CRM-Daten bereinigen und anreichern: Leitfaden

CRM-Datenbereinigung beginnt mit einem sicheren Export: Behalte die ID jedes Kontakts und Accounts bei, identifiziere anschließend Duplikate, prüfe veraltete Felder, vereinheitliche Formate und ergänze nur die tatsächlich benötigten Lücken. Kontrolliere die geänderten Datensätze, bevor Du sie wieder ins CRM importierst. Enrichment ergänzt Informationen; Duplikate oder ungültige E-Mail-Adressen werden dadurch nicht automatisch korrigiert.

Exportiere zum Beispiel Contact ID, Email, First Name, Last Name, Company Domain und Account ID. Behalte die IDs während der Bearbeitung in Deiner Datablist-Collection. Das bereinigte Ergebnis kann so die ursprünglichen IDs zusammen mit einem geprüften E-Mail-Status, einem vereinheitlichten Namen und neu gefundenen Unternehmensdaten enthalten. Damit lassen sich die Änderungen wieder den richtigen CRM-Datensätzen zuordnen.

Bei Account-Namen mit uneinheitlicher Groß- und Kleinschreibung oder unterschiedlichen Rechtsformzusätzen kannst Du einige Werte mit dem kostenlosen Tool zur Bereinigung von Firmennamen testen. Vergleiche die bereinigten Namen mit den Originalen, bevor Du Deinem CRM-Export eine Spalte für den Anzeigenamen hinzufügst.

Die Reihenfolge ist wichtig: Entferne Duplikate, bevor Du für das Enrichment derselben Person doppelt bezahlst, validiere Kontaktdaten vor der Ansprache und behalte die ursprünglichen Werte, bis Du die neuen Angaben geprüft hast. Die folgenden Abschnitte zeigen Dir jeden Arbeitsschritt in Datablist.

Überblick über diesen Leitfaden zur CRM-Datenbereinigung

Dieser Leitfaden umfasst vier Schritte. Starte mit dem Schritt, den Dein Export gerade braucht, und kehre später zu den übrigen zurück, wenn Du die bereinigten Daten für den Import vorbereitest:

Erster Abschnitt: Deduplizierung

1. Kontakte und Accounts bei identischen Attributen deduplizieren
2. CRM-Datensätze mit unterschiedlichen Attributen deduplizieren
3. CRM-Datensätze aus getrennten Listen deduplizieren

Zweiter Abschnitt: Datenvalidierung

1. Domain- und E-Mail-Status validieren
2. Prüfen, ob eine E-Mail zustellbar ist
3. Prüfen, ob eine Person noch im Unternehmen arbeitet

Dritter Abschnitt: Datenstrukturierung

1. Vor-, Mittel- und Nachnamen aufteilen
2. Domains aus E-Mail-Adressen extrahieren
3. Telefonnummern länderabhängig in Bulk formatieren

Vierter Abschnitt: CRM Enrichment

1. Websites anhand von Firmennamen finden
2. Account-Daten ergänzen und aktualisieren
3. Unternehmensinformationen finden, die nicht in Datenbanken stehen
4. Kontaktdaten mit aktuellen LinkedIn-Daten ergänzen
5. Verifizierte E-Mail-Adressen finden
6. Verifizierte Mobilnummern finden

Kurz gesagt: Wir deduplizieren sämtliche Daten, prüfen die verbleibenden Daten auf Gültigkeit, strukturieren und extrahieren sie und reichern sie anschließend mit neuen Daten an.

Spring direkt zu dem Abschnitt, der für Dich relevant ist, oder arbeite den Leitfaden Schritt für Schritt durch.

❗️ Datensatz-IDs unbedingt behalten

In diesem Beispiel habe ich die Record IDs wie Contact ID, Note ID oder Account ID nicht gezeigt. Du solltest sie trotzdem behalten, sonst kannst Du Deine Daten später nicht wieder ins CRM importieren und korrekt zuordnen.

CRM-Kontakte und Accounts deduplizieren

Wenn Du Kontakte und Accounts in Deinem CRM deduplizieren möchtest, stehen Dir in Datablist drei Methoden zur Verfügung:

• Methode 1: Eine Liste anhand aller Spalten deduplizieren
• Methode 2: Eine Liste anhand bestimmter Spalten deduplizieren
• Methode 3: Mehrere Listen deduplizieren

Eine Liste kann Accounts, Kontakte oder Deals enthalten – der Ablauf bleibt unabhängig vom Inhalt gleich.

