Was ist ein Sales Qualified Lead?
Wann ist ein Interessent so weit, dass dein Vertrieb anrufen sollte? Genau diese Frage beantwortet der Sales Qualified Lead, kurz SQL.
HubSpot definiert ihn als Kontakt oder Unternehmen, das der Vertrieb als potenziellen Kunden eingestuft hat. Salesforce beschreibt ihn als Lead, der genug Interesse zeigt, gesprächsbereit ist und eine klare Kaufabsicht hat. Entscheidend ist in beiden Fällen: Der Vertrieb prüft, nicht das Marketing.
Im Funnel steht der SQL so:
Stufe
Wer entscheidet?
Lead
irgendein Kontakt, etwa per Formular
MQL
Marketing: Profil und Verhalten passen
SQL
Vertrieb: echte Verkaufschance
Opportunity
konkreter Deal mit Wert im CRM
Was macht einen Lead zum SQL?
Die Kriterien legst du selbst fest, am besten gemeinsam mit dem Vertrieb. Bewährt haben sich feste Prüfraster. Das bekannteste ist BANT:
- Budget: Ist Geld da oder eingeplant?
- Authority: Sprichst du mit jemandem, der entscheidet oder mitentscheidet?
- Need: Gibt es ein Problem, das dein Angebot löst?
- Timeframe: Soll in absehbarer Zeit gekauft werden?
IBM nutzte BANT schon in seinen Vorlagen von 2009 als Pflichtfeld: Verkaufschancen ohne Angaben zu allen vier Punkten wurden als unvollständig abgelehnt. Bei komplexen B2B-Verkäufen wird oft das ausführlichere Raster MEDDIC genutzt, das unter anderem nach Kennzahlen, Entscheidungsweg und einem internen Fürsprecher fragt.
Woran du Kaufbereitschaft vorher erkennst, nennt Salesforce: Besuche auf der Preisseite, die Nutzung eines Kostenrechners oder eine direkte Terminbuchung. Solche Signale fließen oft ins Lead Scoring. Der Score macht aber höchstens einen MQL. Zum SQL wird der Lead erst, wenn ein Mensch im Vertrieb ihn geprüft hat.
Die MQL-zu-SQL-Rate
MQL-zu-SQL-Rate
MQL-zu-SQL-Rate = SQLs ÷ MQLs × 100
Beispiel: 24 SQLs aus 150 MQLs → Rate = 16 %
Rechne mit Kohorten, nicht mit Monatswerten. Teilst du die SQLs im März durch die MQLs im März, obwohl deine Leads sechs Wochen brauchen, vergleichst du zwei verschiedene Gruppen.
Welche Rate ist normal? In einer Umfrage von Belkins unter 164 B2B-Teams lag der Median 2026 bei 11 bis 20 %. Teams mit viel Kaltakquise kommen typischerweise nur auf 5 bis 10 %, die übrigen auf 21 bis 35 %. Die Spanne ist groß, weil jedes Team MQL und SQL anders definiert.
Zwei Rechenbeispiele nach Kanal
HockeyStack hat 2024 die Daten von 94 B2B-Software-Firmen ausgewertet. Die Raten unterscheiden sich stark nach Kanal. Gerechnet mit denselben 100 MQLs:
Rechnung A · LinkedIn
100 MQLs aus LinkedIn
33 %
MQL zu SQL
29,6 %
SQL zu Abschluss
rund 33 SQLs → rund 10 Abschlüsse
LinkedIn war im zweiten Quartal 2024 der stärkste Kanal in der Auswertung.
Rechnung B · Facebook
100 MQLs aus Facebook
12,8 %
MQL zu SQL
13,5 %
SQL zu Abschluss
rund 13 SQLs → rund 2 Abschlüsse
Fünfmal weniger Kunden bei gleicher Zahl MQLs. Ein MQL ist also nicht gleich ein MQL.
Achtung beim Vergleich: HockeyStack zählt einen SQL erst, wenn eine Pipeline angelegt wurde. Das liegt näher an der Opportunity als an manchen anderen Definitionen.
Häufige Fehler
Fehler 1 · Marketing setzt den SQL
Ab 80 Punkten ist der Lead ein SQL? Nein. Ein Score kann einen MQL auslösen. Ob eine echte Verkaufschance dahintersteckt, entscheidet der Vertrieb, meist im ersten Gespräch.
Fehler 2 · Keine gemeinsame Definition
Bei einem Team ist ein Whitepaper-Download schon ein MQL, beim anderen erst ein vereinbarter Call. Ohne schriftliche Absprache zwischen Marketing und Vertrieb streiten beide über Leadqualität, statt sie zu verbessern.
Fehler 3 · SQL und Opportunity gleichsetzen
Bei HubSpot wird ein Kontakt erst zur Opportunity, wenn ein Deal mit ihm verknüpft ist. Der SQL ist die Stufe davor. Wer beides zusammenlegt, sieht nicht, wie viele geprüfte Leads nie zu einem Angebot werden.
Fehler 4 · Abgelehnte SQLs stehen lassen
HubSpot setzt die Lebenszyklusphase automatisch nur vorwärts. Stellt sich ein SQL als Fehlgriff heraus, bleibt er sonst für immer SQL. Setz ihn per Hand oder per Workflow zurück, damit er ins Lead Nurturing kann.
So führst du SQLs sauber
- Kriterien aufschreiben: BANT oder ein eigenes Raster, für alle im Team gleich.
- Im CRM abbilden: In HubSpot über die Lebenszyklusphase „Sales Qualified Lead“ und den Lead-Status, in Salesforce über den Lead-Status und die Umwandlung zur Opportunity.
- Kohorten messen: MQL zu SQL und SQL zu Abschluss, je Kanal.
- Rückweg einbauen: Nicht kaufbereite Leads zurück ins Nurturing, mit Grund.
Häufige Fragen
Was ist der Unterschied zwischen MQL und SQL?
Den MQL stuft das Marketing ein, anhand von Profil und Verhalten. Den SQL stuft der Vertrieb ein, nachdem er den Lead geprüft hat. Der MQL ist ein interessierter Kontakt, der SQL eine echte Verkaufschance.
Wer entscheidet, ob ein Lead ein SQL ist?
Der Vertrieb. So definieren es HubSpot und Salesforce. Das Marketing kann mit Lead Scoring vorsortieren, aber die Einstufung als SQL folgt meist erst nach einem Gespräch.
Welche MQL-zu-SQL-Rate ist gut?
In einer Umfrage unter 164 B2B-Teams lag der Median 2026 bei 11 bis 20 %. Die Werte schwanken stark nach Kanal und Definition. Vergleich dich vor allem mit dir selbst über die Zeit und je Kanal.
Kann ein Lead direkt SQL werden?
Ja. Wer selbst einen Verkaufstermin bucht oder ein Angebot anfragt, kann die MQL-Stufe überspringen. Der Vertrieb prüft ihn dann direkt.
Brauche ich als kleines Unternehmen MQL und SQL?
Wenn du allein verkaufst, reicht oft eine einfache Pipeline im CRM. Sobald Marketing und Vertrieb getrennte Personen sind, lohnt sich die Unterscheidung, weil du dann siehst, wo Leads verloren gehen.
