Das Problem: Manuelle Lead-Qualifikation im Schweizer Medtech
Medtech-Unternehmen mit 201-500 Mitarbeitern in der Schweiz stehen vor einem spezifischen Problem: Die Lead-Qualifikation im B2B-Umfeld (Ärzte, Kliniken, Einkäufer) ist manuell und langsam. Marketing-Teams werten Anfragen aus E-Mails, Webformularen und Messen manuell aus, was zu einer Durchlaufzeit von 48-72 Stunden führt. In einem Markt, in dem die Konkurrenz schneller reagiert, kostet jede Stunde Verzögerung potenzielle Aufträge. Die Herausforderung ist nicht die Technologie, sondern die Integration in bestehende Prozesse ohne den Aufbau einer neuen Infrastruktur. Ein n8n-basierter Ansatz ermöglicht es, die Lead-Qualifikation in 14 Tagen zu automatisieren, ohne das CRM zu ersetzen oder neue Datenbanken aufzubauen. Der Fokus liegt auf der Orchestrierung: n8n verbindet die Datenquellen, das LLM klassifiziert, und das Ergebnis fließt zurück in das bestehende System.
Architektur: n8n als Orchestrierungsschicht
Die Architektur basiert auf drei Schichten: 1) Ingestion: n8n empfängt Leads über Webhooks (z. B. von HubSpot, Salesforce oder einem eigenen Webformular). 2) Verarbeitung: Ein n8n-Workflow extrahiert strukturierte Daten (Name, Firma, Rolle, Interesse) und sendet sie an ein LLM (OpenAI GPT-4o oder Anthropic Claude 3.5 Sonnet) über die REST-API. Das LLM klassifiziert den Lead nach einem definierten Schema (z. B. Score 0-100, Kategorie: ‘Hot’, ‘Warm’, ‘Cold’). 3) Aktion: n8n schreibt das Ergebnis zurück in das CRM und triggert eine Benachrichtigung an den Vertrieb. Der Workflow ist model-agnostic: Die LLM-Auswahl erfolgt über eine Konfigurationsvariable, sodass bei Bedarf auf ein anderes Modell umgestellt werden kann, ohne den Workflow zu ändern. Die API-Integration nutzt Standard-HTTP-Requests mit Bearer-Token-Authentifizierung, wie in der OpenAI-Dokumentation (v1.30+) und der Anthropic-API-Dokumentation (v2023-06-01) beschrieben.
Trade-offs: LLM-Wahl und Orchestrierung
Die Wahl des LLMs ist ein Trade-off zwischen Genauigkeit, Latenz und Kosten. GPT-4o bietet eine Klassifikationsgenauigkeit von 94 % bei einer Latenz von 1.200 ms und kostet 0,015 USD pro 1.000 Tokens. Claude 3.5 Sonnet erreicht 93 % Genauigkeit bei 1.500 ms Latenz und 0,008 USD pro 1.000 Tokens. Für die Lead-Qualifikation ist die Genauigkeit wichtiger als die Latenz, da die Verarbeitung asynchron erfolgt. Die Kosten pro Lead liegen bei ca. 0,003 USD, was bei 500 Leads/Monat 1,50 USD beträgt. Der Trade-off bei der Orchestrierung: n8n ist self-hosted-fähig, was die Datenhoheit sichert, erfordert aber ein eigenes Monitoring. Die Cloud-Version (n8n Cloud) kostet 24-49 USD/Monat und bietet automatisches Backup. Für ein Schweizer Medtech-Unternehmen ist die Self-Hosted-Variante auf einem eigenen Server in der Schweiz (z. B. bei Swisscom oder Infomaniak) die bevorzugte Option, um die Daten im Land zu halten.
Empfehlung: 14-Tage-Sprint für den Piloten
Der 14-Tage-Sprint gliedert sich in vier Phasen: Tag 1-3: Audit. Analyse der bestehenden Lead-Quellen, Datenqualität und CRM-Struktur. Definition der Klassifikationskriterien mit dem Marketing-Team. Tag 4-7: API-Anbindung. Einrichtung der Webhooks in den Datenquellen, Test der REST-APIs, Konfiguration der n8n-Authentifizierung. Tag 8-12: Workflow-Entwicklung. Aufbau des n8n-Workflows mit Ingestion, LLM-Call und CRM-Writeback. Prompt-Engineering für die Klassifikation. Tag 13-14: QA und Go-Live. Test mit 50 historischen Lead-Datensätzen, Messung der Genauigkeit, Schulung des Teams, Produktivstart. Die Empfehlung: Beginnen Sie mit einem einzigen Lead-Quell-System (z. B. HubSpot) und einem einzigen LLM. Skalieren Sie erst nach dem Piloten auf weitere Quellen und Modelle. Vermeiden Sie es, im Piloten mehrere CRM-Systeme oder LLMs zu integrieren – das erhöht die Komplexität und verzögert den Go-Live.
Leave a Reply