KI-Leadrecherche im Praxistest: Welcher Weg liefert wirklich brauchbare Leads?(2026)

Wie finden Sie Firmenadressen für den Vertrieb, ohne tagelang selbst zu recherchieren? Für die KI-Leadrecherche gibt es heute vier Wege, und sie unterscheiden sich vor allem in einem Punkt: woher die Daten stammen.

• KI-Chatbots wie ChatGPT liefern in Sekunden erste Beispiele. Für eine vollständige Leadliste reicht das meist nicht.
• KI-Lead-Datenbanken durchsuchen einen eigenen Datenbestand. Kontaktdaten schalten Sie dort in der Regel kostenpflichtig frei.
• KI-Agenten, die einen Lead Scraper steuern, holen die Daten live aus öffentlichen Quellen wie Gelbe Seiten oder Google Maps und speichern zu jedem Eintrag die Quelle.
• Selbst gebaute Automationen, etwa mit n8n, lohnen sich, wenn Sie technisches Know-how und Zeit für die Einrichtung mitbringen.

Wer Adresslisten lieber fertig einkauft, findet Anbieter und aktuelle Preise in unserem Vergleich zum Thema Firmenadressen kaufen.

Auf dem Papier klingen alle vier Wege überzeugend. Welcher im Vertriebsalltag wirklich trägt, zeigt sich erst an einer konkreten Aufgabe. Deshalb haben wir allen Wegen dieselbe Anfrage gestellt, so formuliert, wie sie jemand aus dem Vertrieb in ein Chatfenster tippen würde: „Ich brauche eine Liste von Elektrikern in Aachen mit Telefonnummer und Website als Excel.” Elektrobetriebe stehen dabei für eine typische B2B-Zielgruppe: viele kleine Betriebe, deren Kontaktdaten vor allem in Branchenverzeichnissen stehen. Aachen haben wir gewählt, weil die Zahl der Betriebe überschaubar ist. Gelbe Seiten listet 59 Treffer, so lässt sich jedes Ergebnis von Hand nachprüfen.

Das Ergebnis: ChatGPT nannte zehn Betriebe, eine Excel-Datei gab es nicht. Mit einer Gelbe-Seiten-Vorlage und anschließender Bereinigung durch einen KI-Agenten entstand eine Liste mit 47 Betrieben, jeder mit Quelle, dazu eine priorisierte Anrufliste.

KI-Leadgenerierung: Warum sich die Leadrecherche gerade verändert

Leadrecherche gehört zu den zeitraubendsten Aufgaben im Vertrieb: passende Firmen suchen, Kontaktdaten zusammentragen, prüfen, ob die Nummer noch stimmt. Laut dem State of Sales Report 2026 von Salesforce verbringen Vertriebsmitarbeitende im Schnitt nur 40 Prozent ihrer Arbeitszeit mit dem eigentlichen Verkaufen. Genau hier setzt KI an. 54 Prozent der befragten Vertriebsprofis haben bereits mit KI-Agenten gearbeitet, und sie erwarten, dass Agenten die Zeit für die Recherche nach potenziellen Kunden um 34 Prozent verkürzen. Befragt wurden 4.050 Vertriebsprofis zwischen August und September 2025.

Auch in Deutschland kommt KI im Vertrieb an. Laut einer repräsentativen Bitkom-Befragung von 603 Unternehmen setzen 2026 erstmals 57 Prozent KI ein. In diesen Unternehmen kommt sie inzwischen bei 14 Prozent im Vertrieb zum Einsatz, ein Jahr zuvor waren es 5 Prozent. KI-Agenten, die Aufgaben selbstständig in mehreren Schritten erledigen, nutzen 11 Prozent der Unternehmen, die sich mit KI befassen, weitere 29 Prozent planen den Einsatz.

