---
title: "MQL"
description: "Ein MQL (Marketing Qualified Lead) ist ein Interessent, der vordefinierte Engagement-Kriterien erfüllt. Erfahren Sie, wie MQLs Marketing und Vertrieb für effizienten Pipeline-Aufbau verbinden."
---

## Wie MQL im B2B-Vertrieb funktioniert

Die MQL-Einstufung erfolgt in der Regel über ein Lead-Scoring-Modell, das Fit-Kriterien (Position, Unternehmensgröße, Branchenpassung) mit Engagement-Kriterien (Content-Downloads, Webinar-Teilnahme, Website-Besuche, E-Mail-Interaktionen) kombiniert. Überschreitet ein Lead den MQL-Schwellenwert, wird er automatisch an den Vertrieb zur Nachverfolgung weitergeleitet – üblicherweise innerhalb von 24 Stunden.

Die MQL-Stufe liegt zwischen Rohleads (jeder, der Kontaktdaten hinterlässt) und Sales Qualified Leads (SQLs, also Interessenten, die ein Vertriebsmitarbeiter als echtes Opportunity-Potenzial bestätigt hat). Dieser dreistufige Trichter (Lead zu MQL zu SQL) schafft klare Verantwortlichkeiten: Marketing verantwortet Volumen und Qualität der MQLs, Vertrieb verantwortet die SQL-Konversion und den Pipeline-Aufbau.

## Warum MQL für Vertriebsteams wichtig ist

Das MQL-Framework löst die älteste Spannung im B2B-Geschäft: Marketing sagt "wir haben euch reichlich Leads geliefert", Vertrieb sagt "keiner davon war brauchbar". MQLs schaffen eine gemeinsame Definition davon, was einen qualitativ hochwertigen Lead ausmacht. Sind die MQL-Kriterien korrekt kalibriert (der Vertrieb akzeptiert 60-70 % der MQLs als verfolgungswürdig), arbeiten beide Teams effizient zusammen. Vertriebsmitarbeiter verschwenden keine Zeit mehr mit unqualifizierten Interessenten, und Marketing kann Kampagnen auf MQL-Qualität statt auf reines Lead-Volumen optimieren.

## Wie SalesMind AI MQL-wertige Interessenten generiert

SalesMind AI umgeht den klassischen MQL-Trichter beim LinkedIn-Outreach vollständig. Statt darauf zu warten, dass sich Interessenten durch Content-Engagement selbst zu erkennen geben, identifiziert der [AI Sales Agent](/de/platform/ai-sales-agent) proaktiv Interessenten, die MQL-Kriterien anhand ihres LinkedIn-Profils und ihrer Aktivität erfüllen. Jeder Interessent, mit dem die AI in Kontakt tritt, wurde bereits auf ICP-Fit und Verhaltenssignale bewertet – die Leads, die so in Ihre Pipeline gelangen, sind bereits auf MQL-Niveau oder darüber vorqualifiziert.

## Häufig gestellte Fragen

### Was ist der Unterschied zwischen einem MQL und einem SQL?

Ein MQL wird vom Marketing anhand von Engagement-Daten qualifiziert (Interesse gezeigt). Ein SQL wird vom Vertrieb anhand eines direkten Gesprächs qualifiziert (Budget, Entscheidungsbefugnis, Bedarf und Zeitrahmen bestätigt). Die MQL-zu-SQL-Konversionsrate misst, wie gut Marketing-Targeting und Vertriebsanforderungen zusammenpassen. Eine gesunde Konversionsrate liegt bei 25-35 %.

### Was sind typische MQL-Kriterien für B2B-Unternehmen?

Typische MQL-Kriterien sind: passende ICP-Firmografie (richtige Branche, Größe, Region), Engagement mit High-Intent-Content (Besuche der Preisseite, Demo-Anfragen, Downloads von Vergleichsguides), mehrfaches Engagement (nicht nur ein einmaliger Besuch) sowie eine passende Position (Entscheider oder Influencer, nicht Student oder Berater – es sei denn, Sie verkaufen an Berater).

### Wird das MQL-Konzept überholt?

Das strikte MQL-Übergabemodell entwickelt sich weiter. Product-led-Growth-Unternehmen ersetzen MQLs häufig durch Product Qualified Leads (PQLs) auf Basis der tatsächlichen Produktnutzung. Account-basierte Strategien nutzen "MQAs" (Marketing Qualified Accounts) statt einzelner Leads. Das Grundprinzip bleibt jedoch bestehen: gemeinsame Kriterien zwischen Marketing und Vertrieb festzulegen, die definieren, welcher Interessent es wert ist, verfolgt zu werden.