Intent Data: Wie du erkennst wer kaufen will bevor er dich kontaktiert

Intent Data zeigt dir, welche Unternehmen gerade aktiv recherchieren — bevor sie sich melden. Wie First- und Third-Party Intent im DACH-Mittelstand wirklich f

Insights

May 12, 2026

Das Wichtigste in Kürze

Intent Data sind digitale Verhaltenssignale, die zeigen, welche Unternehmen gerade aktiv zu einem Thema recherchieren — also kaufbereit werden.

Es gibt drei Kategorien: First-Party (dein eigenes Website-Tracking), Second-Party (Plattformen wie G2 oder LinkedIn) und Third-Party (externe Netzwerke wie Bombora mit 4.500+ Publishern).

Studien zeigen: ABM-Kampagnen mit Intent-Daten erzielen 30–50% höhere Win-Rates gegenüber nicht intent-gesteuertem Outreach (Demandbase, 2024; 6sense, 2024).

Die teuren Tools (6sense, Demandbase, Bombora) kosten 30.000–150.000 Euro pro Jahr und lohnen sich realistisch erst ab einem Marketing-Budget von 250.000 Euro aufwärts.

Für den DACH-Mittelstand ist First-Party Intent der sinnvolle Einstieg: Website-Verhalten, CRM-Interaktionen und E-Mail-Engagement — alles, was du heute schon hast.

Der echte Engpass ist nicht das Tool, sondern das Sales-Marketing-Alignment: Intent-Daten ohne definierten Handoff-Prozess sind wertlos. Wie ein funktionierendes Alignment zwischen beiden Teams aufgebaut wird, beschreibt unser Artikel zum Marketing-Vertrieb-Alignment.

KI-gestütztes Intent Modeling macht 2025/2026 einen Sprung — LLM-basierte Topic-Analyse erlaubt Intent-Erkennung aus deutlich mehr Quellen als bisher.

Warum dieser Artikel jetzt zählt

Stell dir vor, ein potenzieller Kunde recherchiert seit drei Wochen intensiv zu "ERP-Migration Mittelstand", liest Vergleichsartikel, schaut sich drei Anbieterseiten an und liest Kundenbewertungen auf G2 — und du weißt nichts davon.

Dann ruft er bei dir an. Du freust dich über den Lead. Aber die Entscheidung ist zu diesem Zeitpunkt schon fast gefallen.

Das ist keine Ausnahme, das ist der Regelfall.

Forrester und Gartner haben unabhängig voneinander bestätigt, was viele Vertriebler schon länger ahnen: 70–80% der B2B-Buying-Journey läuft heute ohne direkten Sales-Kontakt ab (Forrester, "B2B Buyer Journey", 2024; Gartner, "B2B Buying Behavior", 2024). Bis ein Interessent erstmals Kontakt aufnimmt, hat er oft bereits eine Shortlist von zwei oder drei Anbietern im Kopf. Wer nicht auf dieser Shortlist steht, hat verloren — egal wie gut das Verkaufsgespräch danach läuft.

Intent Data ist der Versuch, diese blinde Flecken zu schließen. Statt zu warten, bis jemand das Kontaktformular ausfüllt, erkennst du frühzeitig, welche Unternehmen gerade in einer aktiven Recherchephase sind. Du kannst früher in die Buying-Journey einsteigen, relevanter sein und Ressourcen gezielter einsetzen.

Das klingt attraktiv. Und es funktioniert — unter bestimmten Bedingungen, für bestimmte Unternehmensgrößen, mit bestimmten Erwartungen. Dieser Artikel gibt dir ein realistisches Bild: Was Intent Data leisten kann, was es kostet, welche Tools für welches Budget sinnvoll sind, und wie du als DACH-Mittelständler damit anfangen kannst, ohne sofort 100.000 Euro auszugeben.

Erkennst du dich wieder?

Genau das ist das Muster, das wir bei B2B-Mittelständlern lösen. In 30 Minuten zeigen wir dir wo der Hebel in deiner Situation liegt — kostenlos, ohne Pitch.

Kostenloses Erstgespräch buchen →

Was Intent Data eigentlich ist

Intent Data sind Verhaltenssignale, die darauf hindeuten, dass ein Unternehmen oder eine Person gerade aktiv zu einem bestimmten Thema recherchiert — und damit potenziell auf dem Weg zu einer Kaufentscheidung ist.

Der entscheidende Unterschied zu klassischen Zielgruppendaten: Intent Data ist dynamisch. Eine Firmographik sagt dir, wer ein Unternehmen ist (Größe, Branche, Standort). Intent Data sagt dir, was dieses Unternehmen gerade tut. Und "gerade tun" ist im Vertrieb oft das, was zählt.

Es gibt drei Kategorien:

First-Party Intent entsteht aus deinen eigenen Datenquellen. Wenn jemand deine Pricing-Seite dreimal in einer Woche besucht, mehrere Case Studies liest, ein Whitepaper herunterlädt und dabei aus einer IP-Adresse kommt, die einem bestimmten Unternehmen zugeordnet werden kann — das sind First-Party-Intent-Signale. Du hast diese Daten bereits, du musst sie nur auswerten.