Methode 1: Eine Liste anhand aller Spalten deduplizieren

Wenn Du Kontakte aus LinkedIn scrapest oder Daten mehrfach aus anderen Quellen abrufst, werden dieselben Kontakte mitunter erneut erfasst. Am schnellsten bereinigst Du das, indem Du Deine Kontakte anhand aller Spalten deduplizierst. So geht's:

Schritt 1: Liste anhand aller Spalten deduplizieren

Registriere Dich zunächst bei Datablist.com.

Importiere anschließend Deine Liste als CSV- oder Excel-Datei.

Schritt 2: Liste anhand aller Spalten deduplizieren

Klicke auf Clean und wähle den Duplicates Finder aus.

Aktiviere den Schalter neben All Properties.

Klicke nun auf Next.

Klicke auf Run duplicates check.

Prüfe die Ergebnisse und klicke auf Auto-merge duplicates when possible.

So einfach lassen sich CRM-Kontakte deduplizieren!

Sehen wir uns nun die zweite Methode an.

Methode 2: Eine Liste anhand bestimmter Spalten deduplizieren

Das ist die beste Methode, wenn eine Liste denselben Kontakt in leicht unterschiedlichen Varianten enthält.

Beispiel: Derselbe Kontakt ist zweimal vorhanden und E-Mail-Adresse sowie Name stimmen überein, die Notizen unterscheiden sich jedoch. Dann solltest Du nur anhand von zwei oder drei bestimmten Spalten deduplizieren.

Diese Felder nennen wir eindeutige Identifikatoren. Du kannst mehrere davon verwenden.

Schritt 1: Liste anhand bestimmter Spalten deduplizieren

Registriere Dich zunächst bei Datablist.com.

Importiere anschließend Deine Liste als CSV- oder Excel-Datei.

Schritt 2: Liste anhand bestimmter Spalten deduplizieren

Klicke auf Clean und wähle Duplicates Finder.

Markiere die Spalten, anhand derer Du deduplizieren möchtest. In meinem Fall vergleiche ich die Kontakte über Company Domain und First Name.

Achte bei der Spaltenauswahl darauf, auch den richtigen Processor festzulegen.

Lass Algorithm auf der Standardeinstellung, sofern Du keine IDs, URLs oder anderen Eigenschaften hast, die exakt übereinstimmen müssen.

Wähle für Domains URL, für Firmennamen Company Name und entsprechend passende Processor für andere Datentypen.

Entscheidend ist, dass der Processor zum Inhalt der Spalte passt, anhand derer Du deduplizieren möchtest.

Klicke anschließend auf Run duplicates check.

Schritt 3: Liste anhand bestimmter Spalten deduplizieren

Da die Notizen nicht identisch sind, entsteht ein Konflikt. Du kannst ihn auf zwei Arten lösen:

• Werte der konfliktbehafteten Einträge verwerfen
• Konfliktbehaftete Eigenschaften kombinieren

Klicke auf Combine conflicting properties, wähle die betroffene Spalte aus, nutze Line break als Trennzeichen und klicke dann auf Refresh Merging Preview.

Jetzt siehst Du in der Vorschau, wie Datablist beide Notizen kombiniert, bevor die Duplikate gelöscht werden. Klicke anschließend auf Auto-merge when possible.

So sieht Deine Liste ohne Duplikate aus.

👉 In unseren Artikeln zur Deduplizierung von Mac-/iOS-Kontakten, zur Deduplizierung von Multi-Value-Spalten, zum Abgleich ähnlicher Firmennamen und zum Zusammenführen von Pipedrive-Duplikaten erfährst Du mehr.

Kommen wir zur dritten Methode: der Deduplizierung von CRM-Datensätzen über mehrere Listen hinweg.

Methode 3: Mehrere Listen deduplizieren

Hier ist ein praktisches Beispiel für die listenübergreifende Deduplizierung:

Ziel: Eine ABM-Kampagne, die ausschließlich neue Accounts anspricht, mit denen es im ersten Quartal keinen Kontakt gab.

Vorgehen:

• Zwei Listen vergleichen: Q1-Accounts und neue Accounts
• Bereits in Q1 kontaktierte Accounts aus der neuen Liste entfernen

Ergebnis: Du erhältst eine saubere Kampagnenliste mit ausschließlich wirklich neuen Accounts.

Los geht's!

Schritt 1: Mehrere Listen deduplizieren

Registriere Dich zunächst bei Datablist.com.

Erstelle anschließend einen Ordner, indem Du in der Seitenleiste auf das Ordnersymbol klickst.

Erstelle in diesem Ordner eine Collection, indem Du auf die drei Punkte klickst und New collection auswählst.