Bei aller Begeisterung bleibt eine Frage offen: Woher nimmt die KI ihre Daten? Laut Statistischem Bundesamt haben 84 Prozent der rund 3,5 Millionen Unternehmen in Deutschland weniger als zehn Beschäftigte. Für solche Betriebe sind Branchenverzeichnisse wie Gelbe Seiten, Das Örtliche oder Google Maps oft die wichtigste öffentliche Quelle. In unserem Test hatten 19 von 47 Aachener Elektrobetrieben nicht einmal eine eigene Website. Wie vollständig eine KI-Leadrecherche ausfällt, hängt deshalb weniger vom Sprachmodell ab als von der Datenquelle dahinter.

Lead Scraper, KI-Agent oder Datenbank? Vier Wege der KI-Leadrecherche im Vergleich

Die vier Wege unterscheiden sich weniger in der Bedienung als in drei Fragen: Woher stammen die Daten, lässt sich die Herkunft jedes Eintrags nachvollziehen, und was kostet es? Die folgende Übersicht fasst die gängigen Werkzeuge zusammen.

KI-Chatbots liefern mit aktivierter Websuche brauchbare Beispiele, in unserem Test ließen sich 9 von 10 Telefonnummern bestätigen. Für eine vollständige Akquiseliste reicht das aber nicht.

KI-Lead-Datenbanken wie Apollo oder Leadfeeder liefern, was im Bestand des Anbieters steht. leadscraper.de ergänzt das nach eigener Angabe um KI-Recherche in öffentlichen Quellen. Anbieter und Preise vergleichen wir im Beitrag Firmenadressen kaufen.

Lead Scraper und KI-Agenten lesen öffentliche Seiten wie Gelbe Seiten oder Google Maps direkt aus: klassische Lead-Scraping-Tools über Vorlagen, KI-Agenten wie der Octoparse KI-Assistent oder Thunderbit per Anfrage in natürlicher Sprache. Für einzelne Seiten genügt eine kostenlose Browser-Erweiterung wie Instant Data Scraper. Der Vorteil sind aktuelle Daten mit nachvollziehbarer Quelle pro Eintrag. Warum das zählt, erklären wir im Beitrag zu Firmenadressen und Art. 14 DSGVO.

Eigene Automationen mit n8n verbinden Scraping-API, KI-Modell und CRM zu einem individuellen Lead Scraper. Aufbau und Wartung liegen dabei bei Ihnen.

So rechnen die Anbieter ab (Stand 10/2026, laut Anbieter)

Weil die Modelle so unterschiedlich sind, lassen sich die Preise nicht eins zu eins vergleichen. Was eine Leadliste am Ende kostet, hängt von der Menge, den benötigten Feldern und davon ab, wie oft Sie die Daten aktualisieren.

Wie sich diese Wege in der Praxis schlagen, zeigt unser Test im nächsten Abschnitt.

Praxistest Leadrecherche: Elektriker in Aachen

So haben wir getestet

Für den Test haben wir allen Wegen dieselbe Anfrage gestellt:

„Ich brauche eine Liste von Elektrikern in Aachen mit Telefonnummer und Website als Excel.”

Als Vergleichsmaßstab dient die Trefferliste von Gelbe Seiten, die für „Elektriker” in Aachen 59 Einträge zeigt. Bei jedem Weg haben wir festgehalten, wie viele Einträge herauskommen, ob sie wirklich aus der Region Aachen stammen, welche Felder vorhanden sind, ob sich die Quelle jedes Eintrags nachvollziehen lässt, ob es eine Excel-Datei gibt und wie lange es dauert. Ausgewählte Telefonnummern und Websites haben wir von Hand gegen die Websites der Betriebe geprüft.

Getestet haben wir ChatGPT und die Wege, die der Octoparse KI-Assistent anbietet. KI-Lead-Datenbanken haben wir nicht in den Test aufgenommen, weil Kontaktdaten dort erst nach dem Kauf von Credits sichtbar werden. Damit wäre der Test nicht mehr kostenlos nachvollziehbar gewesen.

Vorab: ChatGPT direkt gefragt

Zuerst haben wir die Anfrage unverändert an ChatGPT gestellt, im normalen Chat-Modus mit automatischer Modellwahl. ChatGPT hat dafür selbstständig im Web gesucht und als Quellen unter anderem Das Telefonbuch angegeben.

