Dein CRM wurde als zentrales Nervensystem verkauft. Als die eine verbindliche Datenquelle.
Tatsächlich ist es bei vielen Unternehmen ein digitaler Abstellraum geworden: veraltete Kontakte, widersprüchliche Angaben, Testeinträge mit Fantasienamen aus der Einführungsphase, die nie jemand gelöscht hat.
Das ist kein IT-Problem. Wenn Daten verfallen, lügen Dashboards. Führungskräfte hören auf, Reports zu glauben. Entscheidungen werden wieder reaktiv getroffen. Und die Diskussion über Lead-Qualität beginnt jedes Quartal von vorn, weil niemand eine belastbare Zahl vorlegen kann.
Was schlechte Daten tatsächlich kosten
Daten sind ein Asset, das abschreibt. Wie ein Auto, das beim Verlassen des Hofs an Wert verliert, verfallen sie ab dem Moment der Erfassung.
Zur Einordnung hilft die 1-10-100-Regel aus dem Qualitätsmanagement:
- Einen Datensatz beim Eintritt zu prüfen kostet eine Einheit.
- Ihn später zu bereinigen kostet das Zehnfache.
- Gar nichts zu tun kostet das Hundertfache, durch verschwendete Arbeitszeit, verpasste Chancen und beschädigtes Vertrauen.
Die meisten Unternehmen leben dauerhaft in der dritten Stufe. Nicht aus Nachlässigkeit, sondern weil die Kosten dort unsichtbar sind: Sie tauchen als schlechte Abschlussquote auf, als zu langer Sales-Cycle, als Diskussion über Lead-Qualität. Nie als Position „Datenqualität“.
Warum Daten schneller verfallen, als du pflegst
B2B-Daten verfallen grob mit rund 30 Prozent pro Jahr. Leute wechseln die Stelle, Firmen fusionieren, Rollen ändern sich, Domains verschwinden.
Konkret heißt das: Ein erheblicher Teil deiner Kontaktdaten stimmt nach zwölf Monaten nicht mehr. Bei Job Titles ist die Rate noch höher, weil Beförderungen und Umbenennungen dazukommen. Und der Job Title ist meistens genau das Feld, auf dem deine Segmentierung aufsetzt.
Wer seit zwei Jahren keinen Bereinigungsdurchlauf gemacht hat, dessen Outbound-Team verschwendet einen erheblichen Teil des Tages an tote Kontakte. Das kostet nicht nur Zeit, es beschädigt zusätzlich die Zustellbarkeit deiner Absenderdomain.
Der Teil, der bei KI relevant wird
Inzwischen will jede Firma Prognosen aus dem eigenen Datenbestand ziehen. Modelle arbeiten aber strikt nach dem Prinzip, dass hinten Müll herauskommt, wenn vorne Müll hineingeht.
Fütterst du ein Modell mit schmutzigen historischen Daten, bekommst du keine Erkenntnis. Du bekommst selbstbewusst vorgetragenen Unsinn, und das ist gefährlicher als gar keine Prognose, weil niemand widerspricht.
Warum Marketing und Vertrieb über Daten streiten
Die Fehlausrichtung kommt aus unterschiedlichen Erfolgsdefinitionen. Das Marketing optimiert auf Menge, der Vertrieb braucht Kontext.
Das äußert sich in der immer gleichen wöchentlichen Diskussion: Das Marketing hat 500 Leads geliefert, der Vertrieb sagt, 450 davon waren unbrauchbar.
Das Schatten-CRM
Aus dieser Reibung entstehen private Tabellen, in denen sich Vertriebsleute die Kontrolle zurückholen. Ab dem Moment ist deine verbindliche Datenquelle nur noch dem Namen nach verbindlich, und du merkst es nicht, weil die Reports weiter gefüllt aussehen.
Verstärkt wird das durch Eingabehürden. Wer 20 Pflichtfelder ausfüllen muss, um einen Kontakt anzulegen, trägt irgendwann Platzhalter ein, um weiterzukommen. Das erzeugt tausende Datensätze, die im Report echt aussehen und in der Praxis versagen.
Die Lehre daraus ist unbequem für alle, die Datenqualität über Pflichtfelder erzwingen wollen: Mehr Zwang erzeugt keine besseren Daten, sondern kreativere Umgehung.
