Ein neuer Lead kommt rein und sofort stellt sich die Frage: Ist das ein echter B2B-Großkunde oder nur eine private Anfrage, die Zeit kostet?
Für unseren Kunden in diesem Beispiel, einem Büromöbelhersteller für hochwertige eingerichtete Großraumbüros, war dieses manuelle Filtern ein Engpass. Die Lösung? Eine intelligente Automatisierung, die unsere Lead-Qualität in Echtzeit bewertet.
Das Problem: Die Nadel im B2B-Heuhaufen finden
Der Möbelhersteller generiert Leads über eine Landingpage. Die Anfragen reichen von „Ich brauche einen neuen Schreibtisch für mein Home-Office“ bis zu „Wir planen die Neugestaltung unserer 500qm Bürofläche.“ Das Vertriebsteam verbrachte viel Zeit damit, die privaten Anfragen (Low-Value) von den echten B2B-Projekten (High-Value) zu trennen.
Unser Ziel: Nur Leads von Unternehmen mit großen Büros und echtem Projektvolumen sollen automatisch priorisiert und mit maximaler Personalisierung an den Vertrieb übergeben werden.
Die Lösung: AI Agent filtert die Leads und kommuniziert mit Mail und CRM
Wir nutzen n8n als zentralen Orchestrator, der die Daten entgegennimmt und die Aktionen in Deinen Tools (CRM, E-Mail-System) steuert. Eine AI Agent Node dient als Brücke zu einem LLM wie Gemini, der die Qualifizierung übernimmt.
1. Der n8n Workflow: Die Basis des Erfolgs
Der Workflow startet, sobald ein Lead über das Webformular auf der Landingpage ausgelöst wird.
| Schritt | n8n-Knoten/Aktion | Funktion im Möbel-Use-Case |
| 1. Start | Webhook-Knoten | Empfängt die Lead-Daten (Name, E-Mail, Unternehmen, Standort, Anfrage) |
| 2. Qualifizierung | AI Agent | Übergibt die Daten an ein LLM und fragt: „Ist das ein Großraumbüro-Lead?“ |
| 3. Filterung | IF-Knoten | Prüft das Ergebnis des KI-Agenten (z. B. Score „A“ oder „C“). |
| 4. Aktion A (B2B) | CRM-Knoten & E-Mail-Knoten | Hohe Priorität: Zuweisung zum B2B-Vertriebsteam (via Hubspot oder Google Tabellen) + hoch-personalisierte E-Mail. |
| 4. Aktion B (Privat) | CRM-Knoten | Niedrige Priorität: Zuweisung zu einem automatisierten Nurturing-Prozess. (hier: Hubspot) |
2. Der AI-Agent filtert automatisch und
Der Schlüssel liegt im AI Agent Tool-Knoten. Er übergibt die Rohdaten an Deinen AI-Agenten und sagt ihm: „Hier ist ein neuer Lead. Bitte qualifiziere ihn als potenziellen Großkunden und schlage ein passendes Einstiegsthema vor.“
So arbeitet der KI-Agent:
- Input: Er erhält die Daten des Leads.
- Web-Recherche: Der Agent nutzt ein integriertes Tool (z.B. Google Search API, um das Unternehmen zu suchen.
- Sucht nach: Mitarbeiteranzahl, Standortgröße, Branche.
- Checkt: „Hat das Unternehmen mehrere Standorte?“, „Gibt es Pressemeldungen über Expansion?“
- Bewertung: Er vergleicht die gefundenen Daten mit Deinem Ideal Customer Profile (ICP).
- Ist es ein Konzern oder ein Mittelständler mit >100 MA? $\implies$ High-Value.
- Personalisierung: Er leitet aus den Web-Ergebnissen ein relevantes Einstiegsthema ab (z. B. „Agile Arbeitsplätze“ oder „Lärmreduzierung im Call-Center“).
- Output: Er sendet ein strukturiertes JSON-Objekt an n8n zurück.
Hier ist die Prompt, mit der unser Agent arbeitet
Du bist ein hochspezialisierter Lead-Qualifizierungs-Agent für einen Hersteller von hochwertigen Büromöbeln (B2B). Deine Hauptaufgabe ist es, eingehende Leads sofort zu bewerten, um nur Großkunden-Projekte herauszufiltern.
**TOOLS:** Dir steht eine SERP API (Google Search Tool) zur Verfügung, die du **zwingend** zur Recherche des Unternehmensnamens und der Branche nutzen musst, um Deine Bewertung zu validieren.
**AUFGABE & LOGIK:** Bewerte jeden Lead anhand des Unternehmensnamens, dem Text aus der Anfrage und der recherchierten Daten (Mitarbeiterzahl, Firmengröße, Tätigkeit). Sortiere Leads ausschließlich in die folgenden Kategorien:
1. **SCORE A (High Priority):**
* **Kriterien:** Großes, etabliertes Unternehmen (Ideal: >100 Mitarbeiter oder mehrere Standorte). Die Anfrage deutet auf ein Projektvolumen (Neubau, Umzug, Großraumbüro, ganze Etagen). Das Unternehmen passt zur Zielgruppe (z.B. Tech-Firmen, Finanzdienstleister, große Kanzleien).
