Datenanreicherung: kostenlose Schritte zuerst

Was ist Waterfall-Enrichment, und warum entscheidet die Reihenfolge?

Waterfall-Enrichment fragt für ein fehlendes Datenfeld mehrere Quellen nacheinander statt gleichzeitig ab und hört bei der ersten auf, die antwortet. Sortiert wird nach Kosten, die günstigste zuerst. Richtig gebaut, sind die meisten Datensätze gelöst, bevor du überhaupt einen bezahlten Anbieter anfragst.

Die verbreitete Praxis sieht anders aus: ein bezahlter Anbieter auf die ganze Liste und eine Rechnung, die niemand hinterfragt. Das funktioniert. Teuer wird es an einer Stelle, die auf keiner Rechnungsposition auftaucht. Du bezahlst für Datensätze, die du schon hattest, und für Dubletten derselben Firma. Dazu kommen Werte, die eine kostenlose Ableitung in Sekunden geliefert hätte.

Die Abfolge unten ist die, mit der wir bei SalesPlaybook Account-Listen aus mehreren Quellen anreichern. Es ist nicht die einzige gültige Ordnung. Das Prinzip dahinter ist aber nicht verhandelbar: kein Credit auf einen Datensatz, solange ein kostenloser Schritt noch nicht dran war.

Welche Anreicherungsschritte kosten nichts, und warum laufen sie zuerst?

Es sind drei, und sie lösen regelmäßig den größten Teil einer Liste. Zuerst leitest du die Firmendomain aus einer E-Mail-Adresse ab, wo eine Quelle Adressen mitbringt. Dann leerst du Junk-Domains, die keine Firmen sind. Danach dürfen Zeilen ohne Domain eine Domain über exakten Namensabgleich übernehmen. Alle drei Schritte folgen festen Regeln, laufen sofort und kosten nichts.

Schritt eins hat eine Falle, die einen Namen verdient. Eine Freemail-Domain taucht bei vielen Firmen auf, die nichts miteinander zu tun haben. Eine echte Firmendomain taucht nur bei deren eigenen Standorten auf. Die Blockliste allein reicht deshalb nicht. Eine Häufigkeitsprüfung über verschiedene Firmennamen fängt auch die Anbieter, die auf keiner statischen Liste stehen.

Schritt drei lassen die meisten Teams aus, dabei ist er geschenktes Geld. In einer Liste aus mehreren Quellen erscheint dieselbe Firma häufig einmal mit und einmal ohne Domain. Der Abgleich über den normalisierten Namen schließt diese Lücke ohne Kosten, solange der Treffer eindeutig ist. Genau ein Kandidat, sonst keine Übernahme.

Wie schnell veralten angereicherte B2B-Daten?

So schnell, dass Anreicherung ein wiederkehrender Vorgang ist und kein Projekt. Rund ein Fünftel einer B2B-Datenbank wird binnen eines Jahres unzuverlässig, und E-Mail-Adressen verfallen schneller als Firmendatensätze. Diese Zahl bestimmt, wie oft die Kaskade laufen muss. Und sie ist das Argument dafür, die kostenlosen Schritte wiederholbar zu bauen.

Die Verfallszahlen setzen der ganzen Übung eine Uhr. Datamagnets Zusammenstellung von 2026 stützt sich auf HubSpots Arbeit zum Datenverfall. Danach verliert eine typische B2B-Kontaktdatenbank 2,1 % ihrer Datensätze pro Monat. Kumuliert sind das rund 22,5 % im Jahr, und schon im sechsten Monat sind es über 12,0 %. Für E-Mail-Adressen zitiert Datamagnet ZeroBounce: 23 % der Adressen einer typischen Liste werden jährlich ungültig, 2024 waren es noch 28 %. Dagegen steht die Zustellbarkeitsgrenze, die Mailshake nennt. Hard Bounces sollen unter 0,5 % liegen, und eine Gesamt-Bounce-Rate unter 1 % gilt dort als Mindestanspruch, nicht als Ziel.

Die Rechnung geht nicht auf. Auf derselben Kurve liegt der kumulierte Verfall bei 6,2 % im dritten und 17,4 % im neunten Monat. Ob du quartalsweise oder jährlich auffrischst, ist also keine Geschmacksfrage. Eine Liste, die du einmal anreicherst und dann ein Jahr weiterverwendest, hält diese Grenze nicht. Genau deshalb lohnt sich die Kaskade, denn sie ist günstig genug, um immer wieder zu laufen.

Wo die Abfolge steht, zeigt sich das Ergebnis in gebuchten Terminen statt in einer saubereren Tabelle. Das durchgerechnete Beispiel aus unserem Kundenkreis: node.energy generiert fünfmal mehr Demos mit Clay und HubSpot in drei Monaten. Die Anreicherungsebene hat darin die unspektakuläre Arbeit gemacht.

Warum muss die Dublettenprüfung vor der bezahlten Anreicherung stehen?

Weil bezahlte Anreicherung pro Datensatz abrechnet und eine Liste aus mehreren Quellen dieselbe Firma mehrfach enthält. Reicherst du zuerst an, zahlst du pro Kopie. Danach musst du die Ergebnisse in einen Datensatz zusammenführen, und dessen Feldkonflikte kann niemand entscheiden. Deduplizierst du zuerst, zahlst du einmal pro Firma.

Deshalb muss die Domain-Abdeckung fertig sein, bevor du zusammenführst, nicht danach. Die Domain ist der Dublettenschlüssel. Eine Liste mit 30 % fehlenden Domains lässt sich nicht sauber deduplizieren, egal wie gut die Merge-Logik ist. Den Zeilen, die zusammengehören, fehlt schlicht die Grundlage für den Treffer. Die Reihenfolge lautet also: erst kostenlose Domain-Abdeckung, dann Deduplizierung, dann Credits.

