Jeder personalisiert Emails mit AI – und trotzdem scheitern die meisten. Warum? Weil sie nur ein paar Tactics kennen, aber nicht die grundlegenden Prinzipien hinter guter Cold Email Personalization.
Stell dir vor: Du kopierst einen Workout-Plan von einem Fitness-Influencer, siehst aber null Resultate – weil du Ernährung und saubere Ausführung nicht verstehst. Tactics allein ersetzen keine Basics.
Das Gute: Ich erkläre dir heute die wichtigsten Prinzipien von Cold Email Personalization – und zeige dir anhand von Beispielen, wie ich sie in der Praxis nutze.
Was du hier lernst
- Die verschiedenen Arten von Cold Email Personalization
- Semi-personalisierte Cold Emails für maximale Conversion
- Die 3 Prinzipien der Cold Email Personalization
- So nutzt du Stellenanzeigen in Cold Pitches
- So personalisierst du Cold Emails ohne wertvolle Daten
Die verschiedenen Arten von personalisierten Cold Emails
Wenn du eine Cold Email personalisieren willst, solltest du dir immer zuerst klar machen, warum überhaupt. Denn Cold Email Personalization hat im Grunde zwei Ziele:
-
Relevanz erhöhen: Dazu gehören z. B. Signals, Segmentierung usw. – du schreibst Messages, die beim Empfänger „klick“ machen, weil du Offer, Pain Points oder Needs sauber triffst.
-
Human Touch hinzufügen: Du zeigst, dass du kein Bot bist, kein AI SDR und auch niemand, der einfach nur „spray-and-pray“ macht.
Stark personalisierte Cold Emails: ideal für High-Ticket Sales
In der Regel konvertieren stark personalisierte Kampagnen extrem gut, weil du damit zeigst: Du hast wirklich recherchiert – und schreibst genau dieser Person.
Solche Emails basieren typischerweise auf:
- einem LinkedIn- oder X-Post, in dem eine konkrete Herausforderung oder ein Need genannt wurde
- einem Podcast-Interview, in dem Prioritäten klar werden
- einem YouTube-Video, das den Denkprozess zeigt
- einem Medienartikel, in dem die Person zitiert oder vorgestellt wird
- Custom Research mit AI Agents, um unique insights zu finden
Vorteile von stark personalisierten Kampagnen:
- Wenn du es richtig machst, sind 30–40% Response Rate realistisch.
- Baut schneller Vertrauen auf – Deals gehen dadurch oft schneller durch.
Nachteile von stark personalisierten Kampagnen:
- Skalierung: Du findest oft nur begrenzt viele Prospects, die exakt passen.
- Zeitaufwand: Auch wenn du die Recherche mit AI Agents automatisieren kannst, musst du bei stark personalisierten Emails meistens trotzdem jede Email manuell schreiben.
- Kosten/Nutzen: Der ROI wird schnell fragwürdig, wenn du 15–20 Minuten pro Prospect recherchierst – für einen Deal mit kleinem Value. Für Early-Stage-Startups würde ich es eher nicht empfehlen.
Semi-personalisierte Cold Emails: die ROI-Maschinen
Bei diesem Ansatz segmentierst du deine Liste in klar definierte Zielgruppen-Cluster und schickst ähnliche Messages – mit einem Muster aus personalisierten Variablen.
Das funktioniert, weil du die typischen Challenges dieser Gruppe aus Gesprächen mit ähnlichen Prospects bereits kennst.
Oft nennt man das auch „ICP Campaigns“ (Ideal Customer Profile Campaigns).
