Intent Data sind Verhaltensdaten, die auf eine konkrete Kaufabsicht eines Unternehmens oder einer Person hindeuten. Sie helfen B2B-Vertrieb und -Marketing dabei zu erkennen, welche potenziellen Kunden sich gerade aktiv mit einem Thema oder einer Lösung beschäftigen — und ermöglichen so eine gezielte, zeitlich passende Ansprache.
Der Grundgedanke: Bevor ein Unternehmen kauft, recherchiert es. Diese Recherche hinterlässt Spuren — etwa wiederholte Besuche bestimmter Inhalte, Suchanfragen oder das Lesen von Fachartikeln. Intent Data machen diese Spuren auswertbar und übersetzen sie in priorisierbare Signale.
Definition und Funktion
Intent Data beantworten die Frage, ob und wie stark sich ein potenzieller Kunde gerade für ein Thema interessiert. Sie ergänzen statische Merkmale wie Branche oder Unternehmensgröße um eine zeitliche Komponente: nicht nur „passt dieser Kontakt”, sondern „ist jetzt der richtige Moment”. Damit sind sie ein zentraler Baustein moderner B2B-Leadgenerierung.
Im Zusammenspiel mit der Anreicherung über Data Enrichment entsteht ein vollständigeres Bild: Wer ist der Kontakt, in welchem Unternehmen sitzt er, und worauf richtet sich sein Interesse gerade. Diese Kombination erhöht die Trefferquote der Ansprache erheblich.
Quellen und Typen
Intent Data lassen sich nach ihrer Herkunft unterscheiden. Die folgende Tabelle gibt einen Überblick.
| Typ | Quelle | Stärke |
|---|---|---|
| First-Party | Eigene Website, CRM, Newsletter | Hohe Präzision, eigene Kontrolle |
| Second-Party | Partnerdaten, geteilte Quellen | Erweiterte Reichweite |
| Third-Party | Externe Datenanbieter, Netzwerke | Frühe Signale, breite Abdeckung |
First-Party-Daten entstehen aus dem direkten Kontakt mit der eigenen Marke und sind dadurch besonders verlässlich. Third-Party-Daten reichen oft früher in den Kaufprozess hinein, weil sie Verhalten über viele Websites hinweg erfassen — sind aber datenschutzrechtlich sorgfältiger zu prüfen.
Anwendung im B2B-Vertrieb
Der praktische Nutzen liegt in der Priorisierung. Ein Vertriebsteam, das täglich mehr Kontakte hat, als es bearbeiten kann, nutzt Intent-Signale, um die aktivsten Interessenten nach vorne zu sortieren. Ein Lead, der mehrfach relevante Inhalte konsumiert hat, verdient schnellere Aufmerksamkeit als ein passiver Kontakt.
Intent Data fließen sinnvoll in das Lead Scoring ein, indem Verhaltenssignale zusätzliche Punkte vergeben. So entsteht eine dynamische Rangfolge, die sich mit dem Verhalten der Kontakte verändert. In Verbindung mit Account-Based Marketing lassen sich ganze Zielunternehmen beobachten: Zeigt ein priorisierter Account erhöhte Aktivität, kann das Team koordiniert und themenbezogen ansprechen.
Auch die Botschaft selbst profitiert. Wer weiß, womit sich ein Kontakt gerade beschäftigt, kann die Ansprache thematisch passend ausrichten statt mit einem generischen Pitch zu starten.
Ein weiterer Anwendungsfall ist die Abstimmung zwischen Marketing und Vertrieb. Marketing kann anhand von Intent-Signalen erkennen, welche Themen aktuell nachgefragt werden, und die Inhalte darauf ausrichten. Der Vertrieb wiederum erhält priorisierte Übergaben, bei denen das Interesse bereits belegt ist. Diese gemeinsame Datenbasis reduziert Reibung an der Schnittstelle, weil beide Seiten dieselben Signale sehen und Übergaben nachvollziehbar werden. So entsteht ein durchgängiger Prozess von der ersten Interessensregung bis zur konkreten Ansprache.
