MQL und SQL: Die neuralgischen Übergabepunkte in Ihrer Pipeline
Es gibt keine universelle Definition. Aber ohne saubere Definitionen verlieren Sie Leads, Zeit und Umsatz. Wir zeigen, wie es funktioniert.
Warum MQL und SQL heute noch immer ein großes Thema sind
MQL und SQL sind die neuralgischen Übergabepunkte zwischen Marketing und Sales. Sie entscheiden darüber, wann Marketing einen Lead übergibt und wann Sales ihn aktiv bearbeitet.
Das Problem: Es gibt keine allgemeingültige Definition, was einen MQL oder SQL ausmacht. Das bestimmt jedes Unternehmen individuell, basierend auf Geschäftsmodell, ICP, Markenbekanntheit, Buying-Center-Größe und Vertriebslogik.
Das klingt flexibel. In der Praxis wird es ohne abgestimmte Definition zum Chaos.
Wenn MQL und SQL unterschiedlich verstanden werden, entstehen teure Ineffizienzen:
- Marketing generiert Leads, Sales bearbeitet sie nicht („Das ist keine SQL“)
- Sales lehnt Leads ab, ohne Begründung zu dokumentieren
- Leads verschwinden im CRM, statt zurück ins Nurturing zu gehen
- Niemand weiß wirklich, welche Leads die besten sind
Die Konsequenz
Reibungsverluste, Frust, Umsatzverlust.
Besonders im B2B wird das kritisch. Längere Zyklen, komplexere Buying Center, höhere CAC: Hier bestimmt die saubere Definition von MQL und SQL über Erfolg oder Misserfolg.
Das Gute: Das Problem ist lösbar. Mit klaren Definitionen, dokumentierten Kriterien und Feedback-Schleifen funktioniert es.
MQL und SQL einfach erklärt
MQL: Marketing Qualified Lead
Ein MQL ist ein Lead, der durch Marketingaktivitäten ausreichend Interesse und Relevanz gezeigt hat, um eine vertiefende Qualifizierung durch Sales zu rechtfertigen.
Konkret: Der Lead passt zu Ihrem ICP, hat relevantes Verhalten gezeigt (Website-Besuche, Content-Downloads, Event-Teilnahme) und besitzt plausibles Potenzial für weitere Qualifizierung durch den Vertrieb.
Wichtig: Ein MQL hat noch keine Kaufbereitschaft. Er signalisiert: „Ich bin interessiert.“
SQL: Sales Qualified Lead
Ein SQL ist ein Lead, bei dem zusätzlich zu Interesse und Relevanz auch Kaufpotenzial erkennbar ist.
Konkret: Der Lead hat konkrete Vertriebssignale gezeigt (Demo-Anfrage, Gesprächswunsch, Unzufriedenheit mit bestehender Lösung), erfüllt Ihre Vertriebsanforderungen (Budget, Zeitfenster, Tech-Stack) und ist bereit, aktiv bearbeitet zu werden.
Wichtig: Kaufpotenzial ist nicht dasselbe wie Kaufabsicht. Ein SQL könnte noch ablehnen. Aber die Wahrscheinlichkeit für ein echtes Gespräch ist signifikant höher.
Wer definiert MQL und SQL und wie werden Lippenbekenntnisse zu verbindlichen Regeln?
MQL und SQL müssen gemeinsam von Marketing, Sales und RevOps definiert werden.
Das ist nicht optional. Wenn nur Marketing die Definition schreibt, wird Sales sie nicht akzeptieren. Wenn nur Sales definiert, wird Marketing nicht liefern können.
Die Rollen bei der Definition
Marketing
Welche Verhaltenssignale zeigen echtes Interesse? Welche Content-Interaktionen sind aussagekräftig? Welche Intent-Signale triggern die nächste Phase?
Sales
Welche Kriterien brauchen wir, um ein Gespräch sinnvoll zu führen? Welche Informationen fehlen uns noch? Bei welchen Signalen ist ein Lead nicht reif genug?
RevOps
Wie bauen wir das technisch ab? Welche Felder müssen wir im CRM haben? Wie automatisieren wir die Übergabe?
Der Praxismechanismus: Das SLA
Ein SLA (Service Level Agreement) ist der Ort, wo MQL und SQL verbindlich werden.
Das SLA dokumentiert:
- Welche Profilmerkmale ein MQL erfüllen muss
- Welche Verhaltenssignale eine Übergabe auslösen
- Innerhalb welcher Frist Sales einen Lead bearbeitet
- Was passiert, wenn ein Lead abgelehnt wird
- Wie der Lead dokumentiert und ins Nurturing zurückgeführt wird
Wichtig: Das SLA ist nicht statisch. Wenn Sales in der Praxis regelmäßig Leads ablehnt oder die Conversion sinkt, müssen die Kriterien überprüft werden. Das geschieht in regelmäßigen Feedback-Schleifen (monatlich oder quartalsweise).
