MQL ist tot: Content-Engagement als neue Qualifizierung (2026)

Nur 3 % Ihrer B2B-Website-Besucher identifizieren sich über Formulare. Die übrigen 97 % sind für Ihren MQL-Funnel unsichtbar.

Die Zahl stammt aus 6sense Research. Form-Fill-Raten liegen branchen-, regionen- und unternehmensgrößenübergreifend stabil bei rund 3,5 %. Das erklärt, warum jedes RevOps-Team, mit dem Sie sprechen, leise frustriert mit seiner MQL-Pipeline ist.

Der Marketing Qualified Lead hat irgendwann zwischen Apple Mail Privacy Protection (2021) und der Flut KI-generierter Inhalte (2024) aufgehört zu funktionieren. Das haben viele gesagt. Wenige haben einen Ersatz geliefert.

Der Ersatz, der sich tatsächlich durchsetzt, ist Jon Millers Framework aus MQX, MEX und Hand-Raisers. Miller hat den MQL bei Marketo miterfunden und ist zugleich die klarste Stimme darüber, was ihn ablöst. Die Tiers sind richtig. Was fehlt, ist die Mess-Ebene darunter: welches Engagement, bei welchem Schwellwert, wie gemessen? Genau das füllt dieser Artikel, plus eine Sektion dazu, wo der Ansatz an seine Grenzen stößt. "Engagement ist nicht Kaufabsicht" ist eine Nuance, die die meisten MQL-ist-tot-Texte überspringen.

Wie der MQL zerbrochen ist

Der MQL funktionierte, solange drei Dinge wahr waren:

E-Mail-Öffnungen waren zuverlässig. Ein geladenes Pixel bedeutete, dass ein Mensch die E-Mail geöffnet hat.
Formular-Abschlüsse bedeuteten Absicht. Wer seine E-Mail eintippte, um ein Whitepaper herunterzuladen, wollte das Whitepaper.
Downloads bedeuteten Lesen. Wer das Whitepaper herunterlud, las es auch.

Alle drei Annahmen sind zwischen 2021 und 2024 gebrochen.

E-Mail-Öffnungen sind eine Lüge. Apple Mail Privacy Protection, gestartet im September 2021, lädt Bilder in dem Moment vor, in dem ein Nutzer die Mail-App öffnet, unabhängig davon, ob er Ihre E-Mail tatsächlich öffnet. Dazu kommen Unternehmens-Scanner für E-Mail-Sicherheit (Microsoft SafeLinks, Proofpoint, Mimecast), die jeden Link vor Zustellung anklicken. Ein erheblicher Teil der "Öffnungen" in Ihrer MAP sind keine Menschen. Litmus und andere Analyse-Anbieter haben Daten veröffentlicht, die eine Inflation der Öffnungsraten um 30–50 % nach MPP belegen.

Form-Fills sind voller Rauschen. Käufer haben gelernt, Wegwerf-Gmail-Adressen zu benutzen. Bots füllen Formulare aus. Einkäufer laden Ihre Gated Content herunter und leiten ihn an die Rechtsabteilung weiter. Das Formular, über das Sie sich gefreut haben, stammt oft nicht von der Person, die die Kaufentscheidung trifft. Häufig von gar keinem Menschen.

Downloads sind kein Signal für Lesen. Die Lücke zwischen "Whitepaper heruntergeladen" und "Whitepaper tatsächlich gelesen" gab es schon immer. 2026, wo jeder Käufer mehr Newsletter abonniert, als er lesen kann, und jedes Postfach von KI-unterstützten Inhalten überflutet wird, ist die Lücke zu einem Abgrund geworden.

Die Stimmen der Branche sagen das seit Jahren. Matt Heinz bringt es auf den Punkt (sinngemäß: ein MQL ist keine Währung, mit der man Umsatz bezahlt):

"You can't buy a beer with an MQL. You can't actually spend your web traffic. We have to focus on outcomes that make the company money."

Matt Heinz, Heinz Marketing

Chris Walker formuliert es schärfer:

"Vanity Metrics = KPIs that aren't aligned with revenue and sales productivity, but are used to justify effectiveness of marketing programs. Ex. SQLs, MQLs, clicks, 'leads', cost per lead (CPL), cost per acquisition (CPA), website visitors, form conversion rate, etc."

Chris Walker, Gründer Refine Labs

Forrester, die Institution, die das MQL-Modell über die Übernahme von SiriusDecisions kodifiziert hat, hat es 2023 formal abgewiesen. Terry Flaherty, VP Principal Analyst, erklärt, warum individuelles Lead-Scoring strukturell defekt ist:

"B2B buying decisions, especially when deals are large and complex, are made by buying groups, not an individual person... Scores assigned based on a combination of profile characteristics and engagement for a single individual... [is like] 'Whose Line Is It Anyway?' where everything is made up and the points don't matter."

