MQL vs. SQL: Lead-Qualifizierung im B2B SaaS
Veröffentlicht am 27. März 2026 · Jules, Founder of NoNoiseMetrics · 7Min. Lesezeit
Aktualisiert am 10. Mai 2026
MQL vs SQL: Lead-Qualifizierung fur Solo B2B SaaS
Du hast 20 Anmeldungen diese Woche. Drei werden konvertieren. Die anderen 17 verschwinden. MQL vs SQL ist das Qualifizierungs-Framework, das dir sagt, auf welche drei du dich konzentrieren solltest, kein Vertriebsteam noetig. Wenn du ein Solo-B2B-SaaS-Grunder bist, der sein eigenes Outreach macht, spart dir diese Unterscheidung jede Woche Stunden.
Schnelle Antwort: MQL vs SQL
Ein Marketing Qualified Lead (MQL) hat Interesse durch eine Marketing-Aktion gezeigt. Ein Sales Qualified Lead (SQL) hat Kaufabsicht durch Verhalten demonstriert, das Kaufbereitschaft signalisiert.
| MQL | SQL | |
|---|---|---|
| Definition | Hat mit Marketing-Content interagiert | Hat Kaufabsicht demonstriert |
| Typisches Signal | Ressource heruntergeladen, Pricing besucht | Trial gestartet, Demo angefragt, nach Preisen gefragt |
| Konvertierungswahrscheinlichkeit | Niedrig bis mittel | Hoch |
| Erforderliche Aktion | Nurturing (E-Mail-Sequenz, Content) | Direkter Kontakt (persoenliche E-Mail, Anruf) |
| Volumen | Hoch | Niedrig |
| Zeitinvestition | Automatisiert | Manuell, High-Touch |
| Funnel-Phase | Oben / Mitte | Unten |
Fuer Solo-Grunder: MQLs gehen in deine automatisierte E-Mail-Sequenz. SQLs bekommen eine persoenliche Nachricht von dir innerhalb von 24 Stunden.
Was Ist ein MQL? Marketing Qualified Lead Definiert
Im MQL vs SQL Prozess ist ein MQL jemand, der die Hand gehoben hat, sich aber nicht festgelegt hat. Er browst, recherchiert, vergleicht. Er weiss, dass dein Produkt existiert, aber weiss noch nicht, ob er es braucht.
MQL-Signale fuer ein B2B-SaaS-Produkt:
- Hat sich fuer ein kostenloses Konto angemeldet, aber keine Daten verbunden
- Hat die Pricing-Seite mehr als einmal besucht
- Hat einen Lead-Magneten oder ein Tool heruntergeladen (Rechner, Template, Checkliste)
- Hat deinen Newsletter abonniert
- Hat 3+ E-Mails deiner Onboarding-Sequenz geoeffnet
Die MQL vs SQL Bedeutung laeuft darauf hinaus: Interessiert genug, um zu interagieren, nicht genug, um zu kaufen. Sie brauchen mehr Informationen, mehr Vertrauen oder mehr Zeit. Die meisten Indie-SaaS-Produkte generieren im MQL vs SQL Vergleich 5–10x mehr MQLs als SQLs. Der Fehler ist, alle als gleich wahrscheinlich zu konvertieren zu behandeln.
Was Ist ein SQL? Sales Qualified Lead Definiert
Ein SQL im MQL vs SQL Framework ist ueber Neugierde hinaus zur Absicht uebergegangen. Er recherchiert nicht mehr die Kategorie, er evaluiert dein spezifisches Produkt. In Marketing-Begriffen ist es der Lead, den deine automatisierten Sequenzen nicht abschliessen koennen. Er braucht einen Menschen.
SQL-Signale fuer ein B2B-SaaS-Produkt:
- Hat einen Free Trial gestartet UND echte Daten verbunden (Stripe-Key, Produktionsdatenbank)
- Hat eine spezifische Frage zu Preisen, Features oder Integrationen gestellt
- Hat eine Demo oder einen Walkthrough angefragt
- Hat dein Produkt mit einem Wettbewerber in einem Support-Ticket verglichen
- Hat Pricing-Seite besucht → Trial gestartet → innerhalb von 48 Stunden zurueckgekehrt
- Hat auf eine Onboarding-E-Mail mit einer Frage zu seinem Use Case geantwortet
Der MQL vs SQL Unterschied ist die Aktionsspezifitaet. MQLs konsumieren Content. SQLs unternehmen Schritte, die sie Zeit oder Aufwand kosten.