Das Ergebnis war eine Tabelle mit zehn Betrieben, jeweils mit Telefonnummer und Website. Eine Excel-Datei konnte ChatGPT in diesem Chat nicht erstellen und empfahl, die Daten vor einer Kontaktaufnahme zu prüfen. Genau das haben wir getan:

• Telefonnummern: Sechs stimmten mit Gelbe Seiten überein, drei mit dem Impressum auf der Website des Betriebs. Eine ließ sich nicht prüfen, weil die Website nicht erreichbar war.
• Websites: Acht führten auf die eigene Website des Betriebs. In einem Fall verlinkte ChatGPT nur den Gelbe-Seiten-Eintrag, obwohl der Betrieb eine eigene Website hat.
• Quellen: Sie standen gesammelt unter der Antwort, nicht bei den einzelnen Einträgen.

Fazit für diesen Weg: Für einen schnellen Eindruck taugt ChatGPT. Mit zehn von 59 Betrieben, ohne Datei und ohne Quelle pro Eintrag ist das aber noch keine Leadliste.

Schritt 1: Der Octoparse KI-Assistent versteht die Anfrage

Den gleichen Satz haben wir anschließend in den KI-Assistenten von Octoparse eingegeben. Sie erreichen ihn über das Eingabefeld auf der Startseite oder nach der Anmeldung, auch mit dem kostenlosen Plan. Unter dem Eingabefeld wählen Sie, wie der Assistent arbeitet:

automatisch, mit Browser Use direkt in Ihrem Browser (dafür ist eine Browser-Erweiterung nötig), als Cloud Agent, der einen eigenen Scraper für regelmäßige Läufe in der Cloud schreibt, oder per Auto-Detect als Aufgabenentwurf für die Desktop-App.

Für den Test haben wir die automatische Wahl genutzt.

Bevor der KI-Assistent loslegt, fasst er zusammen, was er verstanden hat, und Sie können Ziel und Einschränkungen noch anpassen. Danach schlägt er Wege vor, sortiert vom schnellsten zum flexibelsten: zuerst fertige Vorlagen für Gelbe Seiten und Google Maps, dann weitere deutsche Verzeichnisse wie wlw, Das Telefonbuch oder Das Örtliche, und erst wenn nichts davon passt Browser Use, den Cloud Agent oder die Desktop-App.

Diese Reihenfolge ist kein Zufall: Wo es eine erprobte Lösung gibt, ist sie der schnellste und verlässlichste Weg. Für Gelbe Seiten empfahl der Assistent deshalb die von Octoparse entwickeltete Vorlage, weil man damit direkt nach Branche und Ort suchen kann, und nannte weitere Verzeichnisse wie Golocal und Marktplatz Mittelstand. Für Webseiten ohne fertige Vorlage lässt sich zudem eine individuelle Vorlage anfragen. Ob das stimmt, haben wir mit zwei Wegen geprüft: Browser Use und der Gelbe-Seiten-Vorlage.

Weg A: Browser Use

Als Erstes haben wir Browser Use ausprobiert. Der KI-Assistent formuliert dafür aus unserer kurzen Anfrage selbst eine ausführliche Anweisung, öffnet ein Browserfenster und bedient Gelbe Seiten wie ein Mensch: Suchbegriff „Elektriker” eintragen, Ort „Aachen” eintragen, Suche starten.

Nach 1 Minute und 49 Sekunden zeigte der Assistent eine Vorschau mit fünf Einträgen und fragte, ob die Felder so passen. Name und Telefonnummer stimmten. Die Website der Betriebe ließ sich auf diesem Weg dagegen nicht erfassen, weil Gelbe Seiten sie in der Trefferliste hinter einem Button statt als normalen Link hinterlegt. Für solche Fälle ist die Vorlage gedacht, die der KI-Assistent an erster Stelle empfohlen hatte. Wir haben das Website-Feld deshalb weggelassen und Browser Use mit Name, Adresse und Telefonnummer weiterarbeiten lassen.