Lesen Sie dazu auch: SLAs: Der nächste Schritt nach gemeinsamen KPIs
Ohne diese Rückkopplung bleibt die MQL/SQL-Definition eine Vermutung statt einer belastbaren Arbeitsgrundlage.
Sie brauchen eine Einschätzung von außen für Ihr Übergabemodell?
Warum MQL/SQL-Definitionen in der Praxis scheitern
Fehler 1: Zu starke Fokussierung auf Lead-Score, zu wenig auf Intent-Signale
Das Problem
Ein hoher Lead-Score allein sagt noch nicht genug über Vertriebsreife aus. Ein Kontakt könnte viel Website-Traffic erzeugt haben, aber die falsche Rolle haben oder der falsche Zeitpunkt sein. Besonders komplexe Scoring-Modelle führen zu False Positives: Lead-Scores, die auf dem Papier heiß aussehen, aber in der Realität nichts werden.
Der Trend
Die Industrie bewegt sich weg von komplizierten, mathematischen Scoring-Modellen hin zu klaren Intent-Signalen. Statt einer Black-Box-Formel (50 Punkte für Website-Besuch, 30 für Download) werden explizite Verhaltensauslöser definiert: „Besuch der Preisseite nach 3+ Website-Visits = SQL-Ready“ oder „Demo-Anfrage = sofortige Übergabe“.
Die Konsequenz
Sales erhält Leads, die auf dem Papier heiß aussehen, aber im Gespräch nichts werden. Frust steigt, Lead-Ablehnung steigt, Vertrauen in Marketing sinkt.
Die Lösung
Kombinieren Sie Lead-Score mit expliziten Intent-Signalen. Ein Lead mit mittlerem Score, aber drei Besuchen auf der Preisseite ist wertvoller als ein Lead mit hohem Score ohne Kaufsignale. Intent ist König.
Fehler 2: Unklare Lead-Routing- und Rückführungsprozesse
Das Problem
Ein Lead wird übergeben, Sales lehnt ab, aber es ist unklar, wann der Lead wieder ins Nurturing geht, wie lange er dort bleibt oder wer ihn später reaktiviert.
Die Konsequenz
Leads verschwinden im CRM. Marketing sieht nie, dass der Lead abgelehnt wurde. Potenzielle Deals gehen verloren.
Die Lösung
Klare Rückführungsprozesse im SLA. Beispiel: „Wenn Sales einen Lead ablehnt, geht er zurück zu Marketing für 6 Monate Nurturing. Nach 6 Monaten oder bei neuem Kaufsignal wird er neu bewertet.“
Fehler 3: Keine Feedback-Schleifen zwischen Marketing und Sales
Das Problem
Sales dokumentiert „Abgelehnt: Zeitpunkt falsch“, aber diese Information erreicht Marketing nie. Marketing weiß nicht, dass Timing ein Problem ist, und ändert nichts.
Die Konsequenz
Marketing optimiert im Blindflug. Dieselben Probleme treten immer wieder auf. Die MQL-Definition bleibt eine Vermutung.
Die Lösung
Monatliche Feedback-Meetings zwischen Marketing und Sales. Themen: Welche Leads wurden abgelehnt und warum? Welche Signale sind aussagekräftig? Müssen die Kriterien angepasst werden?
Fehler 4: Keine gemeinsame Datenbasis (Single Point of Truth)
Das Problem
Marketing schaut auf sein Marketing-Automation-Tool. Sales schaut auf das CRM. Die Zahlen stimmen nicht überein. Wer hat recht?
Die Konsequenz
Diskussionen werden politisch statt operativ. „Wir sehen unterschiedliche Zahlen“ führt zu Schuldzuweisungen, nicht zu Lösungen.
Die Lösung
Ein einziges Dashboard, das beide Teams nutzen. Single Point of Truth für Pipeline, Conversion, Leadqualität und Ablehnungsgründe. Erst dann können beide Teams sauber zusammenarbeiten.
Welche Kriterien ein MQL erfüllen sollte
Ein MQL muss mehr sein als ein Kontakt mit grober Interessensbekundung.
Als MQL sollten Leads 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.
Die drei Ebenen einer MQL-Definition
Ebene 1: Fit zum Ideal Customer Profile (ICP)
Der Lead sollte grundsätzlich zu Ihrem Zielkundenprofil passen. Unternehmensgröße, Branche, Markt, Rolle, Teamstruktur oder Anwendungsfall müssen zumindest bekannt sein, damit eine spätere Vertriebsbearbeitung sinnvoll ist.
