MQL, SQL, PQL — Qualified Leads
MQL, SQL und PQL klassifizieren Leads nach Qualifizierungs-Stufen. Im B2B-Mittelstand entscheidende Definitions-Klarheit zwischen Marketing und Vertrieb.
Was sind MQL, SQL und PQL?
Drei verbreitete Lead-Qualifizierungs-Stufen im B2B-Marketing und -Vertrieb, die strukturelle Klarheit zwischen Marketing- und Vertriebs-Funktion schaffen:
MQL (Marketing-Qualified Lead): passt zur Zielgruppe (ICP-Fit) und zeigt erstes Interesse durch Marketing-Touchpoints — Whitepaper-Download, Newsletter-Anmeldung, mehrere Webseite-Besuche, Webinar-Teilnahme. Lead ist Marketing-relevant, aber noch nicht Vertriebs-bereit.
SQL (Sales-Qualified Lead): bereit für Vertriebs-Gespräch, Termin-würdig. Hat über MQL-Status hinaus konkrete Konversions-Signale gezeigt (Demo-Anfrage, Pricing-Page-Besuch, Erstgespräch-Wunsch) oder hohen Lead-Score erreicht. Vertrieb übernimmt aktive Bearbeitung.
PQL (Product-Qualified Lead): hat das Produkt selbst genutzt (Trial, Freemium) und Engagement gezeigt — mehrere Logins, Feature-Nutzung, Team-Einladungen. Spezifisch für SaaS-Geschäfts-Modelle mit produkt-zentrierter Akquisition.
Wann ist welcher Lead-Typ wirksam?
| Lead-Typ | Anwendungs-Bereich | Marketing-Wirkung |
|---|---|---|
| MQL | Marketing-Automation, Drip-Kampagnen, Nurture | Top-of-Funnel, Awareness-zu-Interest |
| SQL | Direkter Vertriebs-Kontakt, Demo-Buchung, Pitch | Bottom-of-Funnel, Decision-Stage |
| PQL | SaaS-Modelle mit Trial- oder Freemium-Phase | Product-Led-Growth-Modelle |
Im klassischen B2B-Mittelstand mit beratungs-intensivem Geschäft sind MQL und SQL die Standard-Klassifikationen. PQL wird vor allem in SaaS- und Software-Branchen mit Produkt-Try-Before-Buy-Logik relevant.
MQL-zu-SQL-Übergabe als zentraler Konflikt-Punkt
Häufiges Mittelstand-Problem: Marketing übergibt Leads, die Vertrieb nicht akzeptiert — und umgekehrt. Beide Teams kämpfen über Lead-Qualität, ohne strukturelle Lösungen zu finden. Diese Spannung entsteht aus drei strukturellen Ursachen:
1. Unterschiedliche Definitionen: Marketing definiert MQL über Verhaltens-Signale, Vertrieb erwartet konkrete Kauf-Bereitschaft. Ohne gemeinsame Definition reden beide Teams aneinander vorbei.
2. Unterschiedliche Anreize: Marketing wird über Lead-Volumen bewertet, Vertrieb über Konversions-Rate. Diese Anreiz-Strukturen treiben beide Teams in unterschiedliche Richtungen.
3. Mangelnde Feedback-Loops: Marketing erfährt nicht systematisch, wie die übergebenen Leads im Vertrieb konvertieren. Ohne diese Information kann Marketing seine Lead-Qualifizierung nicht kalibrieren.
Drei Lösungs-Schritte für saubere MQL-zu-SQL-Übergaben
1. Gemeinsame Definition von MQL und SQL: in einem Service-Level-Agreement (SLA) zwischen Marketing und Vertrieb. Welche Kriterien muss ein Lead erfüllen, um als MQL/SQL zu gelten? Demografische und Verhaltens-Anforderungen werden explizit dokumentiert.
2. Score-Schwellenwerte abstimmen: Lead-Score-Modell wird mit Vertriebs-Input erstellt, nicht von Marketing alleine. Welche Lead-Score-Punkte ergeben einen SQL? Welche Verhaltens-Signale zählen wie viel? Vertrieb muss mittragen, sonst wird SQL-Übergabe ignoriert.
3. Feedback-Loop etablieren: Vertrieb gibt monatlich Qualität zurück an Marketing — welche übergebenen Leads konvertierten, welche nicht, warum nicht. Marketing kalibriert auf Basis dieser Daten das Score-Modell. Ohne Feedback-Loop verkommt jedes Lead-Modell zur Datenlärm-Produktion.
Lead-Klassifikationen in der Praxis — pragmatische Reife-Stufen
Stufe 1 (Einstieg): nur MQL und SQL unterschieden. Einfache Score-Logik. Reicht für Mittelständler ohne reife Marketing-Automation.
Stufe 2 (Reife): MQL, SAL (Sales-Accepted-Lead) und SQL. SAL ist der Zustand zwischen Marketing-Übergabe und Vertriebs-Akzeptanz — schafft Klarheit über Übergabe-Qualität.
Stufe 3 (Maximale Tiefe): MQL, SAL, SQL, Opportunity, Customer. Vollständige Funnel-Stage-Architektur mit klaren Übergangs-Definitionen und KPIs pro Stage.
Im B2B-Mittelstand reichen typischerweise Stufe 1 oder 2 — Stufe 3 ist Enterprise-Niveau.
Anti-Muster bei Lead-Klassifikation im B2B-Mittelstand
Sechs typische Fehler:
- Keine schriftliche Definition: MQL und SQL werden mündlich „verstanden”, aber nicht dokumentiert
- Marketing-Solo-Score: Lead-Score-Modell ohne Vertriebs-Input — wird vom Vertrieb ignoriert
- Volumen-Anreize für Marketing: Marketing bekommt Boni für Lead-Volumen — produziert Schein-Leads
- Vertriebs-Solo-Akzeptanz: Vertrieb akzeptiert nur Leads mit Top-Score — übersieht Nurture-würdige Mid-Score-Leads
- Keine Feedback-Loops: Marketing erfährt nicht, wie Leads konvertieren — kann nicht kalibrieren
- Lead-Klassifikation als Streit-Thema: statt strategischem Werkzeug
Lead-Klassifikation und CRM-Integration
Saubere Lead-Klassifikation funktioniert nur mit CRM-Integration. Drei Disziplin-Punkte:
1. CRM als Single-Source-of-Truth: alle Lead-Daten in einem System, nicht in parallelen Marketing-Automation-Tools und Vertriebs-Tabellen.
2. Lead-Stage-Tracking: jede Stage-Veränderung (MQL → SAL → SQL → Opportunity → Customer) wird im CRM dokumentiert mit Zeitstempel.
3. Cross-Funktion-Reporting: Marketing und Vertrieb sehen dieselben CRM-Reports — keine parallelen Datenwelten.
Was MQL, SQL und PQL nicht sind
Lead-Klassifikationen sind keine universellen Standards. Jedes Unternehmen muss seine eigene Definition treffen — ein MQL bei Anbieter A kann bei Anbieter B als SQL gelten. Was zählt: interne Klarheit, nicht externe Standard-Konformität.
Lead-Klassifikationen sind auch kein Solo-Steuerungs-Werkzeug. Die Kennzahl „X MQLs pro Monat” allein bringt wenig — entscheidend ist die Konversions-Tiefe (MQL-zu-SQL-Rate, SQL-zu-Customer-Rate) und die qualitative Vertriebs-Rückmeldung. Wer Lead-Klassifikationen ohne Funnel-Konversions-Analyse betrachtet, übersieht die eigentliche Marketing-Wirkung.