Der Assistent zeigte seinen Plan in vier Schritten: Seite öffnen, Suchbegriff eintragen, Ort eintragen und suchen, dann Name, Adresse und Telefonnummer aus der Trefferliste erfassen.

Ein Klick auf „Aufgabe erstellen und Erfassung starten” machte daraus eine gespeicherte Aufgabe, die im Hintergrund lief. Nach rund 30 Sekunden lagen 50 Einträge vor, 49 davon mit Postleitzahl im Raum Aachen, einer ohne Adresse. Die neun Treffer, die Gelbe Seiten erst über „Mehr anzeigen” nachlädt, fehlten. Das Ergebnis ließ sich direkt als Excel-Datei exportieren. Die Aufgabe bleibt gespeichert und lässt sich jederzeit neu starten. Credits wurden in unserem Test nicht verbraucht, auch nicht im kostenlosen Plan.

Weg B: die Gelbe-Seiten-Vorlage

Als Zweites haben wir die Vorlage genutzt, die der KI-Assistent empfohlen hatte.

https://www.octoparse.de/template/gelbe-seiten-scraper

Sie öffnet sich mit wenigen Eingabefeldern: Suchbegriff und Ort als Paar, in unserem Fall „elektriker;aachen”, dazu die Zahl der Klicks auf „Mehr anzeigen”, mit denen weitere Treffer nachgeladen werden. Voreingestellt sind zehn Klicks. Die Vorlage selbst kostet nichts zusätzlich, setzt aber einen kostenpflichtigen Plan voraus. Sie läuft lokal oder in der Cloud, wir haben die Cloud genutzt.

Die Vorlage liefert deutlich mehr als der Browser: zwölf Felder pro Eintrag, darunter E-Mail, die eigene Website des Betriebs, Branche, Postleitzahl und Öffnungszeiten. Das Website-Problem aus Weg A stellt sich hier nicht. Dazu speichert die Vorlage zu jedem Eintrag den Link zur Gelbe-Seiten-Seite, aus der er stammt.

Überrascht hat uns die Menge. Mit der Voreinstellung von zehn Klicks kamen 613 Einträge zusammen, aber nur 53 davon mit Postleitzahl im Raum Aachen. Der Rest stammte aus Berlin, Dresden, Villingen-Schwenningen und vielen anderen Orten.

Ein Erfassungsfehler ist das nicht. Die zusätzlichen Einträge stimmen exakt mit der bundesweiten Gelbe-Seiten-Trefferliste für „Elektriker” überein, gleiche Betriebe, gleiche Reihenfolge. Nach unserer Beobachtung lädt die Seite über „Mehr anzeigen” Einträge aus dieser bundesweiten Liste nach, sobald die Treffer für Aachen erschöpft sind. Die Vorlage hat also genau das erfasst, was Gelbe Seiten angezeigt hat.

Daraus ergibt sich ein einfacher Tipp: Passen Sie die Zahl der Klicks an die Trefferzahl an, die Gelbe Seiten für Ihre Suche anzeigt. In einem zweiten Lauf mit nur zwei Klicks kamen 162 Einträge zusammen, 50 davon aus der Region Aachen. Fast die gleiche Ausbeute bei einem Viertel der Rohdaten. Bereinigen muss man die Liste trotzdem, denn auch dort stecken noch Dubletten und Betriebe, die gar keine Elektriker sind. Eine ausführliche Anleitung für die Vorlage finden Sie in unserem Beitrag zum Gelbe Seiten Scraper.

Ergebnis im Überblick

Keiner der Wege lieferte auf Anhieb eine fertige Leadliste. ChatGPT war schnell, aber unvollständig. Browser Use traf die Region genau, erfasste aber weniger Felder. Die Vorlage lieferte die meisten Daten, allerdings als Rohliste, die erst bereinigt werden muss. Wie ein KI-Agent diese Bereinigung übernimmt, zeigen wir im nächsten Abschnitt.

Probieren Sie es mit Ihrer eigenen Zielgruppe aus: Beschreiben Sie im KI-Assistenten in einem Satz, welche Firmen Sie suchen. Der Einstieg ist kostenlos.

