nie abgeschlossen hätten. Manche Teams lösen das mit einer Datenbank und Intent-Signal-Tools, die Prospects filtern, bevor sie in die Pipeline kommen.

Discovery und Bedarfsanalyse

In dieser Stage prüfen Reps, ob der Prospect echtes Budget und einen Zeitplan hat und ob das Problem, das Sie lösen, tatsächlich relevant ist. Deals, die hier stallen, deuten oft auf Messaging- oder Targeting-Probleme hin - weniger auf ein Rep-Problem.

Wenn Reps immer wieder hören „Wir haben kein Budget", liegt die Ursache meistens eine Stage zurück - bei der zu lockeren Qualifizierung.

Proposal und Verhandlung

Hier werden Preise, Konditionen und internes Buy-in geklärt. Deals, die hier hängenbleiben und zwischen „Proposal gesendet" und „Warten auf Freigabe" pendeln, bedeuten oft, dass ein Entscheider im Gespräch fehlt.

Closed Won oder Closed Lost

Beide Ergebnisse verdienen Aufmerksamkeit, wobei Closed-Lost-Deals meistens mehr lehren. Wiederkehrende Muster (derselbe Einwand, derselbe Wettbewerber, ein konsistenter Stall-Point, ein fehlender Stakeholder) deuten auf ein systemisches Problem hin, das sich durch Rep-Einsatz allein nicht lösen lässt.

Wichtige Metriken für die Sales-Pipeline-Analyse

Diese Zahlen zeigen Ihnen, ob eine Pipeline gesund, schnell genug und groß genug ist, um das Ziel zu erreichen.

Metrik

Was sie misst

Warum sie wichtig ist

Pipeline-Velocity

Geschwindigkeit des Umsatzes durch den Funnel

Zeigt, ob die Pipeline rechtzeitig konvertiert, um Ziele zu erreichen

Stage-Conversion-Rates

Abfall zwischen den einzelnen Stages

Zeigt genau, wo Deals stallen oder sterben

Pipeline-Coverage-Ratio

Offene Pipeline vs. Umsatzziel

Zeigt, ob genügend Pipeline da ist, um Verluste aufzufangen

Win-Rate

Erstellte Deals vs. gewonnene Deals

Misst die Gesamteffektivität des Vertriebs

Durchschnittliche Sales-Cycle-Länge

Tage von der Erstellung bis zum Abschluss

Deckt langsame Segmente, Reps oder Deal-Typen auf

Pipeline-Velocity

Pipeline-Velocity kombiniert vier Zahlen zu einem Geschwindigkeitswert: qualifizierte Opportunities, Win-Rate, durchschnittliche Dealgröße und Sales-Cycle-Länge. Höhere Velocity bedeutet in der Regel, dass Umsatz schneller kommt. Niedrigere Velocity deutet oft darauf hin, dass die falschen Deals bearbeitet werden oder der Abschluss zu lange dauert.

Stage-für-Stage-Conversion-Rates

Die Conversion-Rate ist der Prozentsatz der Deals, die von einer Stage zur nächsten wechseln. Ein starker Abfall zwischen zwei aufeinanderfolgenden Stages ist Ihr Bottleneck - und oft die eine Zahl im Pipeline-Review, bei der Sie am meisten bewegen können.

Pipeline-Coverage-Ratio

Die Coverage-Ratio ist der Gesamtwert der offenen Pipeline geteilt durch Ihr Umsatzziel für den Zeitraum. Wie Claris Pipeline-Coverage-Studie erklärt: Teilen Sie 1 durch Ihre Win-Rate, um die nötige Coverage zu ermitteln. Bei einer Win-Rate von 25 % bedeutet das 4x Coverage. Zu wenig davon, und normale Deal-Verluste reißen eine Lücke.

Win-Rate vs. Pipeline-Conversion-Rate

Die Win-Rate betrachtet den gesamten Weg von der Deal-Erstellung bis Closed Won. Die Conversion-Rate betrachtet Stage für Stage. Die Win-Rate liefert das Gesamtbild; die Conversion-Rate zeigt Ihnen genau, wo Sie eingreifen sollten.