Qualifizierungskriterien: Leads als Solo-Grunder Bewerten
Enterprise-Unternehmen nutzen Lead-Scoring-Software mit Dutzenden gewichteter Signale. Das MQL vs SQL Scoring brauchst du einfacher. Hier ist ein praktisches MQL vs SQL Framework für Solo B2B SaaS:
Drei-Signal-Scoring-System:
Vergib 1 Punkt fuer jedes:
1. ENGAGEMENT — Pricing-Seite besucht ODER 3+ Onboarding-E-Mails geoeffnet
2. AKTIVIERUNG — Echte Daten verbunden ODER eine Schluesselaktion in der App abgeschlossen
3. ABSICHT — Nach Preisen gefragt, einen Wettbewerber erwaehnt oder eine Demo angefragt- 0 Punkte = Kalter Lead. In automatisiertem Nurturing lassen.
- 1 Punkt = MQL. Weiter nurtuern, aber auf das zweite Signal achten.
- 2–3 Punkte = SQL. Heute eine persoenliche E-Mail senden.
Das MQL vs SQL Review dauert fuenf Minuten pro Batch an Anmeldungen. Pruefe deine Analytics auf Pricing-Seitenbesuche, scanne dein Onboarding-Tool auf Aktivierungsereignisse und pruefe eingehende E-Mails. Keine CRM-Software noetig, eine gefilterte Posteingangsansicht funktioniert bis du 50+ Anmeldungen pro Woche erreichst.
Fuer einen tieferen Blick darauf, wie das in deine uebergreifende Go-to-Market-Strategie passt, lies den B2B SaaS Marketing Guide.
Lead-Scoring-Framework fuer Solo-Grunder
So funktioniert es in der Praxis. Angenommen, du hattest letzte Woche 15 Anmeldungen:
| Lead | Pricing-Seite | Daten Verbunden | Frage Gestellt | Score | Aktion |
|---|---|---|---|---|---|
| Lead A | Ja | Ja | Nein | 2 | SQL, persoenliche E-Mail |
| Lead B | Nein | Nein | Nein | 0 | Kalt, automatisiertes Nurturing |
| Lead C | Ja | Nein | Ja | 2 | SQL, persoenliche E-Mail |
| Lead D | Ja | Nein | Nein | 1 | MQL, weiter nurtuern |
| Lead E | Nein | Ja | Nein | 1 | MQL, auf naechstes Signal achten |
Von 15 Anmeldungen hast du im MQL vs SQL System vielleicht 2–3 SQLs, die deine direkte Aufmerksamkeit verdienen. Das sind 20 Minuten persoenliches Outreach statt 3 Stunden Versuch, mit jedem zu sprechen.
Der Zinseszinseffekt: Jeder SQL, den du konvertierst, lehrt dich, wie deine besten Kunden aussehen. Mit der Zeit wird dein RevOps-Prozess schaerfer, weil du genau weisst, welche Signale Konvertierung vorhersagen.
MQL-zu-SQL-Konvertierungsbenchmarks
Wie viele MQLs sollten zu SQLs werden? Branchendaten geben einen Bereich:
| Quelle | MQL-zu-SQL-Rate | Kontext |
|---|---|---|
| Salesforce (2024) | 13 % | B2B-Durchschnitt branchenuebergreifend |
| Databox (2024) | 20–30 % | Leistungsstarkes B2B SaaS |
| FirstPageSage (2025) | 31 % | Leads aus organischer Suche |
| FirstPageSage (2025) | 10 % | Leads aus bezahlter Werbung |
Fuer Indie B2B SaaS ist eine MQL vs SQL Konvertierungsrate von 15–25 % gesund. Unter 10 % bedeutet entweder, dass deine MQL-Definition zu locker ist (du zaehlst Besucher als Leads) oder deine Nurturing-Sequenz nicht funktioniert.
Was den Unterschied macht:
- Strengere MQL-Kriterien, verlange mindestens ein bedeutungsvolles Engagement, nicht nur eine Anmeldung
- Schnelleres Follow-up, auf SQL-Signale innerhalb von 24 Stunden zu reagieren verdoppelt die Konvertierung (InsideSales, 2023)
- Relevanter Nurturing-Content, sende Fallstudien und Use-Case-spezifischen Content, keine generischen Newsletter
Tracke deine MQL vs SQL Rate monatlich zusammen mit deinem CAC nach Akquisitionskanal. Wenn ein Kanal 50 MQLs sendet, aber nur 2 SQLs, waehrend ein anderer 10 MQLs und 4 SQLs sendet, weisst du, wo du dein Budget fokussieren solltest.