Second-Party Intent kommt von Plattformen, auf denen deine Zielgruppe aktiv recherchiert. G2-Reviews lesen, Produkte vergleichen, Preisseiten besuchen — das sind kaufnahe Aktivitäten. G2 selbst bietet Intent-Daten an, die zeigen, welche Unternehmen sich gerade mit Lösungen in deiner Kategorie beschäftigen (G2 Buyer Behavior Report, 2024). LinkedIn ist ein weiteres Beispiel: Wer aktiv nach Dienstleistungen sucht, relevante Artikel speichert oder Mitarbeiter mit bestimmten Skills einstellt, sendet damit implizit Intent-Signale.

Third-Party Intent kommt aus externen Netzwerken. Das bekannteste Modell ist das von Bombora: ein Kooperationsnetzwerk aus 4.500+ B2B-Publishern, die anonymisierte Browser-Signale teilen. Wenn ein Unternehmen auf mehreren dieser Seiten überdurchschnittlich häufig zu einem bestimmten Thema liest — sagen wir "Supply Chain Automation" — erkennt Bomboras Algorithmus einen "Surge" und meldet dieses Unternehmen als potenziell kaufinteressiert. 6sense und Demandbase arbeiten nach ähnlichem Prinzip, mit unterschiedlichen Schwerpunkten.

Abgrenzung zu Lead Scoring: Lead Scoring bewertet Kontakte anhand demografischer Daten (Unternehmensgröße, Jobtitel) und Engagement-History (Email geöffnet, Formular ausgefüllt). Intent Data fragt dagegen: Recherchiert dieses Unternehmen gerade aktiv zu unserem Thema? Beides zusammen ergibt die vollständigere Sicht. Getrennt voneinander haben beide Schwächen: Lead Scoring ohne Intent-Signal priorisiert falsch. Intent-Signale ohne Firmographie-Check führen zu Outreach bei unpassenden Accounts. Wie Lead Scoring methodisch aufgebaut wird und welche Kriterien dabei zählen, erklärt unser Leitfaden zum Predictive Lead Scoring.

Die Kernlogik: Topic Surge

Das Konzept "Topic Surge" ist das Herzstück der meisten Third-Party-Intent-Anbieter — und es lohnt sich, einmal zu verstehen, wie es technisch funktioniert.

Bomboras Co-op-Netzwerk ist das bekannteste Beispiel. Über 4.500 B2B-Publisher teilen anonymisierte Nutzungsdaten: Welche Inhalte werden wie lange, wie intensiv und von welchen Unternehmens-IP-Adressen gelesen? Diese Signale werden zu Topics geclustert — beispielsweise "Cloud Migration", "HR Software", "Compliance Management".

Jeder Account (ein Unternehmen, identifiziert über IP-Adressen oder Cookies) bekommt für jedes Topic einen Basis-Benchmark: So viele Artikel zu diesem Thema liest ein durchschnittliches Unternehmen in 30 Tagen. Wenn ein bestimmtes Unternehmen diesen Benchmark signifikant überschreitet — typischerweise das 2- bis 4-fache der normalen Aktivität —, gilt das als "Surge".

Dieser Surge wird dann mit Firmographik-Daten angereichert: Zu welchem Unternehmen gehört diese IP? Wie groß ist das Unternehmen? In welcher Branche? Stimmt das mit deinem Ideal Customer Profile überein?

Das Ergebnis ist eine Liste von Accounts, die gerade wahrscheinlich kaufbereit sind — nicht weil jemand das behauptet, sondern weil ihr digitales Verhalten es nahelegt.

Die Schwäche: Das Modell funktioniert besser bei Unternehmen, die aktiv im öffentlichen Web recherchieren, als bei solchen, die intern entscheiden oder stark auf persönliche Netzwerke setzen. Im DACH-Raum, wo B2B-Entscheidungen oft über Empfehlungen und persönliche Beziehungen laufen, ist das ein relevanter Einwand.

KI-gestütztes Intent Modeling macht hier seit 2024/2025 einen Schritt weiter: LLM-basierte Topic-Analyse erlaubt es, aus deutlich mehr Quellen und in deutlich feinerer Granularität Intent-Signale zu erkennen, als klassische regelbasierte Algorithmen es konnten. 6sense und Demandbase haben ihre Modelle entsprechend weiterentwickelt.

First-Party Intent: Was du selbst aufbauen kannst

Der sinnvollste Einstieg in Intent Data für den DACH-Mittelstand kostet nichts extra — weil du die Daten bereits hast.