Diese Kampagnen liefern in der Praxis am konstantesten den besten ROI (Return on Investment), weil:
- sie schnell aufzusetzen und gut zu skalieren sind
- sie Personalization und Effizienz sauber ausbalancieren
- du Evergreen-Kampagnen bauen kannst, die über Zeit weiter performen
Die zwei Arten von semi-personalisierten Kampagnen
1. ICP-basierte Kampagnen – segmentiert nach:
- typischen Pain Points in ihrer Branche
- Unternehmensgröße oder Growth Stage
2. Intent Signal Campaigns – getriggert durch:
- Stellenanzeigen (zeigt veränderte Prioritäten)
- Funding News (neues Budget)
- verwendete Technologien (Fit & potenzielle Needs)
- andere Business-Signale (Akquisitionen, Expansion usw.)
Human Touch als P.S.
💡 Was ist eine P.S.-Zeile? „PS“ steht für „postscript“ („nachträglich geschrieben“) – das ist der Text, den du nach dem eigentlichen Email-Text ergänzt.
Dieser Ansatz ist besonders hilfreich für Teams, die noch nicht genug Daten haben, um wirklich zu wissen, worauf ihre Zielgruppe anspringt – und deren ICP noch nicht sauber definiert ist.
👉 Lies dazu unseren Artikel über das Definieren eines Ideal Customer Profile.
Das Ziel ist simpel:
Zeig, dass du ein Mensch bist – kein Spammer.
↳ Erhöht deine Chance auf Replies, selbst wenn dein Messaging noch nicht perfekt sitzt.
Ein paar Ideen:
- Case Studies recherchieren und im P.S. referenzieren
- Die „time-in-company“ im P.S. erwähnen
- Ein Thema callen, über das in ihrer Region/Branche wirklich jeder diskutiert
Das bittersüße Ergebnis?
Du bekommst dann oft Replies wie: „Gerade kein Interesse, aber das ist die beste Cold Email, die ich je bekommen habe – danke Habib!“ – und ich sitze da irgendwo zwischen Enttäuschung und Bestätigung.
Kurz zusammengefasst hast du 3 Optionen:
- High-personalized cold emails: Research-heavy Ansatz für High-Value Prospects mit einzigartigem Messaging. Super für High-Ticket Sales, aber schwer zu skalieren.
- Semi-personalized cold emails: Der beste ROI-Ansatz: Personalization + Effizienz über ICP-Segmente oder Intent Signals. Einfach zu skalieren und zu automatisieren.
- Human touch cold email: Kleine persönliche Elemente (wie P.S.-Zeilen), um zu zeigen: Du bist real. Funktioniert gut, wenn dein ICP noch nicht sitzt.
Welche Variante am besten ist, hängt von deiner Business-Phase, deinen Ressourcen und deiner Zielgruppe ab.
Mein Vorschlag: Testen – und schauen, was den höchsten ROI bringt (ich würde mit semi-personalized starten).
📘 Contact Habib for Help with Your Cold Emails (Free!)
Wenn du Hilfe brauchst, schreib mir auf LinkedIn – ich helfe dir, diese Kampagnen mit Datablist aufzusetzen.
Die Grundprinzipien der Cold Email Personalization
So wie Scientists mit Grundprinzipien arbeiten, um unser Universum zu erklären, gibt es auch beim Outbound fundamentale Regeln, die entscheiden, ob deine personalisierten Cold Emails konvertieren – oder komplett untergehen.
Hier ist die Breakdown.
Erstes Prinzip: Deine Daten = dein Erfolg
Die Qualität deiner Daten ist das Fundament von guter Personalization – und eine veraltete Datenbank, die alle 6 Monate aktualisiert wird, bringt dich nicht weit.
Für wirksame Personalization brauchst du deepere Insights, die zusätzliche Recherche erfordern – Dinge, die dir reine Datenbanken schlicht nicht liefern.
