Letzte Woche hat mir ein Mitglied unseres Sales-Teams eine Tabelle mit 4.000 Kontakten gezeigt, die es von einem Datenanbieter gekauft hatte. Antwortquote nach zwei Wochen Outreach? 0,3 %. Bounce-Rate? Über 12 %. Diese Liste hat echtes Geld gekostet und fast nichts gebracht.
Die meisten Lead-Listen im Jahr 2026 sind schon beim Start tot. Hunter's State of Email Outreach, basierend auf 31 Millionen E-Mails aus dem Jahr 2025, beziffert die durchschnittliche Reply-Rate einer Cold-Email-Sequenz auf nur 4,5 % — und das ist der Durchschnitt. Viele Kampagnen liegen deutlich darunter. Gleichzeitig zeigt Salesforce's 2026 State of Sales, dass Verkäufer im Schnitt nur 40 % ihrer Arbeitszeit wirklich verkaufen; die übrigen 60 % gehen für Admin, Recherche und — genau — Lead-Recherche drauf.
Wenn du also Zeit in den Aufbau einer Liste investierst, dann sollte sie auch Antworten liefern. Dieser Leitfaden führt dich durch den kompletten Workflow für 2026: dein ICP definieren, Leads jenseits von LinkedIn finden, eine saubere Vorlage aufsetzen, Daten verifizieren, damit deine Bounce-Rate nicht deine Sender-Reputation ruiniert, Leads vor dem Versand bewerten und alles langfristig aktuell halten. Und das Ganze ist nach Budget sortiert, damit du heute kostenlos starten kannst.
- Schwierigkeit: Anfänger
- Zeitaufwand: ca. 2–3 Stunden für die ersten 50–100 Leads
- Was du brauchst: Chrome-Browser, Thunderbit-Erweiterung, ein Google Sheet oder eine Tabelle sowie dein schriftlich festgehaltenes ICP
Lead-Listen mit KI-Scraping erstellen Get Started Free
Was ist eine Lead-Liste – und warum scheitern die meisten?
Eine Lead-Liste ist ein strukturierter Datensatz potenzieller Käufer — also Personen und Unternehmen, die du ansprechen möchtest. Typischerweise enthält sie Daten auf Personenebene (Name, Jobtitel, E-Mail, Telefonnummer, LinkedIn-URL) und auf Unternehmensebene (Branche, Größe, Umsatz, Standort). Sie ist die Grundlage jeder Outbound-Sales-Aktivität.
Der häufigste Fehler: Teams verwechseln eine Lead-Liste mit einem bloßen Kontakt-Dump. Eine nützliche Lead-Liste beantwortet die Fragen warum dieses Unternehmen und warum genau diese Person, jetzt? Eine gekaufte Liste von irgendeinem Anbieter liefert oft nur: „Hier ist eine E-Mail-Adresse, die vielleicht noch existiert.“ Der Unterschied im Ergebnis ist enorm.
Lead-Listen sind außerdem Teil eines größeren Prozesses. Ein Lead ist jemand, der zu deinem Markt passen könnte. Ein MQL (Marketing Qualified Lead) hat bereits ein gewisses Interesse oder eine Passung gezeigt. Ein SQL (Sales Qualified Lead) ist bereit für den direkten Follow-up. Eine Opportunity ist ein aktiver Deal. Deine Lead-Liste ist der Anfang dieses Funnels — und wenn oben nur Schrott drin ist, leidet alles danach.
Die häufigsten Gründe, warum Lead-Listen scheitern:
- Veraltete Daten: ZeroBounce reports dass mindestens 23 % einer E-Mail-Liste innerhalb eines Jahres verfallen. Das heißt: Fast jeder vierte Kontakt ist nach zwölf Monaten nicht mehr brauchbar.
- Falsche Kontakte: Rollenadressen wie info@ oder sales@ statt direkter Ansprechpartner. Oder schwammige Titel wie „Staff“, aus denen man keinerlei Entscheidungsbefugnis ableiten kann.
- Keine Zielkriterien: Menge wird als Strategie verkauft. Wie ein Foren-Nutzer es ausdrückte: „Oft verwechseln wir Volumen mit Qualität.“
- Keine Verifizierung: Der Validity 2024 CRM data report zeigt, dass 24 % der CRM-Admins sagen, dass weniger als die Hälfte ihrer CRM-Daten korrekt und vollständig ist, und dass 31 % sagen, schlechte CRM-Daten kosten mindestens 20 % des Jahresumsatzes.
- Menge statt Qualität: Hunter's data zeigt, dass Kampagnen mit 21–50 Empfängern im Schnitt 6,2 % Reply-Rate erreichen, während Kampagnen mit 501+ Empfängern nur 2,4 % schaffen. Kleiner und präziser schlägt größer und schlampiger.
Die Lead-Listen-Vorlage: So sollte deine Tabelle wirklich aussehen
Ich habe Dutzende Anleitungen zum Thema „Lead-Liste erstellen“ gelesen, und mich stört immer dasselbe: Überall steht nur „füge Kontaktdaten, Firmographics und einen Lead Score hinzu“ — aber niemand zeigt, wie die Tabelle tatsächlich aussehen soll. Hier ist also genau das fehlende Muster.