Website-Verhaltensmuster sind Intent-Signale. Nicht jeder Website-Besuch signalisiert Kaufabsicht, aber bestimmte Muster tun es:

Pricing-Seite besucht, abgesprungen, zwei Tage später zurückgekehrt
Drei oder mehr Case Studies gelesen in einer Session
Mehrere Personen aus derselben Unternehmens-IP besuchen unabhängig voneinander deine Seite
Vergleichsseiten ("X vs. Y") werden gelesen
Kontaktseite besucht, aber kein Formular abgeschickt

Diese Signale einzeln sind schwach. In Kombination — und auf Account-Ebene aggregiert — werden sie aussagekräftig.

Mit Tools wie GA4 (in Kombination mit IP-Enrichment-Diensten), Leadfeeder, Albacross oder HubSpot Prospecting Insights kannst du Website-Besuche auf Unternehmensebene identifizieren und priorisieren. Das ist kein Third-Party-Intent, aber es ist dein Intent — und damit datenschutzrechtlich deutlich unproblematischer.

CRM-Interaktionen sind oft unterschätzte Intent-Signale. Wenn ein Kontakt, der seit 18 Monaten nichts gemacht hat, plötzlich drei Marketing-E-Mails öffnet und auf einen Link klickt — das ist ein Signal. Wenn ein Opportunity-Datensatz seit langem in einem frühen Stage liegt und plötzlich wieder Website-Aktivität zeigt — das ist ein Signal.

Die meisten CRMs haben diese Daten. Die wenigsten Unternehmen nutzen sie systematisch für Priorisierungsentscheidungen.

E-Mail-Engagement-Patterns geben dir mehr als Open Rates. Wer öffnet, klickt, sich in der Sequenz weiter bewegt — das ist Engagement-Intent. Wer nach langem Stillstand wieder aktiv wird, ist ein Warm-Up-Signal. HubSpot, Salesforce, Brevo und andere Tools bieten diese Daten an. Die Frage ist, ob du ein Scoring-Modell gebaut hast, das sie systematisch auswertet.

Ein praktisches First-Party-Intent-Setup für den Mittelstand:

GA4 mit erweiterten Event-Tracking-Regeln (Pricing-Page, Case-Studies, Kontaktseite)
IP-Enrichment via Leadfeeder, Albacross oder HubSpot Prospecting
CRM-Score der Kombination aus Website-Besuchen + E-Mail-Engagement + Unternehmensgröße
Automatisierter Alert an Sales wenn Score-Threshold überschritten

Das ist kein Bombora, aber es ist umsetzbar, datenschutzkonform und kostet einen Bruchteil.

Third-Party Intent: Bombora, G2, 6sense, Demandbase im Vergleich

Für Unternehmen mit entsprechendem Budget gibt es ausgereifte Third-Party-Intent-Plattformen. Hier ein realistischer Überblick:

Bombora ist der Pionier des kooperativen Intent-Netzwerks. Das Co-op-Modell mit 4.500+ B2B-Publishern ist der breiteste externe Datensatz im Markt. Bombora liefert Topic-Surge-Daten, die sich gut in CRM und Marketing-Automation integrieren lassen. Preislich liegt Bombora typischerweise im Bereich von 40.000–120.000 Euro pro Jahr, je nach Volumen und Vertragslaufzeit.

6sense kombiniert Third-Party-Intent mit KI-gestützten Predictive Models und Account-Engagement-Daten. Die Plattform versucht, nicht nur zu sagen "dieser Account recherchiert" sondern "dieser Account ist in Stage X seiner Buying Journey". Das ist konzeptionell überzeugend — und entsprechend teuer. 6sense-Lizenzen starten realistisch im sechsstelligen Bereich und sind oft für Enterprise-Unternehmen gedacht.

Demandbase ist stark im ABM-Kontext und bietet neben Intent-Daten auch Account Targeting auf LinkedIn und Display. Das Demandbase ABM Benchmark Report 2024 zeigt 30–50% höhere Win-Rates für Intent-gesteuerte Kampagnen gegenüber Standard-Outreach. Preislich ähnlich wie 6sense.

G2 Buyer Intent ist interessant für SaaS-Anbieter und alle, deren Zielgruppe aktiv auf G2 vergleicht. Die Signale sind kaufnäher als Bombora-Signale, weil sie direkt aus Comparison- und Pricing-Page-Besuchen stammen. Für B2B-Services ohne Präsenz auf Review-Plattformen weniger relevant.

ZoomInfo hat durch Akquisitionen ein breites Datenangebot aufgebaut: Firmographik + Kontaktdaten + Intent-Signale. Für Unternehmen, die ohnehin ZoomInfo für Prospecting nutzen, ist der Intent-Layer eine naheliegende Erweiterung.

Die DACH-Realität: Die meisten dieser Tools wurden für den US-Markt entwickelt. Das Bombora-Netzwerk ist im deutschsprachigen Raum deutlich dünner als in den USA — weniger B2B-Publisher im Co-op-Netzwerk bedeutet weniger Datenpunkte pro Account. Die Intent-Qualität für DACH-Accounts ist damit spürbar schlechter als für US-Accounts.

