MQL und SQL: Definition, Unterschied und warum die saubere Übergabe so wichtig ist
MQL und SQL sind operative Schwellen im B2B-Leadmanagement. Sie entscheiden darüber, wann Marketing einen Lead übergibt und wann Sales ihn aktiv bearbeitet.
Es gibt keine allgemeingültige Definition, was einen MQL oder SQL ausmacht. Das bestimmst Du für Dein Unternehmen individuell, unter anderem anhand Deines Geschäftsmodells, Deines ICP, Deiner Markenbekanntheit, den Buying Centern bei Deinen Kunden, etc.
In der Praxis entscheidet genau diese Übergabe darüber, ob Leads sauber in der Pipeline weiterentwickelt werden oder durch unnötigen Reibungsverlust versanden. Wenn Marketing und Sales MQL und SQL unterschiedlich verstehen, entstehen teure Ineffizienzen, Frust und Umsatzverlust.
An den Begriffen MQL und SQL hängen in der Praxis vier zentrale Fragen für Marketing, Vertrieb und Management:
- Was ist für Dein Unternehmen ein MQL?
- Was ist für Dein Unternehmen ein SQL?
- Wie organisierst Du die Übergabe von MQL zu SQL so, dass sie im Alltag wirklich funktioniert?
- Wie wird ein abgelehnter Lead dokumentiert, zurückgegeben und wieder ins Nurturing überführt?
MQL und SQL sind also neuralgische, operative Übergabepunkte, statt bloßer sprachlicher Abkürzungen.
Lead-Qualifizierung im B2B: Die wichtigsten Modelle
Ob eine MQL-/SQL-Definition überhaupt angebracht ist, entscheidet sich nach Vertriebsmodell und Produktkomplexität. Das klassische Wasserfallmodell kann sinnvoll sein, ein Product-Led-Growth-Ansatz oder ein Account-Based-Modell aber besser funktionieren.
Wasserfallprinzip
Demand Gen
Product Led Growth
Account Based
Egal, welches Modell für Dich geeignet ist, entscheidend ist nicht das Etikett der Funnelstufen, sondern dass sie einheitlich verstanden und von klar definierten Prozessen gestützt werden. Je nach Funnelmodell können daher einzelne operative Schritte, wie der Discovery Call, bereits in der SAL-Phase oder erst in der SQL-Phase stattfinden.
MQL und SQL einfach erklärt
MQL
Ein MQL ist ein Lead, der durch Marketingaktivitäten ausreichend Interesse und Relevanz gezeigt hat, um eine vertiefende Qualifizierung durch Sales zu rechtfertigen.
SQL
Ein SQL ist ein belastbarer Ansatz für ein konkretes Gespräch mit Sales, da zusätzlich zu Interesse und Relevanz auch Kaufpotenzial erkennbar ist.
Wichtig: Kaufpotenzial bedeutet nicht automatisch auch Kaufabsicht. Das ist ein wesentlicher Unterschied, der in der Praxis oft zu Missverständnissen führt.
Wo & Warum MQL- und SQL-Definitionen in der Praxis scheitern
Folgende vier Punkte haben wir wiederholt in B2B-Unternehmen als kritisch identifiziert.
Zu starke Fokussierung auf Scoring, zu wenig auf Kontext
Ein hoher Lead-Score allein sagt noch nicht genug über die tatsächliche Vertriebsreife aus. Gerade im B2B-Kontext ist es oft entscheidender, welche Rolle eine Person hat, in welchem Unternehmen sie arbeitet, welches Problem sie lösen will und ob der Zeitpunkt für ein Sales-Gespräch überhaupt passend ist.
Unklare Lead-Routing- & Rückführungsprozesse
Automatisierte Nurturing-Prozesse funktionieren nur dann wirklich gut, wenn klar definiert ist, welcher Lead in welchen Pfad gehört, wann Sales übernimmt und wann ein Kontakt wieder zurück ins Nurturing geht. Ohne diese gemeinsame Logik entsteht zwar Automation, aber keine saubere Steuerung entlang von Fit, Relevanz und Vertriebsreife.
