Lead-Grading vs. Lead-Scoring: So nutzen Sie beides

Von Laurel · Aktualisiert am 8. September 2026

Ein Vertriebsmitarbeitender öffnet einen Lead mit einem Score von 85 von 100 und hält ihn für heiß. Es stellt sich heraus: ein Student, der für ein Seminarprojekt jedes Formular auf der Website ausgefüllt hat. Die Zahl war hoch. Der Lead war wertlos. Genau diese Lücke soll Lead-Grading schließen.

Den meisten Teams, die mit der Lead-Priorisierung kämpfen, fehlt nicht ein Scoring-Modell. Ihnen fehlt die andere Hälfte der Gleichung. Scoring sagt Ihnen, wie engagiert jemand ist. Es sagt nichts darüber aus, ob diese Person oder ihr Unternehmen jemals ein echter Kunde werden könnte. Grading beantwortet diese zweite Frage. Wenn Sie es auslassen, vermischt Ihre Liste der „heißesten" Leads weiterhin Studenten, Wettbewerber und Jobsuchende mit Ihren echten Käufern.

Dieser Leitfaden behandelt, was Lead-Grading ist, wie Sie ein A-D-Modell aus Ihren eigenen Closed-won-Daten statt aus Meinungen aufbauen, wie negative Kriterien schlecht passende Leads aus Ihrer Pipeline fernhalten und wie Grade und Score zu einer einzigen Prioritätsentscheidung zusammenfinden. Falls Sie unseren ergänzenden Beitrag zu Lead-Scoring-Systemen noch nicht gelesen haben, beginnen Sie dort, um die Engagement-Seite dieser Gleichung kennenzulernen. Dieser Artikel behandelt die Fit-Seite, und beide gehören zusammen gelesen.

Wichtige Fakten: Lead-Grading

• Vertriebsmitarbeitende verbringen nur 40 % ihrer Zeit mit dem tatsächlichen Verkaufen. Der Rest geht für Verwaltung, Dateneingabe und die Jagd nach Interessenten verloren, die von vornherein nicht passten, so der Salesforce-Bericht State of Sales (Seventh Edition). Quelle
• Nur 27 % der B2B-Leads sind vertriebsreif, sobald sie erstmals mit einem Unternehmen interagieren; die übrigen 73 % sind noch nicht bereit für ein Verkaufsgespräch, laut MarketingSherpas B2B Benchmark Report 2012. Quelle
• Vertriebsmitarbeitende verschwenden schätzungsweise 27 % ihrer potenziellen Verkaufszeit mit der Jagd nach fehlerhaften oder unvollständigen Kontaktdaten, statt echte Opportunities zu bearbeiten, laut Untersuchungen von ZoomInfo/Validity. Quelle
• Nur 44 % der B2B-Unternehmen nutzen überhaupt ein formales Lead-Scoring- oder Grading-System, um gut passende von schlecht passenden Interessenten zu trennen, laut Landbase-Studie 2025. Quelle

Was ist Lead-Grading?

Lead-Grading bedeutet, einem Lead eine Buchstabennote zuzuweisen, meist von A bis D, je nachdem, wie genau er zu Ihrem idealen Kundenprofil passt. Es beantwortet eine einzige Frage: Wäre diese Person oder dieses Unternehmen heute kaufbereit, wollten wir sie dann tatsächlich als Kunden?

Das ist eine völlig andere Frage als „Wie interessiert sind sie gerade?", die das Lead-Scoring misst. Grading betrachtet firmografische Daten (Unternehmensgröße, Umsatz, Branche), demografische Daten (Jobtitel, Seniorität, Abteilung), technografische Daten (welche Tools sie bereits nutzen) und die geografische Passung (bedienen Sie ihre Region überhaupt). Nichts davon ändert sich, nur weil jemand diese Woche drei E-Mails geöffnet hat. Ein Fintech-Unternehmen mit 200 Mitarbeitenden bleibt ein Fintech-Unternehmen mit 200 Mitarbeitenden, ganz gleich, ob sein VP of Sales gerade Ihre Preisseite durchstöbert oder seit sechs Monaten nicht auf Ihrer Website war.