Ehrliche Einschätzung für den Mittelstand: Wenn dein Marketing-Budget unter 250.000 Euro pro Jahr liegt, sind die großen Third-Party-Intent-Plattformen wirtschaftlich schwer zu rechtfertigen. Bei einem Tool-Preis von 50.000–100.000 Euro pro Jahr brauchst du einen klaren, messbaren ROI — und den aufzubauen dauert Monate. Starte stattdessen mit First-Party Intent und günstigeren Lösungen wie Leadfeeder (ab ca. 100 Euro/Monat) oder HubSpot Prospecting Insights.

Performance-Daten: Was bringt Intent Data wirklich?

Eine nüchterne Bestandsaufnahme der verfügbaren Daten:

Win-Rate-Lift durch ABM mit Intent: Demandbase berichtet in seinem ABM Benchmark Report 2024 von 30–50% höheren Win-Rates bei intent-gesteuertem ABM gegenüber Standard-Outreach. 6sense nennt in seinen Case Studies ähnliche Größenordnungen. Diese Zahlen kommen von den Anbietern selbst — sie sind mit Vorsicht zu genießen, da unabhängige Validierungen schwerer zu finden sind. Dennoch stimmt die Richtung: Eine konservative Schätzung von 20–35% Win-Rate-Lift bei gut implementiertem Intent-gesteuerten ABM erscheint durch mehrere Quellen gestützt (Forrester, 2024; ITSMA, 2023).

Sales Cycle: Intent-Signale ermöglichen es, früher in der Buying Journey Kontakt aufzunehmen — zu einem Zeitpunkt, an dem der potenzielle Kunde noch nicht auf einer festen Shortlist ist. Das verkürzt theoretisch die Phase zwischen Erstkontakt und Abschluss. Branchenberichte sprechen von 20–30% kürzeren Sales Cycles bei intent-gesteuertem Outreach (Salesforce, State of Sales, 2024). Auch hier: Das setzt voraus, dass Sales tatsächlich schnell handelt und das Intent-Signal richtig interpretiert.

Response Rate auf Outreach: Intent-basierter Outreach — d.h. du kontaktierst jemanden zu dem Thema, zu dem er gerade recherchiert — erzielt deutlich höhere Antwortquoten als nicht personalisierter Cold Outreach. Forrester (2024) beziffert den Unterschied auf 40–60% höhere Response-Rates. Das ist intuitiv plausibel: Wenn jemand gerade aktiv recherchiert und du zur richtigen Zeit mit dem richtigen Thema auftauchst, steigt die Relevanz deiner Nachricht.

ROI: Der Nachweis des Return on Investment ist schwierig, weil er von zu vielen Faktoren abhängt: Wie gut ist dein Sales-Prozess? Wie schnell reagiert dein Team auf Signale? Wie präzise sind deine Topics konfiguriert? Wer dieses System mit Disziplin aufbaut — klare Playbooks, schnelle Handoffs, regelmäßiges Feedback-Loop zwischen Marketing und Sales — berichtet von einem positiven ROI innerhalb von 6–12 Monaten.

Use Cases die im DACH-Mittelstand funktionieren

Account Prioritization ist der häufigste und direkteste Use Case. Statt 200 Accounts mit gleicher Priorität zu behandeln, nutzt du Intent-Signale, um die Top 20–30 Accounts zu identifizieren, die gerade in einer aktiven Recherchephase sind. Sales investiert Zeit dort, wo Kaufbereitschaft am höchsten ist. Dieser Use Case funktioniert auch mit First-Party Intent.

Triggered Campaigns: Ein Account wird erstmals als Intent-aktiv markiert — automatisch läuft eine Sequenz an: eine personalisierte E-Mail, ein LinkedIn-Engagement, ein Alert an den zuständigen Account Manager. Das Timing ist entscheidend: 24–72 Stunden nach Signal-Erkennung ist optimal. Wer zwei Wochen wartet, verschenkt den Vorteil.

Personalisierter Outreach: Wenn du weißt, zu welchem Thema ein potenzieller Kunde recherchiert, kannst du diese Relevanz in deinen ersten Kontakt einbauen. "Wir haben gesehen, dass ihr Thema XY auf eurem Radar ist" wirkt anders als ein generisches Anschreiben — vorausgesetzt, du formulierst es nicht creepy.

Trade-Show-Targeting: Vor Messen kannst du Intent-Signale nutzen, um zu identifizieren, welche Unternehmen gerade zu Themen recherchieren, die für dich relevant sind, und sie gezielt zu deinem Stand einzuladen. Das macht Messe-Investitionen effektiver.

Sales Plays für spezifische Intent-Topics: Wenn ein Account ein Surge-Signal für "ERP-Migration" zeigt, bekommt der zuständige Account Manager ein vorgefertigtes Playbook: Welche Fragen stellen? Welche Case Studies senden? Welchen Content empfehlen? Das gibt Sales nicht nur ein Signal, sondern auch eine Handlungsanleitung.

DSGVO und Third-Party Intent: Die unbequeme Wahrheit

Das ist das Thema, das in vielen Intent-Data-Artikeln zu kurz kommt. Gerade im DACH-Raum.

