Leadgenerierung mit KI: 9 Use Cases für den B2B-Vertrieb (2026)

Bevor du die erste Nachricht an eine Firma schreibst, kostet dich die Recherche schnell eine halbe Stunde: Passt sie zu uns, was passiert dort gerade, wer entscheidet, und womit arbeitet sie heute? Genau hier spart KI laut Salesforce am meisten Zeit: Im State of Sales Report 2026 erwarten 4.050 befragte Vertriebsprofis durch KI-Agenten 34 Prozent weniger Zeitaufwand für Recherche. Verkaufen macht nur 40 Prozent ihrer Arbeitszeit aus.

Hier findest du neun Use Cases: sechs für Outbound, bei dem du Firmen selbst auswählst und ansprichst, zwei für Inbound, bei dem Interessenten von selbst kommen, und das Lead Scoring, das beide Wege zusammenführt. In Use Case 2 steht die Vorlage, mit der aus der halben Stunde ein Briefing mit Quellen wird, das du in zwei Minuten prüfst.

Leadgenerierung mit KI: die 9 Use Cases im Überblick

Der Aufwand ist geschätzt. Für die Use Cases 1, 2 und 5 reicht ein KI-Assistent im Business-Tarif, siehe Vergleich der KI-Assistenten.

1. ICP schärfen: Wer ist eigentlich dein idealer Kunde?

Problem: Ein Zielkundenbild wie „Mittelstand, 50 bis 500 Mitarbeitende, DACH“ trifft auf Zehntausende Firmen zu. Deine Ansprache verteilt sich dann auf Firmen, die nie kaufen werden.

So hilft KI: Ein KI-Assistent sucht Muster in deinen gewonnenen und verlorenen Deals. Welche Branchen schließen schneller ab, bei welcher Größe ist der Deal-Wert am höchsten, welche Auslöser standen am Anfang? Daraus entsteht ein ICP mit klaren Ein- und Ausschlusskriterien.

Werkzeuge: Ein CRM-Export aus HubSpot Sales Hub oder Pipedrive und Claude Team oder ChatGPT Business, die beide Tabellen auswerten. Entferne vorher Namen und E-Mail-Adressen, du brauchst nur Firmendaten.

Vorlage:

Du bist RevOps-Analyst. Im Anhang ist ein CRM-Export unserer Deals der letzten 24 Monate mit diesen Spalten: Branche, Mitarbeiterzahl, Land, Deal-Wert, Status (gewonnen/verloren), Dauer bis Abschluss in Tagen, Verlustgrund, Lead-Quelle.
Unser Angebot in einem Satz: [Angebot].
Schritt 1: Vergleiche gewonnene und verlorene Deals. Welche Merkmale kommen bei gewonnenen Deals deutlich häufiger vor? Nenne jeweils die Anzahl, nicht nur Prozentwerte.
Schritt 2: Formuliere daraus ein Ideal Customer Profile mit fünf bis acht Kriterien, getrennt in Muss-Kriterien und Kann-Kriterien.
Schritt 3: Nenne drei Ausschlusskriterien, also Merkmale, bei denen wir fast nie gewinnen.
Schritt 4: Vergleiche die Lead-Quellen. Aus welchen Quellen (Inbound, Outbound, Empfehlung, Messe) kommen die gewonnenen Deals?
Schritt 5: Kennzeichne jede Aussage, die auf weniger als zehn Deals beruht, als unsicher.
Gib das Ergebnis als Tabelle aus: Kriterium, Ausprägung, Beleg aus den Daten, Sicherheit.

Grenzen: Mit 20 Deals findet die KI eher Zufälle als Muster, ergänze dann Interviews mit deinen besten Kunden. Neue Segmente, in denen du noch nicht warst, musst du bewusst testen.

2. Account-Research vor dem Erstkontakt

Problem: Website, Pressebereich, Stellenanzeigen, LinkedIn, Nachrichten: Das Durchklicken kostet die halbe Stunde, und warum die Firma gerade jetzt interessant ist, bleibt oft offen.

So hilft KI: Ein KI-Assistent mit Websuche verdichtet das zu einem Briefing. Mit Quellen und getrennten Fakten und Vermutungen prüfst du es in zwei Minuten.