Scoring dagegen basiert ausschließlich auf Verhalten: Seitenbesuche, Downloads, E-Mail-Klicks, Demo-Anfragen. Es verändert sich ständig und verfällt in der Regel mit der Zeit. Grading gleicht eher einer Bonitätsprüfung als einem Stimmungsring. Es ist träge, beruht darauf, wer jemand ist und nicht darauf, was er diese Woche tut, und muss selten neu berechnet werden, es sei denn, das Unternehmen selbst ändert sich: eine neue Finanzierungsrunde, eine Übernahme, ein Schwenk in einen neuen Markt.

Lead-Grading vs. Lead-Scoring: der entscheidende Unterschied

Die Verwechslung dieser beiden Begriffe ist verständlich. Beide erzeugen eine Zahl oder einen Buchstaben am Lead-Datensatz, beide fließen in Weiterleitungsentscheidungen ein, und beide werden im Alltag unter „Lead-Qualifizierung" zusammengeworfen. Doch sie messen orthogonale Dinge, und sie zu einer einzigen Zahl zusammenzufassen ist der Punkt, an dem die meisten Qualifizierungssysteme scheitern.

Beachten Sie, dass keine der beiden Spalten „der Qualifizierungs-Score" ist. Es sind Inputs für die Qualifizierung, und die Qualifizierung wird erst genau, wenn Sie beide gemeinsam betrachten, ein Punkt, auf den wir in der Prioritätsmatrix unten zurückkommen. Wenn Sie noch überlegen, wo Grading und Scoring im Verhältnis zu Ihren übergeordneten Lead-Qualifizierungs-Frameworks stehen, betrachten Sie sie als die beiden Rohinputs, auf denen diese Frameworks (etwa MQL/SQL-Definitionen) aufbauen.

Das A-D-Grading-Modell

Die meisten B2B-Teams, die Leads bewerten, nutzen eine vierstufige Buchstabenskala von A bis D, weil sie einfach genug ist, dass der Vertrieb ihr auf einen Blick vertraut, und fein genug, um für die Weiterleitung nützlich zu sein.

Grade-A-Leads sind Ihre Musterbeispiele für ein ICP. Richtige Unternehmensgröße, richtige Branche, richtiger Titel, richtige Region, idealerweise mit einem technografischen oder Wachstumssignal obendrauf. Das sind die Accounts, die Ihre besten Vertriebsmitarbeitenden als Erste auswählen würden, wenn sie ihr Vertriebsgebiet selbst wählen dürften.

Grade-B-Leads passen gut, mit ein oder zwei Lücken. Vielleicht ist das Unternehmen etwas kleiner als Ihr Sweet Spot, oder der Kontakt ist Director statt VP. Sie sind weiterhin verfolgenswert, nur mit etwas mehr Qualifizierungsarbeit vorab.

Grade-C-Leads passen teilweise, mit echten Lücken. Sie sitzen womöglich in einer angrenzenden Branche oder haben einen Titel, der eher Einflussnehmer als Entscheidungsträger ist. Sie sind meist mit marketinggeführtem Nurturing besser bedient als mit einem sofortigen Verkaufsgespräch und gute Kandidaten, um sie durch die Arbeit an Buyer-Personas zu schärfen.

Grade-D-Leads passen schlecht oder lösen direkt ein Ausschlusskriterium aus. Falsche Region, eine private E-Mail-Adresse, die Domain eines Wettbewerbers, ein Unternehmen weit außerhalb Ihrer bedienbaren Größenordnung. Grade D heißt nicht „für immer ignorieren". Es heißt: Lassen Sie keine Vertriebszeit in ihre Nähe, bis sich etwas Wesentliches am Account ändert.

Die genauen Punktschwellen, mit denen Sie die Grenzen zwischen A, B, C und D ziehen, sollten aus Ihren eigenen Daten stammen, nicht aus einer Vorlage. So bauen Sie sie auf.

Grading-Kriterien aus Closed-won-Daten ableiten, nicht aus Meinungen

Der größte Fehler beim Lead-Grading ist, das Modell darauf auszulegen, was der Vertrieb für wichtig hält, statt darauf, was die Daten tatsächlich zeigen. Vertriebsmitarbeitende haben starke, selbstbewusst vertretene Vorstellungen davon, wie ein „guter Lead" aussieht, und diese Vorstellungen sind häufig falsch oder zumindest unvollständig.