(Anmerkung: "Whose Line Is It Anyway?" ist eine US-Improvisations-Show, in der die vergebenen Punkte bewusst bedeutungslos sind. Die Metapher: Scores aus vermischten Signalen haben keine echte Aussagekraft.)

Kerry Cunningham, ehemals Forrester, heute Principal Researcher bei 6sense, hat eine Zahl auf diese Obergrenze gesetzt:

"You can make improvements of 3% to 5% [with MQL models]... in the very worst-run operations, and you can goose a 1% or 1.5% improvement out of the rest, but that's about it."

Die Zahl zum Merken: rund 87 % aller MQLs konvertieren nicht in abgeschlossene Deals, laut B2B-Research von Apollo. Mehrere herstellerveröffentlichte Datensätze zeigen zusätzlich, dass Demand-Gen-MQLs am oberen Ende des Funnels günstig aussehen, beim Übergang in SQLs aber spürbar teurer werden. Billige Leads werden schnell teuer.

Die Praxis hat die Rhetorik nicht eingeholt. Viele Teams lesen diese Kritik, nicken und lassen ihr MQL-Dashboard auf dem wöchentlichen CRO-Review stehen. Kim Peterson von LeanData hat den Grund benannt:

"The number one reason organizations aren't moving to buying groups, signals, and a more advanced revenue process is one word: culture. We're addicted to MQLs as the cornerstone of our culture."

Die Kritik ist gereift. Der Ersatz nicht. Der Rest dieses Artikels handelt vom Ersatz.

Antworten, die nicht getragen haben

Bevor es um den Ersatz geht, die ehrliche Bilanz dessen, was nicht funktioniert hat.

MAP-basiertes Lead-Scoring. HubSpot, Marketo, Pardot unterstützen alle behaviorales Scoring zusätzlich zum demografischen. Theoretisch löst das das "Downloads signalisieren keine Absicht"-Problem. Praktisch ersetzt es Downloads durch Pixel-Events, die unter derselben Bot-Inflation leiden, derselben Multi-Stakeholder-Verwirrung und derselben "Score als Vanity-Metrik"-Dynamik. Ein Interessent mit 87 Punkten ist nicht realer als einer mit einem Download, wenn beide Zahlen aus denselben fehlerhaften Inputs kommen.

Third-Party-Intent-Daten. Bombora, 6sense, Demandbase, G2 Intent. Kategorie ist über 1 Mrd. $ und wächst. Echter Wert: Third-Party-Intent-Signale erfassen Kaufrecherchen, die außerhalb Ihrer Properties stattfinden. Aber die Daten hängen hinterher (Sie erfahren 2–4 Wochen nach dem Peak von Interesse), sind themenbasiert (nicht produktspezifisch) und auf Account-Ebene (Sie wissen, dass Acme an Intent zulegt, aber nicht, welcher Acme-Mitarbeiter sich dafür interessiert). Und der Preis, typischerweise 30–80 Tsd. $ pro Jahr, macht sie für Teams unter 10 Mio. $ ARR unpraktisch.

ABM-Plattformen. Demandbase, Terminus, RollWorks. Stark für Enterprise. Typischerweise über 50 Tsd. $ pro Jahr plus Implementierung. Für SMB- und Mid-Market-Teams übersteigt der Plattform-Overhead den Pipeline-Hebel. Jon Miller, Mitgründer von Marketo und Engagio, beschreibt den ABM-Ansatz so:

"Traditional demand generation is fishing with a net. You throw your net out, you see what you catch, you don't care which fish you catch, just that you caught enough. Whereas account-based marketing is fishing with a spear where you identify those big fish and go after them... But it doesn't feel very good to get poked by a spear."

Signal-based Selling. Common Room, Clay, HG Insights haben das populär gemacht. Der Kerngedanke stimmt: weg vom Lead-Scoring, hin zur Signal-Aggregation aus Finanzierungsrunden, Stellenanzeigen, Tool-Wechseln, Job-Wechseln und Content-Engagement. Aber die Umsetzung bleibt vage. Die meisten "signalbasierten" Artikel definieren Signale, erklären aber nicht, wie man sie skalierbar operationalisiert. Chris Walker hat das offen ausgesprochen:

"In any individual company, the definition of a signal should be different. One company might say, 'This ebook download is a signal for us.' Another company might say, 'We never win those. That's not a signal for us.' It should be determined purely based on data."