Was datenschutzrechtlich unproblematisch ist:

First-Party Intent auf deiner eigenen Website ist DSGVO-konform, wenn du einen korrekten Cookie-Banner mit GA4 Consent Mode implementiert hast und keine personenbezogenen Daten ohne Einwilligung verarbeitest. IP-basierte Unternehmensidentifikation (z.B. via Leadfeeder) bewegt sich in einer Grauzone: Firmen-IPs gelten nicht direkt als personenbezogene Daten, aber die Zuordnung zu einzelnen Personen ist problematisch.

LinkedIn Sales Navigator ist datenschutzkonform, weil LinkedIn die Einwilligung der Nutzer hat und keine Daten außerhalb der Plattform transferiert werden.

Was heikel ist:

Bombora und ähnliche Third-Party-Intent-Netzwerke sammeln Daten über Browser-Verhalten auf tausenden Publisher-Sites. Das Modell basiert auf anonymisierten Topic-Surges auf Account-Ebene — also auf Unternehmens-, nicht auf Personenebene. Bombora argumentiert, dass das DSGVO-konform ist, weil keine personenbezogenen Daten übertragen werden.

Das ist rechtlich vertretbar, aber nicht unumstritten. In Deutschland gibt es Datenschutzaufsichtsbehörden, die Third-Party-Tracking kritisch sehen. Wenn du Bombora nutzt, brauchst du eine rechtliche Einschätzung deines Datenschutzbeauftragten.

Was in DACH nicht geht:

Personenbezogene Intent-Daten — also Tracking einzelner Personen ohne Einwilligung durch externe Netzwerke — ist nicht DSGVO-konform. Das betrifft Ansätze, die über IP-Tracking hinausgehen und Cookies oder Device-Fingerprinting über Websites hinweg einsetzen.

Praktische Empfehlung für DACH-Mittelstand: Baue dein Intent-System primär auf First-Party-Daten auf. Ergänze mit LinkedIn-Signalen (konform). Wenn du Third-Party-Intent nutzt, wähle Anbieter mit explizitem DSGVO-Compliance-Nachweis (Cognism hat hier eine stärkere Position als die meisten US-Anbieter) und kläre es vorab rechtlich.

First-Party Intent statt teurer Third-Party-Lizenz

Hier ist, was du heute schon hast — und wie du es systematisch nutzt:

Website-Tracking mit Account-Identifikation: Tools wie Leadfeeder (ab ~100 Euro/Monat) oder Albacross identifizieren Unternehmen hinter anonymen Website-Besuchen über IP-Abgleich mit Firmographik-Daten. Du siehst: Wer hat welche Seiten besucht, wie oft, wie lange? Das ist kein vollständiges Intent-Bild, aber ein solider Anfang.

Form-Engagement als Intent-Signal: Wer ein Formular öffnet, aber nicht abschickt, ist nah dran. Mit HubSpot oder ähnlichen Tools kannst du auch partial form fills tracken und sie als Verhaltens-Signal in dein Scoring einbauen.

E-Mail-Click-Patterns: Wer aus deiner Newsletter-Liste plötzlich anfängt, mehrere E-Mails zu öffnen und Links zu klicken, hat sich in Richtung aktives Interesse bewegt. In Brevo, HubSpot oder Mailchimp kannst du Engagement-Scores bauen und Trigger-Aktionen damit verknüpfen.

CRM-Aktivität als Warm-Up-Signal: Ein Kontakt, der 6 Monate inaktiv war, öffnet plötzlich eine E-Mail — das ist ein Signal, ihn wieder anzusprechen. Mit n8n oder Zapier kannst du automatisierte Alerts einrichten, die Sales informieren, sobald ein schlafender Kontakt wieder aktiv wird.

Session-Recording als Intent-Qualifizierung: Tools wie Hotjar oder Microsoft Clarity zeigen dir, wie jemand auf deiner Website navigiert. Wenn jemand bei der Pricing-Seite eine Minute verweilt und mehrfach scrollt, ist das anderes Verhalten als ein kurzer Bounce. Das nutzt du nicht für Massen-Scoring, aber für die manuelle Qualifizierung von spezifischen Accounts.

KI-gestütztes Intent Modeling: Was 2026 möglich ist

Der Begriff "KI-basiertes Intent Modeling" klingt nach Marketing-Sprache — aber hier passiert tatsächlich etwas Substanzielles.

Klassische Intent-Systeme haben Topics aus vordefinierten Keyword-Listen gebaut. Ein Surge bei "Cloud Migration" bedeutet: jemand hat auf mehreren Seiten Artikel gelesen, die Wörter aus dieser Keyword-Liste enthalten. Das funktioniert, ist aber starr.