Beginnen Sie damit, jeden Closed-won-Deal der letzten 12 bis 24 Monate zu ziehen. Erfassen Sie für jeden die firmografischen und demografischen Attribute zum Zeitpunkt, als der Lead erstmals in Ihre Pipeline kam: Unternehmensgröße, Branche, Titel, Region, Tech-Stack, Finanzierungsphase. Ziehen Sie dann dieselben Attribute für eine Stichprobe von Closed-lost- und disqualifizierten Leads und suchen Sie nach dem Unterschied zwischen beiden Gruppen.

Stellen Sie konkrete Fragen. Welcher Prozentsatz der gewonnenen Deals stammte aus Unternehmen in einem bestimmten Mitarbeiterzahl-Band, verglichen mit Ihrem gesamten Lead-Pool? Wenn 70 % Ihres Umsatzes aus Unternehmen mit 100 bis 1.000 Mitarbeitenden stammen, dieses Band aber nur 25 % Ihrer Leads insgesamt ausmacht, ist die Unternehmensgröße ein starker Prädiktor und sollte echtes Gewicht tragen. Wenn die Branche kaum einen Unterschied zwischen gewonnenen und verlorenen Deals zeigt, verschwenden Sie keine Punkte darauf, nur weil sie intuitiv wichtig wirkt.

Es ist dieselbe Disziplin, die hinter einem belastbaren idealen Kundenprofil steht: Lassen Sie das Muster in Ihrem tatsächlichen Kundenstamm die Kriterien definieren und übersetzen Sie dieses Muster dann in Punkte.

Beispielhafte Grading-Kriterien und Gewichtungen

Ordnen Sie die gewichtete Punktsumme anschließend Ihrer Buchstabenskala zu, so einfach, dass ein Vertriebsmitarbeitender einen Datensatz ansehen und verstehen kann, warum er dort gelandet ist.

Zuordnung von Punkten zu Grades

Negative Grading-Kriterien: Ihre Ausschlusskriterien

Positive Attribute sagen Ihnen, wen Sie verfolgen sollten. Negative Attribute, manchmal Ausschlusskriterien genannt, sagen Ihnen, wen Sie nicht mehr verfolgen sollten, egal wie engagiert er wirkt. Das ist der Teil des Gradings, den die meisten selbstgebauten Modelle auslassen, und meist der Grund, warum sich ein „hoch bewerteter" Lead als Sackgasse entpuppt.

Zu den üblichen Ausschlusskriterien gehören E-Mail-Domains von Wettbewerbern, private oder kostenlose E-Mail-Adressen in einem Formular, das nur Geschäftskäufer nutzen sollten, Unternehmensgrößen weit außerhalb Ihres bedienbaren Bereichs, Regionen, in die Sie nicht verkaufen, und Jobtitel, die keine Kaufentscheidungsbefugnis erkennen lassen (Studenten, Jobsuchende, Recruiter, die eine Karriereseite durchstöbern). Jedes davon sollte genug Punkte abziehen, um ein Grade-D-Ergebnis zu garantieren, oder den Grade direkt auf D setzen, unabhängig davon, was sonst im Datensatz steht. Lassen Sie einen starken positiven Score ein hartes Ausschlusskriterium nicht ausgleichen. Wer ein Wettbewerber ist, bleibt es, egal wie oft er die Preisseite besucht.

Negative Kriterien schützen außerdem die Glaubwürdigkeit Ihres Modells beim Vertrieb. Vertriebsmitarbeitende hören auf, einem Grading-System zu vertrauen, sobald es ihnen erstmals einen offensichtlich falschen Lead liefert, und eine saubere Ausschlussebene entfernt diese peinlichen Fehlgriffe, bevor ein Mensch sie je sieht.

Grade und Score kombinieren: die Prioritätsmatrix

Hier zahlt sich Grading aus. Für sich allein sagt ein Grade, wer es wert ist, irgendwann verfolgt zu werden. Für sich allein sagt ein Score, wer gerade aktiv ist. Keiner von beiden sagt Ihnen allein, was Sie heute tun sollen. Legen Sie sie auf zwei Achsen, und Sie erhalten eine Matrix, die das tut.

Tragen Sie den Grade (A bis D) auf einer Achse und die Engagement-Stufe auf der anderen ab, von heiß (aktuell aktiv engagiert) bis kalt (keine jüngste Aktivität). Jeder Lead landet in genau einer Zelle, und diese Zelle sollte einer konkreten Maßnahme entsprechen.

