Leads mit KI qualifizieren 2026: n8n Workflow Schritt für Schritt
In diesem Workflow lernst du, wie du Leads mit KI qualifizieren kannst: Neue geschäftliche Anfragen werden automatisch erfasst, strukturiert, von einem KI-Modell anhand definierter Kriterien bewertet und anschließend kontrolliert an den passenden Sales-Prozess weitergeleitet.
KI bewertet Kontext. Der Workflow entscheidet über den nächsten Prozess.
Das KI-Modell soll nicht autonom bestimmen, welcher Lead „wertvoll“ ist oder welcher Mensch Aufmerksamkeit verdient. Es analysiert ausschließlich vorher definierte geschäftliche Kriterien wie Kaufabsicht, Bedarf, Unternehmensfit und Dringlichkeit. Die Folgeaktion bleibt eine kontrollierte Workflow-Entscheidung.
So funktioniert die KI Lead Qualifizierung.
Wir kombinieren einen Lead-Trigger, saubere Datenstruktur, KI-Analyse, Validierung und klassische Routing-Logik.
Der entscheidende Unterschied: Die KI interpretiert die Anfrage. Der Workflow wendet vorher festgelegte Geschäftsregeln an.
Ein Kontaktformular. Unterschiedliche Lead-Qualität.
Stell dir vor, über deine Website gehen täglich unterschiedliche geschäftliche Anfragen ein. Einige haben konkrete Kaufabsicht, andere befinden sich noch in einer frühen Informationsphase.
Konkreter Bedarf
Der Interessent beschreibt ein klares Problem, einen passenden Use Case und möchte zeitnah starten.
Erkennbares Interesse
Der Bedarf ist vorhanden, aber Zeitpunkt oder Anforderungen sind noch nicht eindeutig.
Frühe Recherche
Die Anfrage ist allgemein und enthält noch keine erkennbare konkrete Kaufabsicht.
Unklarer Fall
Die vorhandenen Informationen reichen nicht aus, um den Lead zuverlässig einzuordnen.
Definiere zuerst, was einen guten Lead ausmacht.
Wenn du Leads mit KI qualifizieren willst, darf das Modell nicht nach einem unsichtbaren Bauchgefühl bewerten. Die Kriterien müssen vorher feststehen.
Kaufabsicht
Sucht der Interessent aktiv nach einer Lösung oder sammelt er nur Informationen?
Problem-Fit
Passt das beschriebene Problem überhaupt zu deinem Angebot oder Workflow?
Unternehmensfit
Passt der geschäftliche Kontext zu den Kunden, für die dein Angebot gedacht ist?
Dringlichkeit
Gibt es einen konkreten Zeitpunkt, ein aktuelles Problem oder einen klaren nächsten Schritt?
Lass die KI keinen freien Lead-Text erzeugen.
Der nächste Workflow-Schritt braucht keine lange Einschätzung. Er braucht klar definierte Datenfelder.
Unstrukturierte Bewertung
Dieser Lead sieht ziemlich interessant aus. Das Unternehmen scheint Bedarf zu haben und möchte möglicherweise relativ schnell starten. Ich würde ihn vermutlich priorisieren.
Strukturierter Output
{
"lead_quality": "high",
"intent": "purchase",
"company_fit": "good",
"priority": "high",
"summary": "Unternehmen sucht kurzfristig eine Automatisierungslösung."
}
Leads mit KI qualifizieren: der komplette n8n Workflow.
Lead-Quelle als Trigger festlegen
Der Workflow braucht zuerst eine definierte Quelle für neue Leads. Das kann beispielsweise ein Webformular, ein CRM, ein Webhook oder ein anderes verbundenes System sein.
Für unser Beispiel gehen wir davon aus, dass neue Formularanfragen automatisch an n8n übertragen werden.
Eingehende Lead-Daten prüfen
Führe den Trigger mit einem Testdatensatz aus und prüfe genau, welche Informationen tatsächlich ankommen.
Typische Lead-Daten können sein:
- Name
- Unternehmen
- E-Mail-Adresse
- Nachricht
- Anliegen oder Use Case
- Unternehmensgröße
- gewünschter Zeitpunkt
Lead-Daten strukturieren
Bereite die eingehenden Daten so auf, dass nur relevante Informationen an den KI-Schritt weitergegeben werden.
