Monatliche Lead-Reportings gehören bei uns zum CRM-Alltag dazu. Es stellt sich dabei immer wieder dieselbe Frage: Wie kommen wir möglichst schnell zu belastbaren Erkenntnissen zum Stand unserer Leads, ohne dass ein großer Teil der Zeit in die manuelle Aufbereitung der Daten fließt?
Genau vor dieser Situation standen wir im Centigrade CRM-Team. Einmal im Monat schauen wir auf unsere Lead-Auswertung: Wie viele neue Leads konnten wir gewinnen? Aus welchen Quellen kommen sie? Wie hoch sind die Konvertierungsraten? Und aus welchen Gründen haben wir Leads verloren?
Unser bisheriger Prozess war dabei funktional und eigentlich auch recht pragmatisch, aber alles andere als leichtgewichtig. In Excel fragten wir über PowerTools die API unserer Agentursoftware Moco (https://www.mocoapp.com/) ab, in der alle Lead-Daten gespeichert sind. Bestehende Diagramme wurden aktualisiert, neue mussten bei Bedarf manuell erstellt und verknüpft werden. Anschließend wurden die Ergebnisse für PowerPoint aufbereitet und per Kopie oder Screenshot übernommen. Zusätzliche Auswertungen aus Meetings konnten wir dadurch in der Regel erst im Folgemonat zeigen.
Das neue Ziel war: Wir wollten eine Auswertung, die besser zu unserem Arbeitsalltag passt. Eine Lösung, die auf aktuellen Daten basiert, interaktiv nutzbar ist, sich schrittweise weiterentwickeln lässt und nicht an einzelnen Personen hängt, sondern vom gesamten CRM-Team verwendet werden kann.
Bevor wir loslegten, mussten wir allerdings eine grundlegende Frage klären. Wir arbeiten seit 2023 mit Moco und verfügen deshalb auch erst ab diesem Zeitpunkt über eine verlässliche Datengrundlage im System. Frühere Lead-Daten liegen zwar noch in der bestehenden Excel-Datei vor, weil sie damals aus Legacy-Tools übernommen wurden, aber sie wären nicht mit in der Auswertung drin. Dennoch haben wir uns bewusst für einen pragmatischen Weg entschieden: Wir verzichten auf direkte Vergleiche mit dem Zeitraum vor 2023 und greifen bei Bedarf weiterhin auf die alte Excel-Datei zurück.
Danach ging es an die Technologiefrage. Es ist oft effektiver, Auswertungen dort durchzuführen, wo die Daten erhoben werden. Moco selbst bietet bereits Analysefunktionen für Leads an, allerdings noch nicht in dem Umfang, den wir für unsere Anforderungen benötigen.
Ein naheliegender Gedanke war deshalb zunächst der Einsatz eines Drittanbietertools wie Power BI (https://www.microsoft.com/de-de/power-platform/products/power-bi). Die Erfahrung damit war bereits vorhanden, auch bei der Abfrage von APIs und Datenbanken aus anderen Kontexten. Beim genaueren Blick wurde für uns aber schnell deutlich: Für diesen Anwendungsfall wäre das ein vergleichsweise großes Setup gewesen, zu komplex und zu schwergewichtig für das, was wir eigentlich lösen wollten.
Spannender war deshalb ein anderer Ansatz: Ein eigenes, kleines Tool per Vibe Coding. Plattformen Figma Make (https://www.figma.com/de-de/make/) oder Lovable (https://lovable.dev/) wären dafür grundsätzlich infrage gekommen, hätten aber zusätzliche Lizenzen erfordert. Die höheren Lizenzkosten wären bei entsprechendem Wertversprechen nicht das Problem gewesen. Gleichzeitig war da aber die naheliegende Skepsis: Lohnt sich das Ganze überhaupt, wenn es bereits eine funktionierende Excel-Lösung gibt? Nun, wir wollten es herausfinden und setzten uns eine Timebox von einem Tag.