Durchschnittliche Sales-Cycle-Länge

Das ist die durchschnittliche Anzahl an Tagen von der Opportunity-Erstellung bis zum Abschluss. Wenn Sie nach Rep, Segment oder Dealgröße aufschlüsseln, zeigt sich oft genau, wo der Prozess hakt.

Sales-Pipeline-Analyse Schritt für Schritt

1. Pipeline-Daten aus dem CRM ziehen

Exportieren Sie Deals mit Stage, Wert, Close-Datum, Owner und letztem Aktivitätsdatum. Entfernen Sie Duplikate, veraltete Deals und alles, wo wichtige Felder fehlen - jede nachgelagerte Metrik hängt davon ab.

2. Conversion-Rates über alle Stages hinweg berechnen

Berechnen Sie, welcher Prozentsatz der Deals von jeder Stage zur nächsten wechselt. Segmentieren Sie nach Rep, Dealgröße oder Lead-Quelle, um zu sehen, ob ein Bottleneck universell ist oder auf eine bestimmte Gruppe beschränkt.

3. Pipeline-Velocity und Coverage berechnen

Berechnen Sie Velocity und Coverage-Ratio, um zu sehen, ob die aktuelle Pipeline auf Kurs für das Periodenziel ist. Wenn die Coverage zu niedrig ist, liegt das Problem meist am oberen Ende des Funnels.

4. Gestallte Deals und gefährdete Opportunities markieren

Ein gestallter Deal hat innerhalb eines von Ihrem Team definierten Zeitfensters weder die Stage gewechselt noch Aktivität gezeigt. Diese Deals blähen den Pipeline-Wert auf und verzerren Forecasts - markieren Sie sie für Follow-up oder Entfernung.

5. Aktionsplan mit Verantwortlichen und Deadlines erstellen

Machen Sie aus Erkenntnissen Aufgaben: Wer kümmert sich um welchen gestallten Deal, welcher Rep bekommt Coaching für welche Stage. Analyse ohne benannten Owner bleibt meistens ein Slide Deck.

Pipeline-Bottlenecks erkennen und beheben

Ein Bottleneck ist jede Stage, in der Deals stärker stallen oder abfallen als anderswo. Das Erkennen ist der einfache Teil; beim Beheben bewegt sich dann tatsächlich Umsatz.

Drop-offs auf Stage-Ebene erkennen

Scannen Sie Ihre Conversion-Daten nach der größten Lücke zwischen zwei Stages. Frühe Drop-offs deuten meist auf Targeting- oder Qualifizierungsprobleme hin, späte Drop-offs eher auf Preisprobleme oder einen fehlenden Entscheider.

Ursachen durch Deal-Reviews diagnostizieren

Ziehen Sie eine Stichprobe verlorener oder gestallter Deals aus der Bottleneck-Stage und suchen Sie nach gemeinsamen Merkmalen: derselbe Einwand, derselbe Wettbewerber, ein Stakeholder, den niemand bemerkt hat. CRM-Notizen und Call-Aufzeichnungen bringen das Muster meistens ans Licht - und der Fix sollte auf diese spezifische Ursache abzielen, nicht auf einen allgemeinen Aufruf, sich mehr anzustrengen.

Wie KI die Pipeline-Analyse verändert

KI übernimmt die manuellen Teile der Pipeline-Analyse: Daten ziehen, Anomalien erkennen, gefährdete Deals markieren, Muster über Hunderte von Datensätzen zusammenfassen. Arbeit, die früher einen ganzen Nachmittag in einer Tabelle verschlungen hat, passiert in wenigen Minuten. Wenn Sie bereits lemlist nutzen, können die KI-Agenten Teile dieses Prozesses nativ erledigen - Lead- und Kampagnendaten ziehen, ohne manuellen Export.

Der echte Vorteil ist Mustererkennung, nicht Geschwindigkeit. KI kann einen gestallten Deal mit Tausenden historisch ähnlichen vergleichen und die Abschlusswahrscheinlichkeit schätzen - ein Maßstab, den kein Mensch in einem Pipeline-Meeting am Montag erfasst.