Das stimmt, bedeutet aber, dass jedes Unternehmen seine eigene Signal-Definition von Grund auf bauen muss. Was die meisten nicht tun.

Product-Led Growth. Funktioniert für Produkterlebnisse, die in einer Self-Service-Session Wert liefern. Weniger gut für Enterprise-B2B mit monatelangen Evaluationen und Kaufgremien. PLG ist eine GTM-Motion, kein Ersatz für Qualifizierung.

Sangram Vajre, Mitgründer von Terminus und heute CEO von GTM Partners, drängt auf ein tieferes Umdenken:

"Change your metric from 'Leads' to 'Engagement'. A lead is a binary status. Engagement is a spectrum that indicates true buying intent."

Er geht noch weiter und stellt die SDR-Funktion selbst infrage. Das ist eine Debatte für einen anderen Artikel. Für jetzt gilt: wenn nicht MQLs, was dann? "Engagement" ist richtig, aber vage. Es braucht einen Rahmen.

Was wirklich neu ist: First-Party-Content-Engagement ist messbar geworden

Vier Dinge haben sich in den letzten fünf Jahren tatsächlich geändert. Zusammen machen sie einen echten MQL-Ersatz möglich.

Per-Seite-Dokumentanalyse. DocSend hat die Kategorie 2013 initiiert. Dropbox hat sie 2021 für 165 Mio. $ gekauft. Die ursprüngliche Idee war schmal: nachverfolgen, wer Ihr Fundraising-Deck wie lange geöffnet hat. Bis 2026 hat sich die Kategorie erweitert. Jedes Dokument, das Sie teilen (Whitepaper, Case Study, Proposal, Pitch Deck, Report), kann auf Seiten-Ebene instrumentiert werden. Sie sehen nicht nur, dass Sarah das Whitepaper geöffnet hat, sondern dass sie 4 Minuten auf Seite 3 verbracht, Seite 5 übersprungen und eine Woche später Seite 7 erneut aufgerufen hat.

Bot-Erkennung ist echt geworden. Vor zehn Jahren waren "Views" einfach HTTP-Requests. Heute kombinieren Plattformen mit ernsthafter Analytik (nicht MAPs; MAPs scheitern daran nach wie vor) drei Signale: Abgleich des User-Agents mit bekannten Scanner-Mustern, Erkennung von Datacenter-IPs und gestenbasierte Mensch-Bestätigung (Maus, Touch, Tastatur). Sie können einen menschlichen View von einem SafeLinks-Vorab-Scan unterscheiden. Allein das rehabilitiert, was "Engagement" bedeutet.

Weiterleitungs-Erkennung. Wenn Sie einen Link an eine Person senden und er von mehreren Personen im selben Unternehmen geöffnet wird, wissen Sie, dass das Deck intern geteilt wird. Im B2B-Enterprise-Vertrieb ist das das einzelne stärkste Pre-Commit-Signal. Stärker als jedes Intent-Data-Platform-Signal, weil es First-Party-Verhalten auf Ihrem eigenen Content ist.

Tracking wiederkehrender Besuche. Ein Käufer, der zwei Wochen nach dem ersten Lesen auf Ihre Pricing-Seite zurückkehrt, tut etwas Bestimmtes: Er prüft erneut, um eine Entscheidung vorzubereiten oder zu verteidigen. Diesen Moment zu erfassen, nicht nur den ersten Aufruf, macht aus Engagement ein Zeitreihen-Signal statt eines einzelnen Ereignisses.

Zusammen ergibt das etwas wirklich Neues: Qualifizierungsdaten, die nicht auf Form-Fills beruhen, nicht auf E-Mail-Pixeln, nicht auf Third-Party-Themen-Inferenz und keine 50-Tsd.-$-Plattform brauchen. Sie laufen auf dem Content, den Sie ohnehin verschicken.

Genau dort lebt der MQL-Ersatz. Nicht in besserem Scoring, nicht in größeren Plattformen. In der Messung dessen, was auf Ihren eigenen Properties sowieso passiert, mit einer Präzision, die vor einem Jahrzehnt technisch nicht möglich war.

MEX operationalisieren: die Mess-Ebene

Jon Millers Framework ist der konzeptionell richtige Ersatz für den MQL. Seine drei Kategorien:

Hand-Raisers. Explizite Anfragen: Demo, Pricing, "bitte kontaktieren". Der Käufer hat sich selbst qualifiziert.
MQX (Marketing Qualified). Evidenzbasierte Einschätzung des Marketings, dass in einem ICP-Account Kaufaktivität stattfindet. Rechtfertigt proaktive, beratende Ansprache.
MEX (Market Engaged). Die richtigen Personen in den richtigen Accounts interagieren mit Ihrem Content, aber ohne Kaufsignale. Lohnend für ein Gespräch, weil hier Nachfrage entsteht, nicht nur abgeschöpft wird.