LLM-gestützte Topic-Analyse geht weiter: Sie versteht semantische Bedeutung, erkennt verwandte Konzepte, identifiziert Intent-Signale auch in Inhalten, die nicht die exakten Keywords enthalten. Ein Artikel über "Datenmigration in Legacy-Systemen" kann ein Intent-Signal für "ERP-Migration" sein, auch ohne das Wort "ERP" zu enthalten. Das macht das Modell treffsicherer — und weniger abhängig von starren Kategorie-Definitionen.

Predictive Intent Models gehen noch einen Schritt weiter: Anstatt nur "dieser Account recherchiert gerade" zu sagen, versuchen sie vorherzusagen, wann ein Account kaufbereit sein wird. 6sense arbeitet mit Modellen, die Buying-Stage-Klassifizierung (Awareness, Consideration, Decision) aus aggregierten Intent-Signalen ableiten. Das ist konzeptionell interessant — die Frage ist, wie präzise diese Modelle in der Praxis sind.

Account Health Scores kombinieren Intent-Daten mit First-Party-Engagement, Firmographik und historischen Kaufmustern zu einem einzigen Score. Das gibt Sales eine klare Prioritätsliste, ohne sie mit Rohdaten zu überfordern.

Was 2026 realistisch erreichbar ist: Mittelständler, die mit n8n oder make.com arbeiten, können heute schon automatisierte Workflows bauen, die First-Party-Intent-Signale aggregieren, mit CRM-Daten anreichern und Score-basierte Alerts auslösen — ohne Enterprise-Budget. Die KI-Komponente kommt zunehmend als günstige API (z.B. über Claude oder OpenAI) hinzu, die natürlichsprachliche Analyse von Intent-Signalen ermöglicht.

Sales-Marketing-Alignment: Der echte Bottleneck

Das ist der Punkt, an dem die meisten Intent-Data-Projekte scheitern — nicht am Tool.

Intent-Daten erzeugen Signale. Signale erfordern Handlungen. Handlungen erfordern einen definierten Prozess. Und der Prozess erfordert, dass Marketing und Sales das gleiche Verständnis davon haben, was ein "gutes Intent-Signal" ist und was als nächstes passiert.

Ohne SLA zwischen Marketing und Sales ist Intent Data wertlos. Ein Marketing-Team kann das beste Intent-Modell der Welt bauen — wenn Sales die Alerts ignoriert, nicht versteht, warum ein Account priorisiert wurde, oder keinen Playbook hat, was sie damit machen sollen, war die Investition umsonst.

Was ein funktionierendes Intent-SLA enthält:

Klare Definition: Ab welchem Score-Threshold wird ein Account als "Intent-qualifiziert" eingestuft?
Handoff-Mechanismus: Wie bekommt Sales das Signal? (Slack-Alert, CRM-Task, wöchentliches Review?)
Response-Time-Commitment: Sales verpflichtet sich, innerhalb von X Stunden zu handeln.
Feedback-Loop: Sales gibt zurück, was aus dem Kontakt geworden ist — damit das Scoring-Modell lernt.
Gemeinsame Metriken: Intent-qualifizierte Pipeline, Win-Rate, Sales-Cycle — nicht getrennte Marketing- und Sales-KPIs.

Die häufigste Dysfunktion: Marketing implementiert Intent-Tool, fängt an, Alerts zu senden. Sales sieht die Alerts als Zusatz-Arbeit, nicht als Prioritätshilfe. Alerts werden ignoriert. Marketing zieht Schluss: "Intent Data funktioniert nicht." Sales zieht Schluss: "Marketing-Leads taugen nichts."

Das Problem war nie das Tool.

Praxis-Roadmap: Intent-System in 90 Tagen

Hier ist ein realistischer Aufbauplan für einen B2B-Mittelständler ohne riesiges Marketing-Budget:

Tag 1–30: First-Party Intent inventarisieren

GA4-Tracking erweitern: Events für Pricing-Page, Case-Studies, Kontaktseite, Downloads einrichten
IP-Enrichment-Tool einrichten (Leadfeeder, Albacross oder HubSpot Prospecting) — 14-Tage-Trial starten
CRM-Analyse: Welche Kontakte sind "warm" ohne dass Sales es weiß? (Hohe E-Mail-Engagement-Rate, aber kein aktiver Follow-up)
Ideal Customer Profile dokumentieren: Für welche Unternehmensprofile sind Intent-Signale relevant?

Tag 31–60: Scoring und Triggering aufbauen

Account-Score definieren: Welche Signale zählen wie viel?
Scoring-Modell in CRM oder Marketing-Automation einbauen (HubSpot, Salesforce, Pipedrive — alle haben Scoring-Funktionen)
Erste Trigger-Aktionen automatisieren: Account überschreitet Score-Threshold → Task in CRM für Account Manager
Sales briefen: Was bedeutet der Score? Was sollen sie tun?