Zwei Zellen dieser Matrix sind wichtiger als der Rest, denn dort scheitern die meisten selbstgebauten Systeme.

Hohe Passung, geringes Engagement (rechts oben in den A- und B-Zeilen) ist Ihre Nurturing-Zone. Das sind Accounts, die Sie tatsächlich als Kunden wollen, die aber noch keine aktiven Kaufsignale zeigen. Oft stehen sie einfach früh in der Buyer Journey und recherchieren ein Problem, dessen Lösung sie noch nicht beschlossen haben. Übergeben Sie diese nicht für einen Kaltanruf an den Vertrieb; das verbrennt Goodwill bei einem Account, den Sie später haben wollen. Leiten Sie sie in eine Nurturing-Strecke mit längerem Zyklus und prüfen Sie erneut, sobald das Engagement durch Ihre Lead-Nurturing-Programme wächst.

Geringe Passung, hohes Engagement (links oben in der D-Zeile) ist die klassische Falle. Das ist der Lead, der in einem eindimensionalen Score großartig aussieht, weil er jedes Formular ausgefüllt und jeden Link angeklickt hat, aber ein Student ist, ein Wettbewerber bei der Recherche oder schlicht ein Unternehmen, das Sie nicht bedienen können. Wenn Ihr Qualifizierungsprozess nur das Engagement betrachtet, rauscht dieser Lead direkt in die Warteschlange eines Vertriebsmitarbeitenden und verschwendet echte Verkaufszeit. Wenn er nur die Passung betrachtet, übersehen Sie womöglich, dass diese Zelle gelegentlich einen legitimen Account enthält, der Ihre Annahmen überholt hat und einen kurzen manuellen Blick statt einer automatischen Unterdrückung verdient. Deshalb ist „zur Prüfung markieren" für diese Zelle besser als „automatisch weiterleiten": Eine menschliche Prüfung kostet eine Minute, ein verschwendetes Verkaufsgespräch kostet deutlich mehr.

Weiterleitung und SLAs nach Grade-Score-Kombination

Sobald jeder Lead eine Position in der Matrix hat, können Sie diese Position in eine konkrete operative Regel übersetzen: Reaktionszeit und Verantwortlicher. Hier hört Grading auf, eine analytische Übung zu sein, und beginnt zu verändern, was in den ersten fünf Minuten nach Eingang eines Leads passiert, genau dem Moment, in dem die Lead-Reaktionszeit die größte Wirkung auf die Konversion hat.

Speisen Sie diese Tabelle direkt in Ihre Logik für die Lead-Weiterleitung und Ihren Workflow für das Lead-Status-Management ein, damit Grade und Engagement-Stufe eines Leads automatisch Phase, Verantwortlichen und Uhr festlegen. Dort werden auch die Definitionen von MQL vs. SQL konkret statt diskutierbar: Ein MQL ist in der Praxis meist ein Lead, der eine Mindestschwelle bei Grade und Engagement überschritten hat, und ein SQL einer, den ein Vertriebsmitarbeitender darüber hinaus persönlich validiert hat.

Manuelles vs. regelbasiertes vs. prädiktives Grading

Wie das Lead-Scoring lässt sich auch das Grading auf drei Arten aufbauen, und die richtige Wahl hängt davon ab, wie viele historische Daten Sie haben und wie nachvollziehbar das Modell sein muss.

Regelbasiertes Grading ist für fast jedes Team der richtige Startpunkt. Es ist transparent, schnell aufgebaut, sobald Sie die oben beschriebene Closed-won-Analyse durchgeführt haben, und Vertriebsmitarbeitende sehen genau, warum ein Lead dort gelandet ist, was für die Akzeptanz wichtig ist. Prädiktives Grading lohnt sich, sobald Sie genug Volumen haben, dass ein Modell Muster findet, die eine Tabellenkalkulation nicht findet, sollte aber auf einem regelbasierten Fundament aufsetzen und es nicht am ersten Tag ersetzen.

Neu kalibrieren, wenn sich Ihr ICP verschiebt

Ein heute aufgebautes Grading-Modell ist eine Momentaufnahme dessen, wer Ihre besten Kunden in den letzten ein bis zwei Jahren waren. Diese Momentaufnahme veraltet in dem Moment, in dem sich Ihr Produkt, Ihr Markt oder Ihr Go-to-Market-Ansatz ändert, und die meisten Teams merken es erst, wenn der Vertrieb sich beschwert, dass „A-Grade"-Leads nicht mehr konvertieren.

