Lead-Qualifizierung mit n8n und KI automatisieren

Warum manuelle Lead-Qualifizierung oft zu spät kommt

Neue Anfragen landen im Vertrieb oft erst einmal in einem Postfach, einem CRM oder auf einem gemeinsamen Slack-Kanal. Das Problem: Niemand hat sofort Zeit, jede Anfrage sauber zu prüfen. Dabei entscheidet oft die erste Stunde darüber, ob aus einem Lead ein echter Termin wird.

Gerade im KMU-Alltag kostet manuelle Qualifizierung unnötig Zeit. Vertriebsmitarbeitende lesen E-Mails, suchen Firmendaten heraus, schätzen die Größe des Unternehmens ein und überlegen, ob die Anfrage überhaupt zum Angebot passt. Das ist fehleranfällig und langsam.

Genau hier hilft ein automatisierter Workflow mit n8n und KI. Du kannst neue Leads automatisch erfassen, bewerten und an die richtige Stelle weiterleiten. So bekommt der Vertrieb nur die Anfragen, die wirklich relevant sind.

Was der Workflow konkret leisten soll

Ein sinnvoller Lead-Qualifizierungs-Workflow für KMU sollte drei Dinge können:

• Neue Leads automatisch erfassen aus Formularen, E-Mails oder CRM-Eingängen
• Die Anfrage mit KI bewerten nach Relevanz, Budget, Branche oder Dringlichkeit
• Die richtige Aktion auslösen wie CRM-Eintrag, Slack-Benachrichtigung oder Rückfrage-Mail

Wichtig ist: Es geht nicht darum, den Vertrieb zu ersetzen. Es geht darum, Vorarbeit zu automatisieren. Die beste Automatisierung spart Zeit bei wiederkehrenden Aufgaben und schafft Raum für Gespräche mit echten Chancen.

So sieht ein praxistaugliches Setup aus

1. Eingangskanal festlegen

Der Workflow startet dort, wo deine Leads heute schon eintreffen. Typische Quellen sind:

• Kontaktformulare auf der Website
• Angebotsanfragen per E-Mail
• Lead-Ads aus LinkedIn oder Meta
• Import aus HubSpot, Pipedrive oder Airtable

Für den Start empfiehlt sich ein klarer Eingangskanal. Ein Formular ist einfacher als ein unstrukturiertes Postfach. Je sauberer die Daten ankommen, desto besser funktioniert die Automatisierung.

2. Daten normalisieren

Bevor die KI bewertet, solltest du die wichtigsten Felder vereinheitlichen. Das sind meist:

• Name
• Firma
• E-Mail
• Branche
• Größe des Unternehmens
• Anfrageinhalt
• gewünschter Termin oder Rückrufzeitpunkt

In n8n kannst du diese Daten mit einem Set-Node oder per Mapping aus verschiedenen Quellen vereinheitlichen. So erhält das KI-Modell immer dieselbe Struktur.

3. KI zur Vorqualifizierung nutzen

Jetzt kommt der spannende Teil. Die KI liest die Anfrage und bewertet sie anhand klarer Kriterien. Ein gutes Prompt-Setup könnte zum Beispiel prüfen:

• Passt die Anfrage grundsätzlich zu unserem Angebot?
• Ist die Firma groß genug für unser Projekt?
• Ist der Bedarf akut oder nur unverbindlich?
• Soll der Lead als heiß, warm oder kalt eingestuft werden?

Die Ausgabe sollte möglichst strukturiert sein, etwa so:

• Score: 0 bis 100
• Kategorie: heiß, warm, kalt
• Begründung: kurzer Text
• Empfohlene Aktion: direktes Follow-up, Nurturing, Ablehnen

So kann n8n die Ergebnisse weiterverarbeiten, ohne dass jemand den Text manuell lesen muss.

4. Automatische Entscheidung im Workflow

Nach der KI-Bewertung folgt die Verzweigung. In n8n geht das mit IF-Nodes oder Switch-Logik.

Ein mögliches Beispiel:

• Score über 80: Lead wird sofort an den Vertrieb geschickt
• Score 50 bis 80: Lead kommt in ein Nurturing-System
• Score unter 50: Lead erhält eine freundliche Standardantwort oder wird archiviert

Das spart Zeit und sorgt dafür, dass Prioritäten klar sind. Ein heißer Lead bekommt sofort Aufmerksamkeit. Ein unpassender Lead blockiert keine Ressourcen.

Beispiel für einen Workflow in n8n

Ein realistischer Ablauf könnte so aussehen:

1. Trigger: Neues Formular wird abgeschickt 2. Datenaufbereitung: Felder werden vereinheitlicht 3. KI-Schritt: Anfrage wird bewertet und kategorisiert 4. CRM-Aktion: Lead wird in HubSpot oder Pipedrive angelegt 5. Benachrichtigung: Vertrieb bekommt eine Slack- oder E-Mail-Meldung 6. Follow-up: Je nach Score wird eine passende Antwort versendet

Optional kannst du noch zusätzliche Daten einbauen, etwa Unternehmensgröße aus einer Domain-Recherche oder Brancheninfos aus einer externen API. Das macht die Bewertung präziser.