KI-gestützte Analyse ist allerdings nur so gut wie die CRM-Daten dahinter. Wenn Reps das Stage-Update auslassen, verstärkt KI schlechte Daten, statt sie zu korrigieren. Saubere Eingaben kommen also nach wie vor zuerst.

Tools, die Teams für die Pipeline-Analyse nutzen

Bevor ich auf den Claude-Skills-Ansatz eingehe, lohnt sich ein Blick auf das Umfeld. Die meisten Teams führen bereits eine Form von Pipeline-Analyse mit vorhandenen Tools durch:

  • CRM-Reporting (HubSpot, Salesforce, Pipedrive) bietet integrierte Dashboards, Stage-Funnels und grundlegendes Forecasting. Für viele Teams reicht das aus.

  • BI-Dashboards (Looker, Tableau, Power BI) ermöglichen RevOps-Teams, individuelle Pipeline-Ansichten zu bauen, nach jeder Dimension zu segmentieren und Live-Reports zu teilen. Der Trade-off: Setup-Zeit und Analysten-Kapazität.

  • Spreadsheets (Excel, Google Sheets) sind immer noch der Standard für Teams ohne dedizierte RevOps-Stelle. Flexibel, aber fragil - und Formeln brechen, sobald jemand eine Spalte verschiebt.

  • RevOps-Plattformen (Clari, Gong Forecast, InsightSquared) legen KI-Forecasting und Deal-Inspektion über CRM-Daten. Leistungsstark, aber preislich auf Mid-Market und größer ausgelegt.

Jedes dieser Tools funktioniert. Wo Claude Skills sich unterscheidet, ist die Setup-Geschwindigkeit und die Möglichkeit, interaktive Analysen aus einer rohen CSV zu fahren - ohne Formeln, BI-Konfiguration oder ein RevOps-Team.

Claude Skills für interaktive Pipeline-Analyse nutzen

Eine neuere Option für Teams ohne dedizierte RevOps-Analysten ist die Pipeline-Analyse über Claude Skills - eine Möglichkeit, Claude ein vorgefertigtes Template für eine bestimmte Aufgabe zu geben.

Was der Pipeline-Analyse-Skill macht

Der Skill nimmt einen Pipeline-Export (eine CSV reicht) und verwandelt ihn in ein interaktives Dashboard: Stage-Funnel, Conversion-Rates, Velocity, Coverage und Stalled-Deal-Flags - ohne eine einzige Formel zu schreiben.

Skill installieren und ausführen

Sie können einen Pipeline-Analyse-Skill mit Anthropics öffentlichen Agent-Skills-Patterns auf GitHub bauen, ihn mit Claude verbinden und Ihren Export hochladen, um ihn auszuführen. Das ist ein Selbstbau-Prozess, bei dem Sie die Prompts und Analyseschritte definieren, denen Claude folgen soll. Wenn Outbound- und CRM-Daten bereits in lemlist liegen, verbindet lemlist MCP diese Daten direkt mit Claude - ohne manuellen Export.

Das interaktive Dashboard lesen

Prüfen Sie nach dem Durchlauf vier Ansichten: den Stage-Funnel mit Conversion-Rates, das Velocity-Chart, Pipeline-Health-Indikatoren und die Stalled-Deal-Liste. Jede Ansicht führt zu einer Entscheidung - ob Rep-Coaching, Deal-Follow-up oder Targeting-Fix am oberen Funnel.

Best Practices für die Pipeline-Analyse

  • Wöchentlich auf Rep-Ebene reviewen, monatlich auf Führungsebene. Konstanz bringt meistens mehr als Tiefe.

  • Tote Deals entfernen, Pflichtfelder durchsetzen, Close-Dates regelmäßig aktualisieren. Unsaubere Daten machen jede nachgelagerte Metrik unzuverlässig.

  • Metriken nach Rep, Dealgröße, Quelle und ICP-Segment aufschlüsseln. Durchschnittswerte verbergen oft das eigentliche Problem.

  • Metriken Monat für Monat vergleichen, statt sich auf einen einzelnen Snapshot zu verlassen. Nur so sehen Sie, ob ein Fix tatsächlich wirkt.