Der risikoarme Einstieg in eine konkrete Entscheidung war daher ein kleiner Proof of Concept. Per Prompting mit Claude Sonnet 4.6 entstand zunächst eine HTML-Datei, die ein Dashboard mit unseren bekannten Anforderungen abbildet. Die Lead-Daten wurden im ersten Schritt noch manuell über ein JSON-Dokument übergeben. Schon dieser frühe Stand war überraschend überzeugend: Innerhalb kurzer Zeit war sichtbar, dass der Ansatz nicht nur technisch funktioniert, sondern sich auch gut für unseren konkreten Use Case eignet. Auf dieser Grundlage haben wir das weitere Vorgehen gemeinsam mit dem Engineering-Team abgestimmt.
Abbildung 1. Der erste PoC als HTML-Seite funktionierte bereits erstaunlich gut
Für die Weiterentwicklung des PoC zu einem wiederverwendbaren Tool haben wir uns dann für eine Kombination aus n8n-Workflow (https://n8n.io/) und OpenAIs Codex (https://openai.com/de-DE/codex/) entschieden. Die Daten wurden an ein GitLab-Repository angebunden, in dem bereits agents.md-Dokumente zur besseren Steuerung der Arbeitsweise des LLM hinterlegt waren.
Abbildung 2. Codex setzt die Prompts direkt in dokumentierte Codeänderungen um
Der n8n-Workflow übernimmt dabei das Auslesen der Lead-Daten aus der Agentursoftware und übergibt sie als JSON-Datei an den HTML-Code. Der Workflow wurde von DevOps aufgebaut und ist für ähnliche Anwendungen wiederverwendbar.
Dort ist die Authentifizierung hinterlegt, sodass nur autorisierte Zugriffe auf die Daten möglich sind. Für die Workflow-Erstellung hätten wir Codex verwenden können, doch durch die vielen Erfahrungen im Umgang mit n8n, die unsere Mitarbeitenden bereits gesammelt hatten, können solche Workflows auch effektiv per Hand erstellt werden.
Abbildung 3. Der n8n Workflow wird beim Aufruf der Lead-Website automatisch gestartet
Im Alltag hat sich dieser Aufbau als angenehm direkt erwiesen: Wenn sich am Code etwas ändert, muss die HTML-Seite nur neu geladen werden und ist sofort im Browser sichtbar. Codex wird genutzt, um den Code für das Frontend per Prompt iterativ zu erweitern und über das GitLab-Repository zu versionieren. Damit sich das Tool auch visuell besser in unseren Kontext einfügt, haben wir zusätzlich Informationen zum Styling aus unserem Design System Supernova (https://www.supernova.io/)
eingebunden.
Abbildung 4. Die Auswertung der Leads findet nun dynamisch im Browser statt
Besonders interessant war für uns dabei, wie schnell aus einer eher experimentellen Idee ein belastbares Ergebnis wurde. Nach rund eineinhalb Tagen hatten wir eine Lösung, die unsere ursprüngliche Zielsetzung nicht nur abgedeckt hat, sondern bereits darüber hinausging. Inzwischen gibt es zusätzlich eine weitere Unterseite, die mittels Kommunikation zu einem neuen n8n-Workflow Leads auf Basis einer KI-unterstützten Webanalyse bewertet und die Formularfelder eigenständig ausfüllt. Dafür hatte es sich auch gelohnt, das gesetzte Ziel etwas zu erweitern.
Fazit
Für uns ist das Ergebnis weit mehr als nur eine technische Optimierung. Innerhalb kurzer Zeit ist aus einem konkreten internen Bedarf ein Tool entstanden, das unsere Lead-Auswertung spürbar schneller und flexibler macht. Uns hat besonders begeistert, wie viel mit einem klaren Use Case und den richtigen Tools heute möglich ist. Statt weiter in manuelle Aufbereitung zu investieren, können wir uns stärker auf das konzentrieren, worauf es eigentlich ankommt: Bessere Entscheidungen im CRM-Team treffen und unsere Akquise gezielt weiterentwickeln. Genau das macht dieses Projekt für uns zu einem so schönen Beispiel dafür, dass Vibe Coding kein abstrakter Trend sein muss, sondern im richtigen Kontext ein wirkungsvolles Werkzeug sein kann.