Empfohlene Start-Spalten
Deine Lead-Listen-Tabelle sollte ab Tag 1 diese Spalten enthalten:
| Spalte | Inhalt | Gute Daten | Schlechte Daten |
|---|---|---|---|
| Vollständiger Name | Echter Name der Person | "Jordan Lee" | "Sales Team" |
| Jobtitel | Konkrete aktuelle Rolle | "VP of Sales" | "Staff" |
| Unternehmen | Rechts- oder Handelsname | "Acme Logistics" | "Acme?" |
| Branche | Standardisierte Kategorie | "B2B SaaS" | "Tech-ish" |
| Unternehmensgröße | Mitarbeiterband | "51-200" | Leer |
| Direkte geschäftliche E-Mail, verifiziert | "jordan@acme.com" | "info@acme.com" | |
| Telefon | Direkte Nummer oder Hauptnummer, korrekt formatiert | E.164-Format | Gemischte lokale Formate |
| LinkedIn-URL | Profil- oder Unternehmensseite | Vollständige URL | Suchergebnis-URL |
| Lead-Quelle | Woher der Datensatz stammt | "G2 category page, May 2026" | "Internet" |
| Intent-Signal | Warum jetzt | "Hiring 3 SDRs", "new funding" | Leer |
| Lead Score | Numerische Priorisierung | 70/100 mit Regeln | Bauchgefühl |
| Zuletzt kontaktiert | Datum des Outreach | "2026-05-26" | "Kürzlich" |
| Notizen | Relevanter Kontext | "Uses Shopify Plus" | Langer, unstrukturierter Paste |
Beispiel für eine Lead-Liste (anonymisiert)
So sieht eine ausgefüllte Liste in der Praxis aus — 10 Zeilen mit unterschiedlichen Personas:
| Vollständiger Name | Jobtitel | Unternehmen | Branche | Größe | Quelle | Intent-Signal | Score | |
|---|---|---|---|---|---|---|---|---|
| Alex M. | VP Sales | Mid-market SaaS vendor | SaaS | 201-500 | direct verified | G2 category | Hiring AEs | 78 |
| Priya S. | Head of Ops | DTC apparel brand | Ecommerce | 51-200 | direct verified | Shopify showcase | Expanding fulfillment | 72 |
| Marcus T. | Founder | Local agency | Professional services | 11-50 | direct verified | Clutch | New reviews | 66 |
| Elena R. | Revenue Ops Manager | Cybersecurity startup | SaaS | 51-200 | catch-all flagged | Conference speakers | Series A | 61 |
| Ben C. | Owner | HVAC contractor | Local services | 11-50 | main office email | Google Business | High review volume | 48 |
| Mina K. | Director of Partnerships | Marketplace company | Ecommerce | 201-500 | direct verified | Event agenda | Sponsoring event | 74 |
| Diego P. | Real Estate Broker | Regional brokerage | Real estate | 11-50 | direct verified | Association directory | New office page | 58 |
| Sarah N. | Customer Support Lead | B2B software company | SaaS | 51-200 | role-based removed | Capterra | Low support reviews | 44 |
| Omar A. | IT Manager | Manufacturing firm | Manufacturing | 501-1000 | direct verified | Company team page | ERP migration mention | 69 |
| Lena W. | Growth Marketing Lead | Fintech startup | SaaS | 51-200 | direct verified | Product Hunt | New launch | 71 |
Was jede Spalte bedeutet – und wie „gute“ Daten aussehen
Ein paar Spalten verdienen zusätzliche Erklärung:
- Jobtitel: „VP of Sales“ zeigt dir, dass diese Person Budgetverantwortung hat. „Staff“ sagt gar nichts. Ziel sind immer konkrete Titel, die Entscheidungsbefugnis oder Einfluss erkennen lassen.
- E-Mail: Eine persönliche Geschäftsadresse (jordan@acme.com) ist Gold wert. Eine Rollenadresse (sales@acme.com) ist für Cold Outreach fast wertlos — sie landet in einem gemeinsamen Postfach, das niemand richtig betreut.
- Lead-Quelle: Das ist die Spalte, die die meisten auslassen, und gleichzeitig die wichtigste für die langfristige Optimierung. Wenn du nachverfolgst, woher jeder Lead kam, erkennst du, welche Kanäle wirklich Antworten bringen — nicht nur Zeilen. „G2 category page, May 2026“ ist nützlich. „Internet“ nicht.
- Intent-Signal: Das ist die „Warum jetzt?“-Spalte. Ein Unternehmen, das gerade eine Series A abgeschlossen, drei SDR-Stellen ausgeschrieben oder ein neues Produkt gelauncht hat, ist ein deutlich heißerer Lead als eines, das still vor sich hin läuft. Wenn du kein Intent-Signal findest, ist der Lead möglicherweise nicht priorisierungswürdig.
Wie Thunderbits AI Suggest Fields deine Vorlage automatisch erstellt
Einer der Punkte, auf die ich mit Thunderbit besonders stolz bin: Du musst nicht raten, welche Spalten du anlegen sollst. Wenn du Thunderbit auf einer Seite mit vielen potenziellen Leads öffnest — etwa einem Verzeichnis, einer Teamseite eines Unternehmens oder einer Sprecherliste einer Konferenz — und auf „AI Suggest Fields“ klickst, liest die KI die Seite aus und erstellt automatisch die passenden Spaltennamen und Datentypen. Wenn auf der Seite Namen, E-Mails, Titel und Unternehmensinfos vorhanden sind, schlägt Thunderbit genau diese Spalten vor.
Das ist besonders hilfreich für Einsteiger, die auf eine leere Tabelle schauen und sich fragen: „Welche Felder soll ich überhaupt erfassen?“ Thunderbit beantwortet diese Frage auf Basis der tatsächlich verfügbaren Daten auf der Quellseite. Danach klickst du auf „Scrape“ und exportierst direkt nach Google Sheets, Excel, Airtable oder Notion.
