KI Lead-Scoring
für MedTech: kein Chefeinkäufer mehr verpassen.
Ihr Sales-Team verbringt Wochen mit dem falschen Lead,
während der Chefeinkäufer der Klinikgruppe nebenan
bei Ihrem Mitbewerber unterschreibt.
Predictive Lead Scoring mit KI erkennt Kaufsignale in der Recherchephase: dort, wo B2B-Käufer 27 % ihrer Entscheidungszeit verbringen und nur 17 % mit Anbietern3.
KI Lead-Scoring für MedTech ist ein Predictive-Analytics-Verfahren in HubSpot, das Verhaltens- und Firmendaten eines Kontakts zu einer Kaufwahrscheinlichkeit von 0 bis 100 verrechnet. Das Modell wird auf der eigenen Abschluss-Historie trainiert, verarbeitet keine Gesundheitsdaten nach Art. 9 DSGVO und zeigt dem Außendienst von Medizintechnik-Herstellern und Pharmaunternehmen kaufbereite Entscheider in Krankenhaus, MVZ und Praxis, bevor diese den Kontakt suchen.
Harvard Business Review, 03/2011 · 2.241 UnternehmenPrimärquelle
7×
wahrscheinlicher wird ein Web-Lead qualifiziert, wenn der Kontakt innerhalb einer Stunde erfolgt statt später.2
37 %der Unternehmen antworten binnen 1 h
23 %antworten nie
60×gegenüber einer Antwort nach 24 h
Was Scoring daran ändert: Der Außendienst-Alert kommt in der Stunde, in der der Entscheider noch im Thema ist, nicht beim nächsten CRM-Durchlauf. Quelle 2
60%
der Vertriebszeit gehen in andere Aufgaben als Verkaufen1
27%
der Entscheidungszeit verbringen B2B-Käufer mit eigener Recherche, 17 % mit Anbietern3
89%
der B2B-Käufer nutzen generative KI als Informationsquelle im Kaufprozess5
Das klassische MedTech-Problem
Lead-Priorisierung ohne Scoring: die falschen Leads zuerst, die richtigen zu spät.
Das Szenario aus unserem Blogartikel kennen viele MedTech-Teams aus eigener Erfahrung: Wochenlang wird ein vermeintlich interessanter Lead verfolgt, der sich als nicht entscheidungsbefugt herausstellt. Zur gleichen Zeit übersieht das Vertriebsteam den Chefeinkäufer einer Klinikgruppe, weil er nur eine Standard-Mail bekam. Er entscheidet sich für den Mitbewerber.
CRM-Daten verstauben ungenutzt
Produktdemos in Kliniken, regulatorische Anfragen, Außendienst-Interaktionen: All diese wertvollen Daten liegen in isolierten CRM-Systemen, Excel-Tabellen und Outlook-Postfächern. Ungenutzt. Ohne strategischen Wert.
Rund 2 h pro Woche gehen je Vertriebsmitarbeiter in manuelle Dateneingabe1
Falsches Timing, verlorene Deals
Zu früh kontaktiert: Das nervt und schadet der Beziehung. Zu spät kontaktiert: der Mitbewerber hat bereits unterschrieben. Der optimale Kontaktzeitpunkt ist ohne Scoring kaum zu bestimmen, besonders im langen MedTech-Kaufzyklus mit mehreren Entscheidern.
23 % der Unternehmen antworten auf einen Web-Lead nie, nur 37 % binnen einer Stunde2
Keine Unterscheidung zwischen Entscheidern und Nichtkäufern
Assistenz antwortet auf die E-Mail, aber der Chefarzt entscheidet. Ohne Scoring werden beide gleich behandelt. Das verschwendet Budget und Außendienst-Kapazität für Kontakte, die nie abschließen werden.
Scoring verrechnet Entscheiderbefugnis und Kaufsignal zu einer Priorität
So läuft es ohne ScoringBeispielszenario, fiktiv
01
Ausgangslage
Wochenlang den falschen Lead verfolgt
Sales-Team verfolgt einen scheinbar interessierten Kontakt. Anrufe, Demo-Termine, ein Angebot, bis sich herausstellt: Er ist nicht entscheidungsbefugt.