Fehlende Feedbackschleifen
Marketing kann nur dann besser qualifizieren, wenn Rückmeldungen aus dem Vertrieb auch tatsächlich zurück ins System fließen. Dazu gehören etwa Ablehnungsgründe, Einwände aus Gesprächen, verlorene Deals, Muster bei unpassenden Leads und Hinweise darauf, welche Inhalte oder Signale im Prozess gefehlt haben. Ohne diese Rückkopplung optimiert Marketing an der Realität vorbei, und Sales bleibt mit denselben Problemen konfrontiert.
Keine gemeinsame Datenbasis (Single Point of Truth)
Es werden unterschiedliche Dashboards in den Abteilungen genutzt, die nicht den gesamten Kontext der Pipeline spiegeln. Das führt dazu, dass Diskussion über Leadqualität, Pipelinestand und Umsatz schnell politisch statt operativ werden. Gemeinsame Dashboards über die komplette Pipeline (Funnelstufen, Conversionraten, Lost Reasons) als Single Point of Truth sorgen dafür, dass beide Teams dieselbe Sicht auf die Pipeline-Wirkung haben. Erst dann lassen sich Entscheidungen sauber treffen und Verantwortlichkeiten wirklich nachvollziehen.
Typische Fehler bei MQL und SQL im B2B-SaaS-Umfeld
Gerade in B2B-SaaS zeigt sich schnell, ob das eingesetzte Modell tragfähig ist. Längere Zyklen, Buying Center, Produktkomplexität und höhere Akquisitionskosten machen es nötig, MQL und SQL nicht zu einfach zu denken. Typische Probleme sind dann schwache Conversion, inkonsistentes Scoring, uneinheitliche Ablehnungsgründe und CRM-Status, die die Realität nicht mehr sauber abbilden.
Häufige Fehler sind aus unserer Sicht:
- Der Funnel wird als Einbahnstraße behandelt. Dabei ist eine Rückgabe kein Rückschritt, sondern eine dokumentierte und kontrollierte Reifeverschiebung in ein passenderes Nurturing.
- Status werden wie fixe Labels behandelt, obwohl sie nur so lange gelten, wie sie die Realität abbilden. Wenn sich Zielgruppe, Kaufverhalten oder Vertriebslogik ändern, müssen Kriterien und Status mitgezogen werden.
- Das Modell wird verteidigt, obwohl die Conversion oder Lead-Akzeptanz zeigt, dass es nicht mehr trägt. Dann braucht es nicht mehr Reporting, sondern eine Nachschärfung der Definitionen.
Wenn eines oder mehrere dieser Muster auftreten, liegt das Problem meist nicht in einem einzelnen Team, sondern in einem Übergabemodell, das fachlich, technisch und organisatorisch nicht sauber verzahnt wurde.
Wie gut ist Euer MQL-/SQL-Modell heute schon definiert?
Mit unserer interaktiven Checkliste prüfst Du in wenigen Fragen, ob Dein Marketing und Sales bereits eng verzahnt oder nebeneinander her arbeiten. So siehst Du schnell, wo Reibung entsteht und welches Potenzial zwischen Marketing und Vertrieb noch verloren geht.
Kulturell: Shared Accountability statt Silo-Denke
"Marketing feiert Leadquantität und Sales flucht über die Qualität. Wir brechen Silos auf und richten beide Teams auf ein gemeinsames Ziel aus."
Marketing‑ und Vertriebsteam haben gemeinsame, schriftlich dokumentierte Umsatzziele.
AblehnungStarke
Zustimmung
Ablehnung Starke
Zustimmung
Marketing‑ und Vertriebsziele sind direkt an dieselben Business‑KPIs gekoppelt.
AblehnungStarke
Zustimmung
Ablehnung Starke
Zustimmung
Bonus‑/Incentive‑Strukturen fördern die Zusammenarbeit zwischen Marketing und Sales.
AblehnungStarke
Zustimmung
Ablehnung Starke
Zustimmung
Marketing und Sales arbeiten mit Customer Success zusammen, um Cross‑/Upsell‑Potenziale zu identifizieren.
AblehnungStarke
Zustimmung
Ablehnung Starke
Zustimmung
Mind. eine Frage beantworten
Wer definiert MQL und SQL und wie werden aus Lippenbekenntnissen klare Verbindlichkeiten?
