Apollo zeigt dir nach wenigen Filtern schnell Hunderte Kontakte. Der entscheidende Schritt passiert aber vor dem Export: Welche DACH-Unternehmen gehören wirklich in dein ICP, welche Funktion löst das Problem, und wie aktuell muss der Datensatz sein? Ohne diese Festlegung wird selbst eine große Datenbank zur Tabelle voller info@company.com-Adressen und Dubletten.
Hier baust du deshalb erst eine präzise Apollo-Suche und ergänzt anschließend nur die fehlenden Datensätze mit Thunderbit. Das Ergebnis ist eine nachvollziehbare Liste mit Quelle, Rolle, Verifizierungsstatus und nächstem Schritt.
Mit KI Daten von jeder Website extrahieren Get Started Free
Apollo richtig einordnen: Datenbank, Finder und Outreach in einem
Apollo Email Finder ist Teil von Apollo.io, einer B2B-Vertriebsplattform für Kontaktsuche, Verifizierung und Sequenzen. Die Datenbasis umfasst laut Anbieterangaben mehr als 265 Millionen Kontakte und 60 Millionen Unternehmen.
Apollo kombiniert fein auflösende Filter nach Branche, Größe, Rolle und Standort mit E-Mail-Prüfung, Sequenzen, Anruffunktionen und Browser-Erweiterung. Das ist nützlich, wenn Research und Outreach in einem System bleiben sollen.
Vertriebs-, Marketing- und Operationsteams schätzen Apollo, weil es die mühsame Recherche abkürzt und mehr Zeit für echte Gespräche lässt – statt für Datenpflege.
Die Größe der Datenbank ersetzt jedoch keine klare Auswahlregel.
Baue zuerst ein DACH-ICP, dann die Suche
Ein breiter Export liefert schnell irrelevante, veraltete oder generische Kontakte. Eine Kampagne an info@randomcompany.com sagt wenig darüber aus, ob Apollo funktioniert – sie zeigt vor allem, dass Auswahl und Segmentierung fehlten.
Der Schlüssel zum Erfolg mit Apollo heißt Präzision. Warum?
- Standard-Suchen sind zu breit. Wer z. B. nach „Marketing“ in New York sucht, bekommt alles – vom Praktikanten bis zum CMO, quer durch alle Branchen.
- Irrelevante Kontakte kosten Zeit. Jede falsche E-Mail ist ein verlorener Kontaktversuch – und schlechte Daten kosten pro Vertriebsmitarbeiter bis zu 550 Stunden oder 32.000 $.
- Gute Daten = bessere Ergebnisse. Unternehmen mit aktuellen, validen Kontakten erzielen 66 % höhere Conversion Rates.
Definiere deshalb dein Ideal Customer Profile (ICP) und filtere in dieser Reihenfolge:
- Position und Seniorität (z. B. „VP Product“ statt nur „Product“)
- Branche und Unternehmensgröße
- Land und Region (Deutschland, Österreich und Schweiz getrennt auswerten)
- Genutzte Technologien (falls relevant)
- Aktuelle Unternehmensereignisse oder Kauf-Signale
Ergänze bei DACH-Accounts Rechtsform, Hauptsitz und Sprache. „DACH“ als ein einziger Standortfilter vermischt Märkte mit unterschiedlichen Firmendaten und Ansprachekonventionen.
Ein sauberer Apollo-Lauf in zwei Arbeitsmodi
Apollo bietet dafür zwei Arbeitsmodi: die Datenbank für ein definiertes Segment und die Browser-Erweiterung für einzelne, bereits qualifizierte Accounts.
Mit der Apollo-Datenbank suchen
- Einloggen und zum Such-Tab wechseln. Meist „Personen“ oder „Kontakte“ genannt.
- Filter setzen. Starte mit deinem ICP: Position, Unternehmensgröße, Branche, Standort usw. Je spezifischer, desto besser – „Head of People“ bei Tech-Startups <50 Mitarbeiter ist viel gezielter als nur „HR“.
- Filter anwenden und Suche starten. Apollo zeigt die Anzahl der passenden Kontakte live an.
- E-Mails anzeigen oder exportieren. Klicke auf „E-Mail anzeigen“ (ggf. mit Credits) und priorisiere verifizierte Adressen.
- Exportiere in CSV oder dein CRM. Halte deine Liste sauber – Apollo exportiert direkt oder in Tools wie Salesforce, HubSpot usw.
- Suche speichern. Wenn du die Liste später wieder brauchst, speichere die Filterkriterien.
Die Filter „Persona“ und „Technographics“ verengen die Suche zusätzlich. Wer etwa HR-Software für Slack-Nutzer verkauft, filtert gezielt nach Unternehmen mit Slack.