Miller, der den MQL bei Marketo miterfunden hat, liefert zugleich den klarsten Ersatz. Die Form stimmt. Was fehlt, ist die Mess-Ebene darunter.

Miller sagt, "Engagement" qualifiziert jemanden für MEX. Das lässt eine Frage offen: welches Engagement, bei welchem Schwellwert, wie gemessen?

Wir nennen diese gemessenen Schwellwerte Engaged Qualified Leads (EQLs). Kein konkurrierendes Framework. Die Instrumentierung, mit der Sie entscheiden, wann jemand in MEX eintritt und wann MEX-Verhalten scharf genug ist, um in MQX überzugehen.

EQL in einem Satz

Ein Engaged Qualified Lead ist ein Individuum, das messbares, bot-gefiltertes Engagement mit spezifischem Content auf Ihren Properties zeigt, auf oder oberhalb von Ihnen definierter verhaltensbasierter Schwellwerte.

Vier Begriffe tragen das Gewicht:

Messbar. Der Qualifier ist ein Verhalten, kein Score.
Bot-gefiltert. Das meiste "Engagement" der Branche zählt Scanner und Preview-Bots mit.
Spezifischer Content. Nicht "eine E-Mail geöffnet", sondern "die Case Study gelesen" oder "zur Pricing-Seite zurückgekehrt".
Schwellwerte, die Sie selbst definieren. Ihre Zahlen, aus Ihren Daten, keine Vorlage.

Drei Tiers, angelehnt an Millers Vokabular:

Tier 1: Awareness (vor MEX)

Content geöffnet, unter 60 Sekunden verbracht, nicht zurückgekehrt
Signalstärke: niedrig
Aktion: Nurture, nicht an Sales übergeben

Dort, wo die meisten aktuellen "MQLs" tatsächlich liegen. Jemand hat ein Whitepaper heruntergeladen, die Bestätigungs-E-Mail erhalten und ist weitergezogen. Wertvoll für die Marke, nicht für Pipeline.

Tier 2: Aktive Evaluation (MEX-Territorium)

2+ Seiten gelesen, 2+ Minuten verbracht ODER innerhalb von 7 Tagen zum selben Content zurückgekehrt
Signalstärke: mittel
Aktion: das ist Ihre MEX-Population. Weiter mit gezieltem Content erwärmen.

Dort, wo Käufer während einer echten Evaluation tatsächlich sitzen. Sie arbeiten, sind aber noch nicht bereit für ein Gespräch. Das MQL-Modell behandelt Tier 2 wie Tier 3. Das ist der kritische Fehler, der die "Sales ignoriert Ihre MQLs"-Dynamik erzeugt.

Tier 3: High-Intent-Engagement (MEX → MQX-Übergang)

Content intern weitergeleitet (weiterer Viewer auf demselben Link, gleiche Unternehmensdomain), ODER
2+ Male zum selben Content zurückgekehrt, ODER
Mit Bottom-of-Funnel-Content interagiert (Pricing, Vergleichsseiten, Kundenreferenzen)
Signalstärke: hoch
Aktion: SDR- oder AE-Kontakt innerhalb von 24 Stunden

Der Übergang von MEX zu MQX. Ein Tier-3-Trigger ist der verhaltensbasierte Beleg, der jemanden von "interagiert mit Ihren Ideen" (MEX) in "Kaufaktivität könnte in diesem Account laufen" (MQX, in Millers Vokabular) befördert.

Das Account-Rollup

B2B-Verkauf läuft über Buying Groups, nicht über Einzelpersonen. Ein Account mit mehreren EQLs ist ein stärkeres Signal als irgendein einzelner EQL.

Ein Engagement-Qualified Account (EQA) ist ein Account mit 2+ EQLs auf demselben Content oder derselben Content-Serie innerhalb von 30 Tagen, plus mindestens einem Tier-3-Signal in der Gruppe.

Das ist die Einheit, an der Ihr SDR-Team tatsächlich arbeiten sollte. EQLs sagen Ihnen wer; das Account-Rollup sagt wann.

Die Logik passt zu Daten aus dem 6sense B2B Buyer Experience Report: 81 % der Käufer wählen einen bevorzugten Anbieter, bevor sie mit Sales sprechen. 69 % des Kaufprozesses findet statt, bevor Seller ins Spiel kommen. Wenn Sie darauf warten, dass jemand ein Demo-Formular ausfüllt, ist der Großteil der Entscheidung bereits gefallen. Account-Level-Engagement-Signale zeigen die Buying Group auf Ihrem Content, bevor jemand explizit die Hand hebt.