Thunderbit AI Suggest Fields ausprobieren
So definierst du dein Ideal Customer Profile (ICP), bevor du eine Lead-Liste baust
Der größte Fehler, den ich bei Teams sehe — und den ich selbst auch gemacht habe — ist, eine Liste zu bauen, bevor klar ist, wer überhaupt darauf gehört. Am Ende hast du eine Tabelle voller Namen, aber keine Klarheit, warum einer davon dein Produkt brauchen sollte.
Dein ICP beschreibt das Unternehmen und die Person, die am ehesten bei dir kaufen, mit deinem Produkt echten Nutzen haben und langfristig bleiben. Das ist kein Persona-Workshop, sondern ein Targeting-Filter.
Bestandteile eines ICP
| ICP-Punkt | Frage | Beispiel | |---|---|---|---| | Branche | In welchen Kategorien besteht das Problem? | B2B SaaS, Ecommerce, Professional Services | | Unternehmensgröße | Welche Größenordnungen können jetzt kaufen? | 51-500 Mitarbeiter | | Geografie | Wo können wir gut verkaufen und unterstützen? | USA, Kanada, UK | | Umsatzspanne | Welche Umsatzklasse passt? | 5 Mio. bis 100 Mio. ARR | | Käufer-Titel | Wer trägt Schmerz/Budgetverantwortung? | VP Sales, RevOps, Head of Ops | | Trigger | Was macht das Timing dringend? | Hiring, Funding, Migration, schlechte Bewertungen | | Pain Point | Welches Problem spüren sie? | Manuelles Listenbauen, veraltete Daten, langsame Anreicherung | | Ausschlusskriterium | Wer sollte ausgeschlossen werden? | Studenten, Hobby-Businesses, Wettbewerber |
Praxisübung: Schau dir deine 5–10 besten Bestandskunden an. Was haben sie gemeinsam? Branche? Größe? Titel der Person, die den Vertrag unterschrieben hat? Notiere 3–5 gemeinsame Merkmale. Das ist dein ICP-Entwurf.
Firmographics vs. Demographics: Was ist wichtiger?
Firmographics sind Daten auf Unternehmensebene: Branche, Größe, Umsatz, Standort. Demographics sind im B2B-Kontext Daten auf Personenebene: Titel, Seniorität, Funktion, Abteilung. Für B2B-Lead-Listen grenzt die Firmografie das Unternehmen ein und die Demografie die Person. Du brauchst beides. Ein perfektes Unternehmen mit dem falschen Ansprechpartner ist eine verschwendete Zeile. Ein perfekter Ansprechpartner im falschen Unternehmen ist genauso nutzlos.
Noch ein wichtiger Punkt: Sopro's 2025 prospecting data, basierend auf 119,57 Millionen Prospecting-Touchpoints, zeigt im Durchschnitt rund 4,14 Stakeholder pro Decision-Making Unit. Eine gute Lead-Liste enthält daher oft mehr als einen Kontakt pro Zielkonto — aber nicht so viele, dass dein Outreach wie Spam wirkt.
Jenseits von LinkedIn: Wo du Leads auf Websites, in Verzeichnissen und in Social Media findest
Ein Content-Gap, der mich bei der Recherche überrascht hat: 5 von 6 der bestplatzierten Artikel zum Thema „Lead-Liste erstellen“ leiten Leser primär zu LinkedIn Sales Navigator weiter. Und ja, Sales Navigator ist stark. Aber auch teuer (rund 120 $/Monat für Core), und echte Nutzer beschweren sich oft über Export-Limits, überladene Oberflächen und Scraping-Probleme.
Die Realität im Jahr 2026: Leads gibt es überall — nicht nur auf LinkedIn. Unternehmenswebsites, Branchenverzeichnisse, Event-Seiten, Bewertungsportale und sogar Social-Media-Profile sind reichhaltige Quellen für Kontaktdaten, oft frischer und präziser als das, was du in einer bezahlten Datenbank findest.
Vergleich von Lead-Quellen
| Lead-Quelle | Am besten für | Methode | Kosten |
|---|---|---|---|
| Unternehmenswebsites / Über-uns-Seiten | Nischen-B2B, lokale Services, Agenturen | Team-/Kontaktseiten besuchen, Namen/E-Mails/Telefone extrahieren | Kostenlos |
| Branchenverzeichnisse (Clutch, G2, Yelp) | Service-basierte Leads, vertikale Ökosysteme | Nach Kategorie/Ort filtern, Listings scrapen | Kostenlos bis günstig |
| Event-Teilnehmer-/Sprecherlisten | B2B-Prospects mit hoher Kaufabsicht | Konferenzprogramme, Sponsorenseiten, Webinar-Anmeldungen | Kostenlos bis kostenpflichtig |
| Bewertungsportale (G2, Capterra, Google Business) | SaaS und lokale Unternehmen | Kategorien durchsuchen, Firmenkontakte extrahieren | Kostenlos |
| Social Media (Instagram, X) | B2C, Personal Brands, lokale Unternehmen | Öffentliche Bios, Business-Seiten | Kostenlos |
| Google-Site-Operatoren | Long-Tail-Fundstellen, gezielte Kontaktseiten | Erweiterte Suchanfragen | Kostenlos |
| LinkedIn (Basis) | Professionelle Suche | Manuelle Suche, öffentliche Profile | Kostenlos |
| LinkedIn Sales Navigator | Reife Outbound-Teams | Erweiterte Filter, gespeicherte Leads, TeamLink | 99 $+/Monat |
Nützliche Verzeichnisse nach Branche
| Branche | Quellen, die sich lohnen zu scrapen |
|---|---|
| SaaS | G2, Capterra, Product Hunt, SaaSworthy, AWS Marketplace, Chrome Web Store-Kategorien |
| Ecommerce | Shopify-Stores/Showcases, BuiltWith-Listen, Klaviyo-Partnerverzeichnisse |
| Immobilien | Realtor-Verzeichnisse, Maklerbüro-Seiten, öffentliche lokale MLS-Seiten, Chamber-Verzeichnisse |
| Professional Services | Clutch, DesignRush, UpCity, GoodFirms, lokale Rechtsanwalts-/Steuerberaterverzeichnisse |
| Lokale Unternehmen | Google Business-Ergebnisse, Yelp, Yellow Pages, BBB, lokale Chamber-Seiten |
| Events | Sponsor-/Ausstellerseiten, Sprecherlisten, Agenda-Seiten, Webinar-Landingpages |
Google-Operatoren für die erweiterte Lead-Recherche
Die sind kostenlos und überraschend leistungsfähig. Ein paar Beispiele:
site:clutch.co/agencies "B2B SaaS" "United States"— findet Agentur-Listings auf Clutch, gefiltert nach Kategorie und Standortsite:company.com ("email" OR "contact") "VP Sales"— findet Kontaktseiten auf einer bestimmten Website, auf denen ein VP of Sales erwähnt wirdintitle:"sponsors" "SaaS" "2026" "conference"— findet Sponsorenseiten von SaaS-Konferenzen im Jahr 2026site:g2.com/categories "sales engagement" "mid-market"— findet G2-Kategorieseiten für Sales-Engagement-Tools im Mid-Market
Google's eigene Suchhilfe dokumentiert genaue Anführungszeichen und Operatoren wie site:, falls du die Syntax dort prüfen möchtest.