Werkzeuge: Perplexity Enterprise zeigt Quellen standardmäßig an. ChatGPT Business, Claude Team und Gemini in Google Workspace haben Websuche und Recherche-Modi. Der Prospecting Agent von HubSpot Sales Hub erkennt laut HubSpot passende Firmen anhand von Auslösern, findet Ansprechpartner und erstellt personalisierte Entwürfe aus den CRM-Daten. Für viele Accounts gleichzeitig beantwortet der Recherche-Agent Claygent in Clay pro Tabellenzeile eine Frage im Web.

Vorlage:

Recherchiere das Unternehmen [Firmenname, Website] für ein mögliches Erstgespräch. Unser Angebot: [Angebot in einem Satz]. Unsere typischen Kunden: [ICP in zwei Sätzen].
Erstelle ein Briefing mit diesen Abschnitten:
Geschäftsmodell: was, für wen, in welchen Ländern, ungefähre Größe.
Veränderungen der letzten zwölf Monate: Führungswechsel, neue Standorte, Produkte, Übernahmen, Finanzierung, auffällige Stellenanzeigen.
ICP-Abgleich: Welche unserer Kriterien sind erfüllt, welche nicht, welche unklar?
Drei Hypothesen, welches Problem wir dort lösen könnten, jeweils mit dem Hinweis, auf welche Beobachtung sie sich stützt.
Regeln: Gib zu jeder Tatsache die Quelle mit Link und Datum an. Schreib „nicht gefunden“, wenn du etwas nicht belegen kannst. Trenne Fakten und Vermutungen sichtbar. Recherchiere keine privaten Informationen über einzelne Personen.

Grenzen: KI-Suchen verwechseln gelegentlich Firmen mit ähnlichem Namen. Prüfe Website-Adresse und Quellen. Bei kleinen Firmen ohne Pressearbeit sind Handelsregister-Bekanntmachungen und Stellenanzeigen oft die besten Quellen.

3. Kaufsignale und Trigger-Events finden

Problem: Eine Firma kann perfekt zum ICP passen und gerade keinen Bedarf haben. Ohne Anlass triffst du meist den falschen Moment.

So hilft KI: Trigger-Events machen einen Bedarf für dein Angebot wahrscheinlicher:

• Personal: neue Geschäftsführung, neue Leitung im Fachbereich, viele offene Stellen in einer Abteilung.
• Wachstum: neuer Standort, Expansion in ein neues Land, Finanzierungsrunde, Übernahme.
• Technik: Wechsel des ERP- oder CRM-Systems, Stellenanzeigen, die ein bestimmtes Tool nennen.
• Interesse: wiederholte Besuche auf deiner Preisseite, Downloads, Webinar-Teilnahme.

Signal-Tools überwachen das automatisch: Leadfeeder (ehemals Dealfront) nennt mehr als 40 Echtzeit-Kaufsignale. Der Prospecting Agent von HubSpot Sales Hub achtet laut Hersteller auf Finanzierungen, Produktstarts und Hinweise, dass sich eine Firma mit deinen Themen beschäftigt. Apollo.io und Clay liefern Jobwechsel, Einstellungen und Finanzierungen. Ohne Budget lässt du einmal pro Woche einen KI-Assistenten mit Websuche über deine Top-Accounts schauen.

Vorlage:

Hier ist eine Liste von zehn Firmen mit Website: [Liste].
Unser Angebot: [Angebot]. Für uns sind diese Ereignisse relevant: [z. B. neue Vertriebsleitung, Eröffnung eines Standorts, Stellenanzeigen für Vertriebsinnendienst, ERP-Wechsel].
Prüfe für jede Firma, ob eines dieser Ereignisse in den letzten 90 Tagen öffentlich belegt ist. Nutze Pressemitteilungen, Stellenanzeigen auf der Firmenwebsite und Nachrichtenseiten.
Ausgabe als Tabelle: Firma, Ereignis, Datum, Quelle mit Link, warum das für unser Angebot relevant sein könnte (ein Satz).
Wenn du für eine Firma nichts findest, schreib „kein Signal gefunden“. Erfinde keine Ereignisse und schätze keine Daten.

Grenzen: Eine neue Vertriebsleitung kann ein Anlass sein oder erst einmal alle Projekte stoppen. Nutze Signale für die Reihenfolge deiner Recherche und als Gesprächsanlass, nie als Beweis für Kaufabsicht.