Das 7-Schritte-Playbook

So operationalisieren Sie das, ohne einen neuen Stack zu kaufen.

Schritt 1: Bestandsaufnahme dessen, was Sie aktuell als Engagement zählen. Öffnen Sie Ihre MAP. Sehen Sie sich die Leads mit den höchsten Scores der letzten 90 Tage an. Wie viele wurden Pipeline? Wie viele geschlossen? Liegt die Conversion-Rate unter 5 %, ist Ihr aktuelles Scoring Theater.

Schritt 2: Instrumentieren Sie Ihre Top-5-Content-Assets mit Per-Seite-Tracking. Nicht Ihren gesamten Content. Nur die Top 5 nach Volumen oder strategischer Relevanz. Whitepaper, Case Studies, Pitch Deck, Pricing-Seite und eine Vergleichsseite. Sie brauchen ein Tool, das Per-Seite-Zeit, Rückkehrbesuche und Multi-Viewer-Erkennung erfasst. (HummingDeck kann das; ein paar andere Plattformen auch. Das Prinzip zählt mehr als das Tool.)

Schritt 3: Bot-Filterung aktivieren. Filtert Ihre aktuelle Analytik keine Bots, messen Sie Rauschen. Mindestens: bekannte Scanner-User-Agents und Datacenter-IPs filtern. Bessere Tools ergänzen Gesten-Verifikation.

Schritt 4: Definieren Sie Ihre EQL-Schwellwerte, schriftlich. Schreiben Sie mit der obigen Drei-Tier-Struktur auf, was "Tier 2" und "Tier 3" pro Asset heißen. Beispiel für eine Case Study:

Tier 1: geöffnet, <60 s, keine Rückkehr
Tier 2: 2+ Seiten gelesen ODER 2+ Minuten verbracht
Tier 3: an anderen Viewer weitergeleitet ODER innerhalb von 14 Tagen zurückgekehrt ODER danach auf die Pricing-Seite gegangen

Passen Sie pro Asset an. Eine einseitige Battle Card hat andere Schwellwerte als ein 30-seitiges Whitepaper.

Schritt 5: Schreiben Sie Ihre MQL/SAL-Definitionen in Verhaltenssprache um. Sagen Sie nicht "100 Punkte". Sagen Sie "hat die Case Study zweimal gelesen und innerhalb von 7 Tagen die Pricing-Seite besucht". Sieht Sales ein spezifisches Verhaltensmuster, behandelt es das als Signal. Sieht Sales einen Score, behandelt es das als Meinung Ihres Marketing-Teams.

Schritt 6: EQL- und EQA-Events ins CRM verdrahten. Welches CRM auch immer Sie nutzen (HubSpot, Salesforce, Close), legen Sie einen Custom Activity Type "Tier 3 Engagement Triggered" an. Wenn das Tracking-Tool feuert, loggen Sie gegen Kontakt und Account. Der SDR-Workflow priorisiert Accounts mit aktuellen Tier-3-Triggern, nicht die höchsten Lead-Scores.

In HubSpot: ein Custom Event engagement_tier_3 mit Properties content_asset, trigger_type (forwarded / returned / pricing_visit) und viewers_same_account. Ein Workflow, der beim Event auf einem ICP-konformen Kontakt eine Task für den zuständigen AE anlegt, mit Asset-Name und konkretem Trigger im Task-Text. Der Task-Titel sollte in etwa lauten "Tier 3 auf Q3-Pricing-Deck: intern weitergeleitet (2 Viewer)", nicht "Hoher Lead-Score". In Salesforce: gleiche Struktur über einen Custom Activity Record Type plus Flow. In Close: eine Smart View, gefiltert auf das Custom Activity. Das Prinzip ist über alle CRMs gleich. Die Task-Beschreibung enthält das Verhalten, sodass der SDR mit dem konkreten Aufhänger eröffnen kann statt mit einer generischen "Hoffe, der Guide war hilfreich"-E-Mail.

Schritt 7: Pipeline-Korrelation messen, keine Vanity-Metriken. Ziehen Sie nach 60 Tagen jedes Closed-won- und Closed-lost-Deal. Prüfen Sie, welche Engagement-Tiers wann getroffen wurden. Korreliert Tier-3-Verhalten nicht mit Pipeline-Velocity, sind Ihre Schwellwerte falsch. Justieren Sie. Quartalsweise iterieren.