So scrapest du Kontakte von jeder Website mit einem AI Web Scraper
Hier passt Thunderbit perfekt in den Workflow. Für jede der oben genannten Quellen — ein Clutch-Verzeichnis, eine Teamseite, eine Sprecherliste — ist der Ablauf gleich:
- Öffne die Seite in Chrome mit installierter Thunderbit-Erweiterung.
- Klicke auf „AI Suggest Fields“. Thunderbits KI liest die Seite und schlägt Spalten wie Name, E-Mail, Telefon, Titel und Unternehmen vor.
- Prüfe die vorgeschlagenen Felder und passe sie bei Bedarf an.
- Klicke auf „Scrape“.
- Exportiere nach Google Sheets, Excel, Airtable oder Notion.
Der entscheidende Vorteil: Thunderbit funktioniert auch auf unübersichtlichen, nicht standardisierten Websites, für die keine vorgefertigte Scraper-Vorlage passen würde. Die KI liest jede Seite neu und passt sich an die jeweilige Struktur an. Thunderbits kostenlose Email Extractor und Phone Number Extractor ermöglichen die Extraktion mit einem Klick von jeder Seite — im Free-Tier unbegrenzt.
Mit Subpage Scraping deine Lead-Liste anreichern
Ein Workflow, den ich häufig nutze: Zuerst die Verzeichnisseite scrapen, zum Beispiel eine Liste von Unternehmen auf Clutch, und dann mit Thunderbits Subpage Scraping jede Unternehmensseite besuchen, um zusätzliche Daten zu ziehen — E-Mails, Telefonnummern, Mitarbeiterzahl, Tech-Stack, Beschreibungen.
So wird aus einer einfachen Verzeichnisliste ohne manuelles Klicken eine angereicherte, direkt nutzbare Lead-Liste. Aus „Hier sind 50 Firmennamen“ wird in einem automatisierten Durchlauf „Hier sind 50 Unternehmen mit Kontakt-E-Mails, Teamgrößen und Beschreibungen“. Wenn du mehr über Web Scraping ohne Programmierung erfahren möchtest, haben wir das dort ausführlich erklärt.
So baust du Schritt für Schritt eine Lead-Liste auf (der Workflow 2026)
Im Folgenden findest du den kompletten Workflow — ausgelegt für Vertriebs- oder Ops-Teams ohne technischen Hintergrund, die heute eine echte Lead-Liste erstellen wollen.
Schritt 1: Dein ICP festlegen
Bevor du irgendein Tool öffnest, notiere deine ICP-Kriterien (siehe ICP-Abschnitt oben). Branche, Unternehmensgröße, Geografie, Käufer-Titel, Trigger und Ausschlusskriterien. Das dauert 15–30 Minuten und spart Stunden an unnötigem Scraping.
Schritt 2: Deine Lead-Quellen auswählen
Wähle je nach ICP und Budget 2–3 Quellen aus der Vergleichstabelle. Meine Empfehlung: Starte mit kostenlosen Quellen. Wenn du SaaS-Unternehmen ansprichst, probiere G2-Kategorieseiten und Unternehmens-Teampages. Wenn du lokale Unternehmen ansprichst, beginne mit Google-Business-Ergebnissen und Yelp. Bezahlte Tools wie Sales Navigator solltest du erst dazunehmen, wenn du das Kostenlose ausgeschöpft hast.
Schritt 3: Leads per KI-Scraping oder manueller Suche extrahieren
Für jede Quelle ist die Extraktionsmethode folgende:
- Websites und Verzeichnisse: Nutze Thunderbits AI Web Scraper. Seite öffnen, auf „AI Suggest Fields“ klicken, Spalten prüfen, auf „Scrape“ klicken. Für bekannte Websites gibt es bei Thunderbit sofort nutzbare Daten-Scraper-Vorlagen, die Felder automatisch konfigurieren.
- LinkedIn: Nutze Sales-Navigator-Suche und Export oder Thunderbit für öffentlich zugängliche LinkedIn-Profile scrapen.