Wochen verloren
02
Gleichzeitig
Chefeinkäufer der Klinikgruppe übersehen
Er besucht mehrfach die Produktseite, lädt das Zertifizierungsdokument herunter und bekommt nur eine generische Standard-Mail. Kein Alert, kein Außendienst-Kontakt.
Keine Priorisierung
03
Ergebnis
Deal verloren an Mitbewerber
Der Chefeinkäufer entscheidet sich für den Anbieter, der ihn zum richtigen Zeitpunkt mit dem richtigen Inhalt angesprochen hat. Ihr Team erfährt es erst bei der Konkurrenz-Recherche.
Deal verloren
Mit Lead-Scoring wäre der Chefeinkäufer automatisch in das oberste Segment gestuft worden und hätte noch am selben Tag einen Außendienst-Alert ausgelöst. Kein manuelles Monitoring, kein Zufall beim Timing.
So funktioniert KI Lead-Scoring
KI Lead-Scoring erklärt: zwei Datendimensionen, ein Score je Kontakt.
KI-Lead-Scoring analysiert kontinuierlich zwei Datendimensionen: was der Prospect tut (Verhaltensdaten) und wer er ist (Firmendaten). Die Kombination beider Dimensionen, gewichtet nach Ihrer branchenspezifischen Kaufhistorie, ergibt den Score.
01Setup
Datenquellen verbinden
HubSpot CRM + Website + E-Mail + ERP als Datenbasis
02Training
Scoring-Modell auf Ihre Daten trainieren
KI lernt aus historischen Abschlüssen: was war typisch für Ihre Käufer?
0324/7 Auto
Kontinuierliche Score-Berechnung
Echtzeit: jede Interaktion aktualisiert den Score sofort
04Echtzeit
Alert bei Schwellen-Überschreitung
Beispielschwelle Score ≥ 80: sofortiger CRM-Task für den Außendienst
05Smart Handoff
Übergabe: Vertrieb mit vollem Kontext
Außendienst sieht alle Signale, kein Kaltstart
Ergebnis für Ihren AußendienstKaufbereite Entscheider zuerst kontaktieren
Reaktion innerhalb einer Stunde: nahezu 7× höhere Qualifizierungswahrscheinlichkeit2
Die zwei Score-Dimensionen
Verhaltensdaten (dynamisch)
Produktseiten-Besuche (Häufigkeit)
Whitepaper / Zertifikat Downloads
E-Mail Öffnungen & Klicks
Demo-Anfrage / Formular-Ausfüllung
Webinar-Teilnahme
Verweildauer auf Preisseiten
LinkedIn-Profil-Besuche des Außendiensts
Rückkehr nach langer Inaktivität
Einstieg über KI-Suche (Referrer ChatGPT, Perplexity, AI Overviews)
Firmendaten (statisch + dynamisch)
Klinikgröße / Bettenzahl
Fachrichtung & Spezialisierung
Entscheiderbefugnis (Jobtitel-Analyse)
Beschaffungsbudget (Signalquellen)
Aktuelle Verträge / Ablaufdatum
Kaufzyklus-Phase (Erstanfrage vs. Entscheidung)
Region / Zuständiger Außendienst
Wettbewerber-Signale
Healthcare-spezifische Gewichtung Im Gegensatz zu generischen CRM-Scoring-Modellen berücksichtigt unser MedTech-Modell den langen Kaufzyklus, Zertifizierungs-Anfragen als starkes Kaufsignal und die komplexe Entscheider-Hierarchie in Kliniken.
Score-Gewichtung Beispiel, Implantat-Hersteller
Produktseite Besuche30%
Entscheiderbefugnis25%
Zertifikat-Download20%
Firmenprofil-Fit15%
E-Mail-Engagement10%
Regelbasiertes, hybrides und prädiktives Lead-Scoring in HubSpot im Vergleich
Kriterium
Regelbasiert
Hybrid
Prädiktiv (KI)
Datenbasis
Kriterien, die der Vertrieb selbst benennt
Regeln plus verfügbare Verhaltensdaten
Eigene Abschluss-Historie mit Gewinn- und Verlustgründen
HubSpot-Lizenz
Marketing oder Sales Hub Professional
Professional
Enterprise (HubSpot-Modell) oder Professional mit eigenem Modell per API
Zeit bis zum ersten Nutzen
Nach der Konfiguration, kein Training
Mit den ersten Verhaltensdaten
Nach Training und Pilot, in unseren Projekten 8 bis 12 Wochen
Pflege
Kriterien quartalsweise prüfen
Regeln schrittweise durch Daten ersetzen
Nachkalibrierung mit jedem Abschluss, quartalsweises Review
Geeignet ab
Jedem Volumen, Faustregel unter 50 Leads pro Monat
Wachsender Datenbasis
Faustregel ab 50 Leads pro Monat und 100 Deals in der Historie
Faustregeln sind Erfahrungswerte aus unseren Projekten; welches Modell passt, klären wir im Daten-Audit.