Das ist eine Implementierung in 60–90 Tagen, kein Beratungs-Engagement über mehrere Quartale. Dauert es länger, verkauft Ihnen jemand eine Plattform, die Sie nicht brauchen.

Wie eine Tier-3-Übergabe wirklich aussieht

Wie das in der Praxis aussieht.

Vorher (MQL-Übergabe):

"Sarah bei Acme hat 87 Punkte. Sie hat letzte Woche den Buyer's Guide heruntergeladen. Geht an Alex."

Alex bekommt das. Alex hat keinen Kontext. Alex schreibt eine generische "Hoffe, der Guide war hilfreich"-E-Mail. Sarah archiviert sie. MQL-zu-Meeting-Rate bleibt bei 12 %.

Nachher (EQL-Übergabe):

"Sarah bei Acme hat den Buyer's Guide am Montag gelesen. Dienstag hat ein zweiter Viewer von Acme (gleiche Unternehmensdomain, andere Stadt) denselben Link geöffnet, vermutlich ein Kollege, dem sie weitergeleitet hat. Donnerstag hat Sarah die Pricing-Seite aufgerufen und 3 Minuten mit dem Enterprise-Tier-Vergleich verbracht. Account hat am Donnerstag EQA erreicht. Geht an Alex."

Alex bekommt das. Alex hat konkreten Kontext. Alex schreibt: "Sarah, ich habe gesehen, dass Sie und ein Kollege unseren Buyer's Guide angeschaut und auf unser Enterprise-Pricing geklickt haben. Ich helfe gern dabei, einzuordnen, ob Enterprise oder Pro zu Ihrem Team passt. Kurzer Call am Dienstag?"

Dasselbe Profil, dieselben Datenquellen. Komplett andere Ansprache. Die Übergabe trägt das Verhalten, das Timing und einen konkreten Gesprächsanker.

Die Forrester-Fallstudie zu Palo Alto Networks dokumentiert eine 17 % höhere Closed-Won-Rate nach dem Wechsel vom MQL-basierten Routing zu Buying-Group-Engagement-Routing, plus 17-fache Pipeline-Progression und doppelte Deal-Größen. Jeremy Schwartz (Senior Manager Global Lead Management) berichtet: Opportunities mit mehreren angehängten Personen waren achtmal wahrscheinlicher fortschrittlich als Opportunities mit nur einem Kontakt. Ein einzelner Fall ist kein Beweis. Die Richtung ist aber konsistent: verhaltensspezifische Ansprache schlägt Score-basierte, und Buying-Group-Kontext schlägt individuelles Scoring.

Typische Einwände

"Wir brauchen Scoring, um im Scale zu priorisieren." Bewerten Sie Verhalten, nicht Events. Ein Tier-3-Trigger ist effektiv ein Score-Schwellwert: binär statt kontinuierlich. Binäre Schwellwerte sind handhabbarer als 0–100-Skalen.

"Unsere MAP unterstützt das nicht." Korrekt. Ihre MAP wird es nicht. Sie brauchen ein Tool, das Content-Level-Engagement erfasst, keine MAP-Form-Fills oder E-Mail-Öffnungen. Die Signale leiten Sie als Events in die MAP oder das CRM weiter. Infrastrukturarbeit, kein Plattform-Ersatz.

"Unser Sales-Team ignoriert marketing-übergebene Leads sowieso." Das ist das MQL-ist-kaputt-Problem. Es löst sich nicht von selbst. Ignoriert Sales auch EQLs nach dem Re-Design, ist das Problem Vertrauen. Sie glauben dem Signal nicht. Zeigen Sie die Pipeline-Korrelation aus Schritt 7. Trägt die Mathematik die Übergabe, engagiert sich Sales. Tut sie es nicht, sind Ihre Schwellwerte falsch.

"Nicht jedes Produkt hat 'Content' zum Tracken." Wenn Sie B2B verkaufen, haben Sie Content. Ihre Pricing-Seite ist Content. Ihre Produkt-Tour ist Content. Ihre Kunden-Stories sind Content. "Content" bedeutet hier "jede digitale Fläche, auf der ein Interessent messbar Zeit verbringt". Sie haben wahrscheinlich mehr nachverfolgbare Flächen, als Sie denken.

"Das klingt nach Product-Led Growth. Wir sind Sales-Led." Es ist kein PLG. PLG ist ein Geschäftsmodell, in dem das Produkt selbst Nutzer konvertiert. Das EQL-Framework funktioniert für jede Motion, auch Sales-Led-Enterprise. Der gemeinsame Nenner ist das Messen von Verhalten; die GTM-Motion ändert das nicht.