4. Buying Center ermitteln

Problem: Im B2B kauft selten eine einzelne Person, und Einkauf oder IT melden ihr Veto oft spät. Das Modell von Webster und Wind (1972) kennt fünf Rollen im Buying Center: Nutzer, Beeinflusser, Einkäufer, Entscheider und Gatekeeper, der den Informationsfluss steuert. Oft kommt der Initiator dazu, der den Bedarf zuerst erkennt.

So hilft KI: Die KI leitet aus Angebot und Firmengröße ab, welche Rollen mit welchen Interessen und Fragen beteiligt sind. Diese Hypothese prüfst du im Gespräch, konkrete Personen recherchierst du selbst über Team-Seite oder LinkedIn.

Werkzeuge: Claude Team oder ChatGPT Business. Der Prospecting Agent von HubSpot Sales Hub stellt laut HubSpot auch eine Buying Group zusammen. Cognism, Lusha oder Apollo.io liefern Namen und Funktionen, die du gegen die Website prüfst.

Vorlage:

Wir verkaufen [Angebot, Preisrahmen, Laufzeit] an Unternehmen wie [Firma oder Branche, Mitarbeiterzahl].
Erstelle eine Rollenlandkarte des typischen Buying Centers mit den Rollen Initiator, Nutzer, Beeinflusser, Einkäufer, Entscheider und Gatekeeper.
Für jede Rolle: typische Funktion oder Abteilung bei dieser Firmengröße, was diese Rolle gewinnen oder verlieren kann, zwei Fragen oder Einwände, die sie typischerweise hat, welche Information sie von uns braucht.
Markiere, welche Rollen bei dieser Firmengröße wahrscheinlich dieselbe Person sind.
Zum Schluss: drei Fragen, mit denen wir im Erstgespräch herausfinden, wer tatsächlich entscheidet und wie der Entscheidungsweg aussieht.

Grenzen: Informelle Macht, etwa bei der Assistenz der Geschäftsführung oder einem langjährigen Fachexperten, steht in keinem Organigramm. Wie du das im Discovery-Call klärst, zeigt die Call-Vorbereitung mit KI.

5. Wettbewerbs-Check: Womit arbeitet der Account heute?

Problem: Fast jeder Interessent löst sein Problem schon irgendwie: mit einem Wettbewerber, einer Eigenentwicklung, Excel oder gar nicht. Ohne dieses Wissen argumentierst du ins Leere.

So hilft KI: Stellenanzeigen nennen eingesetzte Software, Referenzseiten von Anbietern zeigen Kundenlogos, Pressemitteilungen berichten von Einführungen. Ein KI-Assistent mit Websuche sammelt diese Spuren zu einer Einschätzung samt Argumentationshilfe.

Werkzeuge: Perplexity Enterprise, ChatGPT Business oder Claude Team mit Websuche. Verlorene Deals gegen bestimmte Wettbewerber stehen in deinem CRM.

Vorlage:

Finde öffentliche Hinweise darauf, wie [Firma, Website] das Thema [Problem, z. B. Angebotserstellung im Vertrieb] heute löst.
Suche in Stellenanzeigen der Firma (genannte Software und Kenntnisse), auf Referenz- und Kundenseiten von Anbietern, in Pressemitteilungen und Fachartikeln.
Ausgabe: Tabelle mit Hinweis, Quelle mit Link, Datum, wie sicher der Hinweis ist (hoch, mittel, niedrig).
Danach: Wenn die Firma wahrscheinlich [Wettbewerber oder Lösung] nutzt, welche drei Fragen sollten wir im Erstgespräch stellen, um Zufriedenheit und Wechselbereitschaft zu verstehen, ohne den Wettbewerber schlechtzumachen?

Grenzen: Achte auf das Datum: Eine Stellenanzeige von vor zwei Jahren belegt den heutigen Stand nicht. Vergleichende Werbung ist nach § 6 UWG nur unter Bedingungen zulässig, nutze die Erkenntnisse deshalb nur für deine Fragen.

6. Datenanreicherung mit Clay, Apollo und Leadfeeder

Problem: Fehlen im CRM Branche, Mitarbeiterzahl, Website oder Ansprechperson, funktionieren Filter und Scoring nicht.

So hilft KI: Anreicherungs-Tools ergänzen fehlende Felder automatisch und lassen KI zusätzliche Fragen beantworten. Die drei bekanntesten Ansätze:

Der Anbieter heißt inzwischen wieder Leadfeeder, dealfront.com leitet dorthin weiter (Stand Oktober 2026). Preise und Datenschutz vergleicht KI-Tools für den Vertrieb.