{
"company": "Beispiel GmbH",
"company_size": "25-50",
"message": "Wir möchten unseren Supportprozess automatisieren und suchen kurzfristig eine Lösung.",
"timeline": "innerhalb von 4 Wochen"
}
Eine klare Datenstruktur macht die spätere Bewertung nachvollziehbarer.
Qualifizierungskriterien definieren
Bevor die KI bewertet, musst du festlegen, welche Kriterien gelten.
Für diesen Beispiel-Workflow verwenden wir:
- Kaufabsicht
- Problem-Fit
- Unternehmensfit
- Dringlichkeit
Diese Kriterien sollten zu deinem tatsächlichen Angebot passen und nicht einfach aus einem generischen Lead-Scoring-Modell übernommen werden.
Erlaubte Bewertungswerte festlegen
Auch hier begrenzen wir den Entscheidungsraum.
Die Lead-Qualität darf beispielsweise nur einen dieser Werte enthalten:
high medium low review
Für die Kaufabsicht:
purchase evaluation research unclear
Für den Unternehmensfit:
good partial poor unclear
KI-Modell in den Workflow einbauen
Jetzt fügen wir den KI-Schritt hinzu. Das Modell erhält die strukturierten Lead-Daten und die vorher definierten Bewertungskriterien.
Seine Aufgabe ist ausschließlich, die vorhandenen Informationen innerhalb dieses Rahmens zu interpretieren.
Prompt für die Lead Qualifizierung erstellen
Der Prompt sollte die Kriterien, erlaubten Werte und gewünschte Ausgabe klar vorgeben.
Analysiere den folgenden geschäftlichen Lead.
Bewerte ausschließlich die bereitgestellten Informationen.
Bestimme die Lead-Qualität:
high
medium
low
review
Bestimme die Kaufabsicht:
purchase
evaluation
research
unclear
Bewerte den Unternehmensfit:
good
partial
poor
unclear
Bestimme die Priorität:
high
normal
low
Erstelle außerdem eine kurze Zusammenfassung.
Wenn Informationen fehlen,
nutze "unclear" oder "review".
Erfinde keine fehlenden Daten.
Lead:
{{ lead_data }}
Strukturierten Output erzeugen
Das Modell soll ein klar definiertes Datenobjekt zurückgeben.
{
"lead_quality": "high",
"intent": "purchase",
"company_fit": "good",
"priority": "high",
"summary": "Unternehmen sucht kurzfristig eine Automatisierungslösung."
}
Diese Felder können von den nächsten n8n Nodes direkt verarbeitet werden.
KI-Ergebnis validieren
Bevor ein Lead in einen Sales-Prozess gelangt, prüfst du, ob die erwarteten Felder und Werte vorhanden sind.
- Ist lead_quality erlaubt?
- Ist intent erlaubt?
- Ist company_fit erlaubt?
- Ist priority erlaubt?
- Ist summary vorhanden?
Ungültige oder fehlende Werte sollten nicht automatisch als hochwertige Leads behandelt werden.
Lead-Qualität und Priorität trennen
Ein guter Lead ist nicht automatisch dringend. Und ein dringender Lead ist nicht automatisch ein guter Fit.
Deshalb behandeln wir lead_quality und priority als getrennte Informationen.
lead_quality = high priority = normal oder lead_quality = medium priority = high
Routing für High-, Medium- und Low-Leads bauen
Jetzt übernimmt wieder deterministische Workflow-Logik.
high → Sales-Prozess medium → Nurturing / weitere Qualifizierung low → Standardprozess review → manuelle Prüfung
Ein Switch Node oder eine vergleichbare Verzweigung kann diese Routing-Logik abbilden.
High-Leads an den Sales-Prozess übergeben
Leads mit hoher Qualität können beispielsweise an einen definierten Sales-Prozess weitergegeben werden.
Mögliche Aktionen:
- CRM-Eintrag erstellen oder aktualisieren
- zuständigen Sales-Mitarbeiter informieren
- Follow-up-Aufgabe anlegen
- interne Benachrichtigung senden
- Lead mit passendem Status versehen
Medium-Leads in einen Nurturing-Prozess geben
Nicht jeder interessante Lead ist sofort bereit für ein Sales-Gespräch.
Medium-Leads können beispielsweise in einen Prozess gelangen, der weitere Informationen sammelt oder relevante Inhalte bereitstellt.