"Wir nutzen schon Intent-Daten." Gut. Third-Party-Intent sagt Ihnen, welche Accounts extern recherchieren. First-Party-Engagement sagt Ihnen, was diese Accounts auf dem Content tun, den Sie geschickt haben. Die beiden stapeln sich. Wenn Sie 6sense einsetzen, behalten Sie 6sense. Legen Sie First-Party-Engagement darüber. Die Kombination ist prädiktiver als jede Einzelquelle.

Engagement ist nicht Kaufabsicht

Die Einschränkung, die jeder MQL-ist-tot-Text überspringt.

Zeit auf der Seite ist keine Kaufabsicht. Rückkehrbesuche sind keine Kaufabsicht. Weiterleitungen sind keine Kaufabsicht.

Filter, nicht Trigger

Engagement ohne ICP-Fit ist nur ein Recherche-Student. Ein Tier-3-EQL-Signal von einem Fortune-100-Wettbewerber, der Ihr Produkt recherchiert, ist kein Käufer. Das EQL-Framework verengt den Fokus. Es ersetzt nicht das menschliche Urteil, ob der Account zum ICP passt.

Ein Rückkehrbesuch einer Journalistik-Studentin, die an einer Case Study arbeitet, ist ebenfalls kein Käufer. Ist Ihr Content gut, engagieren sich viele Nicht-Käufer damit.

Deshalb ist das EQL-Framework ein Filter, kein Trigger. Es verengt von allen, die Ihr Marketing berührt haben, auf die, die sinnvoll mit Ihrem Content arbeiten. Die finale Qualifizierung bleibt beim Menschen. Passt der Account zum ICP? Passt die Rolle zur Buyer-Persona? Ist das Timing plausibel?

Der MQL wurde übertraut, weil sich Automatisierung so anfühlte, als könne sie Urteilsvermögen ersetzen. Der EQL tauscht schlechte Daten gegen gute Daten. Er ersetzt den Urteilsschritt nicht. Rechnen Sie damit, dass Ihr SDR-Team 20–30 % Ihrer EQLs auf ICP-Basis ablehnt, und planen Sie das in Ihre Metriken ein. Die Ablehnung ist kein Versagen; sie ist das System bei der Arbeit.

Loslegen

Sie müssen Ihren Stack nicht neu bauen. Starten Sie so:

Wählen Sie ein Content-Asset, das Ihnen wichtig ist: ein Whitepaper, eine Case Study, ein Pitch Deck, eine Vergleichsseite.
Instrumentieren Sie es mit Per-Seite-Engagement-Tracking und Bot-Filterung.
Definieren Sie Tier-1/2/3-Schwellwerte für dieses Asset (die obigen Beispiele als Startpunkt).
Tracken Sie EQLs 30 Tage lang. Ändern Sie sonst nichts.
Sehen Sie sich die Daten an. Wie viele EQLs sind getriggert? Welche Muster korrelieren mit Pipeline-Bewegung?
Rollen Sie dann auf die Top-5-Assets aus. Schwellwerte pro Asset kodifizieren. Ins CRM verdrahten.
Messen Sie nach 60 Tagen die Pipeline-Korrelation. Justieren.

Ein einzelnes, sauber instrumentiertes Asset ist nützlicher als eine ganze MAP mit 87 Punkten Rauschen. Klein anfangen, Modell belegen, ausbauen.

Wohin das führt

Die Verschiebung im CMO-Reporting ist bereits im Gange. Manche berichten noch "wir haben dieses Quartal 4.200 MQLs generiert". Andere berichten "wir haben 47 aktiv engagierte Ziel-Accounts identifiziert, 12 geschlossen, 2,1 Mio. $ Pipeline". Die zweite Gruppe gewinnt. Nicht weil sie bessere Tools hat. Weil ihre Metriken nicht lügen.

B2B-Marketing bewegt sich hin zu Qualität statt Volumen, Signal statt Score, Verhalten statt Punkten. Downloads zählen nicht. Teilnehmerzahlen zählen nicht. Öffnungen zählen nicht. Was zählt, ist, ob die richtigen Personen in den richtigen Accounts sinnvoll mit Ihrem Content arbeiten.

Messen Sie das. Geben Sie es an Sales. Ignorieren Sie den Rest.

Für die Umsetzungsebene, mit Schwellwert-Worksheets pro Asset-Typ, Kopiervorlagen für CRM-Felder (HubSpot, Salesforce, Close), Beispiel-Übergabe-Skripten und einem 30/60/90-Tage-Rollout-Plan: das begleitende Playbook (nur auf Englisch verfügbar).