4 Score-Segmente, klare Vertriebsaktionen
4 Score-Segmente: Priorität und Aktion für jeden Lead.
KI Lead-Scoring teilt Ihre Leads aus Krankenhaus, MVZ, Praxis und Fachhandel automatisch in vier Prioritätsstufen ein. Jede Stufe hat eine definierte Vertriebsaktion, Ihr Außendienst weiß immer, was als Nächstes zu tun ist. Spannen und Schwellen sind eine Beispielkonfiguration und werden je Kunde auf der eigenen Abschluss-Historie kalibriert. Beispielkonfiguration
Sofort persönlich kontaktieren. Außendienst-Task in HubSpot ausgelöst. Priorisierung Rang 1.
60 – 79Scoring-Punkte
Warm: aktiv nutzen
Deutliches Interesse vorhanden: regelmäßige Website-Besuche, Reaktion auf Nurturing-E-Mails, erste konkrete Produkt-Recherche. Kaufbereitschaft wächst.
Proaktiver Außendienst-Kontakt innerhalb von 48 h (Beispielfrist). Personalisierter Content-Versand. Termin für Demo anbieten.
40 – 59Scoring-Punkte
Nurture: begleiten
Interesse vorhanden, aber Kaufentscheidung noch weit. Verfolgt Themen, lädt gelegentlich Inhalte herunter. Benötigt systematische Begleitung über Wochen.
Automatisierte Nurturing-Sequenz aktiv. Kein manueller Außendienst-Aufwand. Monitoring bei Score-Anstieg.
0 – 39Scoring-Punkte
Cold: beobachten
Kein aktives Kaufinteresse. Eventuell falsche Zielgruppe, kein Budget oder falscher Zeitpunkt. Außendienst-Kontakt nicht sinnvoll, das spart Ressourcen.
Keine aktive Vertriebsaktivität. Passives Marketing-Tracking. Automatisches Upgrade bei Verhaltenssignal.
Studienlage
Studienlage zur Lead-Reaktionszeit: Tempo entscheidet, nicht die Leadmenge.
KI-gestützte Predictive Analytics macht Ihr Wachstumspotenzial zugänglich: Sie identifizieren automatisch die Leads, die mit hoher Wahrscheinlichkeit konvertieren, und steuern Vertriebsaktivitäten gezielt und personalisiert. Erste Auswertungen des Scorings liegen in unseren Projekten 4 bis 6 Wochen nach dem Pilot-Start vor.
Vertriebsmitarbeiter verbringen 40 % ihrer Zeit mit Verkaufen, 60 % mit anderen Aufgaben, rund 2 h pro Woche mit Dateneingabe1
7×
Schneller qualifiziert
Kontakt innerhalb einer Stunde statt später: nahezu 7× höhere Qualifizierungswahrscheinlichkeit, 60× gegenüber 24 h2
17%
Zeit mit Anbietern
B2B-Käufer verbringen 17 % der Kaufentscheidung mit Anbietern und 27 % mit eigener Online-Recherche. Kaufsignale entstehen vor dem Kontakt3
23%
Reagieren nie
Nur 37 % der Unternehmen reagieren binnen einer Stunde auf einen Web-Lead, 23 % antworten nie. Scoring und Routing schließen diese Lücke2
Unser Leistungsumfang
KI Lead-Scoring für MedTech: von der Datenbasis zur laufenden Priorisierung
Wir implementieren Ihr Lead-Scoring vollständig, von der Datenanalyse über das Modell-Training bis zur HubSpot-Integration und Team-Schulung, für Medizintechnik-Hersteller, Pharmaunternehmen und den medizinischen Fachhandel. In unseren Projekten dauert es 8 bis 12 Wochen bis zum ersten produktiven Pilot.