- Google: Nutze erweiterte Suchoperatoren und scrappe anschließend die Ergebnisseiten oder besuche die einzelnen Seiten.
Export-Optionen: Google Sheets, Excel, Airtable, Notion, CSV, JSON.
Schritt 4: Daten prüfen und bereinigen
Dieser Schritt ist nicht optional. Den vollständigen Verifizierungs-Workflow zeige ich weiter unten im eigenen Abschnitt, aber kurz gesagt: Rollenadressen entfernen, Duplikate löschen, durch ein Verifikationstool laufen lassen, Catch-all-Domains markieren und vor jeder Kampagne erneut prüfen.
Schritt 5: Leads bewerten und priorisieren
Wende ein einfaches Scoring-Modell an (siehe unten), bevor du mit dem Outreach beginnst. So sprichst du zuerst die wertvollsten Leads an — nicht einfach die, die zufällig oben in der Tabelle stehen.
Schritt 6: In dein CRM oder Outreach-Tool exportieren
Verschiebe die bereinigte, bewertete Liste in dein CRM (HubSpot, Salesforce, Pipedrive) oder deine Outreach-Plattform (lemlist, Mailshake, Apollo). Thunderbit exportiert direkt nach Sheets, Airtable und Notion, die sich wiederum über native Integrationen oder Zapier mit CRMs synchronisieren lassen.
Schritt 7: Outreach starten und Ergebnisse tracken
Personalisiere dein Outreach anhand der gesammelten Daten. Erwähne die Branche des Prospects, verweise auf das Intent-Signal („Mir ist aufgefallen, dass ihr SDRs sucht“) und passe das Value Proposition an den Pain Point an. Tracke Reply-Rate, Bounces und Conversions — und speise diese Daten zurück in dein ICP und Scoring-Modell für die nächste Runde.
Budget zuerst: So baust du eine Lead-Liste von 0 € bis Enterprise
Der häufigste Schmerzpunkt, den ich von Gründern in frühen Phasen und kleinen Sales-Teams höre: „Wie baue ich eine Lead-Liste, ohne teure Tools zu kaufen?“ Eine berechtigte Frage. ZoomInfo-Verträge beginnen jährlich im fünfstelligen Bereich. Sales Navigator kostet 99 $+/Monat. Apollo und Lusha haben zwar kostenlose Stufen, verstecken die guten Funktionen aber oft hinter Paywalls.
Die ehrliche Antwort: Mit kostenlosen Mitteln kommst du überraschend weit. Für Skalierung brauchst du allerdings etwas Investition. So würde ich die Stufen einordnen.
| Stufe | Kosten | Methoden | Tools |
|---|---|---|---|
| Kostenlos (0 $) | 0 $ | Google-Operatoren, manuelles LinkedIn, Unternehmenswebsites, Thunderbit Free-Tier (6 Seiten + kostenlose E-Mail-/Telefon-Extraktoren) | Thunderbit Free, Google, LinkedIn basic |
| Günstig (<50 $/Monat) | 0–50 $ | KI-Scraping in größerem Umfang, Basis-Anreicherung, E-Mail-Verifizierung | Thunderbit Starter/Pro, Hunter Starter ($34/mo), Bouncer/NeverBounce PAYG |
| Mittelklasse (50–200 $/Monat) | 50–200 $ | Sales Navigator, bessere Filter, CRM-Integration | Sales Navigator Core ($119.99/mo, $89.99 billed annually), Apollo paid, Lusha |
| Enterprise (200 $+/Monat) | 200 $+ | Intent-Daten, Anreicherungs-Suiten, Compliance-Workflows | ZoomInfo (quote-based), Cognism (quote-based), Clearbit |
Preise Stand Mai 2026 — bitte aktuelle Konditionen vor dem Kauf prüfen.
Was du kostenlos erreichen kannst – und wo die Grenzen liegen
Mit Thunderbits Free-Tier (6 Seiten AI-Scraping pro Monat), dem kostenlosen E-Mail- und Telefonnummern-Extractor (unbegrenzt, 1 Klick), Google-Suchoperatoren und einfacher LinkedIn-Suche kann ein Solo-Founder realistisch an einem Nachmittag eine Liste mit 50–100 Leads aufbauen. Ich habe das im Team schon oft gesehen.
Wo die Grenzen liegen: Volumen (Seiten pro Monat im Free-Tier), Anreicherungstiefe (ohne Paid Tools bekommst du keine Intent-Daten oder Tech-Stack-Infos) und E-Mail-Verifizierung im großen Maßstab (kostenlose Verifikationstools deckeln kleine Volumina). Wenn diese Grenzen spürbar werden, ist der Wechsel in die günstige Stufe sinnvoll — Thunderbits kostenpflichtige Pläne schalten Subpage Scraping, Bulk Scraping, Pagination und Scheduled Scrapers frei.
Die Bounce-Rate beheben: Ein Data-Verifizierungs-Workflow, der wirklich funktioniert
Ich habe Forenbeiträge von Nutzern gesehen, die bei gekauften Listen fast 70 % Bounce-Rate gemeldet haben. Das ist nicht nur verschwendete Arbeit — es ist gefährlich. Hohe Bounce-Rates ruinieren deine Sender-Reputation, sodass sogar deine guten E-Mails im Spam landen.
lemlist's benchmarks sagen: Eine gesunde Bounce-Rate liegt unter 2 %, unter 1 % ist sehr gut. Mailshake's 2025 survey fand, dass fast die Hälfte der Sender Bounce-Rates im Bereich von 2–5 % hat, während 15 % über 6 % liegen. Wenn du über 5 % liegst, ist deine Sender-Reputation in Gefahr.