Was macht ein Anreicherungs-Agent, wenn er einen Wert nicht findet?

Er liefert leer zurück. Nie raten. An dieser einen Regel hängt, ob dein ganzer Datenbestand belastbar bleibt, denn die beiden Fehlerarten sind nicht symmetrisch. Ein leeres Feld zeigt sich selbst an und lässt sich jederzeit füllen. Ein plausibler falscher Wert besteht jede Validierung und vergiftet still alles, was danach kommt.

Für die Domain-Recherche heißt das: Der Agent liefert die registrierbare Domain und nichts sonst, oder er liefert nichts. Gib ihm das stärkste verfügbare Signal, im Idealfall die Firmen-LinkedIn-URL. Sonst nimm Firmenname plus Land plus etwas Unterscheidendes, etwa eine Stadt oder eine angebotene Leistung. Im DACH-Raum ist die zuverlässigste einzelne Suche der Firmenname plus Impressum, weil dort die Domain direkt genannt wird.

Validiere beim Zurückschreiben erneut, gegen dieselbe Blockliste und dieselben Domain-Formregeln wie bei den kostenlosen Schritten. Ein Agentenergebnis ist eine Eingabe, keine Autorität.

Wie beweist du, dass beim Zusammenführen kein Datensatz verloren ging?

Mit einer Zusicherung, die du jedes Mal prüfen kannst: Die Summe der zusammengeführten Datensätze im deduplizierten Master muss der Zeilenzahl der Rohvereinigung entsprechen. Stimmen beide überein, ist nichts still verschwunden. Weichen sie ab, ist das Zusammenführen falsch, und keine Zahl, die darauf aufbaut, ist belastbar.

Darum führen wir zwei Master statt einem. Der vollständige Master (FULL) behält jeden Quelldatensatz zur Nachverfolgung. Der bereinigte Master (DEDUPED) hält eine Zeile pro Firma, mit ihrer Herkunft daran: welche Quelldatensätze eingeflossen sind, wie viele und welche Felder sich widersprachen. Die Zusicherung läuft zwischen beiden. Ohne sie ist eine Marktgröße eine Zahl, die jemand glaubt, statt einer, die jemand prüfen kann.

Fast identische Domains landen auf einer markierten Prüfliste, nicht in einer automatischen Zusammenführung. Varianten mit anderer Endung (TLD) und geteilte Plattform-Domains sehen für einen Abgleich gleich aus und gehören häufig zu verschiedenen Firmen. Also markieren, und dann entscheidet ein Mensch.

Womit die Kaskade bei uns läuft, und was das Tool nicht entscheidet

Wer nicht weiß, aus welcher Quelle ein Wert stammt, kann keine Entscheidung darauf stützen. Der nächste Abschnitt verlangt deshalb für jedes steuernde Feld einen benannten Anbieter. Dann benennen wir unseren auch hier: Die Kaskade läuft bei uns mit Clay, angeschlossen an HubSpot als Zielsystem. In Clay werden mehrere Quellen nacheinander abgefragt, bis ein Wert gefunden ist, und je Feld bleibt protokolliert, welche Quelle ihn geliefert hat. Ohne dieses Protokoll bleibt die Herkunftsfrage unbeantwortet, und dann trägt kein Feld eine Entscheidung.

Was das Tool nicht entscheidet: die Reihenfolge. Genau darum geht es in diesem Artikel. Ein Lauf, der teuer beginnt, wird durch kein Tool billiger. Er verbraucht Credits für Werte, die eine Regel gratis geliefert hätte. Die kostenlosen Schritte zuerst, die Dublettenprüfung davor, die bezahlte Abfrage zuletzt: Das ist eine Konfigurationsentscheidung, keine Produktfunktion. Wer die Kaskade in der falschen Reihenfolge aufsetzt, bekommt dieselbe Abdeckung zum Vielfachen des Preises.

Zur Einordnung, weil Partnerstatus oft größer klingt, als er ist: SalesPlaybook ist im Clay Solutions Partner Directory mit dem Badge „Artisan“ geführt. Das ist die Eingangsstufe von vier.

Auf welche angereicherten Felder darfst du Entscheidungen stützen?

Nur auf die, deren Herkunft du benennen kannst. Selbst gemeldete Mitarbeiterzahlen, Branchenlabels und Firmentypen kommen aus Scrapes und Verzeichnissen in stark schwankender Qualität. Solche Werte gehören in reine Prüfspalten. Ein Feld, das Targeting oder Scoring steuert, braucht einen bekannten, vertrauenswürdigen Anbieter dahinter.

Praktisch heißt das: Schieb unsichere Firmendaten (Firmografiken) schon beim Einlesen in getrennte Spalten, die als unsicher markiert sind. Speis daraus niemals einen Filter oder Score. Daneben behältst du jede Originalspalte aus jeder Quelle, damit sich eine spätere Frage ohne erneutes Sourcing beantworten lässt. Gelöscht wird nichts, beschriftet wird alles.

Diese Disziplin macht den Rest der Kette vertretbar. Wer Neukundengewinnung im B2B auf einer Liste aufbaut, deren Felder eine bekannte Herkunft haben, kann das Targeting-Argument prüfen. Der Schritt davor wiegt genauso schwer: Die Sperrprüfung muss bestanden sein, bevor eine bezahlte Anreicherung startet. Die Zahl, die danach übrig bleibt, trägt den Aufbau der Vertriebspipeline, per E-Mail wie über LinkedIn GTM. Unsere Arbeit an AI Outbound setzt auf dieser Ebene auf, statt sie zu ersetzen. Und in einem HubSpot-CRM-Setup gilt dieselbe Regel für jede Eigenschaft, die ein Workflow liest.