Unklare Leads zur manuellen Prüfung weiterleiten
Wenn Informationen fehlen oder die KI keine belastbare Bewertung erzeugen kann, landet der Lead im Review-Pfad.
Das ist kein Fehler. Es ist ein bewusstes Sicherheitsnetz.
Workflow mit unterschiedlichen Leads testen
Teste nicht nur einen perfekten Beispiel-Lead. Nutze mehrere realistische Situationen.
- klarer High-Intent-Lead
- frühe Informationsanfrage
- unpassender Use Case
- fehlende Unternehmensinformationen
- dringende Anfrage
- sehr kurze Nachricht
- widersprüchliche Angaben
Workflow aktivieren und Ergebnisse beobachten
Wenn die Testfälle funktionieren, kannst du den Workflow für reale Leads aktivieren.
Beobachte insbesondere, welche Fälle häufig im Review-Pfad landen oder falsch eingeschätzt werden.
Das zeigt dir, ob deine Kriterien klar genug definiert sind oder angepasst werden müssen.
So kann deine Lead Qualification Pipeline aussehen.
| Lead Quality | Intent | Aktion | Kontrolle |
|---|---|---|---|
| High | Purchase | Sales-Prozess | CRM + Follow-up |
| Medium | Evaluation | Nurturing / weitere Qualifizierung | weitere Informationen sammeln |
| Low | Research | Standardprozess | keine aggressive Eskalation |
| Review | Unclear | manuelle Prüfung | keine automatische Sales-Entscheidung |
Nicht jeder Teil des Lead Scorings braucht KI.
Viele Informationen lassen sich mit klassischen Regeln eindeutiger bewerten. KI wird dort interessant, wo freie Sprache und Kontext interpretiert werden müssen.
Unternehmensgröße
Wenn dein Formular eine feste Unternehmensgröße liefert, kannst du diesen Wert direkt mit Regeln verarbeiten.
Budgetfeld
Ein klarer numerischer Wert muss nicht von einem Sprachmodell interpretiert werden.
Freier Nachrichtentext
Wenn Bedarf, Kaufabsicht oder Kontext aus frei formuliertem Text erkannt werden müssen, kann KI sinnvoll sein.
Baue keine Blackbox, die automatisch über Leads entscheidet.
Nutze KI dort, wo Sprache und Kontext interpretiert werden müssen. Nutze anschließend klare Workflow-Regeln, Validierungen und bei unsicheren Fällen eine manuelle Prüfung.
Typische Fehler beim Leads mit KI qualifizieren.
Wenn nicht definiert ist, was einen guten Lead ausmacht, kann auch das Modell keine konsistente Bewertung liefern.
Zwanzig Faktoren und komplizierte Gewichtungen machen einen ersten Workflow unnötig schwer kontrollierbar.
Das Modell sollte fehlende Informationen als unclear markieren, nicht plausibel ergänzen.
Formulierungen wie „ziemlich interessant“ lassen sich schlecht zuverlässig routen.
Ein guter Fit und eine hohe Bearbeitungspriorität sind zwei unterschiedliche Dinge.
Unsichere Leads brauchen einen sicheren Weg zur manuellen Prüfung.
Übertrage nur Informationen, die der Workflow wirklich braucht.
Lead-Prozesse enthalten häufig personenbezogene oder geschäftlich sensible Informationen. Deshalb sollte der Datenfluss bewusst begrenzt werden.
Daten minimieren
Übertrage an das KI-Modell nur Felder, die für die konkrete Bewertung wirklich erforderlich sind.
Systeme prüfen
Berücksichtige, welche Anbieter und Integrationen in deinem konkreten Workflow Daten verarbeiten.
Zweck begrenzen
Verwende Daten nicht automatisch für zusätzliche Bewertungen, die mit der eigentlichen Anfrage nichts zu tun haben.
Aus Lead Qualifizierung wird eine komplette Sales Automation.
Qualifizieren
Lead-Qualität, Intent und Fit automatisch bestimmen.
Priorisieren
Dringende und relevante Leads schneller sichtbar machen.
CRM aktualisieren
Strukturierte Informationen in vorhandene Sales-Systeme übertragen.
Follow-up vorbereiten
Auf Basis der Lead-Daten einen personalisierten Entwurf vorbereiten, der kontrolliert wird.
Passende KIVERSE Inhalte zu diesem Workflow.
Offizielle n8n Dokumentation.