Von der Rohliste zur Anrufliste: Leads mit KI-Agent und MCP bereinigen

Eine Rohliste mit Fremdorten, Dubletten und branchenfremden Einträgen von Hand zu bereinigen, kostet Zeit. Genau diese Arbeit haben wir im dritten Teil des Tests einem KI-Agenten übergeben. Die Verbindung dazu schafft MCP, das Model Context Protocol: ein offener Standard, über den KI-Assistenten wie Claude oder ChatGPT externe Werkzeuge nutzen können. Über die Octoparse-MCP-Anbindung startet der Assistent Cloud-Vorlagen, fragt den Status ab und holt die Ergebnisse direkt in den Chat. Die Einrichtung dauert laut Octoparse etwa fünf Minuten.

Wir haben Claude mit Octoparse verbunden und drei Anweisungen nacheinander gegeben.

Schritt 1: Daten holen und prüfen

Mit der ersten Anweisung sollte Claude die Gelbe-Seiten-Vorlage mit „elektriker;aachen” und höchstens zwei Klicks auf „Mehr anzeigen” starten und die Ergebnisse zeigen.

Claude startete die Vorlage, fragte den Status selbstständig mehrmals ab und holte schon während des Laufs die ersten 38 Zeilen. Noch bevor wir danach gefragt hatten, prüfte der Agent die Daten: Nur 16 der 38 Zeilen betrafen Elektriker in Aachen und Umgebung. Den Rest ordnete er Stadtverwaltungen, Planungsbüros und Elektrikern an anderen Orten zu. Telefonnummern und Öffnungszeiten brachte er gleich in ein sauberes Format. Seine Vermutung zur Ursache kennzeichnete er ausdrücklich als ungeprüft.

Schritt 2: Bereinigen und markieren

Die zweite Anweisung im Wortlaut:

Bereinige die vollständige Liste: nur Einträge mit einer PLZ, die mit 52 beginnt, und Dubletten zusammenführen. Prüfe bei jedem Eintrag anhand von Firmenname, Branche und Website, ob es wirklich ein Elektrobetrieb ist, und markiere zweifelhafte Einträge mit kurzer Begründung. Behalte die Spalte mit der Gelbe-Seiten-URL als Quelle.

Aus 162 Rohzeilen wurden 50 Einträge im Postleitzahlbereich 52, nach dem Zusammenführen von Dubletten blieben 47 Betriebe. 39 davon bestätigte der Agent als Elektrobetriebe, fünf markierte er zur Prüfung, drei als zweifelhaft. Einige Fälle zeigen, wo ein KI-Agent mehr leistet als ein einfacher Filter:

• Falsche Branche trotz richtiger Kategorie: Ein Betrieb war bei Gelbe Seiten unter Elektroinstallationen eingetragen. Name und Domain deuteten aber auf Hausverwaltung und Bauleistungen hin. Ein Filter auf die Branche hätte ihn durchgelassen.
• Veralteter Eintrag: Bei einem anderen Betrieb führte die hinterlegte Website inzwischen zu einer anderen Firma.
• Vorsicht statt Zusammenführung: Zwei Einträge mit ähnlichem Namen, aber unterschiedlicher Adresse und Telefonnummer hat der Agent nicht zusammengelegt, sondern mit einem Hinweis versehen.

Das Ergebnis kam als Excel-Datei: Status farbig markiert, unklare Einträge oben, Filter gesetzt und zu jedem Betrieb der Link zur Quelle.

Schritt 3: Die Anrufliste

Die dritte Anweisung machte aus der Liste ein Werkzeug für den Vertrieb. Als Szenario gaben wir an, Wallboxen und PV-Zubehör an Elektrobetriebe zu verkaufen. Der Agent sollte die Betriebe in drei Gruppen einteilen, die zehn für den ersten Anruf auswählen und begründen, für jeden einen Gesprächseinstieg schreiben und alles als Excel-Datei liefern.