Quellen sinnvoll kombinieren
Intent Data entfalten ihren Wert vor allem in der Kombination. Ein einzelnes Signal — etwa ein einmaliger Seitenbesuch — sagt wenig aus. Mehrere Signale über einen kurzen Zeitraum hinweg, idealerweise von mehreren Personen desselben Unternehmens, ergeben ein deutlich belastbareres Bild. Diese Bündelung auf Unternehmensebene ist der Grund, warum Intent Data und kontenbasierte Ansätze so gut zusammenpassen.
Sinnvoll ist außerdem, Intent-Signale zeitlich zu gewichten. Ein Signal von gestern wiegt schwerer als eines von vor drei Monaten, weil Kaufabsichten vergänglich sind. Wer veraltete Signale gleich behandelt wie frische, priorisiert falsch. Eine klare Verfallslogik hält die Bewertung aktuell und sorgt dafür, dass der Vertrieb seine Aufmerksamkeit auf die wirklich heißen Kontakte richtet.
Vorgehen für den Einstieg
Ein pragmatischer Einstieg beginnt mit den eigenen First-Party-Daten. Website-Tracking, CRM-Aktivitäten und Newsletter-Interaktionen liefern bereits aussagekräftige Signale, ohne dass externe Daten zugekauft werden müssen. Im nächsten Schritt werden diese Signale gewichtet und in das Scoring übernommen, damit sie die Priorisierung tatsächlich beeinflussen.
Erst wenn die internen Quellen ausgeschöpft sind, lohnt der Blick auf Third-Party-Anbieter. Hier sollten Aussagekraft, Abdeckung der eigenen Zielmärkte und vor allem die datenschutzrechtliche Grundlage genau geprüft werden. Wichtig ist außerdem, klare Schwellen zu definieren, ab denen ein Signal eine Aktion auslöst — sonst bleibt die Datenmenge folgenlos.
Abgrenzung und häufige Fehler
Intent Data sind keine Garantie für einen Kauf, sondern eine Wahrscheinlichkeitsaussage. Der häufigste Fehler ist, sie als sichere Kaufsignale misszuverstehen und die nachgelagerte Qualifizierung zu überspringen. Ein erhöhtes Interesse bedeutet, dass sich Aufmerksamkeit lohnt — nicht, dass ein Abschluss bevorsteht.
Ein zweiter Fehler ist die fehlende Integration. Werden Intent-Signale nicht mit dem CRM und dem Scoring verbunden, bleiben sie ein isolierter Bericht ohne Wirkung. Schließlich wird der Datenschutz oft unterschätzt: Gerade bei zugekauften Third-Party-Daten ist die DSGVO-Konformität sorgfältig zu prüfen, um rechtliche Risiken zu vermeiden.
Ein dritter, häufig übersehener Fehler ist die fehlende Anschlussreaktion. Intent Data zeigen den richtigen Moment, doch dieser Moment ist begrenzt: Reagiert der Vertrieb erst Wochen später, ist das Interesse möglicherweise verflogen oder ein Wettbewerber war schneller. Damit Signale Wirkung entfalten, braucht es klar definierte Abläufe, die bei einem starken Signal zeitnah eine Aktion auslösen. Die beste Datengrundlage nützt wenig, wenn ihr keine zügige, abgestimmte Reaktion folgt. Ein vierter Stolperstein ist die Erwartung, Intent Data ersetzten die menschliche Einschätzung. Sie liefern Hinweise, doch die Entscheidung, wie ein Kontakt anzusprechen ist, bleibt Aufgabe des Vertriebs. Wer die Daten als Unterstützung und nicht als Automatismus begreift, holt das Beste aus ihnen heraus und vermeidet, dass aus einer Wahrscheinlichkeit eine falsche Gewissheit wird.