Ohne saubere Daten scheitert selbst die kreativste Personalization. Warum Data Quality so wichtig ist:
- Deine Messages landen bei den richtigen Leuten in den richtigen Companies
- Du vermeidest peinliche Patzer (z. B. Glückwunsch zu einer Rolle, die die Person seit Monaten nicht mehr hat)
- Deine Deliverability wird besser, weil du weniger Bounces und Spam Reports hast
Zweites Prinzip: Du brauchst einen guten Grund zum Personalisieren
Ein „Grund“ ist mehr als nur Personalization anhand von Intent Signals. Es geht darum, dass du dir bei jeder Personalisierung fragst: „Wozu genau mache ich das gerade – und was soll es auslösen?“
Das Endziel ist immer eine Antwort. Und genauso wichtig: Welchen Eindruck soll dein Prospect beim Lesen bekommen?
Zum Beispiel:
- „Die Person hat wirklich über mich und meine Situation nachgedacht.“
- „Der Sender versteht meine Branche und weiß, wovon er spricht.“
- „Okay, das fühlt sich wenigstens nach einem echten Menschen an – nicht nach Bot.“
Nicht jeder reagiert positiv – aber deine Intentionen zählen. Echte, sinnvolle Personalization schlägt langfristig immer oberflächliche Tricks.
Drittes Prinzip: Kling wie ein Mensch – nicht wie AI
Ja, es klingt nach viel Arbeit – ist es aber gar nicht: Selbst mit AI-Support müssen deine Emails natürlich klingen und sich „lesen wie von einem Menschen“. Sonst landest du im Spam oder wirst einfach ignoriert.
Das heißt:
❌ Fütter AI nicht nur mit Daten und sag „schreib mir eine personalisierte Zeile“
✅ Bau stattdessen ein Framework, das die AI sauber führt
➡️ Nutze dieses Framework, um Personalization auf 1000e Leads zu skalieren
Wichtig: Das Ziel ist nicht „personalized Emails zu schreiben“, sondern Replies zu bekommen. Personalization ist nur das Mittel zum Zweck.
Jetzt, wo wir Techniken und Prinzipien abgedeckt haben, zeige ich dir, wie ich das nutze, um personalized Emails effizient zu erstellen und sie mit der ChatGPT-Integration in Datablist zu skalieren.
📘 Quick Explanation of Datablist
Datablist ist ein AI-powered Spreadsheet, mit dem du Daten sammeln, organisieren und anreichern kannst – um Workflows wie Email-Personalization zu automatisieren, ganz ohne technische Skills. Stell dir Excel vor, nur besser: mit eingebauten Data Sources, Automationen und AI Agents, mit denen du deutlich weiter skalierst als mit klassischen Spreadsheets.
4 Beispiele für Cold Email Personalization (inkl. Umsetzung)
Im nächsten Abschnitt zeige ich dir 4 konkrete Beispiele für personalisiertes Cold Emailing:
- Emails nach Audience-Segmenten personalisieren
- Stellenanzeigen für Cold Email Personalization nutzen
- Case Study in der P.S.-Zeile nutzen
- Eine witzige P.S.-Zeile in die Cold Email einbauen
Emails nach Audience-Segmenten personalisieren
Ich zeige dir, wie du zwischen First-time Founders und Serial Entrepreneurs segmentierst, um personalisierte und wirksame Cold Email Kampagnen zu bauen. Mein Prozess hat zwei Phasen:
Phase 1
- Mit Datablist LinkedIn-Profile deiner Prospects scrapen, um frische Infos zur Career History zu bekommen
- Die Daten an ChatGPT schicken und es anhand der Rollen entweder „🔁 Serial Entrepreneur“ oder „1️⃣ First-time Entrepreneur“ zurückgeben lassen
Phase 2
- Ein Messaging-Framework erstellen
- Mit Datablist Personalization pro Segment skalieren
Phase 1: Daten für Cold Email Personalization vorbereiten
Ich habe bereits eine Prospect-Liste in Datablist importiert. Als nächstes werde ich ihre LinkedIn-Profile scrapen.
💡 Kurze Info zum LinkedIn Scraping mit Datablist
Mit Datablist kannst du bis zu 10 frühere Rollen pro Prospect ziehen – nutz das aus und sammle so viele Daten wie möglich. Je mehr Kontext du hast, desto mehr Optionen hast du für gute Personalization. Ich nutze heute aber nur 3.