Dafür öffnete der Agent die Websites der Betriebe und suchte nach Hinweisen auf Photovoltaik, Wallboxen, E-Mobilität und Speicher, also nach dem, was für diesen Vertrieb zählt. Dabei fiel ihm auf, dass mehrere Websites zu einem Händlernetzwerk gehören und vorgefertigte Ratgebertexte zu Photovoltaik enthalten. Gewertet hat er deshalb nur, was ein Betrieb ausdrücklich als eigene Leistung nennt.

Das Ergebnis: 28 Betriebe mit eigener Website, 17 nur mit Telefonnummer, zwei mit E-Mail, aber ohne Website. Dazu eine Top-10-Liste mit Begründung und einem Gesprächseinstieg pro Betrieb, der jeweils aufgreift, was auf dessen Website steht, und mit einer offenen Frage endet. Eine eigene Tabelle „Methodik” dokumentiert Quelle, Bereinigungsregeln und Kriterien der Reihenfolge. Die Betriebsgröße hat der Agent ausdrücklich nur geschätzt, weil keine Website Mitarbeiterzahlen nennt.

Die letzte Entscheidung bleibt beim Menschen, und das ist gewollt. Die Statusspalte „Prüfen” und eine leere Spalte für Notizen zu jedem Anruf sind genau dafür da. Hilfreich ist es, Prüfaufträge konkret zu formulieren. In unserem Test stimmte bei einem Betrieb die Telefonnummer aus Gelbe Seiten nicht mit dem Impressum überein, und ohne ausdrücklichen Auftrag hat der Agent das nicht abgeglichen. Eine Zeile wie „Gleiche die Telefonnummern mit dem Impressum der Website ab” schließt diese Lücke. Wie Sie Firmendaten systematisch um Impressum und Handelsregister ergänzen, zeigt unser Leitfaden zum Anreichern von Firmendaten.

Dass wir uns eine Anrufliste und keine Mailing-Liste haben erstellen lassen, hat einen Grund: Für Werbung per E-Mail verlangt § 7 UWG auch gegenüber Unternehmen eine vorherige ausdrückliche Einwilligung. Für Anrufe bei Unternehmen genügt eine zumindest mutmaßliche Einwilligung, die sich aus einem konkreten Interesse ergeben muss. Mehr dazu im Abschnitt zum rechtlichen Rahmen weiter unten.

Welcher Lead Scraper passt zu welcher Aufgabe?

Der Test zeigt: Den einen besten Weg gibt es nicht. Welcher passt, hängt davon ab, was Sie mit den Daten vorhaben.

• Sie wollen schnell einschätzen, ob sich eine Zielgruppe lohnt: Ein KI-Chatbot oder Browser Use im KI-Assistenten liefert in wenigen Minuten erste Beispiele, ohne Einrichtung und kostenlos.
• Sie brauchen eine vollständige Liste mit E-Mail, Website und Branche: Dafür sind fertige Vorlagen der richtige Weg. Neben Gelbe Seiten gibt es Vorlagen für Das Örtliche, Das Telefonbuch, Wer liefert was und Google Maps. Stellen Sie die Zahl der nachgeladenen Seiten passend zur Trefferzahl ein.
• Sie brauchen die Liste regelmäßig aktuell: Vorlagen und gespeicherte Aufgaben lassen sich in der Cloud nach Zeitplan ausführen. So arbeiten Sie jede Woche mit frischen Daten, statt eine einmal gekaufte Liste altern zu lassen.
• Ihre Quelle hat keine fertige Vorlage: Browser Use liest die Seite direkt aus, der Cloud Agent schreibt einen eigenen Scraper. Wer die volle Kontrolle möchte, richtet die Aufgabe selbst in der Desktop-App ein. Vorlagen und Einstiegshilfen speziell für die Leadgenerierung finden Sie auf unserer Seite zur Lead-Generierung mit Octoparse.
• Sie wollen sich gar nicht selbst darum kümmern: Im KI-Assistenten lässt sich eine Aufgabe auch direkt an das Octoparse-Team übergeben, für größere Projekte gibt es den Daten-Service.
• Sie prospektieren international und brauchen verifizierte Ansprechpartner: Hier spielen KI-Lead-Datenbanken ihre Stärke aus, vor allem, wenn Ihr Team ohnehin mit einem CRM arbeitet.