* **Aktion:** Zuweisung zum B2B-Vertriebsteam.
* **Zusatzaufgabe:** Erstelle einen thematischen Vorschlag für eine personalisierte Erstansprache (z.B. "Ergonomie im Hybrid-Büro").
2. **SCORE B (Medium Priority):**
* **Kriterien:** Kleineres Unternehmen (z.B. 10–50 Mitarbeiter) oder ein Unternehmen, das nicht direkt zur Kernzielgruppe gehört. Die Anfrage ist vage oder klein.
* **Aktion:** Zuweisung zum Lead-Nurturing-Team.
3. **SCORE C (Low Priority/Ausschluss):**
* **Kriterien:** Eindeutige Privatanfrage, sehr kleines Unternehmen (<10 Mitarbeiter) oder ein unpassender B2C-Hintergrund (Privatperson).
* **Aktion:** Ausschluss aus der B2B-Sales-Pipeline.
**AUSGABEFORMAT (Zwingend):** Liefere Deine Antwort **ausschließlich** als gültiges JSON-Objekt. **Erzeuge keinen zusätzlichen Text außerhalb des JSON-Blocks.**
**ERFORDERLICHE JSON-FELDER:**
| Feldname | Beschreibung |
| :--- | :--- |
| `qualification_score` | A, B oder C |
| `assigned_rep_or_team` | Name des zugewiesenen Vertriebsmitarbeiters (für A), oder "Nurturing-Team" (für B), oder "Ausschluss" (für C) |
| `personalization_topic` | Spezifischer Vorschlag für die Erstansprache (NUR bei Score A relevant, sonst leer) |
| `reasoning` | Kurze Begründung, basierend auf der SERP-Recherche (z.B. "Recherche ergab 250 MA an 3 Standorten. High-Value.") |
**BEISPIEL (für Score A):**
```json
{
"qualification_score": "A",
"assigned_rep_or_team": "Vertriebs-Spezialist:in A",
"personalization_topic": "Strategien zur Lärmreduzierung in Großraumbüros",
"reasoning": "SERP-Recherche ergab ein großes Technologieunternehmen mit über 300 Mitarbeitern und Fokus auf Expansion. Projektvolumen sehr wahrscheinlich hoch."
}
3. Die Folgeaktionen in n8n
Mit diesen strukturierten Daten im Gepäck kann n8n nun intelligente, automatische Aktionen ausführen:
A. Für den B2B-Großkunden (Score „A“):
- Zuweisung: n8n weist den Lead im CRM sofort dem
assigned_repzu. - Personalisierte E-Mail: Es wird eine Willkommens-E-Mail versendet, die das Thema
personalization_topicdirekt aufgreift.- Betreff: „Erste Schritte zur Optimierung Ihrer Lärmreduzierung in Großraumbüros.“
- Inhalt: Der Vertriebsmitarbeiter:in wird namentlich genannt und auf das Thema verwiesen, das die KI gefunden hat.
B. Für die private Anfrage (Score „C“):
- Der
IF-Knotenschickt den Lead in einen separaten Flow. - Automatisierung: Hier startet nur ein neutraler Nurturing-Flow für private Kunden, ohne direkte Sales-Zuweisung.
Die Verschmelzung von Intelligenz und Automatisierung
Unser AI Agent ist mehr als nur ein Filter. Er ermöglicht Dir als Digital Marketing Manager:in, die Komplexität der KI-Entscheidung (Web-Recherche, Verifizierung, thematische Ableitung) aus dem starren Workflow herauszulösen und sie von einem spezialisierten Agenten durchführen zu lassen.
Die Vorteile:
- Echtzeit-Qualifizierung: Der Vertrieb erhält nur die echten Großkunden-Leads.
- Maximale Relevanz: Die Erstansprache ist dank
personalization_topicsofort relevant. - Skalierbarkeit: Du skalierst Deine Lead-Filterung, ohne dass Dein Team mehr Zeit mit manueller Recherche verbringen muss
Pro Tipps
- Wir haben intern diskutiert ob hier unbedingt einen MCP Server wie zunächst gedacht dabei sein muss und uns wegen der Einfachheit des Flows dagegen entschieden. Faustregel: Einfache Systeme schlagen komplexe. Setze also immer einen möglichst einfachen Flow auf. Viele Automatisierungen kommen dieser Logik auch völlig ohne LLM/AI aus und können mithilfe einfacher Logiken sortieren.
- Wenn die Stelle kritisch ist und das dürfte sie wegen hochwertiger Leads ja sein, dann baut hier unbedingt Evaluations ein und überwacht den Flow ständig. Eine einzige fehlerhafte Ausführung reicht ja schon, dass ein wichtiger Lead möglicherweise verpasst wird. LLMs erzeugen immer wieder Fehler.