Engagement tracken, kostenlos starten

FAQ

Ist der MQL wirklich tot? Als primäre Output-Metrik für Marketing: ja. Als Lebenszyklus-Meilenstein hat er weiterhin eine Rolle. Aber "wir haben 4.200 MQLs generiert" ist Vanity-Reporting.

Was ersetzt den MQL 2026? Jon Millers Framework aus MQX, MEX und Hand-Raisers, mit messbaren Engagement-Schwellwerten (EQLs), die definieren, wann ein Kontakt MEX erreicht hat und wann MEX-Verhalten scharf genug ist, um in MQX überzugehen.

Wo liegt der Unterschied zwischen Lead-Scoring und Engagement-Scoring? Lead-Scoring gibt eine Zahl aus demografischer Passung plus Pixel-Events aus. Engagement-Scoring gibt ein Verhaltensmuster aus (Zeit auf Seite, Rückkehrbesuche, Weiterleitungen), mit Bot-Filterung. Etwas, mit dem ein SDR konkret eröffnen kann.

Brauche ich weiterhin eine MAP? Ja, für E-Mail-Automatisierung, Lifecycle-Triggering und Kontakt-Management. Aber nicht als Quelle der Qualifizierungs-Wahrheit.

Ist ABM die Antwort? ABM ist nützlich bei Enterprise-Accounts. EQL stapelt sich innerhalb einer ABM-Motion: ABM sagt Ihnen, welche Accounts; EQL/EQA sagt Ihnen, wann Sie ansprechen.

Wie ist "Engagement" konkret definiert? Per-Seite-Zeit, Rückkehrbesuche innerhalb eines definierten Zeitraums, erkannte Weiterleitungen (Multi-Viewer auf demselben Link) und Interaktion mit Bottom-of-Funnel-Content. Alles bot-gefiltert, alles pro Asset geschwellt.

Wie messe ich Engagement ohne neue Plattform? Nutzen Sie ein Dokument-Tracking- oder Content-Engagement-Tool mit Per-Seite-Analytik und Bot-Filterung. Erforderlich ist First-Party-, Individuen-, bot-gefiltertes Engagement. Keine aggregierte Site-Analytik, keine E-Mail-Öffnungen.

Guter Schwellwert für SDR-Ansprache? Für Mid-Funnel-Content: erkannte Weiterleitung ODER Rückkehr innerhalb 14 Tagen ODER Pricing-Besuch = Tier 3 = Ansprache. Für direkte Pricing-Besuche aus ICP-Accounts: sofort. Kalibrieren Sie pro Asset anhand Ihrer Pipeline-Korrelationsdaten.

Wie funktioniert das mit Product-Led Growth? Gleiche Disziplin, andere Fläche. PLG-Signale (Free-Tier-Nutzung, Feature-Engagement) ersetzen Content-Engagement; die Schwellwert-Logik ist identisch.

Funktioniert das auch im Enterprise-Vertrieb? Besser als im SMB, tatsächlich. Enterprise-Käufer recherchieren mehr, binden mehr Stakeholder ein und haben längere Zyklen. Das erzeugt mehr messbare Signale und mehr Account-Level-Rollups. Siehe die Palo-Alto-Networks-Fallstudie.

Welche Tools unterstützen das? Dokument-Tracking-Plattformen (HummingDeck, DocSend, Papermark und andere) erfassen Per-Seite-Engagement; ein Teil davon ergänzt Bot-Filterung und Weiterleitungs-Erkennung. Intent-Data-Plattformen legen Third-Party-Account-Signale obendrauf. Der Tool-Stack zählt weniger als die Mess-Disziplin.

Wie verhält sich Engagement-basierte Qualifizierung zu Intent-Daten? Komplementär. Third-Party-Intent sagt Ihnen, welche Accounts extern recherchieren. First-Party-Engagement sagt Ihnen, was dieselben Accounts auf Ihrem Content tun. Die Kombination ist prädiktiver als jede Einzelquelle.

Weiterführend

First-Party vs. Third-Party Intent Data, wo Kaufsignale heute leben
Die Buyer-Intent-Signale, die in Ihrem Sales-Content stecken, das Pendant auf der Sales-Seite
Die Lücke im Signal-based Selling, was die signalbasierte Bewegung auslässt
MEDDIC + Engagement-Daten, verhaltensbasierte Signale auf MEDDIC übertragen
Warum Ihre Deck-Analytik falsch ist, das Bot-Inflations-Problem im Detail
E-Mail-Deliverability 2026, warum E-Mail-Öffnungen aufgehört haben, etwas zu bedeuten