Tag 61–90: Sales-Workflows und Reporting

Playbooks pro Intent-Cluster erstellen: Was sendet Sales bei "ERP-Migration"-Intent? Was bei "Marketing-Automatisierung"-Intent?
Response-Time-SLA definieren und messen
Reporting aufsetzen: Intent-qualifizierte Pipeline vs. Standard-Pipeline — Win-Rate, Sales-Cycle, Conversion-Rate
Feedback-Loop etablieren: Monatliches Review zwischen Marketing und Sales

Nach 90 Tagen hast du ein funktionierendes First-Party-Intent-System. Dann — und nur dann — kannst du entscheiden, ob Third-Party-Intent den zusätzlichen Invest rechtfertigt.

Direkt buchen

Termin sichern statt weiterscrollen

30 Minuten. Keine Verpflichtung. Klare Empfehlung — auch wenn die Antwort "passt nicht" ist.

Die häufigsten Fehler

Tool-First statt Use-Case-First. Die Entscheidung, Bombora oder 6sense einzuführen, bevor klar ist, welchen konkreten Sales-Prozess die Daten verbessern sollen, ist der häufigste Fehler. Intent Data ist kein Selbstzweck. Definiere zuerst den Use Case: Welches Verhalten von Sales soll sich ändern? Dann wähle das Tool.

Zu viele Topics. Wenn du 80 Intent-Topics trackst, bekommt Sales 80 verschiedene Signale — und kann nichts priorisieren. Starte mit 5–10 Topics, die direkt zu deinem Angebot passen. Mehr ist weniger.

Sales bekommt Lead, weiß nicht warum. "Du hast einen neuen Intent-qualifizierten Account" ohne Kontext ist nutzlos. Sales muss verstehen: Zu welchem Thema recherchiert dieser Account? Seit wann? Wie intensiv? Was ist der empfohlene nächste Schritt?

Intent ohne Sales-Action. Ein System, das Signale erkennt, aber keine verbindliche Action in Sales auslöst, ist ein Reporting-Tool, kein Vertriebstool. Jeder Intent-Alert muss eine konkrete Handlung nach sich ziehen — oder er darf nicht gesendet werden.

Erwartung sofortiger Magie. Intent Data ist keine Raketenmaschine, die sofort Deals produziert. Es dauert 3–6 Monate, bis die Maschine läuft, das Scoring-Modell kalibriert ist und Sales das System verinnerlicht hat. Wer nach 6 Wochen aufgibt, hat nie die Chance gehabt, den ROI zu sehen.

DACH-Überoptimismus bei Third-Party-Daten. Bombora-Surge-Signale für DACH-Accounts sind weniger dicht als für US-Accounts. Das Modell produziert mehr Rauschen, weniger Signal. Wer das nicht einpreist, ist enttäuscht.

Was 2027 kommen wird

Intent Data wird sich in den nächsten Jahren weiterentwickeln — in drei erkennbaren Richtungen:

Mehr KI-basiertes Intent Modeling. LLM-gestützte Analyse wird den klassischen Keyword-Matching-Ansatz zunehmend ersetzen. Das macht Intent-Erkennung semantisch reichhaltiger und erhöht die Trefferquote. Plattformen wie 6sense und Demandbase werden diese Modelle weiter verfeinern.

Dark Funnel Tracking als Intent-Quelle. Ein wachsender Teil der B2B-Buying-Journey findet in "dunklen" Kanälen statt: LinkedIn-Communitys, Slack-Gruppen, Branchen-Podcasts, Peer-Netzwerke. Warum dieser Dark Funnel für B2B-Marketing so relevant ist und was daraus folgt, erklärt unser Artikel zum Dark Funnel. Diese Aktivitäten hinterlassen kaum Spuren in klassischen Intent-Netzwerken. In den nächsten Jahren werden Ansätze entstehen, die diese Signale zugänglich machen — privacy-konform durch Anonymisierung oder Consent-basiert durch Plattform-Partnerschaften.

Intent plus First-Party-Data-Integration als Standard. Die Trennung zwischen First- und Third-Party-Intent wird weiter verschwimmen. Plattformen werden es einfacher machen, eigene CRM-Daten, Website-Verhalten und externe Intent-Signale in einem einzigen Score zu kombinieren. Das, kombiniert mit KI-gestützter Interpretation, macht Account-Priorisierung für Mittelständler zugänglicher.

DACH-spezifische Intent-Modelle. Der aktuelle US-Fokus der großen Intent-Anbieter wird — langsam — korrigiert. DACH-fokussierte Anbieter wie Cognism bauen ihre Datenquellen aus. In 2–3 Jahren wird die Qualität von Third-Party-Intent-Signalen für den deutschsprachigen Raum deutlich besser sein als heute.

FAQ

Lohnt sich Bombora für den Mittelstand unter 500 Mitarbeiter?

In den meisten Fällen nein — nicht als Einstieg. Bombora-Lizenzen kosten typischerweise 40.000–80.000 Euro pro Jahr. Ohne bereits funktionierendes ABM-Programm und definierte Sales-Playbooks ist das Budget besser in First-Party-Intent-Aufbau und Sales-Training investiert. Sobald dein First-Party-System läuft und du klare Use Cases definiert hast, kannst du die Frage neu bewerten.