Octoparse: Einfaches Web Scraping Tool für jede

Kostenloser Download

Anmeldung

Konvertiere Website-Daten direkt in Excel, CSV, Google Sheets und Ihre Datenbank.

Scrape Daten einfach mit Auto-Dedektion, ganz ohne Coding.

Scraping-Vorlagen für beliebte Websites, um Daten mit wenigen Klicks zu erhalten.

Mit IP-Proxys und fortschrittlicher API wird nie blockiert.

Cloud-Dienst zur Planung von Datenabfragen zu jedem gewünschten Zeitpunkt.

Rechtlicher Rahmen: Wo Plattformen gegen Scraper vorgehen

Wer über Lead Scraping spricht, landet schnell bei der Frage, ob das überhaupt erlaubt ist. Zwei Fälle aus den vergangenen Monaten zeigen, wogegen Plattformen tatsächlich vorgehen.

• LinkedIn gegen Proxycurl: LinkedIn verklagte den Datendienst Anfang 2025. Der Vorwurf: Proxycurl habe mit Hunderttausenden gefälschten Konten Millionen Profile ausgelesen, auch Daten, die nur angemeldeten Nutzern zugänglich sind, und diese weiterverkauft. Im Juli 2025 stellte Proxycurl den Betrieb ein. Laut LinkedIn muss der Dienst die so gewonnenen Daten dauerhaft löschen.
• Google gegen SerpApi: Im Dezember 2025 reichte Google Klage gegen SerpApi ein, einen Dienst, der Suchergebnisse per Schnittstelle weitergibt. Google wirft ihm vor, technische Schutzmaßnahmen der Suchmaschine zu umgehen. Das Verfahren ist noch offen.

Beide Fälle drehen sich um gefälschte Konten, Daten hinter einem Login und umgangene Schutzmaßnahmen. Für die eigene Leadrecherche lassen sich daraus klare Grundregeln ableiten:

• Öffentliche Daten, keine Umgehung: Erfassen Sie nur, was jeder Besucher ohne Anmeldung sehen kann, prüfen Sie Nutzungsbedingungen und robots.txt der Quelle und halten Sie die Abfragefrequenz moderat.
• Personenbezogene Daten erkennen und Herkunft dokumentieren: Namen von Ansprechpartnern oder Einzelunternehmern, persönliche E-Mail-Adressen und Durchwahlen fallen unter die DSGVO. Für solche Daten verlangt Art. 14 DSGVO unter anderem eine Angabe zur Herkunft. Eine Quell-URL pro Datensatz, wie sie die Vorlage im Test mitliefert, erleichtert das erheblich.
• Ansprache nach UWG: Für Werbe-E-Mails brauchen Sie auch im B2B eine vorherige ausdrückliche Einwilligung, für Anrufe bei Unternehmen zumindest eine mutmaßliche.

Ausführlich erklären wir die Regeln im Beitrag zu Firmenadressen und Art. 14 DSGVO und im Überblick Ist Web Scraping in Deutschland legal?. Dieser Beitrag ist keine Rechtsberatung.

Fazit

Die entscheidende Frage bei der KI-Leadrecherche ist nicht mehr, ob KI hilft, sondern woher sie ihre Daten bekommt. Unser Test hat das deutlich gezeigt. ChatGPT nannte in Sekunden zehn plausible Betriebe, aber keine vollständige Liste. Die Vorlage holte die Betriebe mit Website, E-Mail und Quelle direkt aus dem Verzeichnis. Und erst der KI-Agent machte aus den Rohdaten eine Anrufliste, mit der ein Vertriebsteam am nächsten Morgen loslegen kann. Wer regelmäßig neue Kunden in einer Region oder Nische sucht, fährt deshalb mit einer Kombination am besten: KI für das Verstehen, Prüfen und Bewerten, ein Lead Scraper für Daten direkt aus der Quelle.