So sieht eine neue Collection aus. Lade nun Deine erste Liste in Datablist hoch und wiederhole den Vorgang für die zweite Liste.

Schritt 2: Mehrere Listen deduplizieren

Nachdem Du beide Listen hochgeladen hast, öffne Deine Q2-Liste beziehungsweise die jeweils neuere Version.

Klicke auf Clean und wähle Duplicates Finder.

Aktiviere links neben Check deduplicates across several collections? den Schalter.

Wähle die Collection aus, mit der Du vergleichen möchtest – in meinem Fall „Q1 ABM“.

Wähle nun die Property für den Vergleich aus und klicke auf Next. Beim Abgleich von Accounts empfehle ich Domains; bei Kontakten eignen sich E-Mail-Adressen oder LinkedIn-Profile.

Wenn Du die Unternehmensdomain oder einen anderen Link als eindeutigen Identifikator gewählt hast, stelle den Processor auf URL und klicke auf Run duplicates check.

Nun erhältst Du eine Vorschau der Duplikate, die in beiden Collections vorkommen.

Klicke in das Feld unter Auto cleaning rule und wähle eine Option. Bei zwei Collections steht derzeit nur Remove duplicate items from collection X zur Verfügung.

Beim Vergleich von drei oder mehr Collections erscheint außerdem Keep duplicate items only in collection X.

Nun kannst Du auswählen, aus welcher Collection die Duplikate entfernt werden sollen. Achte darauf, bereits vorhandene alte Daten aus der neuen Liste zu entfernen.

Klicke danach auf Click here to process duplicated items.

📘 So erzielst Du die besten Ergebnisse

Entferne Q1-Kontakte aus der Q2-Liste – NICHT umgekehrt. Beispiel:

✅ Q1-Liste: 100 Kontakte → Alle behalten

✅ Q2-Liste: 200 Kontakte → Q1-Duplikate entfernen → Übrig bleiben 100 eindeutige Kontakte

❌ Q1-Liste: 100 Kontakte → Q2-Duplikate entfernen

❌ Q2-Liste: 150 Kontakte → Alle behalten

So stellst Du sicher, dass Du:

• Deine historischen Q1-Daten vollständig behältst
• Bereits kontaktierte Accounts aus der Q2-Kampagne entfernst
• Nicht versehentlich dieselben Accounts zweimal ansprichst

Ich habe 5.236 doppelte Accounts aus meiner Q2-Liste entfernt und 3.152 eindeutige Accounts behalten.

👉 Mehr dazu erfährst Du in unserem Leitfaden „Mehrere Excel-Dateien deduplizieren“.

Damit ist die Deduplizierung abgeschlossen. Als Nächstes validieren wir die CRM-Daten.

Aktualität von CRM-Daten prüfen

Ob CRM-Daten noch aktuell sind, wird bei der CRM-Bereinigung häufig vergessen. Viele gehen davon aus, dass Daten, die Marketing oder Sales einmal als gültig eingestuft haben, dauerhaft korrekt bleiben. Das ist ein großer Fehler.

In diesem Abschnitt zeige ich Dir:

• Wie Du kostenlos prüfst, ob eine E-Mail gültig ist
• Wie Du prüfst, ob eine E-Mail Nachrichten empfangen kann
• Wie Du prüfst, ob eine Person noch im Unternehmen arbeitet

Los geht's!

Kostenlos prüfen, ob eine E-Mail gültig ist

Wenn Du schon einmal E-Mail-Adressen über ein Formular, einen Lead-Magneten oder ein kostenloses Angebot gesammelt hast, weißt Du: Viele Menschen registrieren sich mit privaten statt geschäftlichen E-Mail-Adressen.

Nutze diese Funktion als ersten Filter, bevor Du Geld in umfassendere Zustellbarkeitsprüfungen für Deine E-Mail-Kampagne investierst.

❗ Wichtig: Gültige und zustellbare E-Mails sind nicht dasselbe

Diese Funktion sagt nicht, ob eine E-Mail zustellbar ist. Sie prüft anhand der MX Records lediglich, ob die Domain hinter der Adresse grundsätzlich E-Mails empfangen kann.

Kurzes Beispiel:

Die Adresse habibi@datablist.com existiert nicht. Die Domain besitzt jedoch gültige MX Records und gilt deshalb auch ohne tatsächliches Postfach als gültig.

Die Adresse habib@datablist.ai existiert nicht und die Domain besitzt keine gültigen MX Records. Sie ist daher auch auf Domainebene ungültig.

Die Adresse habib@datablist.com existiert und besitzt gültige MX Records. Sie ist somit gültig und zustellbar.