MQL und SQL müssen gemeinsam von Marketing und Sales definiert werden. Nur wenn beide Teams dieselben Kriterien akzeptieren, kann die Lead-Qualifizierung im Alltag funktionieren, so dass Umsatz entsteht, Geschwindigkeit in die Prozesse kommt und Ressourcen im Vertrieb sinnvoll eingesetzt werden.
Ein praxiserprobtes Mittel ist die Verwendung von SLAs (Service Level Agreements). Darin werden die Definitionen, die Übergabekriterien, die Reaktionszeiten und die Verantwortlichkeiten verbindlich festgehalten.
Ein SLA umfasst unter anderem:
- Welche Profilmerkmale ein MQL erfüllen muss
- Welche Verhaltenssignale eine Übergabe auslösen
- Innerhalb welcher Frist Sales einen MQL bearbeitet
- Was passiert, wenn ein Lead abgelehnt wird
Warum Feedback-Loops entscheidend sind
Ein gutes SLA ist nicht statisch. Wenn Sales in der Praxis regelmäßig Leads ablehnt oder kaum Abschlüsse entstehen, müssen die Kriterien überprüft und angepasst werden.
Genau dafür braucht es Feedback-Loops zwischen Marketing und Sales. Ohne diese Rückkopplung bleibt die Lead-Definition eine Vermutung statt einer belastbaren Arbeitsgrundlage.
Welche Kriterien ein MQL erfüllen sollte
Ein MQL muss mehr sein als ein Kontakt mit grober Interessensbekundung. Als MQL sollten Kontakte definiert werden, die sowohl strukturell relevant als auch verhaltensseitig auffällig genug sind, um eine intensivere Qualifizierung durch Sales zu rechtfertigen. Das bedeutet es gibt ein konkretes Problem, einen passenden Fit und eine realistische Vertriebschance in einem definierten Zeitfenster. Aus unserer Sicht gehören dazu vor allem diese Ebenen, als grobe Leitlinie:
Fit zum Ideal Customer Profile
Der Lead sollte grundsätzlich zu Eurem Zielkundenprofil passen. Unternehmensgröße, Branche, Markt, Rolle, Teamstruktur oder Anwendungsfall müssen zumindest so weit bekannt sein, dass eine spätere Vertriebsbearbeitung prinzipiell sinnvoll ist.
Relevantes Verhalten & Kontextsignale
Relevantes Verhalten ergibt sich nicht nur aus der Häufigkeit, mit der Inhalte konsumiert werden, sondern vor allem durch den Kontext. Wichtige Kontextsignale sind zum Beispiel:
- •Wiederholte Websitebesuche
- •Content-Downloads
- •High-Intent Seitenaufrufe (Kontakt, Impressum, Pricing, Case Studies, Tools & Checklisten, etc.)
- •Teilnahme an Webinaren
- •Wiederholte Kontakte (Messe, Online)
Plausibilität für weitere Qualifizierung
Eine direkte Kaufbereitschaft darf in der MQL-Phase keinesfalls unterstellt werden. Sein eigentlicher Status lässt sich besser so definieren: Er besitzt das plausible Potenzial, durch den Vertrieb weiterqualifiziert zu werden.
Der Unterschied zwischen Kampagnenrauschen und plausiblem Potenzial an einem kleinen Beispiel erklärt:
| Kriterium | Kampagnenrauschen | Plausibles Potenzial |
|---|---|---|
| Themeninteresse & Problemdruck | Download eines Whitepapers. Das kann auch der Werkstudent sein. | Download einer Checkliste und anschließender Besuch auf der Preisseite. |
| Kundenprofil | Student lädt ein Whitepaper herunter. | Abteilungsleiter lädt ein Whitepaper herunter. |
| Gesprächswahrscheinlichkeit | Wollte sich „nur mal informieren“. | Hat Zeit investiert und konkrete Gesprächsansätze erkennen lassen. |
Welche Kriterien ein SQL erfüllen sollte
Ein SQL markiert den Punkt, an dem ein Lead nicht mehr primär im Marketing-Kontext geführt wird, sondern aus Vertriebslogik heraus aktiv bearbeitet werden darf. Deshalb braucht diese Stufe deutlich strengere und eindeutigere Kriterien als ein MQL.