Vorlage: In Clay formulierst du pro Spalte eine Frage, die die KI für jede Firma beantwortet:

Besuche die Website [Website der Zeile] und, falls vorhanden, die Karriereseite.
Beantworte drei Fragen, jeweils mit „ja“, „nein“ oder „unklar“ und einem Beleg-Link:
Frage 1: Verkauft das Unternehmen an andere Unternehmen (B2B)?
Frage 2: Gibt es aktuell offene Stellen im Vertrieb?
Frage 3: Wird auf der Website ein CRM- oder ERP-System namentlich erwähnt? Wenn ja, welches?
Antworte im Format: Frage 1: Antwort, Link. Frage 2: Antwort, Link. Frage 3: Antwort, Link.
Wenn die Website nicht erreichbar ist, antworte bei allen drei Fragen mit „unklar“.

Grenzen: Anreicherung kostet Credits, bei Wasserfall-Abfragen ist die Rechnung schwer vorherzusagen. Teste mit 50 Datensätzen und prüfe Stichproben. Modelle, bei denen Nutzer Kontaktdaten aus ihren Postfächern teilen, besprichst du vor dem Kauf mit deinem Datenschutzbeauftragten.

7. Inbound: Website-Besucher mit Leadfeeder erkennen

Problem: Eine Firma, die Preisseite, Referenzen und Produktseiten ansieht und ohne Formular wieder geht, bleibt für den Vertrieb unsichtbar.

So hilft KI: Besuchererkennung ordnet einen Besuch über die IP-Adresse einer Firma zu, die Person bleibt unbekannt. KI sortiert die Firmen nach ICP-Fit und Kaufinteresse und schlägt Gesprächsanlässe vor.

Werkzeuge: Leadfeeder (ehemals Dealfront) stützt sich laut Hersteller auf eine IP-Datenbank und bietet Zugriff auf 60 Millionen Firmen und 400 Millionen verifizierte Kontakte. Dazu kommen „Leadfeeder AI“ für die Priorisierung und Integrationen mit HubSpot, Salesforce, Pipedrive, Microsoft Dynamics und Zoho.

Der kostenlose Plan zeigt nur die Besuche der letzten sieben Tage, ohne aufgerufene Seiten und ohne Integrationen. Discover kostet ab 79 € im Monat bei jährlicher Zahlung und erfasst bis zu 50 identifizierte Firmen im Monat, Kontaktdaten gibt es erst ab Activate für 369 € im Monat (Preise geprüft am 2. Oktober 2026). Per Integration landen die Besuche in HubSpot Sales Hub oder Pipedrive und fließen ins Scoring aus Use Case 9 ein.

Vorlage:

Hier ist ein Export der Firmen, die in den letzten 14 Tagen unsere Website besucht haben, mit den Spalten Firma, Branche, Mitarbeiterzahl, Land, Anzahl Besuche, aufgerufene Seiten, letzter Besuch: [Tabelle].
Unser ICP: [Muss-Kriterien, Kann-Kriterien, Ausschlusskriterien].
Unsere Seiten mit hohem Kaufinteresse: [z. B. Preisseite, Demo-Seite, Vergleichsseite]. Seiten mit geringem Kaufinteresse: [z. B. Karriere, Blog, Impressum].
Schritt 1: Streiche alle Firmen, die ein Ausschlusskriterium erfüllen, sowie offensichtliche Bestandskunden, Wettbewerber und Dienstleister: [Liste].
Schritt 2: Bewerte die übrigen Firmen mit ICP-Fit (hoch, mittel, niedrig) und Interesse (hoch, mittel, niedrig) und begründe beides in einem Satz.
Schritt 3: Schlage für die Firmen mit hohem Fit und hohem Interesse je ein Gesprächsthema vor, das sich auf öffentliche Informationen oder unser Angebot stützt. Erwähne den Website-Besuch nicht.

Grenzen: Besuche aus dem Homeoffice oder über Mobilfunk lassen sich oft keiner Firma zuordnen, Konzerne erscheinen mit Besuchen aus vielen Abteilungen. Der Leadfeeder-Tracker setzt laut Cookie-Übersicht des Herstellers ein Cookie mit 365 Tagen Laufzeit. Kläre mit deinem Datenschutzbeauftragten, ob du ihn nur mit Einwilligung lädst.