Datablist hat mir die früheren Rollen zurückgegeben. Als nächstes lasse ich ChatGPT 4o mini auf jeder Zeile laufen, um die Career History zu analysieren.
Das ist der Prompt, den ich nutze, um meine Liste „personalization-ready“ zu machen:
Das sind die Ergebnisse, die Datablist zurückgegeben hat. Jetzt gehe ich in Phase 2.
Phase 2: Personalized Email erstellen
Jetzt, wo meine Liste segmentiert ist, schreibe ich meinen Pitch. So würde ich Datablist diesen Gruppen pitchen:
-
Für First-time Founders: „Datablist hilft dir nicht nur dabei, Prospects zu finden – du kannst das auch machen, ohne dein Budget zu sprengen.“
-
Für Serial Entrepreneurs: „Mit Datablist kann dein Team Cold Email Kampagnen 3x schneller launchen, weil der ganze Prozess in einer Plattform stattfindet.“
-
Was ich nie schreiben würde: „Ich habe gesehen, dass du ein First-time Founder / Serial Entrepreneur bist“ – das wissen sie selbst.
-
Jetzt filtere ich die Liste danach, ob jemand Serial Entrepreneur oder First-time Founder ist.
Nach dem Filtern nutze ich die bulk edit-Funktion in Datablist, um meinen personalisierten Pitch in großem Stil einzufügen. So kann ich im Email-Sequencer den Spaltennamen als {{variable}} verwenden.
Und damit ist die Cold Email Personalization fertig.
Stellenanzeigen für Cold Email Personalization nutzen
Ganz ehrlich: Job Offers zur Personalization zu nutzen ist nicht revolutionär. Das kann jeder – und gute Recruiter machen das längst. Der Punkt ist nur: Die meisten machen es falsch.
💡 Stellenanzeigen richtig nutzen: so klappt’s
Wenn du Vacancies für Cold Email Personalization verwendest, ist das Ziel nicht, jedes Detail der Anzeige zu zitieren, sondern deine Message relevant und „anders genug“ zu machen, damit sie geöffnet wird und du am Ende eine Antwort bekommst. Das erreichst du z. B., indem du Soft Skills erwähnst, nach denen sie suchen – statt nur auf „X Jahre Erfahrung“ zu gehen.
Für dich heißt das: Du personalisierst nicht nur – du machst es auf eine Art, die dich klar von anderen abhebt.
So nutze ich Job Listings für stark zielgerichtete Personalization:
Zuerst scrape ich eine Liste mit Job Listings basierend auf Job Titles, Industry und Funding Stage.
Nach dem Scraping nutze ich die Waterfall People Search in Datablist, um alle Kontaktdaten zu finden – damit ich qualifizierte Prospects aus genau den Companies anschreiben kann, bei denen ich Job Offers gefunden habe.
Datablist’s Waterfall People Search kurz und einfach erklärt:
- Du sagst Datablist ganz genau, wen du suchst (z. B. „marketing managers“).
- Dann legst du Backup-Suchen fest (z. B. „marketing directors“ oder „growth leads“), falls es keine Treffer gibt.
- Datablist versucht erst deine 1. Wahl – und wenn es keine passenden Matches findet, geht es automatisch die Backups durch.
Jetzt, wo ich Prospects gefunden habe, erstelle ich eine personalisierte First Line basierend auf der Stellenanzeige – über die ChatGPT-Integration von Datablist.
Zwei Beispiele für Cold Emailing mit Human Touch
Bevor wir loslegen: Wenn du personalisierte „P.S.“-Zeilen in großem Stil bauen willst, solltest du ein paar Dinge wissen:
- P.S.-Zeilen sind extrem flexibel.
- Nicht jeder wird es feiern – und das ist okay.
- Viele geben dir Props für die Personalization, auch wenn sie trotzdem nicht kaufen.