Wie du ein totes CRM wiederbelebst
Schritt 1: den Schaden messen
Hör auf zu schätzen und sieh nach. Drei Kennzahlen reichen für den Anfang:
- Füllquoten. Wenn 40 Prozent deiner Ziel-Accounts kein Feld für Branche oder Größe haben, ist jede Gebiets- und Kampagnenplanung Fiktion.
- Dublettenquote. Über einen unscharfen Abgleich aus Name und Firma. Über 5 Prozent erfordert sofortiges Eingreifen.
- Zombie-Felder. Eigene Felder mit unter 1 Prozent Nutzung. Das sind Überbleibsel alter Kampagnen. Löschen, sie erzeugen nur Rauschen bei der Eingabe.
Schritt 2: den Zufluss stoppen
Das ist der Schritt, den fast alle überspringen, und deshalb bereinigen sie jedes Jahr aufs Neue.
Bereinige nicht, solange der Wasserhahn läuft.
- Formulare prüfen in Echtzeit. Adressen werden verifiziert, bevor der Datensatz entsteht, nicht danach.
- Stufenübergänge sperren. Ein Deal kann nicht in die nächste Phase wandern, solange die entscheidungsbefugte Person nicht hinterlegt ist. Das ist wirksamer als jedes Pflichtfeld beim Anlegen, weil es genau dann greift, wenn die Information tatsächlich vorliegt.
Schritt 3: Waterfall Enrichment
Sich auf einen einzigen Datenanbieter zu verlassen, ist überholt. Der wirksamere Aufbau fragt mehrere Quellen in fester Reihenfolge ab:
- Erste Stufe: die genaueste, meist teuerste Quelle. Treffer, Ende.
- Zweite Stufe: eine breite, günstigere Datenbank.
- Dritte Stufe: spezialisierte Nischenquellen.
- Prüfung: das Ergebnis durch eine Adressverifikation laufen lassen.
Das erhöht die Trefferquote und senkt gleichzeitig die Kosten, weil die teure Abfrage nur läuft, wenn sie nötig ist. Wie du dieselbe Logik für Kaufsignale statt für Stammdaten nutzt, steht in Kaufsignale selbst bauen.
Wie es sauber bleibt
Technik ist der einfache Teil. Der schwierige Teil sind Zuständigkeiten.
Damit die Datenqualität nicht nach sechs Wochen wieder abrutscht, brauchst du drei Festlegungen, jede schriftlich:
- Die fachliche Definition. Was genau ist ein qualifizierter Lead? Nicht ungefähr, sondern als Kriterienliste.
- Der technische Trigger. Welcher Ablauf setzt diesen Status, und wann?
- Die Verantwortung. Wer ist namentlich zuständig, wenn dieses Feld kaputtgeht?
Der dritte Punkt ist der, an dem es meistens scheitert. Ohne Namen ist Datenqualität eine gemeinsame Absicht, und gemeinsame Absichten überleben das erste dringende Quartalsziel nicht.
Ein wöchentlicher Blick auf ein kleines Dashboard mit Füllquote, Dublettenquote und der Zahl neuer Datensätze ohne Pflichtangaben reicht dafür aus. Wie du das in einen Ablauf über 30 Tage bringst, steht in der RevOps-Checkliste.
Ein Feld gehört bei jedem Kontakt zwingend dazu und fehlt in fast jedem CRM: die Herkunft des Datensatzes. Ohne sie kannst du bei einer Auskunftsanfrage nicht sagen, woher der Kontakt kam, und ohne sie ist auch keine Interessenabwägung belastbar. Wie du Herkunftsfeld und Sperrliste als harte Bedingung in den Versandpfad hängst, steht daneben.
Erst den Hahn zudrehen
Die Reihenfolge entscheidet über den Erfolg: Zufluss stoppen, dann Bestand bereinigen, dann Zuständigkeit festlegen.
Wer umgekehrt anfängt, putzt gegen einen laufenden Wasserhahn und hat in einem Jahr denselben Zustand, nur mit mehr Frustration im Team.
Und wenn dein Umsatz stagniert, obwohl das Produkt funktioniert, lohnt der Blick eine Ebene höher: Schlechte Daten sind eine der drei Ursachen, die die Wachstumsgrenze erzeugen.