Ein Beispiel: Sie bauen eine Lösung für CMOs in Industrie-Unternehmen mit 100 bis 500 Mitarbeitern in der DACH-Region. Ein Praktikant aus einem 10-Personen-Startup ist kein MQL, egal wie viel Content er konsumiert hat.
Ebene 2: 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:
- •Wiederholte Websitebesuche (nicht nur ein Besuch)
- •Content-Downloads (besonders Checklisten, ROI-Rechner, Whitepaper)
- •High-Intent Seitenaufrufe (Pricing, Case Studies, Demo-Seite, Kontaktformular)
- •Teilnahme an Webinaren oder Events
- •Wiederholte Kontakte (mehrere Interaktionen über Zeit)
Ebene 3: Plausibilität für weitere Qualifizierung
Eine direkte Kaufbereitschaft darf in der MQL-Phase keinesfalls unterstellt werden. Ein MQL besitzt das plausible Potenzial, durch den Vertrieb weiterqualifiziert zu werden.
Der Unterschied zwischen Kampagnenrauschen und plausiblem Potenzial:
| Kriterium | Kampagnenrauschen | Plausibles Potenzial |
|---|---|---|
| Themeninteresse & Problemdruck | Download eines Whitepapers (könnte auch der Werkstudent sein) | Download einer Checkliste und Besuch auf der Preisseite |
| Kundenprofil | Student lädt Whitepaper herunter | Abteilungsleiter lädt Whitepaper herunter und besucht dann Pricing |
| Gesprächswahrscheinlichkeit | „Wollte sich nur mal informieren“ | Hat Zeit investiert, konkrete Gesprächsansätze erkennbar |
Ein MQL ist der Lead aus der rechten Spalte, nicht der aus der linken.
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.
Die vier Säulen einer SQL-Definition
Säule 1: Klare Vertriebsreife
Eine direkte Demo-Anfrage oder ein Gesprächswunsch sind das perfekte Beispiel. Aber auch klare Problemformulierung und starke Intent-Signale (zum Beispiel Unzufriedenheit mit bestehender Lösung) zählen dazu.
Beispiele für SQL-Signale:
- •„Wir suchen eine Lösung für X“
- •„Kann ich einen Demo-Termin buchen?“
- •Mehrfacher Besuch auf der Pricing- oder Demo-Seite
- •Download eines Vergleichs mit Ihrem Hauptkonkurrenten
- •Besuch der Implementierungs-Seite
Säule 2: Mindestmaß an Fit und Relevanz
Nicht jeder interessierte Kontakt ist ein SQL. Je nach Funnel-Modell erfolgt hier eine Prüfung: Passt das Zeitfenster? Ist das Budget realistisch? Welche Rolle hat der Kontakt im Buying Center? Diese Fragen klären sich oft schon in der MQL-Phase oder im Discovery-Call mit Sales.
Säule 3: Definierte Übergabekriterien
Sales muss nachvollziehen können, warum ein Lead als SQL übergeben wurde. Dazu braucht es dokumentierte Kriterien: Welche Signale waren ausschlaggebend? Welche Informationen liegen bereits vor? Welche Fragen bleiben offen für die Bearbeitung?
Säule 4: Klare Bearbeitungslogik
Ein SQL funktioniert nur als operative Kategorie, wenn festgelegt ist, was danach passiert: Wer übernimmt (Account Executive, Sales Development Rep, Account Manager)? Wie schnell wird reagiert (24 Stunden, 4 Stunden)? Wie viele Kontaktversuche sind Pflicht? Wann und unter welchen Bedingungen kann ein SQL zurückgegeben werden? Erst durch diese Anschlusslogik wird der Status steuerbar.
Sie wollen wissen, wie belastbar Ihre MQL/SQL-Definition heute ist?
Wie wir MQL und SQL in der Praxis definieren: der 4-Schritt-Prozess
Wie wir MQL und SQL 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.
Schritt 1: Bestandsaufnahme
Zuerst prüfen wir, welche Lead-Status, Übergaberegeln, Score-Modelle und CRM-Logiken bereits vorhanden sind.
Besonders interessiert uns, wie die Teams das bestehende Setup in der Praxis leben. Ein häufiges Muster: „SQL und Opportunity sind bei uns eigentlich dasselbe, das stellen wir nicht immer um.“
Diese Lücke zwischen Theorie und Praxis ist normal, und sie zu dokumentieren ist der erste Schritt zur Verbesserung.
Schritt 2: Definition der Funnelstufen und Schwellenwerte
Im nächsten Schritt definieren wir gemeinsam, welche Funnelstufen es zukünftig geben wird. Maßgeblich ist dabei: So viel wie nötig, so wenig wie möglich.
Zu viele Stufen (Lead, MQL, SAL, SQL, Opportunity) erzeugen Komplexität und Fehler. Zu wenige (Lead, SQL) verlieren wichtige Kontext-Informationen.