Mit der Apollo Chrome-Erweiterung
Mit der Chrome-Erweiterung lassen sich E-Mails direkt bei der Recherche auf LinkedIn oder Firmenwebsites prüfen.
- Erweiterung im Chrome Web Store installieren.
- Einloggen und LinkedIn-Profil aufrufen. Die Apollo-Seitenleiste zeigt verfügbare Kontaktdaten an.
- E-Mails anzeigen und zu Sequenzen oder Listen hinzufügen. Du kannst direkt eine E-Mail senden, zur Sequenz hinzufügen oder den Kontakt speichern – ohne die Seite zu verlassen.
- Auch auf Unternehmensseiten nutzbar. Auf LinkedIn-Firmenseiten listet Apollo Top-Kontakte und zeigt deren E-Mails an.
- Grenzen beachten. Nicht zu viele Profile in kurzer Zeit aufrufen – LinkedIn könnte dich sonst einschränken.
Die Erweiterung eignet sich für einzelne, bereits qualifizierte Accounts; die Datenbanksuche ist effizienter für ein klar definiertes Segment.
DACH-Quellen für Kontakte außerhalb der Apollo-Datenbank
Bei jungen Firmen, regionalem Mittelstand und Nischenbranchen lohnt der Blick in Primärquellen:
- Team-, Leitungs- und Impressumsseiten
- Aussteller- und Mitgliederverzeichnisse
- Pressebereiche, Broschüren und PDF-Dokumente
- Unternehmensregister, Bundesanzeiger und öffentliche Vergabeunterlagen
Thunderbit übernimmt in diesem Ablauf die Quellenextraktion. Der KI-Web-Scraper liest E-Mails, Telefonnummern und LinkedIn-Profile aus zugänglichen Websites aus, darunter „Über uns“- und Teamseiten, die in Apollo nicht erfasst sind.
Thunderbit liest Websites, PDFs und Bilder, schlägt Felder wie Name, Funktion und E-Mail vor, folgt bei Bedarf Profil-Unterseiten und kann wiederkehrende Verzeichnisse geplant aktualisieren.
Bei einer Konferenzliste kannst du so etwa Agenda-PDF, Speaker-Seiten und Profil-Unterseiten in einen gemeinsamen Datensatz überführen und danach in Apollo oder einem Verifizierer ergänzen.
Du willst sehen, wie Thunderbit E-Mails extrahiert? Hier gibt es eine Schritt-für-Schritt-Anleitung.
Thunderbit Email Extractor kostenlos testen
Die Freigabespalte: Wann ein Kontakt weiterverarbeitet werden kann
Nicht jede E-Mail ist gleich wertvoll. Bevor du deine Kampagne startest, solltest du sicherstellen, dass deine Liste aus hochwertigen, wirklich nutzbaren Kontakten besteht – und nicht nur aus info@company.com-Adressen, die im Spam landen.
Meine Checkliste für gute E-Mails:
- Ist es eine persönliche, geschäftliche E-Mail? (z. B. jane.doe@company.com ist besser als info@company.com)
- Passt die Domain zum Unternehmen? (Private E-Mails nur nutzen, wenn sie wirklich geschäftlich sind.)
- Passt die Position zum ICP? (Nicht den „Marketing Associate“ anschreiben, wenn du den CMO suchst.)
- Ist die E-Mail verifiziert? (Apollo markiert diese; Thunderbit findet öffentlich gelistete E-Mails.)
- Ist sie aktuell? (Mit LinkedIn oder der Firmenwebsite abgleichen.)
- Doppelte vermeiden. (Doppelte Kontakte entfernen, um Mehrfachansprache zu verhindern.)
Wenn nur eine generische E-Mail, aber Name und Position vorliegen, kann das Unternehmensmuster einen Kandidaten liefern (z. B. vorname.nachname@company.com). Mehrere veröffentlichte Adressen derselben Domain helfen beim Erkennen des Musters; die abgeleitete Adresse bleibt bis zur Verifizierung als Kandidat markiert.
Gutes Beispiel: samantha.nguyen@techstartup.io (direkt, persönlich, richtige Firma)
Schlechtes Beispiel: contact@techstartup.io (generisch, wird oft ignoriert)
Mehr zum Thema E-Mail-Validierung und Anreicherung findest du im Thunderbit-Guide zum E-Mail-Scraping.
Fallback-Reihenfolge für fehlende Kontakte
Wenn Person oder Adresse fehlt, arbeite diese Reihenfolge ab:
- Apollo doppelt prüfen. Suche nach dem Unternehmen, alternativen Namensschreibweisen oder generischen E-Mails, um das Muster zu erkennen.
- Firmenwebsite besuchen. Suche nach „Über uns“, „Team“ oder „Leitung“. Mit der Thunderbit Chrome-Erweiterung kannst du E-Mails, Namen und Positionen extrahieren.