Wann MQL vs SQL Nicht Funktioniert
Zwei Situationen, in denen MQL vs SQL nicht sauber greift. Product-Led Growth (PLG): Wenn dein Produkt ein Self-Serve Free Tier hat, ueberspringen manche Nutzer die MQL-Phase komplett, sie melden sich an, verbinden Daten, stossen auf eine Paywall und upgraden, ohne mit dir zu sprechen. Die Aktivierungsrate zaehlt mehr als Lead-Qualifizierung. Sehr niedriges Volumen (<10 Anmeldungen/Woche): Schreibe einfach jedem persoenlich. Das MQL vs SQL Scoring-Framework lohnt sich ab 20+ wöchentlichen Anmeldungen.
Lead-Scoring in der Praxis: Ein konkretes Beispiel
Angenommen, du hast letzte Woche 12 neue Anmeldungen. Du öffnest dein Analytics-Tool und filterst nach drei Signalen: Wer hat die Pricing-Seite besucht? Wer hat echte Daten verbunden? Wer hat eine Frage gestellt?
Das Ergebnis: 2 Anmeldungen haben zwei oder mehr Punkte — sie bekommen heute noch eine persönliche E-Mail. 3 haben einen Punkt — zurück in die automatisierte Nurturing-Sequenz. 7 haben null Punkte — kalt lassen, Newsletter-Sequenz läuft weiter.
Gesamtzeit für diesen Review: ungefähr acht Minuten. Du brauchst kein CRM. Eine gefilterte Posteingangsansicht und dein Analytics-Dashboard reichen bis du 50+ Anmeldungen pro Woche hast. Erst dann lohnt sich spezialisierte Lead-Scoring-Software wirklich. Das Ziel ist nicht Komplexität — es geht darum, die zwei bis drei Leads zu finden, die heute deine direkte Aufmerksamkeit verdienen.
Wenn du diese Routine einmal eingerichtet hast, läuft sie fast automatisch. Die meisten Solo-Gründer reservieren Montagmorgen dafür: Analytics öffnen, drei Signale prüfen, SQLs identifizieren, persönliche E-Mails schreiben. Dieser wöchentliche Rhythmus sorgt dafür, dass kein heisser Lead kalt wird, nur weil du gerade tief in der Produktentwicklung steckst. Die zwei bis drei Leads, die heute deine Aufmerksamkeit verdienen, werden nicht warten.
FAQ
Was bedeutet MQL vs SQL für Solo-Gründer?
MQL vs SQL unterscheidet zwei Lead-Typen nach Kaufabsicht. Ein MQL hat Interesse durch Marketing gezeigt, aber noch keine Kaufentscheidung getroffen. Ein SQL hat Verhalten gezeigt, das Kaufbereitschaft signalisiert. MQL vs SQL sagt dir, wen du automatisch nurturierst und wen du heute persönlich kontaktierst.
Wie wende ich MQL vs SQL ohne CRM-Software an?
Das MQL vs SQL Scoring braucht drei Signale: Pricing-Seite besucht, echte Daten verbunden, direkte Frage gestellt. 1 Punkt je Signal. Score ≥2 = SQL, persönliche E-Mail heute. Score 1 = MQL, in Sequenz lassen. Der MQL vs SQL Review dauert etwa acht Minuten pro Batch.
Was ist eine gute MQL vs SQL Konvertierungsrate?
Eine gesunde MQL vs SQL Konvertierungsrate für B2B SaaS liegt bei 15–25 %. Unter 10 % bedeutet, dass deine MQL vs SQL Kriterien zu weit gefasst sind. Tracke deine MQL vs SQL Rate monatlich zusammen mit CAC nach Kanal.
Wann funktioniert MQL vs SQL nicht?
Das MQL vs SQL Framework stösst an Grenzen bei PLG-Produkten (Nutzer upgraden ohne Gespräch) und sehr niedrigem Volumen (unter 10 Anmeldungen/Woche). Für PLG SaaS ersetzt die Aktivierungsrate MQL vs SQL als primäre Qualifizierungsmetrik.
Wie schnell auf einen SQL im MQL vs SQL Prozess antworten?
Im MQL vs SQL Prozess: innerhalb von 24 Stunden, idealerweise innerhalb einer Stunde. Richte Benachrichtigungen für SQL-auslösende Events ein, damit der MQL vs SQL Prozess automatisch läuft und du am selben Tag antwortest.