Der Verifizierungs-Workflow, den ich empfehle:
- Rollenadressen entfernen: Lösche alle info@, sales@, support@, admin@-Adressen, außer du zielst bewusst auf Shared Inboxes ab (bei Cold Outreach selten sinnvoll).
- Formatfehler entfernen: Duplikate, Tippfehler, fehlende Domains, tote Domains. Ein schnelles Sortieren und Filtern in deiner Tabelle fängt den Großteil davon ab.
- Durch ein E-Mail-Verifikationstool laufen lassen: Hunter, ZeroBounce, NeverBounce, Bouncer oder Kickbox. Diese Tools prüfen den Mailserver, ohne eine E-Mail zu senden.
- Catch-all-Domains markieren oder entfernen: ZeroBounce reports dass Catch-all-Adressen eine besonders riskante Kategorie sind — sie nehmen Mails auf Server-Ebene an, ohne zu belegen, dass ein bestimmtes Postfach existiert. Wenn du das einzelne Postfach nicht verifizieren kannst, markiere den Datensatz und behandle ihn als weniger sicher.
- Vor jeder Kampagne erneut verifizieren: Daten veralten schnell. Wenn deine Liste älter als 30–90 Tage ist, prüfe sie vor dem Versand noch einmal.
- Zuerst in kleinen Batches senden: Beobachte Bounce- und Beschwerderaten bei den ersten 50–100 Sends. Skaliere nur, wenn die Qualität hält.
Warum deine Lead-Quelle die Datenqualität beeinflusst
Nicht alle Lead-Daten sind gleich gut. Eine E-Mail von der öffentlichen Teamseite eines Unternehmens — wo die Person ihre Kontaktdaten bewusst veröffentlicht hat — ist in der Regel frischer und genauer als eine E-Mail aus einer Aggregator-Datenbank, die seit Monaten nicht aktualisiert wurde.
Das ist einer der Gründe, warum ich lieber von aktuellen öffentlichen Seiten scrape, statt mich nur auf statische Datenbanken zu verlassen. Weil Thunderbits KI die echte Website jedes Mal frisch liest und nicht auf eine veraltete Datenbank zugreift, sind die extrahierten E-Mails und Telefonnummern meist aktueller. Der Phone Number Extractor formatiert Telefonnummern außerdem im E.164-Standard, was Formatfehler beim Import in CRMs reduziert.
Das Scrapen frischer Quellen ersetzt keine Verifizierung — aber du startest mit deutlich sauberem Rohmaterial.
Pre-Campaign-Checkliste
Bevor du auf irgendeine Kampagne auf „Senden“ klickst:
- Alle E-Mails innerhalb der letzten 30 Tage verifiziert
- Keine Rollenadressen (info@, sales@) in der Versandliste
- Keine Duplikate
- Bounce-Rate der letzten Kampagne geprüft
- Opt-out-/Abmelde-Mechanismus vorhanden
- Suppression-Liste synchronisiert (alle bisherigen Abmeldungen respektieren)
Erst bauen, dann scoren: Ein einfaches Lead-Scoring-Modell für kleine Teams
Jeder Leitfaden sagt „priorisiere deine Leads“ — und lässt dann offen, wie.
Wenn du Solo-Founder bist oder ein dreiköpfiges Sales-Team leitest, brauchst du kein Salesforce Einstein und keine Predictive-Scoring-Engine. Du brauchst eine Tabellen-Spalte mit einer transparenten Formel.
Das Scoring-Framework
| Signal | Punkte | Beispiel | |---|---|---|---| | Passt zur ICP-Branche | +20 | SaaS, Mid-Market | | Unternehmensgröße passt | +10 | 51-500 Mitarbeiter | | Entscheidungsträger-Titel | +15 | VP Sales, Head of Ops | | Klares Intent-Signal | +15 | Hiring, Funding, Tool-Migration | | E-Mail verifiziert | +10 | Verifikation bestanden | | Direkte Quellenqualität | +10 | Unternehmensseite, Speaker-Seite | | Hat mit deinen Inhalten interagiert | +10 | Leitfaden heruntergeladen, Webinar-Teilnehmer | | Catch-all / unverifizierte E-Mail | -10 | Riskanter Verifikationsstatus | | Rollenadresse | -10 | info@, sales@ | | Generischer Titel (keine klare Rolle) | -5 | "Staff" |
Rechenbeispiel
Lead A: VP Sales bei einem SaaS-Unternehmen mit 120 Mitarbeitern, sucht SDRs, E-Mail verifiziert, Quelle ist die Karriere-/Teamseite des Unternehmens.
Score: 20 (Branche) + 10 (Größe) + 15 (Titel) + 15 (Intent) + 10 (verifiziert) + 10 (Quelle) = 80 → Diese Woche priorisiert anschreiben.
Lead B: „Staff“ in einem 5-Personen-Hobby-Business, Rollenadresse, kein Intent-Signal.
Score: 0 + 0 + 0 + 0 + 0 - 10 (Rollenadresse) - 5 (generischer Titel) = -15 → Überspringen oder entfernen.
Das lässt sich als einfache Formel in Google Sheets abbilden, etwa so:
=IF(D2="SaaS",20,0)+IF(AND(E2>=51,E2<=500),10,0)+IF(REGEXMATCH(B2,"VP|Head|Director|Founder"),15,0)+IF(J2<>"",15,0)+IF(K2="Verified",10,IF(K2="Catch-all",-10,0))
Ganz ohne Salesforce.