Tipp: Wenn Prospecting-, Enrichment-, Sequenz- und CRM-Daten in verschiedenen Tools liegen, fragmentiert die Pipeline-Datenbasis schnell. Outbound von einer verbundenen Plattform aus zu fahren (lemlist integriert direkt mit HubSpot und Salesforce) hält den Deal-Kontext von Anfang an an einem Ort.

Pipeline-Erkenntnisse in Outbound-Aktionen umsetzen

Pipeline-Analyse zeigt oft direkt zurück auf Outbound. Dünne Top-of-Funnel-Zahlen bedeuten meistens ein Sourcing-Problem, während Deals, die bei der Qualifizierung stallen, oft darauf hindeuten, dass die eingehenden Leads nicht so genau zum ICP passen wie angenommen.

Wenn Qualifizierung der Bottleneck ist, hilft besseres Targeting und Enrichment vor dem Outreach. Die Lead-Datenbank und Intent-Signale von lemlist helfen, Leads zu finden, die zu Ihrem ICP passen. E-Mail-Finder und -Verifier und Phone Finder reichern sie mit verifizierten Kontaktdaten an. Multichannel-Prospecting führt die Kampagne über E-Mail, LinkedIn und Anrufe aus einem Prozess heraus - mit Intent-Signalen, die den richtigen Moment für die Ansprache aufdecken, damit Leads warm statt kalt ankommen.

Pipeline-Analyse zeigt Ihnen, was kaputt ist. Outbound ist meistens der Ort, wo Sie es reparieren.

Fazit

Ich komme immer wieder zur selben Erkenntnis zurück: Pipeline-Analyse funktioniert nur, wenn sie verändert, was Sie als Nächstes tun. Ein Dashboard, auf das niemand reagiert, ist nur eine hübschere Tabelle.

Fangen Sie mit den Grundlagen an. Ziehen Sie Ihre CRM-Daten, analysieren Sie Ihre Conversion-Raten Stufe für Stufe und finden Sie den einen Absprungpunkt, der Sie am meisten kostet. Den beheben Sie zuerst. Dann schalten Sie KI und Claude Skills dazu, um den Review-Zyklus zu beschleunigen - so erkennen Sie Probleme wöchentlich statt vierteljährlich.

lemlist wird auf G2 mit 4,6 / 5 bei über 1.500 Bewertungen bewertet. Und das ist hier relevant, weil genau diese Teams diesen Loop leben: Pipeline analysieren, Lücke finden, mit besserem Targeting und Outbound schließen, wiederholen.

14 Tage kostenlos testen, keine Kreditkarte erforderlich.

Mach aus Leads echte Pipeline

Finde Prospects, automatisiere Follow-ups und generiere mehr Sales-Opportunities.

Häufig gestellte Fragen

Die meisten B2B-Teams prüfen wöchentlich auf Rep-Ebene und monatlich auf Führungsebene. Teams mit kürzeren Sales-Zyklen oder höherem Deal-Volumen analysieren oft häufiger.

Die Pipeline-Analyse zeigt, wie Deals sich durch die Phasen bewegen und wo sie ins Stocken geraten. Forecasting nutzt diese Daten zusammen mit historischen Trends und Win-Rates, um zukünftigen Umsatz vorherzusagen. Die Analyse kommt also in der Regel zuerst.

Das hängt von der Win-Rate ab. Wie Claris Pipeline-Coverage-Studie zeigt, teilen Sie 1 durch Ihre Win-Rate, um das richtige Verhältnis zu ermitteln: Bei einer Win-Rate von 25 % ergibt sich eine 4-fache Coverage, bei etwa 33 % reicht oft schon eine 3-fache.

Ja, eine Tabelle mit Deal-Name, Phase, Wert, Verantwortlicher Person und letztem Aktivitätsdatum deckt die Grundlagen ab. Sobald das Team wächst, sorgt ein CRM für einheitliche Daten über alle Reps hinweg und erleichtert segmentierte Analysen.
Ivona Mikulčić

Ivona Mikulčić

Product Marketing Manager

Beitrag teilen