Was kostet 6sense?

6sense ist eine Enterprise-Plattform mit Preisen, die typischerweise im sechsstelligen Bereich (Euro/Jahr) starten. Die genaue Lizenzstruktur hängt von Volumen, Seats und Modulen ab. Für DACH-Mittelstand mit unter 500 Mitarbeitern ist 6sense realistischerweise kein sinnvoller Einstiegspunkt.

Wie unterscheidet sich Intent von Lead Scoring?

Lead Scoring bewertet statische Attribute (Unternehmensgröße, Jobtitel) und historisches Engagement. Intent Data misst dynamisches Verhalten: Was recherchiert dieses Unternehmen gerade? Beide Ansätze ergänzen sich — Lead Scoring sagt dir, wer prinzipiell passt; Intent Data sagt dir, wer gerade kaufbereit ist.

Brauche ich beides?

Für ein vollständiges Bild ja: Firmographik-Fit + Intent-Signal = stärkste Priorisierungs-Kombination. In der Praxis fängst du mit Firmographik (ICP-Definition) an und fügst dann Intent-Signale hinzu.

Welche günstigen Alternativen gibt es für den Mittelstand?

Leadfeeder (ab ~100 Euro/Monat), Albacross, HubSpot Prospecting Insights, Apollo.io (hat Basic Intent-Signale im günstigeren Plan). Für LinkedIn-basierte Intent-Signale: LinkedIn Sales Navigator (ab ~85 Euro/Monat pro Seat).

Ist Intent Data DSGVO-konform?

First-Party Intent auf deiner Website ist mit korrektem Consent-Setup DSGVO-konform. Third-Party-Intent ist komplizierter — Bomboras Account-Level-Aggregation ist rechtlich vertretbar, aber umstritten. Personenbezogene Intent-Daten ohne Einwilligung sind nicht konform. Lass das von deinem Datenschutzbeauftragten bewerten.

Wie lange dauert es, bis Intent Data messbar wirkt?

Erwarte 3–6 Monate, bis das System kalibriert ist und die ersten Ergebnisse messbar sind. Ein gut aufgebautes First-Party-Intent-System mit funktionierendem Sales-Handoff kann nach 90 Tagen erste, nach 6 Monaten verlässliche Ergebnisse zeigen.

Was ist der häufigste Fehler beim Einstieg?

Das Tool zu kaufen, bevor der Prozess steht. Intent-Signale ohne Sales-Playbook und definierten Handoff-Prozess sind Datenmüll. Bau zuerst den Prozess, dann wähle das Tool.

Kann ich Intent Data ohne spezielles Tool aufbauen?

Ja — mit deinen bestehenden Tools. GA4 + IP-Enrichment (Leadfeeder) + CRM-Scoring + Automatisierungs-Tool (n8n, Zapier) reicht für ein funktionierendes First-Party-Intent-System. Das deckt den Großteil der Use Cases ab, die für DACH-Mittelstand relevant sind.

Was macht Intent Data im Kontext von KI-gestützter B2B-Recherche anders?

KI-Tools wie ChatGPT und Perplexity verändern, wie Einkäufer recherchieren — mehr Zero-Click-Research, mehr Synthese durch KI, weniger klassische Google-Suche. Das macht Third-Party-Intent-Modelle, die auf klassischem Web-Verhalten basieren, langfristig weniger präzise. First-Party-Intent und direktes Engagement-Tracking werden dadurch relativ wichtiger. LLM-gestützte Intent Modeling-Ansätze, die semantische Signale aus breiteren Quellen ziehen, werden diese Lücke teilweise schließen.

Quellen

Forrester Research: "B2B Buyer Journey" 2023/2024
Gartner: "B2B Buying Behavior Report" 2024
Demandbase: "ABM Benchmark Report" 2024
6sense: "Account-Based Experience Report" 2024
G2: "Buyer Behavior Report" 2024
Bombora: Co-op Network Documentation (4.500+ Publisher, Stand 2024)
Salesforce: "State of Sales Report" 2024
Forrester Data: B2B Outreach Response Rates 2024
ITSMA/RollWorks: "ABM Benchmark Report" 2023
LinkedIn: "B2B Marketing Benchmark" 2024
HubSpot: "State of Marketing" 2024

Über den Autor

Dustin Jeff Vogler ist Founder von Vogler Marketing. Er hilft B2B-Unternehmen im DACH-Mittelstand dabei, Demand Capture, Growth Engines und Revenue Systems aufzubauen — Systeme, die qualifizierten Demand generieren und in messbares Wachstum verwandeln.

Bereit für ein Intent-Data-System das wirklich liefert?

Du willst wissen, welche Accounts gerade bei dir recherchieren — und was dein Team daraus machen kann?

Im Audit-Gespräch schauen wir gemeinsam auf deinen aktuellen Tech-Stack, identifizieren, welche Intent-Signale du heute schon hast, und entwickeln einen konkreten 90-Tage-Plan.

Termin buchen: vogler.marketing