Wie du KI nutzt, um Leads während des Scrapings zu labeln und zu scoren
Eine Funktion, die mein Team in Thunderbit eingebaut hat und die ich für Scoring wirklich nützlich finde: Field AI Prompts. Wenn du dein Scrape konfigurierst, kannst du jeder Spalte einen Prompt hinzufügen — zum Beispiel: „Klassifiziere die Seniorität dieses Leads als Decision-Maker, Influencer oder Individual Contributor basierend auf Jobtitel und Seitenkontext.“
Thunderbit labelt die Daten schon während der Extraktion, nicht erst danach. Wenn du also nach Sheets exportierst, sind Seniorität, Unternehmenstyp oder Branchen-Tag bereits vorhanden — direkt einsatzbereit für deine Scoring-Formel. Das spart den manuellen Tagging-Schritt, der Scoring sonst zur lästigen Pflicht macht.
Du kannst außerdem Subpage Scraping nutzen, um die Ausgangsdaten anzureichern: zuerst ein Verzeichnis scrapen, dann jede Unternehmensseite besuchen, um Mitarbeiterzahl, Finanzierungsstatus oder Tech-Stack zu ziehen — alles Faktoren für dein Scoring-Modell.
Wann du Scores erneut prüfen und aktualisieren solltest
Lead Scores sind nicht „einmal setzen und vergessen“. Bewerte sie monatlich neu oder nach jeder größeren Kampagne. Wenn ein Lead positiv antwortet, ändert sich sein Score (er ist dann ein aktives Gespräch, kein kalter Lead mehr). Wenn eine E-Mail bounced, passe den Score entsprechend an. Wenn ein Unternehmen, das vor sechs Monaten noch eingestellt hat, inzwischen Mitarbeiter entlassen hat, hat sich das Intent-Signal verändert.
So hältst du deine Lead-Liste aktuell (Automatisierung und Pflege)
Eine Lead-Liste ist kein einmaliges Projekt.
Ich habe bereits erwähnt, dass 23 % der E-Mail-Listen pro Jahr verfallen. Kontakte wechseln Jobs, Unternehmen ändern die Richtung, E-Mail-Adressen veralten. Wenn du im Mai eine gute Liste baust und sie erst im Oktober wieder anfasst, ist ein erheblicher Teil davon schon tot.
Pflege-Rhythmus
| Aufgabe | Häufigkeit | Warum |
|---|---|---|
| E-Mails verifizieren | Vor jeder Kampagne (oder mindestens monatlich) | Hard Bounces vermeiden |
| Kontakte deduplizieren | Wöchentlich bei aktivem Prospecting | Doppelte Ansprache vermeiden |
| Intent-Signale aktualisieren | Monatlich | Hiring/Funding/Bewertungen ändern sich schnell |
| Firmographics aktualisieren | Quartalsweise oder halbjährlich | Größe, Umsatz und Tech-Stack verschieben sich |
| Suppression-Liste synchronisieren | Täglich oder in Echtzeit | Opt-outs respektieren und Beschwerden senken |
| Quellen-Performance prüfen | Monatlich | Herausfinden, welche Kanäle Antworten bringen — nicht nur Zeilen |
Einen geplanten Scrape für laufende Lead-Generierung einrichten
Hier kommt Thunderbits Scheduled Scraper ins Spiel. Statt Verzeichnisse jeden Monat manuell erneut zu besuchen, kannst du einen wiederkehrenden Scrape einrichten. Das Setup ist einfach: Gib das Zeitintervall in normaler Sprache an (z. B. „jeden Montag um 8 Uhr“), trage die Website-URLs ein und klicke auf „Schedule“. Thunderbits KI verwandelt deine Worte in einen Zeitplan und führt den Scrape automatisch aus, wobei die frischen Ergebnisse in dein verbundenes Google Sheet oder deine Airtable-Base exportiert werden.
Diese Anwendungsfälle funktionieren besonders gut:
- Ein Sales-Team scrapt monatlich eine Clutch-Kategorieseite neu, um neue Agenturen im Markt zu erfassen.
- Ein Ecommerce-Ops-Team beobachtet wöchentlich ein Wettbewerbsverzeichnis auf neue Produktlistings.
- Ein SaaS-Founder aktualisiert vor jedem monatlichen Outbound-Batch eine G2-Kategorieseite, um neu gelistete Unternehmen zu finden.
Thunderbits Cloud-Modus kann bis zu 50 Seiten gleichzeitig scrapen, sodass selbst große Verzeichnisse schnell aktualisiert werden. Mehr dazu findest du in unserem Leitfaden zur KI-Lead-Generierung.
Ein kurzer Hinweis zu Compliance und Datenschutz
Ich halte das kurz, weil es nicht der Schwerpunkt dieses Leitfadens ist — aber es ist essenziell.
- CAN-SPAM (USA): Gilt für alle kommerziellen E-Mails, auch im B2B. Die FTC says, dass jede einzelne rechtswidrige E-Mail Strafen von bis zu $53,088 auslösen kann. Anforderungen: korrekte Header, keine irreführenden Betreffzeilen, gültige Postanschrift, klare Abmeldemöglichkeit und Abmeldungen innerhalb von 10 Werktagen respektieren.
- GDPR (EU/UK): Namentlich zuordenbare geschäftliche E-Mails können personenbezogene Daten sein. Die ICO says dass B2B-Marketing die Identität nicht verschleiern darf, eine gültige Opt-out-Möglichkeit bieten muss und Widersprüche respektieren muss.
- CCPA/CPRA (Kalifornien): Betont Information, Zweckbindung, Datenminimierung und Verbraucherrechte. Die California Privacy Protection Agency FAQ enthält die neuesten Details.
