Wer Google Ads, Empfehlungen oder Kontaktformulare nutzt, kennt das Problem: Es kommen Anfragen, aber nicht alle passen. Manche sind falsch adressiert, manche zu klein, manche außerhalb des Einzugsgebiets. Jede einzeln zu lesen kostet Zeit, und gerade bei bezahlten Anfragen soll keine gute liegen bleiben.
Eine automatische Vorqualifizierung kann hier helfen. In diesem Artikel zeige ich einen Aufbau, der die KI als Assistenten nutzt und die Entscheidung bei einem Menschen lässt. Er ist ein Beispiel für die Abläufe, die ich in KI-Automation für KMU: 4 Abläufe, die sich lohnen beschrieben habe, vertieft für Anfragen aus Werbung.
Das Prinzip: KI schlägt vor, Mensch entscheidet
Der Workflow trifft keine Entscheidung über Menschen. Er bereitet vor: Er liest die Anfrage, vergleicht sie mit deinen Kriterien, schlägt eine Einordnung samt Begründung vor und legt sie dir hin. Du siehst auf einen Blick, warum die Einschätzung so ausfällt, und kannst widersprechen.
Das hat zwei Gründe. Erstens machen Sprachmodelle Fehler, die sich plausibel lesen. Zweitens ist eine zu Unrecht aussortierte Anfrage ein Verlust, den du leicht übersiehst.
Schritt 1: Kriterien aufschreiben
Bevor du irgendetwas baust, schreibst du auf, was für dich eine passende Anfrage ausmacht. Typische Kriterien:
- Leistung: Fragt die Person nach etwas, das du anbietest?
- Region: Liegt der Ort in deinem Einzugsgebiet?
- Zeitrahmen: Ist der Wunschtermin realistisch?
- Auftragsart: Privat, gewerblich, Wiederverkauf?
- Vollständigkeit: Fehlen Angaben, ohne die du kein Angebot machen kannst?
Schreibe diese Kriterien in ganzen Sätzen auf, so, wie du sie einem neuen Mitarbeiter erklären würdest. Genau diesen Text bekommt später das Modell als Anleitung.
Schritt 2: Ablauf bauen
Ein einfacher Ablauf, den ich in dieser Art aufsetze:
- Eingang: Formular, E-Mail oder Chat löst den Workflow aus. Eine Plattform wie Make verbindet die Systeme.
- Vereinheitlichen: Die Angaben werden in ein festes Schema gebracht (Name, Anliegen, Ort, Zeitrahmen, Freitext).
- Regelprüfung: Einfache Dinge prüft der Workflow ohne KI, etwa ob Pflichtfelder fehlen oder der Ort in einer Liste liegt. Was sich mit einer klaren Regel erledigen lässt, braucht kein Sprachmodell.
- Einschätzung durch das Modell: Ein Modell wie Claude, ChatGPT oder Gemini bekommt die Anfrage plus deine Kriterien und liefert eine Einordnung (zum Beispiel „passt", „unklar", „passt eher nicht") mit kurzer Begründung und offenen Rückfragen.
- Ablage: Das Ergebnis landet in einer Übersicht oder deinem CRM, sortiert nach Einschätzung.
- Mensch entscheidet: Du oder jemand aus deinem Team liest, bestätigt oder korrigiert und antwortet.
Der Antwortentwurf kann ebenfalls vom Modell vorbereitet werden. Er wird nicht automatisch verschickt.
Schritt 3: Fehlerfälle einplanen
Was passiert, wenn etwas schiefgeht? Plane diese Fälle bewusst:
- Das Modell antwortet nicht im erwarteten Format. Der Workflow legt die Anfrage dann unbearbeitet in die Übersicht, statt sie zu verwerfen.
- Die Anfrage ist leer, ein Anhang fehlt oder der Text ist in einer anderen Sprache. Das gehört in die Kategorie „unklar" und zu einem Menschen.
- Es gibt einen Ausfall. Alle Anfragen müssen auch ohne Automation weiterhin bei dir ankommen. Die Automation ist eine Zusatzschicht, nie der einzige Weg.
Schritt 4: Mit alten Anfragen testen
Nimm eine Auswahl echter, älterer Anfragen, lass sie durch den Workflow laufen und vergleiche die Einschätzung mit deiner. Schau besonders auf:
- Grenzfälle, bei denen auch du zögern würdest
- Anfragen mit wenig Text
- ungewöhnlich formulierte oder umgangssprachliche Texte
- Anfragen, die gut klingen, aber nicht passen
Wo das Modell regelmäßig danebenliegt, liegt es meist an einem unklar formulierten Kriterium. Schärfe die Beschreibung nach und teste erneut. Lass den Workflow nach dem Start einige Wochen eng begleiten und lies stichprobenartig auch die als „passt eher nicht" markierten Anfragen.
Datenschutz: kurz und ehrlich
Anfragen enthalten in der Regel personenbezogene Daten. Bevor du sie an ein externes Tool gibst, solltest du klären, welche Daten wohin fließen, ob die Verarbeitung vertraglich geregelt ist und ob deine Datenschutzhinweise das abdecken. Das ist eine allgemeine Orientierung und keine Rechtsberatung. Wenn du unsicher bist, hol dir fachlichen Rat, bevor der Workflow live geht.
Wie das zur Werbung passt
Die Vorqualifizierung ersetzt nicht die Arbeit am Konto. Wenn dauerhaft viele unpassende Anfragen ankommen, liegt die Ursache oft früher: bei Suchbegriffen, Anzeigentexten oder der Landingpage. Wie du die Qualität deiner Anfragen aus Google Ads messen und verbessern kannst, beschreibe ich im Beitrag Google Ads bringt schlechte Leads? Lead-Qualität messen.
Wenn du es aufsetzen lassen willst
Wie ich solche Abläufe für kleine Unternehmen umsetze, steht auf der Seite KI-Automation. Zur ersten Orientierung, ob sich eine Vorqualifizierung bei deinem Anfragevolumen lohnt, hilft auch das KI-Consulting.
Stand: November 2026