01
Daten-Audit & Scoring-Konzept
Analyse Ihrer vorhandenen CRM-Daten, Abschluss-Historie und Zielgruppen-Definition. Entwicklung des Healthcare-spezifischen Scoring-Modells: welche Datenpunkte zählen wie viel?
CRM-Datenqualitäts-Analyse
Buyer-Persona & ICP-Validierung
Scoring-Modell-Design (Gewichtungsmatrix)
DSGVO-Risikocheck aller Datenpunkte
02
Scoring-Modell Training & Setup
KI-Modell auf Ihre historischen Vertriebs- und Marketing-Daten trainieren. Was war typisch für Ihre erfolgreichsten Abschlüsse? Das Modell lernt Ihre spezifischen Kaufsignale.
Historische Abschluss-Daten-Training
Gewichtungs-Kalibrierung je Produktlinie
Verhaltensdaten-Mapping auf Signalstärke
Initiale Score-Validierung & Backtest
03
HubSpot Lead-Scoring-Integration
Vollständige Konfiguration in HubSpot: Predictive Scoring aktivieren, Alert-Workflows für jede Score-Schwelle, CRM-Dashboards, automatischer MQL-Handoff an Außendienst.
HubSpot Predictive Scoring Setup
Alert-Workflows je Score-Segment
Außendienst-Task-Automatisierung
MQL-Definition & Pipeline-Konfiguration
04
Datenpipeline & Tracking-Setup
Alle Datenquellen für den Score sauber verbinden: Website-Tracking, E-Mail-Engagement, CRM-Aktivitäten, Formulardaten, als saubere, DSGVO-konforme Scoring-Datenbasis.
Website Behaviour Tracking Setup
HubSpot E-Mail-Engagement-Tracking
Formulare & Conversion-Tracking
ERP/KIS-Datenpunkte via API (optional)
05
Scoring-Dashboard & Reporting
HubSpot-Dashboards für Außendienst und Management: tägliche Hot-Lead-Liste, Score-Entwicklung je Segment, Win-Rate-Tracking nach Score-Klassen, monatliches ROI-Reporting.
Daily Hot-Lead-Dashboard Außendienst
Score-Verlauf & Segment-Analyse
Win-Rate nach Score-Klasse (A/B-Tracking)
Monatliches KPI-Review-Meeting
06
Team-Enablement & Optimierung
Außendienst und Marketing lernen, mit dem Score zu arbeiten. Laufende Modell-Optimierung: KI lernt aus neuen Abschlüssen und verbessert seine Präzision kontinuierlich.
Außendienst-Training: Score lesen & nutzen
Marketing-Schulung: Trigger-Events pflegen
Quartalsweise Modell-Nachkalibrierung
Feedback-Loop: Verloren/Gewonnen in KI
“
Ein Scoring-Modell ist nur so ehrlich wie die Abschluss-Historie, mit der es trainiert wird. Einem MedTech-Hersteller mit wenigen Dutzend Abschlüssen im Jahr rate ich vom Predictive-Modell ab und baue ein regelbasiertes Scoring aus fünf Kriterien, die der Vertrieb selbst benennt. Das ist weniger beeindruckend im Vorstandsvortrag, und es funktioniert ab dem ersten Monat.
André von MerzljakGründer und Geschäftsführer MERZLJAK, HubSpot Gold Solutions Partner, Referent zu KI im MedTech-Vertrieb
Verwandte Leistungen: HubSpot & KI
Weitere Themen aus diesem Bereich, alle mit eigenem kostenlosen 30-Minuten-Angebot.
KI Lead-Scoring bewertet jeden Kontakt im CRM mit einer Kaufwahrscheinlichkeit, berechnet aus Verhaltens- und Firmendaten. Das Modell berücksichtigt MedTech-spezifische Signale: Produktdemo-Anfragen, Whitepaper-Downloads zu regulatorischen Themen, Website-Verhalten auf Produktseiten, Klinikgröße und Entscheiderbefugnis. Ihr Außendienst konzentriert sich auf die Leads mit dem höchsten Score, zum richtigen Zeitpunkt und ohne manuelles Monitoring.