- PDFs oder Bilder durchsuchen. Gibt es Pressemitteilungen oder Broschüren zum Download, kann Thunderbit darin versteckte E-Mails finden.
- Google nutzen. Mit Suchoperatoren wie
"Jane Doe" @company.com emailrecherchieren und Thunderbit auf die Ergebnisse anwenden. - LinkedIn prüfen. Hast du das Profil, kann Thunderbits LinkedIn-Scraper-Template manchmal E-Mails finden, die sonst nirgends stehen.
- Muster ableiten. Findest du z. B. john.smith@company.com, kannst du für Jane Doe jane.doe@company.com ableiten.
- Vor Versand validieren. Immer verifizierte oder erratene E-Mails prüfen, um Bounces zu vermeiden.
Findest du in einer Pressemitteilung beispielsweise alex@startup.com, kannst du daraus mögliche Muster ableiten. Speichere die neue Adresse trotzdem zunächst als Kandidat und gib sie erst nach Prüfung frei.
Masterliste mit Herkunft, Status und Aktualisierungsdatum
In der Masterliste werden Apollo-Daten und Ergebnisse aus öffentlichen Quellen zusammengeführt:
- Mit Apollo starten. ICP-Leads ziehen, als CSV oder ins CRM exportieren.
- Lücken identifizieren. Fehlende E-Mails, Telefonnummern oder LinkedIn-Profile markieren.
- Mit Thunderbit anreichern. Apollo-Liste in Thunderbit importieren oder gezielt Websites/LinkedIn-Profile für fehlende Infos scrapen.
- Neue Leads finden. Wo Apollo keine Daten hat, mit Thunderbit Teamseiten oder Google-Suchergebnisse scrapen.
- Zusammenführen und Duplikate entfernen. Ergebnisse aus Apollo und Thunderbit in Excel, Google Sheets oder Airtable zusammenführen, doppelte Kontakte entfernen und Quelle markieren.
- Export ins Outreach-Tool. Thunderbit exportiert direkt zu Google Sheets, Airtable, Notion oder Excel.
- Updates automatisieren. Mit gespeicherten Apollo-Suchen und Thunderbits geplantem Scraping bleibt deine Liste immer aktuell.
Thunderbits KI-Feldvorschläge erkennen Spalten wie Name, E-Mail, Funktion und Profil-URL automatisch.
Eine eigene Quellenspalte (Apollo oder öffentliche Webquelle) macht Herkunft und Erfolgsquote je Datenweg nachvollziehbar.
Mehr zum Exportieren und Organisieren deiner Lead-Daten findest du im Thunderbit-Blog zum Website-Scraping nach Excel.
Die besten Email-Scraper 2025 Get Started Free
Apollo Email Finder im Vergleich zu anderen Business Email Finder Tools
Apollo ist nicht das einzige Tool am Markt. Hier ein schneller Überblick, wie es im Vergleich zu anderen beliebten Lösungen abschneidet:
| Tool | Stärken | Schwächen |
|---|---|---|
| Apollo | Riesige Datenbank, integriertes Outreach, günstig für KMU, Chrome-Erweiterung, Echtzeit-Validierung | Datenqualität etwas hinter ZoomInfo, Einarbeitung nötig, Gratisversion eingeschränkt |
| ZoomInfo | Sehr präzise, tiefe Unternehmensdaten, starke Segmentierung | Teuer, für kleine Teams überdimensioniert, weniger Fokus auf Outreach |
| Lusha | Einfach zu bedienen, tolle Chrome-Erweiterung, gut für Direktdurchwahlen und E-Mails, günstige Einstiegspakete | Kleinere Datenbank, stark auf LinkedIn fokussiert, Kosten pro Kontakt können steigen |
| Hunter.io | Hohe Genauigkeit beim E-Mail-Raten/Validieren, Domainsuche, einfache API, Gratis-/Pay-as-you-go-Optionen | Begrenzte Datenbank, keine Outreach-Funktionen, nicht für Persona-Filter gedacht |
| Seamless.ai | Echtzeit-Web-/LinkedIn-Suche, unbegrenzte Leads zum Festpreis, gute CRM-Integration | Datenqualität schwankt, weniger präzise Filter, Benutzeroberfläche weniger ausgereift |
| RocketReach | Gut für persönliche/berufliche E-Mails nach Name, stark bei Nischenrollen, hohe Lookup-Volumen | Kleinere Datenbank, keine Outreach-Automatisierung, Bulk-Suche weniger komfortabel |
Thunderbit ist hier kein direkter Konkurrent – eher eine Verstärkung, die mit allen genannten Tools zusammenarbeitet und offene Webdaten für Kontakte nutzt, die in Datenbanken fehlen. Einen ausführlichen Vergleich findest du im Thunderbit-Guide zu den besten Email-Scrapern.