8. Inbound: Lead-Magneten und Formular-Leads mit KI qualifizieren

Problem: Checklisten, Studien und Webinare bringen auch Studierende, Wettbewerber, Bestandskunden und unpassende Firmen. Muss der Vertrieb jeden Lead erst recherchieren, vergehen Tage bis zur ersten Antwort.

So hilft KI: An drei Stellen:

• Lead-Magnet entwickeln: Die KI strukturiert aus häufigen Kundenfragen, Notizen aus Discovery-Calls und Einwänden aus verlorenen Deals eine Checkliste oder einen Leitfaden.
• Formular schlank halten: Frag nur ab, was du brauchst, etwa Name, dienstliche E-Mail und Firma. Branche und Größe ergänzt die Anreicherung aus Use Case 6.
• Jeden neuen Lead vorqualifizieren: Eine Automatisierung lässt ein KI-Modell die Firmenwebsite mit deinem ICP abgleichen und Vertrieb, Nurturing oder Aussortieren vorschlagen. Das Ergebnis landet als Notiz im CRM.

Werkzeuge: Formulare gibt es laut HubSpot in allen Produkten und Plänen von HubSpot Sales Hub, auch im kostenlosen CRM. Formular, KI-Modell und CRM verbindest du mit Zapier, Make.com oder n8n (siehe Vergleich von Make, Zapier und n8n). Für Anreicherung und Recherche pro Lead eignet sich Clay, mehr im Ratgeber KI im CRM.

Vorlage:

Ein neuer Lead hat sich über das Formular [Name des Lead-Magneten] eingetragen. Daten: Firma [Firma], Website [Website], Rolle laut Formular [Rolle], Freitext [Freitext, falls vorhanden].
Unser Angebot: [Angebot in einem Satz]. Unser ICP: [Muss-Kriterien und Ausschlusskriterien].
Aufgabe 1: Fasse in drei Sätzen zusammen, was die Firma macht. Nutze nur die Website und gib die Seite an, auf die du dich stützt.
Aufgabe 2: Prüfe die Muss-Kriterien einzeln mit „erfüllt“, „nicht erfüllt“ oder „unklar“.
Aufgabe 3: Ordne den Lead einer Kategorie zu: Vertrieb (alle Muss-Kriterien erfüllt), Nurturing (teilweise erfüllt oder unklar), Aussortieren (Ausschlusskriterium erfüllt, Wettbewerber oder private E-Mail-Adresse ohne Firma).
Aufgabe 4: Begründe die Einordnung in einem Satz und nenne die wichtigste offene Frage für den Erstkontakt.
Antworte knapp im Format: Zusammenfassung, Kriterien, Kategorie, Begründung, offene Frage.

Grenzen: Lass jedes „Aussortieren“ der KI in den ersten Wochen vom Vertrieb gegenprüfen. Für E-Mail-Werbung über den Formularzweck hinaus, etwa einen Newsletter, brauchst du eine eigene, ausdrückliche Einwilligung.

9. Lead Scoring: Welche Leads gehen zuerst an den Vertrieb?

Problem: Am Montagmorgen liegen 200 Leads aus Recherche, Website-Besuchen und Formularen im CRM. Ohne Reihenfolge entscheidet das Bauchgefühl, und die besten Accounts warten.

So hilft KI: Bewährt hat sich ein Modell mit zwei Achsen: Fit (Passung zum ICP) und Signal (Bedarf gerade jetzt). Die KI bewertet eine Liste danach, jeweils mit Begründung. Bewährte Regeln gehören ins CRM.

Werkzeuge: Das Lead-Scoring-Tool von HubSpot Sales Hub folgt laut HubSpot-Wissensdatenbank dieser Logik: Fit-Scores (Position, Firmengröße oder Umsatz), Engagement-Scores (Website-Besuche, Newsletter-Anmeldung oder Klicks) und kombinierte Scores in Stufen von A1 bis C3. Ein Score-Verfall senkt Punkte für ältere Aktionen nach 1, 3, 6 oder 12 Monaten. Das Tool braucht Marketing Hub oder Sales Hub ab Professional.

KI-Scores setzen laut HubSpot Marketing Hub Enterprise und mindestens 50 Kontakte voraus, davon 25 konvertierte und 25 nicht konvertierte. Pipedrive hat ebenfalls ein Lead Scoring. Für eine exportierte Liste reicht Claude Team oder ChatGPT Business.