Kurz gesagt

E-Mail-Validierung = Domainebene

E-Mail-Zustellbarkeit = Postfachebene

Validierte E-Mail = Die Domain kann Nachrichten empfangen, die Adresse kann aber trotzdem falsch sein

Zustellbare E-Mail = Es gibt ein Postfach, das Nachrichten empfängt

Nicht jede gültige E-Mail kann Nachrichten empfangen.

Schritt 1: Kostenlos die Gültigkeit einer E-Mail prüfen

Registriere Dich zunächst bei Datablist.com.

Importiere danach Deine Liste mit CRM-Accounts oder -Kontakten.

Schritt 2: Kostenlos die Gültigkeit einer E-Mail prüfen

Jetzt nutzen wir eine kostenlose Datablist-Funktion, die den für den E-Mail-Empfang zuständigen MX Provider ermittelt. Hat eine Domain keine gültigen MX Records, kann sie keine E-Mails empfangen und ist damit automatisch nicht zustellbar.

Klicke auf Enrich.

Öffne People und wähle Free Email Address Validation.

Ordne das Feld mit Deinen E-Mail-Adressen als input property zu und klicke auf Continue to output configuration.

Klicke auf die Plus-Symbole, um neue Output Properties zu erstellen, und anschließend auf Instant Run.

Diese Ergebnisse erhältst Du mit Datablists Free Email Validator:

Das verraten Dir die Ergebnisse:

• Ob es sich um eine geschäftliche E-Mail-Adresse handelt
• Ob die Domain Nachrichten empfangen kann – unabhängig davon, ob es eine geschäftliche oder private Adresse ist
• Welcher Provider den MX-Service der Domain betreibt. Das ist wichtig, weil Du beim Cold Emailing bestimmte Provider möglichst nicht anschreiben solltest – insbesondere Microsoft –, da dies Deinen E-Mail-Accounts schaden kann

👉 Mehr dazu findest Du in unserem Leitfaden zur kostenlosen Validierung von E-Mail-Listen.

Nachdem wir die Gültigkeit geprüft haben, testen wir nun, ob die Adressen tatsächlich Nachrichten empfangen können.

Prüfen, ob eine E-Mail Nachrichten empfangen kann

Wenn Du den vorherigen Workflow ausgeführt hast: Filtere zunächst die gültigen E-Mail-Adressen aus den Ergebnissen. Ungültige Adressen sind automatisch nicht zustellbar. Ich zeige Dir, wie das geht.

Wenn Du hier einsteigst, hast Du zwei Möglichkeiten:

• Kehre zurück und führe den vorherigen Workflow aus.
• Registriere Dich bei Datablist, importiere Deine Liste und springe zum zweiten Schritt.

Schritt 1: Prüfen, ob eine E-Mail Nachrichten empfangen kann

Klicke auf Valid Email und wähle Filter on property.

Stelle sicher, dass dieses Kontrollkästchen ausgefüllt ist, und klicke auf Apply.

💡 Tipp für B2B-Unternehmen

Wenn Du ausschließlich im B2B-Bereich arbeitest, filtere nach „Business Email“ statt nach „Valid Email“. Wir zeigen hier ein breiteres Beispiel, da Datablist auch von vielen B2C-Unternehmen genutzt wird.

Schritt 2: Prüfen, ob eine E-Mail Nachrichten empfangen kann

Klicke auf Enrich.

Öffne People und wähle Waterfall Advanced Email Address Verification.

Ordne Deine E-Mail-Spalte als input property zu und klicke auf Continue to output configuration.

Erstelle über das Plus-Symbol neue Properties ausschließlich für „Email Status“ und „Role Account“. Klicke anschließend auf Instant Run.

Warum nur diese Properties? Die übrigen Eigenschaften würden den Prozess unnötig komplex machen und sind für die reine CRM-Bereinigung nicht erforderlich.

Diese Ergebnisse erhältst Du:

Valid: Hinter der E-Mail-Adresse befindet sich ein Postfach, das Nachrichten empfangen kann.

Risky-E-Mails fallen in zwei Kategorien:

• Die Adresse konnte zum Zeitpunkt der Prüfung nicht verifiziert werden.
• Es handelt sich um eine Catch-all-Adresse. Der E-Mail-Server nimmt also alle Nachrichten an, selbst wenn das konkrete Postfach nicht existiert.

Invalid: Dieses E-Mail-Konto existiert nicht. Verwende die Adresse nicht.