Gleichzeitig definieren wir, welche Kombination aus ICP-Fit, Verhalten, Bedarf, Rolle und Intent-Signalen aus einem Lead einen MQL macht und ab welchem Punkt ein SQL daraus wird.
Schritt 3: 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.
Die Rückgabe-Logik ist in vielen Unternehmen die Schwachstelle. Gewonnene, aber noch nicht vertriebsreife Leads verschwinden im CRM statt strukturiert gepflegt zu werden.
Schritt 4: Systemlogik im CRM
Zum Schluss übersetzen wir die Definitionen in Systemlogik: Statusfelder und ihre Übergänge, Pflichtinformationen pro Stufe, Automationen (wann triggert welche Aktion?), Eigentümerschaft (wer ist verantwortlich?), Reaktionszeiten und Bearbeitungspflichten sowie Reporting-Logik.
Erst wenn diese Ebene sauber aufgebaut ist, lassen sich MQL und SQL verlässlich messen und steuern.
Häufige Fehler im B2B-Kontext
Gerade im B2B zeigt sich schnell, ob das MQL/SQL-Modell tragfähig ist. Längere Zyklen, komplexere Buying Center, höhere Akquisitionskosten: Hier müssen MQL und SQL robust und präzise sein.
Häufige Fehler in B2B
Fehler 1: Der Funnel wird als Einbahnstraße behandelt
Leads gehen rein, und wenn sie nicht konvertieren, sind sie weg. Dabei ist eine Rückgabe kein Rückschritt, sondern eine dokumentierte, kontrollierte Reifeverschiebung in besseres Nurturing.
Beispiel: Ein SQL wird von Sales bearbeitet, aber der Zeitpunkt passt nicht. Der Lead geht zurück als MQL mit dem Kontext „Guter Fit, aber Q2 2027 statt sofort“. Marketing kann ihn gezielt bis zum richtigen Zeitpunkt nurturen.
Fehler 2: Status werden wie fixe Labels behandelt
Sales markiert einen Lead als SQL und dieser Status ändert sich nie, obwohl die Situation sich längst verändert hat.
Dabei sollten Status nur so lange gelten, wie sie die Realität abbilden. Wenn sich Zielgruppe, Kaufverhalten oder Vertriebslogik ändern, müssen die Kriterien mitgezogen werden.
Fehler 3: Das Modell wird verteidigt, obwohl es nicht funktioniert
Die Conversion sinkt oder die Lead-Akzeptanzquote ist niedrig. Statt die Definitionen zu überprüfen, wird mehr Reporting gebaut.
Das ist verkehrt. Das Problem liegt nicht in der Messung, sondern im Übergabemodell selbst. Es braucht eine Nachschärfung der Definitionen, nicht mehr Dashboards.
Sie brauchen eine Einschätzung von außen für Ihr Übergabemodell?
Ihr nächster Schritt
Ihr nächster Schritt: Das Modell prüfen
MQL und SQL sind kein Selbstläufer. Sie sind ein System, das gepflegt werden muss.
Die gute Nachricht: Sie müssen nicht bei Null anfangen. Sie haben Prozesse, Daten, ein CRM. Sie müssen das nur sauber definieren und verbindlich machen.
Drei Wege, um anzufangen
Option 1
Selbst prüfen
Nutzen Sie unsere interaktive Checkliste, um zu sehen, wie gut Ihr MQL/SQL-Modell heute schon funktioniert.
Option 2
Mit unserer Vorlage
Übertragen Sie die Kriterien aus diesem Leitfaden in Ihre MQL/SQL-Definition und passen Sie sie an Ihre Zahlen an.
Option 3
Professionelle Begleitung
Im Erstgespräch (30 Minuten, kostenlos) zeigen wir Ihnen, wo Ihr Modell Reibung erzeugt und wie Sie es optimieren.
Interaktive Checkliste
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
Gemeinsam bauen wir
die Brücke
Jede Woche ohne funktionierende Pipeline kostet Sie mehr als 30 Minuten Ihrer Zeit. Im Erstgespräch (kostenlos, 30 Minuten) bekommen Sie eine Außenperspektive auf Ihre Situation. Kein Pitch. Danach entscheiden Sie.
FAQ: Häufige Fragen zu MQL und SQL
Quellenangaben
Quellen aus: bvik Trendbarometer Industriekommunikation, Alltake Lead Quality Report, Lunas Benchmarks, DigitalApplied Smarketing Playbook, SyncGTM Lead Conversion Data, B2B-Runner, SalesHead, iGrow, Vogler Marketing, Adobe, Vertus Lead Scoring Guide, HeyRebels, Clicknify („MQL is Dead“ Trend).