Legen Sie eine vierteljährliche Überprüfung als Standardrhythmus fest und behandeln Sie Folgendes als Auslöser für einen früheren Blick: eine neue Produktlinie, die einen anderen Käufer erschließt, eine Preisänderung, die Ihren Sweet Spot bei der Unternehmensgröße verschiebt, ein Wechsel im Go-to-Market-Ansatz (Schritt ins Upmarket, Start von Self-Serve) oder zwei bis drei aufeinanderfolgende Quartale, in denen Grade-A-Leads spürbar schlechter konvertieren.

Der Neukalibrierungsprozess ist dieselbe Closed-won-Analyse wie beim ersten Mal, nur erneut auf die jüngste Deal-Kohorte angewendet. Wenn die Unternehmensgröße keine Ergebnisse mehr vorhersagt, die Seniorität des Titels aber aussagekräftiger wurde, verschieben Sie die Punkte entsprechend. Scheuen Sie sich auch nicht, Grade-Schwellen zu verschieben. Wenn plötzlich 90 % Ihrer Leads in Grade A landen, weil sich der Markt Ihrem ICP zugewandt hat, sind Ihre Schwellen zu locker geworden, um für die Priorisierung nützlich zu sein.

Häufige Lead-Grading-Fehler, die Sie vermeiden sollten

Grading nach Bauchgefühl statt nach Daten. „Wir erkennen einen guten Lead, wenn wir ihn sehen" ist genau die Annahme, die die Closed-won-Analyse prüfen soll, und sie ist öfter falsch, als Vertriebsteams erwarten. Ein Bauchgefühl-Grade lässt sich außerdem nicht prüfen, einem neuen Teammitglied nicht erklären und nicht systematisch verbessern.

Schwellen nie überprüfen. Ein Grading-Modell ist kein einmaliges Projekt. Märkte verschieben sich, Produkte entwickeln sich weiter, und ein Modell, das seit achtzehn Monaten niemand angefasst hat, stuft Leads mit ziemlicher Sicherheit falsch ein, die es vor einem Jahr noch richtig bewertet hätte.

Engagement die Passung überstimmen lassen. Das ist die Falle „geringe Passung, hohes Engagement" aus der Prioritätsmatrix, und es ist der häufigste Weg, wie schlecht passende Leads Vertriebszeit verschwenden. Ein hoher Score sollte nie allein genügen, um ein hartes Ausschlusskriterium zu umgehen.

Grading auf Daten, die Sie nicht verlässlich erheben. Wenn Ihr Formular nur E-Mail und Unternehmensnamen erfasst, bauen Sie kein Grading-Modell, das für die Hälfte seines Gewichts auf genauem Jobtitel und Mitarbeiterzahl beruht. Investieren Sie entweder in Lead-Datenanreicherung, um diese Lücken verlässlich zu füllen, oder bauen Sie das Modell um die Attribute herum, für die Sie saubere, konsistente Daten haben. Ein Modell auf lückenhaften Daten erzeugt lückenhafte Grades, und lückenhafte Grades sind schlimmer als gar keine, weil sie falsche Sicherheit erzeugen.

Wie es weitergeht

Grading und Scoring sind zwei Hälften desselben Qualifizierungssystems, keine konkurrierenden Methoden. Sobald beide stehen, wird der Rest Ihres Lead-Management-Stacks schärfer: Weiterleitungsentscheidungen verlassen sich nicht mehr auf eine einzige mehrdeutige Zahl, Lead-Typen lassen sich leichter definieren, wenn Passung und Intent getrennte Variablen sind, und selbst Product-Led-Ansätze profitieren, denn ein Product Qualified Lead braucht vor der Übergabe an den Vertrieb weiterhin eine Fit-Prüfung, nicht nur Nutzungsdaten.

Beginnen Sie mit der Closed-won-Analyse, bauen Sie einen einfachen regelbasierten Grade, legen Sie ihn über Ihren bestehenden Engagement-Score und leiten Sie anhand der Matrix weiter statt anhand einer einzigen vermischten Zahl. Das Modell wird am ersten Tag nicht perfekt sein. Es muss nur besser sein als das Bauchgefühl eines Vertriebsmitarbeitenden, und ein datenbasierter A-D-Grade ist es fast immer.