Lead-Routing mit KI-Vorqualifizierung — n8n-Workflow Schritt für Schritt

Workflow 1 von 5

Eingehende Webformular-Leads automatisch in Hot/Warm/Cold klassifizieren, in HubSpot/Pipedrive anlegen und der richtigen Vertriebsperson per Slack zuteilen — in unter 30 Sekunden, 24/7.

Was dieser Workflow macht

Eingehende Leads aus dem Webformular werden in unter 30 Sekunden vollautomatisch klassifiziert, im CRM angelegt und an die richtige Person geroutet. Konkret:

1. Webformular schickt POST-Request an n8n-Webhook
2. Claude (oder GPT-5) bewertet den Lead als HOT, WARM oder COLD mit Begründung
3. Bei HOT: Slack-Nachricht an Vertrieb + sofortiger CRM-Eintrag mit Priorität
4. Bei WARM: CRM-Eintrag, Auto-Nurture-Sequenz in der Marketing-Automation
5. Bei COLD: nur CRM-Eintrag, ohne Vertriebs-Alarm

Voraussetzungen

• n8n (Cloud oder Self-Hosted ab v1.50)
• Anthropic-API-Key oder OpenAI-Key — siehe Claude-Test
• CRM mit API (HubSpot, Pipedrive, Salesforce, Odoo — alle haben n8n-Nodes)
• Slack-Workspace (oder Microsoft Teams)

Der Prompt — das Herzstück

Die Qualität steht und fällt mit dem Klassifizierungs-Prompt. Hier unsere getestete Version:

Du bist Vertriebs-Vorqualifizierer für [Unternehmen].

Klassifiziere den folgenden Lead als HOT, WARM oder COLD.

HOT-Kriterien (mindestens 3 müssen erfüllt sein):
- Konkreter Use Case beschrieben
- Zeitrahmen genannt (<3 Monate)
- Budget-Indiz (Größenordnung, „Budget vorhanden")
- Entscheider-Funktion (GF, Bereichsleitung, IT-Leitung)
- Firmen-Größe passt zu Zielkunden-Profil

WARM-Kriterien:
- Interesse erkennbar, aber unklarer Zeitrahmen
- Recherche-Phase, kein konkreter Use Case
- Mittlere Position (Senior, Manager ohne Budget)

COLD-Kriterien:
- Generische Anfrage, „nur Info"
- Student:in, Wettbewerb, Job-Suchende
- Kein passendes Firmen-Profil

Antworte ausschließlich mit JSON:
{
  "score": "HOT|WARM|COLD",
  "reason": "1 Satz Begründung",
  "next_step": "konkrete nächste Aktion",
  "assigned_to": "Name des Vertriebs-Owners oder MARKETING"
}

Lead-Daten:
{{$json}}

Schritt-für-Schritt-Setup

1. Webhook anlegen

In n8n: neuer Workflow → Trigger „Webhook" → Methode POST → Pfad lead-eingang. Die Webhook-URL bekommt das Webformular als Submit-Endpunkt.

2. Anthropic-Node konfigurieren

Node „Anthropic" hinzufügen. Modell: claude-3-5-sonnet (Balance aus Qualität und Kosten). Prompt aus dem Block oben einfügen. Max-Tokens: 200 reicht für JSON-Antwort.

3. JSON-Parse + Switch

Node „Set" um das JSON-Ergebnis als strukturiertes Datum zu extrahieren. Danach „Switch"-Node mit drei Routes für HOT / WARM / COLD.

4. CRM-Anlage

Pro Route: passender CRM-Node (HubSpot „Create Contact" etc.). Felder: E-Mail, Vorname, Nachname, Firma, Lead-Score, Reason, Quelle, Datum.

5. Slack-Benachrichtigung (nur HOT)

Slack-Node „Post Message" mit formatiertem Block: Lead-Name, Firma, Score-Reason, CTA „In CRM ansehen" (deep-link).

Kosten + Performance

• API-Kosten: ca. 0,002 € pro Lead-Klassifizierung mit Claude 3.5 Sonnet
• Latenz: 2–5 Sekunden vom Form-Submit bis CRM-Eintrag
• Trefferquote: in unseren KMU-Projekten 87 % Übereinstimmung mit menschlicher Bewertung

Typische Fehlerquellen

• Halluzinierte Felder: Antwort enthält nicht-existente Felder. Fix: Schema im Prompt explizit erzwingen, „Antworte ausschließlich mit JSON".
• Zu viele HOT-Leads: Prompt zu lax. Fix: HOT-Kriterien strenger formulieren, Beispiele in den Prompt nehmen.
• Datenschutz: Lead-Daten gehen an Anthropic/OpenAI. Bei sensiblen Branchen lokales Modell verwenden (Llama 3.3 70B liefert vergleichbare Qualität für diese Aufgabe).

Erweiterungen

• Anreicherung via Clearbit/Apollo: Firmen-Daten vor Klassifizierung anreichern → bessere Treffer
• Dubletten-Prüfung: vor CRM-Anlage prüfen, ob Kontakt existiert
• Sentiment-Analyse: bei „Beschwerde-ähnlichen" Leads abweichendes Routing

Verwandte Ressourcen

• Automatisierung-Hub: alle 5 Workflows im Überblick
• Lokale KI-Modelle für sensible Daten
• KI-Richtlinie für KMU (kostenloses Muster)
• n8n — Glossar-Eintrag
• Workflow-Automatisierung — Grundlagen