Wie diese Kombination aussieht, ist dabei nicht für alle gleich. Die Vertriebsmitarbeiterin, die für die nächste Kampagne schnell eine Liste braucht, beschreibt ihre Zielgruppe im KI-Assistenten und exportiert das Ergebnis nach wenigen Minuten. Ein Vertriebsteam lässt dieselbe Gelbe-Seiten-Vorlage jede Woche in der Cloud laufen und arbeitet immer mit einem aktuellen Stand. Ein Unternehmen mit größerem Datenbedarf übergibt die gesamte Erhebung an das Octoparse-Team, mit festem Ansprechpartner und vertraglich zugesicherten Reaktionszeiten. Alle drei nutzen im Kern dieselben Vorlagen und dieselbe Infrastruktur.

Diese Infrastruktur wird zunehmend nicht mehr nur von Menschen bedient. Im Test hat ein KI-Agent die Vorlage selbst gestartet, den Fortschritt überwacht, die Daten geprüft und Unklares markiert, statt es stillschweigend zu entscheiden. In diese Richtung entwickelt sich die Leadrecherche: Agenten, die selbst erkennen, welche Daten gebraucht werden, und sie dort holen, wo sie entstehen. Über den KI-Assistenten, MCP, API und CLI ist Octoparse die Datenschicht, an die solche Agenten andocken. Was agentische KI ausmacht und wie Octoparse mit KI-Agenten zusammenarbeitet, lesen Sie in unseren Grundlagenbeiträgen.

FAQ

Was ist Leadrecherche?

Leadrecherche bezeichnet die Suche nach potenziellen Kunden: passende Unternehmen finden, Kontaktdaten zusammentragen und prüfen, ob sie zur Zielgruppe passen. Bei der KI-Leadrecherche übernimmt künstliche Intelligenz Teile davon, etwa die Auswahl der Quelle, die Bereinigung der Daten oder die Priorisierung.

Was ist ein Lead Scraper?

Ein Lead Scraper ist ein Werkzeug, das Kontaktdaten von Unternehmen automatisch aus öffentlichen Webseiten ausliest, zum Beispiel aus Branchenverzeichnissen oder Google Maps, und sie als Tabelle speichert. Gesteuert wird er über fertige Vorlagen, selbst eingerichtete Aufgaben oder inzwischen auch per KI-Agent in natürlicher Sprache.

Kann ChatGPT Leads für mich finden?

Mit aktivierter Websuche liefert ChatGPT erste Beispiele. In unserem Test waren es zehn Betriebe statt der 59 Treffer bei Gelbe Seiten, neun der zehn Telefonnummern ließen sich bestätigen. Eine Excel-Datei und eine Quelle pro Eintrag gab es nicht. Für vollständige Listen eignet sich ein Lead Scraper, den Sie über MCP auch direkt aus einem KI-Assistenten wie ChatGPT oder Claude steuern können.

Gibt es kostenlose Lead Scraper?

Ja. Instant Data Scraper ist laut Entwickler komplett kostenlos und eignet sich für einzelne Seiten. Octoparse bietet eine kostenlose Version für lokale Aufgaben, Browser Use im KI-Assistenten hat in unserem Test keine Credits verbraucht. Outscraper und Thunderbit haben ein monatliches Gratiskontingent.

Ist Lead Scraping legal?

Das hängt davon ab, welche Daten Sie erfassen und wie Sie sie nutzen. Öffentlich sichtbare Firmendaten ohne Umgehung von Schutzmaßnahmen sind etwas anderes als Profile hinter einem Login. Sobald personenbezogene Daten im Spiel sind, gelten die DSGVO und für die Ansprache das UWG. Mehr dazu im Abschnitt zum rechtlichen Rahmen. Dieser Beitrag ist keine Rechtsberatung.

Kann ich einen Lead Scraper mit n8n bauen?

Ja. Mit n8n verbinden Sie zum Beispiel eine Scraping-API, ein KI-Modell zur Bereinigung und Ihr CRM zu einem eigenen Ablauf. Aufbau und Wartung liegen dann bei Ihnen. Auch Octoparse lässt sich über die API in solche Abläufe einbinden.