Zwei Dimensionen: Verhaltensdaten und Firmendaten. Verhaltensdaten sind Website-Aktivität, E-Mail-Interaktion, Content-Downloads, Demo-Anfragen, Webinar-Teilnahme und der Einstieg über KI-Suche; Firmendaten sind Klinikgröße, Fachrichtung, Budget-Signale, Entscheiderbefugnis und Kaufzyklus-Phase. Beide werden nach Ihrer eigenen Abschluss-Historie gewichtet, nicht wie ein generisches CRM-Scoring-Modell.
Eine wachsende: 89 % der B2B-Käufer nutzen generative KI als Informationsquelle im Kaufprozess (Forrester 2024)5. Ein Teil der Recherche findet in ChatGPT, Perplexity oder Google AI Overviews statt, bevor der Kontakt Ihre Website besucht. Für das Scoring ist der Einstieg über eine KI-Suche deshalb ein spätes, starkes Signal und wird als eigener Datenpunkt gewichtet. Damit Ihre Inhalte dort als Quelle erscheinen, baut MERZLJAK Seiten strukturiert, belegt und maschinenlesbar; eine Garantie für die Nennung gibt es nicht, die Voraussetzungen lassen sich schaffen.
Ja, mit Compliance-by-Design. KI Lead-Scoring für Healthcare verarbeitet ausschließlich Kommunikations- und Verhaltensdaten, keine medizinischen Gesundheitsdaten nach Art. 9 DSGVO. Alle Scoring-Signale basieren auf eingewilligten Kontaktaktivitäten. HubSpot-Scoring läuft auf EU-Servern, der AV-Vertrag nach Art. 28 DSGVO ist verfügbar.
In unseren Projekten 8 bis 12 Wochen bis zum ersten produktiven Pilot. Die Phasen: Daten-Audit und Scoring-Modell-Design, technische Konfiguration in HubSpot, Testing und Kalibrierung, Pilotbetrieb. Erste Auswertungen des Scorings liegen in unseren Projekten 4 bis 6 Wochen nach dem Pilot-Start vor; das Modell verbessert sich mit jedem neuen Abschluss-Datenpunkt.
Zwei Teile: die HubSpot-Lizenz (direkt bei HubSpot) und das Projekt bei MERZLJAK; den konkreten Rahmen erhalten Sie im kostenlosen Erstgespräch. Der Projektaufwand hängt von drei Faktoren ab: Datenbasis im CRM, Anzahl der zu bewertenden Segmente und Grad der HubSpot-Integration. Ein typisches Projekt für einen Medizintechnik-Hersteller umfasst Daten-Audit, Modell-Training, HubSpot-Integration und Team-Enablement über 8 bis 12 Wochen, ohne Verpflichtung nach dem Erstgespräch.
HubSpot Marketing Hub oder Sales Hub ab Professional-Lizenz. Erst dort stehen Custom-Properties, Workflows und das Lead-Scoring mit Fit- und Engagement-Score zur Verfügung. HubSpots eigenes prädiktives Modell (Likelihood to close) ist eine Enterprise-Funktion; alternativ trainieren wir ein eigenes Modell und schreiben den Score per API in eine Kontakt-Property. Inhaltlich braucht das Modell eine Historie von Kontakt- und Deal-Daten mit dokumentierten Gewinn- und Verlust-Gründen; fehlende Datenqualität ist kein Ausschluss, der Daten-Audit zeigt die Lücken vor dem Training.
Als Faustregel aus unseren Projekten: ab etwa 50 neuen Leads pro Monat und 100 abgeschlossenen Deals in der Historie. Darunter setzen wir ein regelbasiertes oder hybrides Modell ein: Kriterien aus Ihrer Vertriebserfahrung, kombiniert mit den verfügbaren Verhaltensdaten. Das Modell wächst mit Ihrer Datenbasis und wird schrittweise auf prädiktives Scoring umgestellt.
Nein, es priorisiert ihn. Das Scoring übernimmt die zeitaufwändige Vorsortierung: Welche der Kontakte aus einem Verbands-Newsletter zeigen echte Kaufsignale? Die finale Qualifizierung, das Gespräch mit dem Chefeinkäufer und die Einschätzung der Klinik-Situation bleiben beim Außendienst. Der gewinnt die Zeit zurück, die vorher in die Bearbeitung nicht kaufbereiter Kontakte floss.