Mein Lieblingsansatz ist eine witzige P.S.-Zeile, weil: Wenn du jemanden zum Schmunzeln bringst, ist die Person eher bereit zu antworten – selbst wenn es nur ein höfliches „Nein danke“ ist. Vorher zeige ich dir aber, wie du über Case Studies von der Website professionell Rapport aufbaust.
Case Study in der P.S.-Zeile nutzen
Eine Case Study in der P.S.-Zeile zu erwähnen hat viele Vorteile. Der wichtigste: Der Prospect merkt, dass du kein Spammer bist, sondern dir wirklich Zeit für eine personalisierte Message genommen hast – und das macht in der Realität einen spürbaren Unterschied.
Sobald ich eine Lead-Liste habe, brauche ich nur 3 Schritte, um eine personalisierte P.S.-Zeile mit Case Studies zu erstellen:
- Datablist’s AI Agent Template nutzen, um die Case Studies zu scrapen
- Auf erfolgreiche Runs filtern
- Eine neue Property erstellen und mit Datablist’s Bulk edit Personalization at scale bauen (damit ich später Variablen beim Editieren nutzen kann)
Witzige P.S.-Zeile in die Cold Email einbauen
Es gibt viele Wege, etwas Lustiges einzubauen.
Was ich fast immer versuche: etwas zu finden, das universell funktioniert – z. B. ein Thema, über das Leute aus der Stadt des Prospects ständig diskutieren.
💡 Wozu diese P.S.-Zeile überhaupt dient
Diese P.S.-Zeile soll dem Prospect keine Infos liefern, sondern verhindern, dass er denkt: „Ah, wieder so eine Cold Email.“
Wenn du diesen Workflow nachbauen willst, brauchst du nur drei Dinge:
- Den Standort des Prospects – den bekommst du z. B. durch das Scrapen des LinkedIn-Profils.
- Ein starkes AI-Modell, das P.S.-Zeilen at scale erstellen kann.
- Einen Prompt aus unserer Prompt Library.
Fazit
Cold Emails zu personalisieren ist nicht schwierig – im Gegenteil: Es wird ziemlich einfach, sobald du die Grundprinzipien verstanden hast, die wir hier besprochen haben. Bleib so menschlich wie möglich, und hab immer klar im Kopf, warum du gerade personalisierst.
FAQ zur Cold Email Personalization
Wie personalisiert man eine Cold Email?
Du kannst eine Cold Email personalisieren, indem du relevante Informationen referenzierst – z. B. Stellenanzeigen, Case Studies von der Website oder Human Touch über ein lokales „Debattenthema“ aus ihrer Region.
Welche Tools sind am besten für Cold Email Personalization at scale?
Zu den besten Tools zählen Data-Enrichment-Plattformen wie Datablist, die Prospect-Infos sammeln und aktualisieren können. Kombiniert wird das idealerweise mit Email-Automation-Tools, die Personalization-Variablen unterstützen.
Wie viel Personalization braucht eine Cold Email?
Eine gute Cold Email braucht genug Personalization, um herauszustechen – aber nicht so viel, dass sie sich nicht mehr effizient skalieren lässt. Meist bringt ein personalisierter erster Satz den größten Hebel für bessere Response Rates.
Was ist der beste Weg, Infos für Cold Email Personalization zu finden?
Die besten Quellen sind LinkedIn-Profile, Company Websites (Case Studies, Blog, Team-Seiten), Stellenanzeigen und News-Artikel zur Company. Tools wie Datablist helfen dir, diese Infos effizient zu sammeln.
Verbessert Cold Email Personalization wirklich die Response Rates?
Ja. Personalisierte Cold Emails performen deutlich besser als generische – Studien zeigen oft 2–3x höhere Response Rates. Am besten funktioniert Personalization, die konkrete Pain Points oder Ziele anspricht, statt nur persönliche Details zu droppen.