- Google- und Yahoo-Senderregeln: Google requires von Massenversendern, Spam-Raten unter 0,30 % zu halten, mit SPF/DKIM/DMARC zu authentifizieren und One-Click-Unsubscribe zu unterstützen. Yahoo enforces similar rules.
Kurz gesagt: Scrape nur öffentlich verfügbare Daten, umgehe Login-Schranken nicht ohne Erlaubnis, integriere immer eine Abmeldemöglichkeit, pflege Suppression-Listen und prüfe die lokalen gesetzlichen Anforderungen. Thunderbit scrapt öffentlich zugängliche Seiten — die Nutzer sind dafür verantwortlich, wie sie die Daten verwenden.
Fazit und wichtigste Erkenntnisse
Der Lead-Listen-Workflow 2026 dreht sich nicht darum, mehr Namen zu sammeln — sondern darum, einen kleineren, frischeren, verifizierten und quellenbewussten Outreach-Datensatz aufzubauen, der tatsächlich Antworten bringt.
Hier ist der komplette Workflow in Kürze:
- Definiere dein ICP, bevor du irgendein Tool nutzt.
- Wähle 2–3 Lead-Quellen — starte kostenlos mit Verzeichnissen, Unternehmensseiten und Google-Operatoren, bevor du für Datenbanken bezahlst.
- Extrahiere Leads per KI-Scraping — Thunderbits 2-Klick-Prozess funktioniert auf praktisch jeder öffentlichen Seite.
- Baue eine saubere Vorlage mit Quellen-Tracking, Intent-Signalen und Scoring-Spalten.
- Verifiziere und bereinige — Rollenadressen entfernen, deduplizieren, verifizieren, Catch-alls markieren.
- Scoren und priorisieren — nutze ein transparentes Tabellenmodell statt Bauchgefühl.
- In CRM/Outreach exportieren — personalisiere auf Basis deiner gesammelten Daten.
- Ergebnisse tracken — Bounces, Replies, Conversions nach Quelle.
- Kontinuierlich aktualisieren — vor Kampagnen erneut verifizieren, wertvolle Quellen regelmäßig neu scrapen.
Die Daten bestätigen das: engere Segmente schlagen breite Massenmails bei den Reply-Raten um fast das Dreifache. Eine verifizierte Liste mit 200 Leads schlägt fast immer eine veraltete Datenbank mit 5.000 Kontakten.
Bereit für deine erste Liste? Thunderbits Free-Tier bietet dir 6 Seiten AI-Scraping pro Monat, unbegrenztes kostenloses E-Mail- und Telefonnummern-Extrahieren sowie Export nach Google Sheets oder Excel. Das reicht, um heute Nachmittag deine ersten 50–100 Leads aufzubauen.
AI Web Scraper für Lead-Listen ausprobieren Get Started Free
FAQs
Wie viele Leads sollte meine erste Lead-Liste enthalten?
Starte mit 50–100 gut zielgerichteten, verifizierten Leads statt mit Tausenden unqualifizierten Kontakten. Hunter-Daten zeigen, dass Kampagnen mit kleineren, enger gefassten Empfängerliste (21–50) im Schnitt 6,2 % Reply-Rate erreichen — fast das Dreifache im Vergleich zu Kampagnen mit 501+ Empfängern. Qualität verstärkt sich, Volumen verwässert.
Soll ich eine Lead-Liste kaufen oder selbst aufbauen?
Selbst aufbauen ist fast immer die bessere Wahl. Gekaufte Listen bringen mehr Risiken mit sich: veraltete Daten, Spam-Traps, undurchsichtige Herkunft und Compliance-Risiken. Selbst erstellte Listen mit KI-Scraping und manueller Recherche liefern frischere und relevantere Daten, weil du aus live öffentlichen Seiten ziehst, auf denen die Kontakte aktuell sind. Wenn du doch kaufst, verlange Transparenz über Erhebungsdatum, Verifizierungsdatum, Einwilligungsbasis und Aktualisierungsprozess.
Was ist der beste kostenlose Weg, eine Lead-Liste zu erstellen?
Kombiniere Google-Operatoren (site:, intitle:, exakte Suchbegriffe) mit Thunderbits Free-Tier — 6 Seiten AI-Scraping pro Monat plus unbegrenztes kostenloses E-Mail- und Telefonnummern-Extrahieren — und einer einfachen LinkedIn-Suche. So deckst du Unternehmensseiten, Verzeichnisse, Event-Listen und Profile ab, ohne einen Cent auszugeben.
Wie oft sollte ich meine Lead-Liste aktualisieren?
Verifiziere E-Mails vor jeder Kampagne erneut, besonders wenn die Liste älter als 30 Tage ist. Führe mindestens quartalsweise ein vollständiges Refresh durch — Quellen neu scrapen, Firmographics aktualisieren, tote Leads entfernen. ZeroBounce reports, dass mindestens 23 % einer E-Mail-Liste innerhalb eines Jahres verfallen; „einmal aufsetzen und vergessen“ führt fast zwangsläufig zu steigenden Bounce-Rates.
Was ist eine gute Reply-Rate für Cold Outreach mit einer Lead-Liste?
Basierend auf Benchmarks von 2025–2026 gilt: 3–5 % positive Reply-Rate ist gut, 5–8 % ist stark, und 8 %+ ist herausragend. Der größte Faktor ist die Listenqualität — Targeting, Verifizierung und Personalisierung. Eine gut aufgebaute Liste mit verifizierten E-Mails, klaren Intent-Signalen und personalisierten Nachrichten schlägt eine größere Liste mit generischen Kontakten und Standardtexten zuverlässig.
Mehr erfahren