Vorlage:

Hier ist eine Liste von Accounts als Tabelle mit den Spalten Firma, Branche, Mitarbeiterzahl, Land, Lead-Quelle, letzte Website-Besuche, bekannte Signale, letzter Kontakt: [Tabelle].
Unser ICP: [Muss-Kriterien und Kann-Kriterien aus Use Case 1].
Bewerte jeden Account:
Fit von 0 bis 3 (0 = Ausschlusskriterium erfüllt, 3 = alle Muss-Kriterien und mindestens zwei Kann-Kriterien).
Signal von 0 bis 3 (0 = kein Signal, 3 = mindestens zwei aktuelle, passende Signale aus den letzten 30 Tagen, zum Beispiel Formular plus Besuch der Preisseite).
Gib eine Tabelle aus: Firma, Fit, Signal, Priorität (A = Fit und Signal mindestens 2, B = eines von beiden mindestens 2, C = Rest), Begründung in einem Satz, fehlende Information.
Sortiere nach Priorität. Bewerte nur auf Basis der Tabelle, ergänze keine Annahmen.

Grenzen: Fehlen Branche oder Größe, rutschen gute Accounts nach unten. Lass die Vertriebler die Regeln mitgestalten, sonst ignorieren sie die Liste. Prüfe nach drei Monaten, ob A-Leads häufiger abschließen als C-Leads.

Leadgenerierung mit KI Schritt für Schritt einführen

1. ICP festlegen (Woche 1). Diskutiere die KI-Auswertung deiner Deals mit zwei erfahrenen Vertrieblern und halte die Kriterien auf einer Seite fest.
2. Briefing-Vorlage einführen (Woche 1). Jeder Erstkontakt bekommt ein Briefing mit dem Prompt aus Use Case 2.
3. Signale definieren (Woche 2). Wähle fünf bis acht Ereignisse und prüfe sie manuell für deine 50 wichtigsten Accounts.
4. Inbound anschließen (Woche 2 bis 3). Kürze Formulare, richte die Vorqualifizierung aus Use Case 8 ein und kläre die Besuchererkennung mit dem Datenschutzbeauftragten.
5. Datenquellen prüfen (Woche 3). Kläre vor dem Tool-Kauf Datenherkunft, Auftragsverarbeitung und Informationspflichten, teste klein.
6. Scoring einführen (Woche 4). Starte mit dem Fit-und-Signal-Modell als Tabelle, ins CRM kommt es nach Bewährung.
7. Messen. Vergleiche nach einem Quartal Recherchezeit, Antwortzeit auf Inbound-Leads und Erstgespräche aus A- und C-Leads.

Typische Fehler bei der Lead Gen mit KI

• Ungeprüfte Fakten in der Ansprache. Eine erfundene Finanzierungsrunde in der ersten Nachricht zerstört Vertrauen.
• Privates über Personen recherchieren. Social-Media-Profile, Familienstand oder Hobbys sind datenschutzrechtlich heikel und wirken übergriffig.
• Tool vor Strategie. Clay oder Apollo ohne fertiges ICP füllen das CRM mit Kontakten, die nie kaufen.
• Website-Besuche überdeuten. Sprich nie so an, als wüsstest du, wer auf deiner Website war.
• Inbound-Leads liegen lassen. Vorqualifizierung hilft nur, wenn danach jemand zeitnah antwortet.
• Kundendaten in private KI-Konten. CRM-Exporte und Formulardaten gehören nur in einen Business-Tarif mit Auftragsverarbeitungsvertrag.

Recht und Datenschutz bei der Leadgenerierung

Auch Name, Funktion, dienstliche E-Mail und Telefonnummer einer Ansprechperson fallen unter die DSGVO, egal ob du sie recherchierst, über ein Formular bekommst oder kaufst:

Wer Daten für eine nach UWG unzulässige Ansprache sammelt, kann sich also kaum auf berechtigtes Interesse stützen. Mehr dazu in Kaltakquise und E-Mail-Sequenzen mit KI und der KI-Recht-FAQ 2026. Die halbe Stunde Recherche vom Anfang kannst du der KI gut überlassen, solange es um Firmen geht. Sobald eine Person ins Spiel kommt, prüfst du selbst.