Integrationen, Nodes und AI-Funktionen können sich weiterentwickeln. Prüfe für produktive Systeme zusätzlich die aktuelle Dokumentation.
Häufige Fragen zu Leads mit KI qualifizieren.
Kann man Leads mit KI qualifizieren?
Ja. KI kann frei formulierte geschäftliche Anfragen analysieren und anhand vorher definierter Kriterien beispielsweise Kaufabsicht, Fit oder Dringlichkeit einordnen. Die anschließende Weiterleitung kann über klassische Workflow-Regeln erfolgen.
Was bedeutet KI Lead Qualifizierung?
Bei der KI Lead Qualifizierung werden vorhandene Lead-Daten mithilfe eines KI-Modells nach definierten geschäftlichen Kriterien analysiert. Das Ergebnis kann anschließend für Priorisierung oder Routing genutzt werden.
Was ist KI Lead Scoring?
KI Lead Scoring bezeichnet die automatische Bewertung von Lead-Informationen mithilfe eines KI-Modells. Für zuverlässige Workflows sollten die Kriterien und erlaubten Ergebniswerte vorher klar definiert werden.
Kann n8n Leads automatisch qualifizieren?
n8n kann Datenquellen, KI-Modelle, Logik und weitere Systeme in einem Workflow verbinden. Dadurch lassen sich entsprechende Lead-Qualifizierungsprozesse aufbauen.
Brauche ich einen AI Agent für Lead Qualifizierung?
Nein. Für einen klar begrenzten Prozess reicht häufig ein normaler KI-Schritt mit strukturiertem Output. Ein AI Agent wird erst interessant, wenn das System innerhalb definierter Grenzen dynamisch zwischen mehreren Tools oder Aktionen wählen soll.
Welche Daten braucht die KI für Lead Scoring?
Das hängt vom Geschäftsmodell ab. Typisch sind beispielsweise die Anfrage, der beschriebene Bedarf, Unternehmensinformationen oder ein gewünschter Zeitpunkt. Es sollten nur Daten verwendet werden, die für die konkrete Bewertung wirklich erforderlich sind.
Sollte die KI automatisch entscheiden, welcher Lead an Sales geht?
Besser ist eine Trennung: Die KI erzeugt eine strukturierte Bewertung auf Basis definierter Kriterien. Der Workflow prüft diese Bewertung und wendet anschließend vorher festgelegte Routing-Regeln an.
Was passiert bei fehlenden Lead-Daten?
Fehlende Informationen sollten nicht erfunden werden. Der Workflow kann unsichere Werte als unclear oder review behandeln und den Lead zur manuellen Prüfung weiterleiten.
Was ist der Unterschied zwischen Lead Quality und Priority?
Lead Quality beschreibt, wie gut eine Anfrage zu den definierten geschäftlichen Kriterien passt. Priority beschreibt, wie dringend die Anfrage bearbeitet werden sollte. Beide Werte sollten getrennt behandelt werden.
Kann ich Leads automatisch in ein CRM übertragen?
Wenn dein CRM über eine passende Integration oder API angebunden werden kann, lassen sich strukturierte Lead-Daten in entsprechende Workflows einbinden. Die konkrete Umsetzung hängt vom verwendeten CRM ab.
Sollte jeder Lead durch KI analysiert werden?
Nein. Klare, bereits strukturierte Informationen können häufig mit normalen Regeln bewertet werden. KI ist besonders interessant, wenn freie Sprache oder komplexerer Kontext interpretiert werden muss.
Wie teste ich eine KI Lead Qualifizierung?
Nutze mehrere realistische Testfälle: gute Leads, schwache Leads, unklare Anfragen, fehlende Daten und widersprüchliche Informationen. Prüfe anschließend, ob der gesamte Workflow vernünftig routet.
Du hast aus eingehenden Leads einen kontrollierten Qualifizierungsprozess gebaut.
Der entscheidende Punkt beim Leads mit KI qualifizieren ist nicht, möglichst viele Vertriebsentscheidungen an ein Sprachmodell abzugeben.
Der bessere Aufbau lautet: Lead erfassen → Daten strukturieren → Kriterien definieren → KI bewerten lassen → Output validieren → mit festen Regeln routen → Sales-Prozess kontrolliert ausführen.
Damit nutzt du KI für ihre eigentliche Stärke: die Interpretation unstrukturierter Informationen. Die geschäftliche Automation bleibt nachvollziehbar und kontrollierbar.