Der Standard vergibt feste Punkte, das KI-Modell lernt die Gewichtung aus Ihren Abschlüssen. HubSpots Standard-Scoring bewertet, was Sie vorab als wichtig definiert haben, etwa 10 Punkte für einen Download und 5 für einen Seitenbesuch. Predictive Scoring erkennt aus den tatsächlichen Abschlüssen, welche Kombination von Signalen bei Entscheidern in Medizintechnik und Pharma zum Kauf führt, auch Muster, die kein Vertriebsleiter manuell formulieren würde, und passt sich laufend an Verschiebungen im Kaufverhalten an.
Bereit für KI Lead-Scoring, das Ihren nächsten Chefeinkäufer nicht verpasst?
In 30 Minuten analysieren wir kostenlos Ihre aktuelle Lead-Situation und zeigen konkret, wie Lead-Scoring in HubSpot für Ihren MedTech-Vertrieb konfiguriert wird: DSGVO-konform, auf Ihre Abschluss-Daten trainiert, in unseren Projekten in 8 bis 12 Wochen bis zum produktiven Pilot. Sie erhalten ein Kurzprotokoll innerhalb von zwei Werktagen.
Keine Verpflichtung · 25+ Jahre Healthcare-Expertise · DSGVO-konform · DACH
Alle Zahlen auf dieser Seite sind belegt: 5 Quellen, Beispielwerte gekennzeichnet. Geprüft am 03.10.2026 von André von Merzljak.Quellen ansehen ↓Quellen schließen ↑
Quellen und Einordnung. Prozentwerte auf dieser Seite stammen aus den nachfolgend verlinkten Studien (Fußnoten). Studien aus dem allgemeinen B2B-Bereich sind Branchen-Benchmarks, keine Messwerte einer MERZLJAK-Implementierung; Score-Spannen, Gewichtungen und das Szenario sind als Beispiel gekennzeichnet und zeigen keine Messwerte. Zeitangaben zu Projekten sind Erfahrungswerte aus unseren Projekten. Reale Ergebnisse hängen von Datenqualität, Volumen und Marktsegment ab. Fachlich verantwortet von André von Merzljak, Gründer MERZLJAK; Quellen zuletzt geprüft am 03.10.2026.
Salesforce, State of Sales, 7. Edition (Februar 2026, n = 4.050 Vertriebsprofis): Vertriebsmitarbeiter verbringen 40 % ihrer Zeit mit Verkaufen, 60 % mit anderen Aufgaben; rund zwei Stunden pro Woche entfallen auf manuelle Dateneingabe. Quelle
Oldroyd/McElheran/Elkington, „The Short Life of Online Sales Leads“, Harvard Business Review 03/2011: Kontakt innerhalb 1 h → nahezu 7× wahrscheinlicher qualifiziert, 60× gegenüber 24 h; 37 % der 2.241 auditierten Unternehmen reagieren binnen 1 h, 23 % nie. Quelle
Gartner, The B2B Buying Journey (Adamson, 2019; von Gartner weitergeführt): B2B-Käufer verbringen 17 % der Kaufentscheidungszeit mit Anbietern und 27 % mit eigener Online-Recherche. Quelle
HubSpot, Annual ROI Report 2025 (Herstellerangabe; Plattformdaten von 91.351 Marketing-Hub- und 81.528 Sales-Hub-Kunden nach mindestens 12 Monaten, Kundenumfrage n = 1.546, August 2025): Sales-Hub-Kunden schließen nach 6 Monaten 94 % mehr Deals; 89 % der befragten Kunden berichten Produktivitätssteigerungen. Auf dieser Seite nur zur Einordnung, keine Kachel. Quelle (PDF)
Forrester, „B2B Buyer Adoption Of Generative AI", Data Overview Report, 20.11.2024 (Buyers’ Journey Survey 2024): 89 % der B2B-Käufer haben generative KI übernommen und nennen sie eine der wichtigsten Quellen für selbstgesteuerte Information in jeder Phase des Kaufprozesses. Quelle