Klare Vertriebsreife
Eine direkte Demo-Anfrage oder Gesprächswunsch sind das perfekte Beispiel. Aber auch eine klare Problemformulierung und andere starke Intent-Signale (zum Beispiel Unzufriedenheit mit bestehender Lösung) fließen mit hinein.
Mindestmaß an Fit und Relevanz
Nicht jeder interessierte Kontakt ist ein guter SQL. Hier kommen (je nach Eurem Funnel-Modell z. B. im oder vor dem Discovery Call) typische Vertriebsfragen zum Einsatz, um z. B. Zeitfenster, Tech-Stack, Business-Impact, etc. zu ermitteln.
Definierte Übergabekriterien
Sales muss nachvollziehen können, warum ein Lead übergeben wurde. Dazu braucht es dokumentierte Kriterien: Welche Signale waren ausschlaggebend, welche Informationen liegen bereits vor, welche offenen Fragen bleiben für die Bearbeitung bestehen?
Klare Bearbeitungslogik
Ein SQL funktioniert nur dann als operative Kategorie, wenn auch festgelegt ist, was danach passiert. Wer übernimmt, wie schnell wird reagiert, wie viele Kontaktversuche sind Pflicht und wann darf ein SQL begründet zurückgegeben werden? Erst durch diese Anschlusslogik wird der Status steuerbar.
Wie wir MQL und SQL in der Praxis definieren
Wie wir MQL und SQL in der Praxis definieren, hängt nicht nur von den Begriffen selbst ab, sondern davon, wie Lead-Status, Übergaberegeln, Score-Modelle und CRM-Logiken im Alltag zusammenspielen. Entscheidend ist nicht die formale Definition allein, sondern ob Marketing und Sales sie gleich verstehen und konsequent leben.
Deshalb gehen wir in vier aufeinander aufbauenden Schritten vor.
Bestandsaufnahme
Zuerst prüfen wir, welche Lead-Status, Übergaberegeln, Score-Modelle und CRM-Logiken bereits vorhanden sind. Besonders interessiert uns dabei, wie die Teams das bestehende Setup in der Praxis leben. Ein einfaches Beispiel sind sich einschleichende Abweichungen vom definierten Prozess: „SQL und Opportunity sind bei uns eigentlich dasselbe, das stellen wir nicht immer um.“
Definition der Funnelstufen und Schwellenwerte
Im nächsten Schritt definieren wir gemeinsam, welche Funnelstufen es zukünftig geben wird. Maßgeblich ist dabei immer: So viel wie nötig, so wenig wie möglich, um im operativen Geschäft Abweichungen vom Prozess zu minimieren.
Gleichzeitig definieren wir, welche Kombination aus ICP-Fit, Verhalten, Bedarf, Rolle, Unternehmenskontext und Intent-Signalen aus einem Lead einen MQL macht und ab welchem Punkt ein SQL daraus wird.
Übergabe & Rückgabe
Danach legen wir fest, wann Sales einen Lead akzeptieren muss, unter welchen Bedingungen eine Rückgabe möglich ist, wie diese dokumentiert wird und wie der Lead wieder ins Nurturing zurückgeht. Gerade diese Rückgabe-Logik ist in vielen Unternehmen die eigentliche Schwachstelle und gewonnene, aber noch nicht vertriebsreife Leads verschwinden im CRM.
Systemlogik
Zum Schluss übersetzen wir die Definitionen in Systemlogik. Dazu gehören Statusfelder, Pflichtinformationen, Automationen, Eigentümerschaft, Reaktionszeiten, Bearbeitungspflichten und Reporting-Regeln. Erst wenn diese Ebene sauber aufgebaut ist, lassen sich MQL und SQL auch verlässlich messen.
Gemeinsam bauen wir
die Brücke
Jede Woche ohne funktionierende Pipeline kostet Dich mehr als 30 Minuten Deiner Zeit. Im Erstgespräch (kostenlos, 30 Minuten) bekommst Du eine Außenperspektive auf Deine Situation. Kein Pitch. Danach entscheidest Du.