So entscheidest du nach einem 100-Kontakte-Pilot
Stichprobe nach Unternehmensstruktur aufteilen
Ein Gesamtdurchschnitt verschleiert, wo Apollo gut oder schwach abdeckt. Teile die 100 Kontakte deshalb in inhabergeführte Unternehmen, klassischen Mittelstand, Tochtergesellschaften und größere Konzerne. Innerhalb jeder Gruppe sollten Deutschland, Österreich und die Schweiz sowie mindestens zwei Branchen vertreten sein. Die Stichprobe enthält bewusst auch schwierige Fälle: Markenname und Rechtsträger unterscheiden sich, die Website nennt nur ein Sammelpostfach oder dieselbe Person taucht mit abweichenden Titeln auf.
Für jeden Datensatz werden Firmenname, Rechtsträger, Domain, Person, Funktion, Apollo-Status, öffentliche Quelle, Abrufdatum und Verifizierungsstatus festgehalten. Die Produktseite von Apollo.io ist dabei kein Nachweis für einen einzelnen Kontakt; maßgeblich sind der konkrete Datensatz und die dazu gespeicherte Quelle. „Nicht gefunden“ bleibt ein gültiges Pilotresultat und wird nicht aus dem Nenner gelöscht.
Fehlerklassen statt einer einzigen Trefferquote
Trenne fachlich unpassende Person, falsche Gesellschaft, veraltete Rolle, fehlende Adresse, nicht verifizierbare Adresse und Dublette. Ein Werkzeug kann viele E-Mails liefern und dennoch schlechte Ergebnisse erzeugen, wenn sie dem falschen Rechtsträger oder einer ehemaligen Position zugeordnet sind. Für die Kaufentscheidung zählt deshalb der Anteil der Datensätze, die ohne weitere Recherche in den geprüften CRM-Status gelangen.
Erfasse zusätzlich die Minuten manueller Nacharbeit pro Fehlerklasse. Wenn Apollo bei Großunternehmen zuverlässig arbeitet, aber regionale GmbHs regelmäßig über Primärquellen ergänzt werden müssen, ist nicht die gesamte Plattform ungeeignet. Stattdessen erhält genau dieses Segment eine zusätzliche Quellenregel. So entsteht eine Kombination aus Datenbank und Webrecherche, die auf beobachteten Lücken beruht.
Gespeicherte Suchen als kontrollierte Datenquelle
Eine gespeicherte Apollo-Suche braucht Eigentümer, Änderungsdatum und eine kurze Definition des ICP. Änderungen an Rollenfiltern, Regionen oder Unternehmensgrößen werden versioniert, damit ein plötzlicher Anstieg der Treffer erklärbar bleibt. Neue Ergebnisse laufen zunächst in eine Prüfansicht; erst nach Deduplizierung, Rollenabgleich und Verifizierung werden sie an Vertrieb oder Sequenz übergeben.
Auch Rückmeldungen aus dem Betrieb gehören zurück in die Suche. Rollenwechsel, falsche Zuordnungen, Widersprüche und unzustellbare Adressen aktualisieren Sperrlisten und Filterregeln. Nach vier Wochen wird geprüft, welche Quelle tatsächlich Antworten oder qualifizierte Gespräche erzeugt hat. Damit misst der Pilot nicht nur, wie schnell Apollo Daten ausgibt, sondern ob der gesamte Ablauf einen wartbaren Kontaktbestand erzeugt.
Teste den Workflow mit 100 Kontakten aus deinem echten DACH-Segment. Miss Trefferquote, Anteil verifizierter Adressen, manuelle Nacharbeit, Dubletten und Kosten pro freigegebenem Datensatz.
Die Pilotentscheidung basiert auf den Messwerten: Apollo-Filter werden enger, wenn viele fachlich unpassende Kontakte erscheinen; zusätzliche Primärquellen kommen nur dort hinzu, wo die Datenbank relevante Lücken zeigt. Verifizierung, Dublettenprüfung und Quellennachweis bleiben feste Freigabeschritte. Danach werden Filter und Quellenregeln anhand der tatsächlichen Fehlerklassen angepasst.
Für DACH-Outreach kommt ein eigener Freigabeschritt hinzu: Eine gefundene Geschäftsadresse ist nicht automatisch für Werbung nutzbar. Dokumentiere Quelle und Zweck, prüfe DSGVO-Rechtsgrundlage und nationales Werberecht – in Deutschland insbesondere § 7 UWG – und sperre Widersprüche sofort.
Für den Quellenanteil des Piloten kann die Thunderbit Chrome-Erweiterung auf derselben Stichprobe getestet werden. Hintergrundmaterial zu Web-Scraping und Workflows steht im Thunderbit Blog.
Thunderbit KI-Web-Scraper kostenlos testen Get Started Free
Mehr erfahren:
