Unser Datenpool
Ein Datenpool für Teams, die Zielgruppen präziser finden und priorisieren wollen.
Für präzise B2B-Zielgruppen reicht eine flache Firmenliste selten. Suchraum, Web-Kontext, Matching und manuelle Prüfung verbinden sich zu einer belastbaren Reihenfolge. Gerade dort, wo sich relevante Firmen online nicht sauber selbst labeln und in Standarddatenbanken untergehen.
Vor dem CRM
Wir entscheiden früher, welche Firmen verwertbar sind und welche bewusst nicht in den Vertrieb gehören.
Vor dem Call
Ziel ist ein Lead mit lesbarem Kontext, nicht nur ein Datensatz mit Name, Branche und Telefonnummer.
Was im Vertrieb ankommt
Daten-Stack
Vier Ebenen, die Trefferqualität und Priorisierung tatsächlich tragen.
Register- und Stammdaten
Rechtsform, Alter, Größenindikatoren, Rollen, Inhaberlogik und belastbare Unternehmenssignale bilden die Basis für Suchraum und Ausschlusslogik.
Web-Signale und technischer Kontext
Darauf legen wir Angebotsseiten, Formulierungen, Technologiemuster, Recruiting-Signale, Standortlogik und Hinweise aus dem realen Außenauftritt.
Matching statt nur Filterklicks
Das Matching verdichtet Suchraum, Ausschlusslogik und Mehrdeutigkeiten. Gerade bei komplexen ICPs reicht es nicht, nach zwei Branchencodes und einer Mitarbeiterzahl zu filtern.
Tiefenrecherche und manuelle Prüfung
Wo es auf Trefferqualität ankommt, gehen wir tiefer: Entscheiderkontext, tatsächliche Angebotsnähe, Plausibilisierung und operative Übergabe ins CRM oder in den Vertrieb.
Geschäftsbereiche
Warum die Analyse von Geschäftsbereichen deutlich wertvoller ist als ein Branchenlabel.
Viele Firmen sehen in Standarddatenbanken oberflächlich gleich aus. Wirklich relevant wird ein Account erst, wenn man versteht, was das Unternehmen tatsächlich anbietet, wie es sich positioniert und für welche Kundensituationen es realistisch offen ist.
Grobe Datenbank-Sicht
Werbeagentur, 12 Mitarbeitende, Nordrhein-Westfalen
Formal passend, aber noch völlig unklar, ob die Firma wirklich in den relevanten Markt fällt.
Lesbare Geschäftsbereichs-Sicht
Agentur mit Fokus Performance Marketing, klarer Lead-CTA, aktiver Recruiting-Seite und eigenem Paid-Social-Angebot
Jetzt wird aus einer groben Branchenzuordnung ein Account, den Vertrieb tatsächlich einordnen und priorisieren kann.
Selektionsbeispiele
Woran wir in der Praxis unterscheiden, ob ein Account grob passt oder wirklich trägt.
Die Kriterien stammen aus operativen Selektionsmustern: Branche, Geschäftsmodell, Website-Kontext, Unternehmensstruktur und aktuelle Geschäftssignale.
Branche plus Geschäftsbereich
Nicht nur Handwerk, sondern ein klarer Leistungsfokus innerhalb des Handwerks.
Geschäftsmodell und Struktur
Die Struktur entscheidet oft stärker über Bedarf und Entscheidungswege als der grobe Branchencode.
Website und Technologien
Technischer und sprachlicher Website-Kontext hilft dabei, professionelle Zielkunden von Grenzfällen zu trennen.
Aktuelle Geschäftssignale
Signale helfen nicht als Selbstzweck, sondern um Reihenfolge und Timing zu verbessern.
Datenquellen
Mehrere Quellen, die sich gegenseitig korrigieren.
Trefferqualität entsteht aus dem Zusammenspiel mehrerer Ebenen, die einander plausibilisieren: Register, Web-Kontext, Recruiting-Signale und manuelle Prüfung. Eine einzelne Quelle reicht nicht.
Register und Firmengrunddaten
Rechtsformen, Gründungsalter, Rollen, Firmenstruktur und formale Stammdaten bilden den Ausgangspunkt für belastbare Selektion.
Website- und Angebotskontext
Leistungsseiten, Wording, Spezialisierungen, Referenzen, technische Hinweise und Positionierung liefern die operative Lesbarkeit.
Recruiting- und Aktivitätssignale
Offene Stellen, Wachstumsanzeichen, neue Themen und personelle Bewegung helfen bei Timing und Priorisierung.
Manuelle Plausibilisierung
Wo die Trefferqualität entscheidend wird, prüfen wir Kontext, Ausschlüsse und Übergabereife bewusst über den reinen Datensatz hinaus.
Dokumentenlogik
Für Produkte, bei denen der Bedarf erst im Dokument sichtbar wird.
Manche Zielgruppen lassen sich nicht sinnvoll über Branche, Mitarbeiterzahl oder Website allein priorisieren. Wenn ein Anbieter nur Firmen ansprechen will, bei denen aus echten Dokumenten ein belastbarer Produktbedarf hervorgeht, reicht eine normale Firmenliste nicht.
Dokumentenbasierte Bedarfserkennung für erklärungsbedürftige Angebote
Wenn ein Anbieter nur Firmen ansprechen will, bei denen aus echten Unterlagen ein konkreter Bedarf für ein anspruchsvolles Angebot hervorgeht, reicht eine normale Firmenliste nicht aus.
Produktnahe Zielgruppen statt grober Branchenfilter
Nicht jede GmbH mit passender Größe ist automatisch relevant. Entscheidend ist, ob reale Kennzahlen, Strukturen oder Textstellen belegen, dass ein Angebot gerade wirklich passt.
Lead-Übergabe mit Begründung statt Vermutung
Der Vertrieb soll vor dem Gespräch nachvollziehen können, warum genau dieser Account relevant ist, statt erst im Call herauszufinden, ob überhaupt Bedarf besteht.
Dokument laden und Identität prüfen
Jahresabschlüsse oder ähnliche PDFs werden nicht blind übernommen. Zuerst wird geprüft, ob Dokument, Firmenname und Kontext wirklich zur erwarteten Firma gehören.
Kennzahlen und harte Evidenz extrahieren
Danach werden strukturierte Felder, Finanzkennzahlen und relevante Textstellen aus dem Dokument gelesen, statt nur einen oberflächlichen Firmenstempel zu speichern.
Produktlogik deterministisch anwenden
Die eigentliche Bedarfserkennung läuft nicht beliebig, sondern über klare Regeln und nachvollziehbare Bewertung.
Vertriebsfall mit Begründung übergeben
Am Ende landet nicht nur ein Account im CRM, sondern ein Lead mit Leselogik: Warum passt er, für welches Angebot und aufgrund welcher Evidenz.
Was das für Vertrieb bedeutet
Der Vertrieb arbeitet dann nicht mit einer Liste aus „formal passenden Firmen“, sondern mit Accounts, bei denen aus realen Kennzahlen und Textstellen bereits begründet werden kann, warum genau dieses Unternehmen jetzt für ein bestimmtes Angebot relevant ist.
Warum das Premium ist
Was Geschäftsberichte zeigen, was eine Firmenliste nicht kann.
Eine Firmenliste belegt Existenz. Ein belastbarer Abschluss zeigt wirtschaftliche Bewegung, Struktur und ob für ein erklärungsbedürftiges Angebot gerade ein Anlass besteht.
Factoring, Refinanzierung oder Vorsorgethema nicht aus der Branche ableiten
Bei finanznahen Angeboten ist nicht die Branche entscheidend, sondern ob Kennzahlen, Struktur und Formulierungen im Abschluss auf einen sinnvollen Anlass hindeuten.
Wachstum, Margendruck oder Ausbau als Timing-Signal lesen
Ein Geschäftsbericht sagt mehr als Umsatzgröße. Er kann zeigen, ob gerade investiert wird, ob Druck auf Working Capital entsteht oder ob ein Unternehmen in einer Umbruchphase steckt.
Harte Evidenz schlägt Vermutung
Wenn eine Textstelle oder Kennzahl im Dokument einen Bedarf stützt, wird aus einer Vermutung ein belastbarer Vertriebsanlass.
Der Unterschied in der Praxis
Dadurch entsteht kein blindes Calling auf formal passende Firmen, sondern eine Vorauswahl, bei der ein Team schon vor dem Gespräch erkennt, warum ein Account jetzt relevant ist und welche Fälle bewusst keine Priorität bekommen sollten.
Wo es tiefer wird
Was jenseits klassischer Datenbank-Filter passiert.
Vor dem Signal kommt der Suchraum
Viele Systeme starten erst, wenn schon Aktivität oder Besucherbewegung sichtbar ist. Wir gehen früher rein und modellieren zuerst, wer überhaupt ICP-fit ist.
Web-Kontext statt Datenbank-Schubladen
Wenn Firmen nur grob als Branche x geführt werden, fehlen die relevanten Unterschiede. Wir lesen Angebot, Sprache, Spezialisierung und technische Hinweise mit.
Logik, die Vertrieb wirklich nutzen kann
Matching, Signale und Priorisierung werden so aufgebaut, dass am Ende keine Datenübung entsteht, sondern eine klare Entscheidungsgrundlage.
Entscheidbarkeit statt Datensammlung
Das Ergebnis ist nicht ein größerer Datensatz, sondern ein priorisierter Vertriebsfall mit lesbarem Research-Kontext.
Weitere Tiefenschichten
Schichten, die Standardanbieter selten abbilden.
Branche, Umsatz und Ansprechpartner reichen für komplexe Märkte nicht. Diese Ebenen entscheiden, ob ein Account für ein erklärungsbedürftiges Angebot wirklich trägt.
Bilanzbasierte Bedarfserkennung
Für manche Angebote reicht es nicht, eine passende Branche zu finden. Relevanz entsteht erst dann, wenn aus echten Jahresabschlüssen, Kennzahlen und Textstellen hervorgeht, dass ein konkreter Bedarf wahrscheinlich ist.
Visuelle Website-Analyse statt reinem HTML-Lesen
Gerade bei Standortseiten, Kontaktstrecken oder Leistungsmodulen hilft es, nicht nur Code zu lesen, sondern den realen Außenauftritt visuell einzuordnen und mit strukturierten Daten gegenzuprüfen.
Dokumente erst prüfen, dann bewerten
Externe Dokumente sind nur dann wertvoll, wenn sie der richtigen Firma sauber zugeordnet werden. Identitätsvalidierung ist deshalb ein eigener Qualitätsschritt.
Standorte, Werke und operative Struktur
Für viele Zielgruppen reicht der Hauptsitz nicht. Relevant wird oft erst, wo wirklich produziert, gelagert, gewartet oder regional verkauft wird.
Semantische Suche statt bloßer Keyword-Treffer
Wenn Zielgruppen sich online unklar beschreiben, reicht Volltextsuche nicht aus. Dann braucht es Beschreibung, Kontext und Präzisionslogik, damit aus sprachlicher Nähe belastbare Treffer werden.
DACH-Logik statt globaler Standardannahmen
Viele Märkte wirken auf dem Papier ähnlich, verhalten sich operativ aber anders. Gute Zielkundenfindung braucht regionale Datenlogik.
Signalbeispiele aus der Datenbank
Wie Bedarfssignale konkret aussehen: mit Evidenz, nicht nur als Begriff.
Die folgenden Beispiele stammen aus realen Signalobjekten in unserer Datenbank. Firmennamen sind leicht anonymisiert, die Signal- und Begründungslogik ist wie im Original.
Umsatzwachstum
M***** Electrification GmbH
Umsatz stieg von 31.691 T€ auf 46.170 T€, ein Plus von rund 45,7%.
Massives Wachstum. Genau solche Sprünge deuten auf Ausbau, Investitionsbereitschaft und neuen operativen Bedarf hin.
Umsatzrückgang
W***N Massivhaus GmbH
Umsatz fiel von 47.111 T€ auf 24.124 T€, ein Rückgang von rund 48,8%.
Das ist kein kleiner Knick, sondern klarer Druck. Solche Fälle verändern Priorität, Ansprache und Risikologik sofort.
Gewinnsteigerung
A***** Horn GmbH
Ergebnis vor Steuern stieg von 4,13 Mio. € auf 26,75 Mio. €, also um rund 548%.
Ein so harter Ergebnissprung zeigt deutlich mehr Spielraum, Investitionskraft und strategische Beweglichkeit.
Gewinnrückgang
A******lt Bad Saulgau GmbH
Bilanzgewinn sank von 189.161 € auf 62.103 €, also um rund 67%.
Hier kippt die Ergebnisqualität sichtbar. Solche Fälle sind oft offener für Effizienz-, Finanzierungs- oder Restrukturierungsthemen.
Kapazitätsausbau
T*******ark GmbH
Investition in einen neuen Reinraum in Höhe von rund 5.500 T€.
Das ist ein harter Ausbauhinweis, nicht nur ein vager Wachstumsclaim. Relevanz für Anlagen, Infrastruktur und technische Dienstleister.
Internationale Expansion
H***O-WERK H***** GmbH & Co. KG
Eine zweite Produktionsstätte in den USA befindet sich im Aufbau.
Das ist echte Internationalisierung auf Werke-Ebene. Solche Schritte erzeugen Bedarf in Logistik, Compliance, Finance und operativer Struktur.
Eigentümerwechsel
I****** Zerspanungstechnik GmbH
Zum 01.12.2024 wurde das Unternehmen von einer neuen Gruppe übernommen.
Nach einer Übernahme ändern sich Prioritäten, Budgets und Entscheidungswege oft deutlich schneller als die Stammdaten es zeigen.
Kapitalzufuhr
i***agrid GmbH
Kapitalerhöhung in Höhe von 85 Mio. € im Januar 2024.
Frisches Kapital in dieser Größenordnung ist ein sehr starkes Signal für Handlungsfähigkeit, Skalierung und neue Investitionen.
Factoring-Hinweis
O*** Bock Manufacturing K******** GmbH
Die Gesellschaft nutzt ein Reverse-Factoring-Programm.
Das ist keine Vermutung aus Branche oder Größe, sondern ein harter Beleg für aktives Working-Capital- und Liquiditätsmanagement.
Kundenkonzentration
W**-CNC Technologie GmbH
Nahezu 90% der Umsätze werden mit drei Großkunden erzielt.
Extremes Klumpenrisiko. Genau solche Strukturen sind für Risiko-, Beratungs- oder Diversifikationsthemen sofort relevant.
Financial Distress
R*****g Cargosysteme GmbH
Das Unternehmen befindet sich offiziell in Liquidation.
Auch das ist wertvoll: Nicht jeder Fall ist ein Verkaufschancen-Signal. Teilweise ist es ein klares Ausschluss- oder Restrukturierungsmerkmal.
Personalaufbau
U** Utz Ratio Technik GmbH
Beschäftigtenzahl stieg von 59 auf 70 Mitarbeitende, also um rund 18,6%.
Das ist nicht bloß normales Rauschen, sondern sichtbarer Aufbau. Solche Bewegungen sind oft ein gutes Timing-Signal.
Prozess
Vom Suchraum zur priorisierten Übergabe.
Suchraum-Definition
Sauber festlegen, welche Firmen wirklich gemeint sind und welche Ausschlüsse zwingend greifen müssen.
Signal-Layering
Registerdaten, Website-Signale, Recruiting-Hinweise und Angebotsnähe werden zu einem belastbaren Profil kombiniert.
Matching und Priorisierung
Statt bloßer Trefferlisten entstehen Reihenfolgen: stark passend, grenzwertig oder bewusst raus.
Operative Übergabe
Erst wenn das Profil belastbar ist, wird es an Vertrieb oder CRM übergeben.
Was am Ende ankommt
Nicht mehr Datensätze. Bessere Entscheidungen.
Ein brauchbares System zeigt nicht nur, dass es eine Firma gibt. Es zeigt, warum sie relevant sein könnte, warum sie bewusst ausgeschlossen werden sollte und mit welcher Priorität ein Team sie angehen sollte.
Beispielhafte Matches
Segment
Industriebetriebe mit CNC-Lohnfertigung für Maschinenbau und präzise Zeichnungsteile
Match
A******* Weber
Warum das greift
Im Profil tauchen Lohnfertigung, Drehen, Fräsen und Verzahnen auf. Die Ansprache richtet sich klar an Industrie und Maschinenbau statt an diffuse Mischsegmente.
Signal oder Einordnung
Kein bloßer Branchentreffer, sondern sauber lesbarer Fertigungsfokus.
Segment
B2B-Digitalagenturen, die Leadgenerierung für Industrie und Mittelstand anbieten
Match
d****.ly GmbH
Warum das greift
Die Beschreibung nennt explizit Leadgenerierung, SEO, Content Marketing und anspruchsvolle B2B-Unternehmen aus Industrie und Mittelstand als Kern des Angebots.
Signal oder Einordnung
Hier wird aus 'Agentur' ein deutlich engeres, vertriebsrelevantes Profil.
Videos
Methodik im Videoformat
Ergänzende Perspektiven auf Suchraum, Signale und operative Unterschiede in der DACH-Lead-Recherche.
Wie aus Vertriebsrealität, Software und KI ein eigenes System wurde
Im Gespräch mit Paul Niebler geht es darum, warum aus Vertriebsproblemen, Datenfrust und technischer Neugier ein eigenes System für präzisere Lead-Recherche entstanden ist.
Einblick in den Denkweg hinter dem System: warum Standardlisten, simple Automationsstrecken und generische Datenprodukte für komplexe Zielgruppen regelmäßig zu kurz greifen.
Im Video
- Wie ein konkretes Vertriebsproblem zur Methodik wurde, und warum Tool-Spielerei keinen Ausweg bot
- Wo Standarddatenbanken und No-Code-Strecken bei komplexer Zielkundenfindung an Grenzen stoßen
- Wie Software, KI und operative Recherche in einer durchgehenden Lieferlogik zusammengeführt werden
Wie unsere Software passende Zielkunden statt bloß große Listen liefert
Das Video zerlegt, warum viele gekaufte Leads trotz hoher Kosten unpräzise bleiben und wie wir stattdessen Suchraum, Matching, Signalschichten und Verifizierung kombinieren.
Im Zentrum steht der Unterschied zwischen Rohdaten und vertriebsfähigem Research: Klassische Datenbanken arbeiten oft mit groben Quellen und oberflächlichen Filtern. Unser Ansatz setzt früher an und priorisiert Firmen erst nach Zielgruppen-Fit, Kontext und Bedarf.
Im Video
- Welche drei Rohdaten-Quellen viele klassische Firmendatenbanken hauptsächlich nutzen
- Warum Branchenlabels, Mitarbeiterzahlen und Standardfilter zu Streuverlusten und Dunkelziffern führen
- Wie aus ICP, Vektorsuche, Bedarfssignalen, Scoring und Verifizierung eine priorisierte Lead-Strecke entsteht
Wenn du tiefer einsteigen willst
Wenn dein Vertrieb präzisere Priorisierung statt mehr Rauschen braucht.
Dann braucht es meist zuerst Klarheit über Suchraum, Ausschlüsse und die Tiefe der Recherche, die dein Team wirklich braucht, bevor weitere Listen oder Tools dazukommen.