Ein sinnvoller Prompt für die Lead-Bewertung

Die Qualität der Automatisierung steht und fällt mit dem Prompt. Er sollte klar, kurz und strukturiert sein. Zum Beispiel:

Rolle: Du bist ein Vertriebsassistent für ein KMU.

Aufgabe: Bewerte die Anfrage nach Passung, Kaufwahrscheinlichkeit und Dringlichkeit.

Kriterien: - Passt das Unternehmen zur Zielgruppe? - Ist die Anfrage konkret? - Gibt es einen klaren Bedarf? - Ist eine zeitnahe Kontaktaufnahme sinnvoll?

Ausgabeformat: - Score von 0 bis 100 - Kategorie: heiß, warm, kalt - Kurzbegründung in einem Satz - Empfohlene nächste Aktion

Wichtig: Fordere die KI auf, nur strukturierte Ergebnisse auszugeben. Das erleichtert die Weiterverarbeitung in n8n enorm.

Wo KMU besonders profitieren

Für kleine und mittlere Unternehmen ist dieser Workflow besonders wertvoll, weil die Vertriebsressourcen oft knapp sind. Statt jede Anfrage gleich zu behandeln, kannst du priorisieren.

Das bringt drei direkte Vorteile:

• Schnellere Reaktion auf gute Leads
• Weniger Zeitverlust durch unpassende Anfragen
• Bessere Übergabe zwischen Marketing, Vertrieb und Geschäftsführung

Ein weiterer Vorteil: Du gewinnst Transparenz. Wenn du alle Leads nach Score speicherst, kannst du später analysieren, welche Kanäle wirklich gute Anfragen bringen. So verbesserst du nicht nur den Workflow, sondern auch deine Lead-Quelle.

Typische Fehler bei der Umsetzung

Zu viele Kriterien auf einmal

Viele starten mit einem zu komplexen Modell. Dann bewertet die KI zehn Faktoren gleichzeitig und liefert unklare Ergebnisse. Besser ist ein einfacher Start mit drei bis fünf Kriterien.

Kein klares Zielbild

Wenn nicht klar ist, was ein „guter Lead“ ist, kann auch die KI nicht sauber entscheiden. Definiere vorher intern, ab welcher Firmengröße, Branche oder Anfragetiefe ein Lead relevant ist.

Keine saubere Struktur in den Eingangsdaten

Freitext ist schwerer zu automatisieren als strukturierte Felder. Je besser dein Formular oder CRM aufgebaut ist, desto stabiler läuft der Prozess.

Datenschutz zu spät mitdenken

Wenn personenbezogene Daten verarbeitet werden, brauchst du eine saubere rechtliche Grundlage. Prüfe, welche Daten du wirklich benötigst, wo sie gespeichert werden und ob dein KI-Setup DSGVO-konform ist.

So startest du in einer Woche

Du musst nicht sofort eine perfekte Lösung bauen. Ein pragmatischer Einstieg reicht oft aus.

Tag 1 bis 2: Prozess definieren

• Welche Leads kommen rein?
• Was ist ein guter Lead?
• Welche Felder brauchst du wirklich?

Tag 3 bis 4: n8n-Workflow bauen

• Trigger einrichten
• Daten mappen
• KI-Bewertung hinzufügen
• CRM oder Slack anbinden

Tag 5: Testen mit echten Beispielen

• 10 bis 20 vergangene Leads durchlaufen lassen
• Prüfen, ob die Einstufung sinnvoll ist
• Prompt und Regeln anpassen

Tag 6 bis 7: Live schalten und messen

• Workflow aktivieren
• Reaktionszeiten beobachten
• Conversion und Qualifizierungsquote prüfen

So vermeidest du, dass die Automatisierung theoretisch gut klingt, aber im Alltag nicht hilft.

Fazit: Weniger manuell prüfen, schneller verkaufen

Ein automatisierter Lead-Qualifizierungs-Workflow mit n8n und KI ist für KMU ein echter Produktivitätshebel. Du gewinnst Zeit, reduzierst Fehler und priorisierst Anfragen viel schneller.

Der Schlüssel liegt nicht in komplizierter Technik, sondern in einem klaren Prozess: Eingang erfassen, Daten vereinheitlichen, KI bewerten lassen, Entscheidung auslösen. Genau so wird aus Automatisierung ein messbarer Vorteil.

Wenn du deine Lead-Qualifizierung in deinem Unternehmen automatisieren willst, starte mit einem einfachen Workflow und optimiere ihn Schritt für Schritt.