In Bulk prüfen, ob eine Person noch im Unternehmen arbeitet

Vielleicht ist Dir bereits aufgefallen, dass Menschen heute häufiger den Job wechseln. Möglicherweise erhältst Du beim Versenden von E-Mails immer öfter Hinweise wie „Diese Person arbeitet nicht mehr bei XYZ“.

Falls ja, zeige ich Dir jetzt, wie Du prüfst, ob eine Person noch bei ihrem Unternehmen arbeitet.

Zunächst brauchst Du Folgendes:

• Das LinkedIn-Profil der Person – unverzichtbar
• Die E-Mail-Adresse oder Domain des Unternehmens, bei dem die Person laut Deinen Daten arbeitet

So gehen wir vor

1. LinkedIn-Profil der Person scrapen und aktuellen Arbeitgeber ermitteln
2. Domain des aktuellen Arbeitgebers finden
3. Beide Domains per AI vergleichen

Hinweis: Das funktioniert auch mit der LinkedIn-Unternehmensseite des Arbeitgebers.

Schritt 1: Beschäftigungsstatus einer Person prüfen

Registriere Dich bei Datablist.com.

Importiere Deine Liste in Datablist.

Schritt 2: Beschäftigungsstatus einer Person prüfen

In diesem Schritt scrapen wir das LinkedIn-Profil der Person.

Klicke auf Enrich.

Öffne People und wähle LinkedIn People Profile Scraper.

Ordne die Spalte mit den LinkedIn-Profil-URLs als input property zu und klicke auf Continue to output configuration.

Erstelle über die Plus-Symbole neue Spalten für Company Name, Company page URL und Company website und klicke auf Instant Run.

Du kannst auch für die übrigen Outputs neue Spalten anlegen. Für diesen Workflow brauchst Du sie jedoch nicht – es sei denn, Du benötigst weitere LinkedIn-Daten und möchtest nicht zweimal bezahlen.

Das sind die Ergebnisse des LinkedIn-Scrapings. Sie sehen gut aus, aber für die übrigen Datensätze müssen wir noch die Domains finden. Darum geht es im nächsten Schritt.

Schritt 3: Beschäftigungsstatus einer Person prüfen

Klicke auf Enrich.

Öffne Companies und wähle Company Domain/Website and LinkedIn Company Page Matcher.

Wähle unter Matching Type die Option Get the company website from the LinkedIn page URL.

Ordne anschließend die LinkedIn-Seiten-URL als input property zu.

Klicke auf Continue to output configuration.

Ordne den Output „Company website“ der neu erstellten Spalte für die Unternehmenswebsite zu.

Wichtig: Ordne ihn nicht der Spalte zu, in der die alten Domains gespeichert sind!

Klicke auf Instant Run.

Nun stehen Dir folgende Optionen zur Verfügung:

• Run in Async: Ist diese Option aktiviert, läuft das Enrichment in der Cloud. Bei großen Listen kannst Du währenddessen andere Aufgaben erledigen.
• Test on the first 10 items: Nutze diese Option, um das Enrichment zunächst kennenzulernen.

Mit number of items to process kannst Du festlegen, ob nur die ersten 10, 100 oder eine benutzerdefinierte Anzahl von Einträgen verarbeitet werden soll.

Existing data rule legt fest, wie Datablist mit vorhandenen Spaltenwerten umgeht. Wähle die zweite Option, die nur leere Zellen aktualisiert.

Klicke danach auf Run enrichment on all items.

Schritt 4: Beschäftigungsstatus einer Person prüfen

Da uns nun die alte und die neue Website-Domain vorliegen, vergleichen wir beide. So können wir feststellen, ob die Person das Unternehmen gewechselt hat.

Klicke auf Enrich.

Öffne AI und wähle Ask ChatGPT/OpenAI.

Aktiviere das Kontrollkästchen, um Datablist Credits zu verwenden, oder hinterlege Deinen OpenAI API Key. Klicke danach auf Use template.

Scrolle nach unten und wähle Check if prospect is still working at a company.

Ordne nun die Spalten Deiner Collection der Vorlage zu. So geht's:

Gib „/“ ein, um eine Liste der Spalten Deiner Collection anzuzeigen, und ordne die alte Domain dem ersten Feld zu.

Wiederhole das für die neue Domain im zweiten Feld.

Klicke anschließend auf Continue to output configuration.

Erstelle über das Plus-Symbol eine neue Output-Spalte und klicke auf Instant Run.

So sieht das Ergebnis der Prüfung aus:

So prüfst Du, ob Deine CRM-Daten noch aktuell sind!

Du kannst Deine Accounts außerdem mit AI bewerten.

CRM-Daten strukturieren und formatieren

Die Strukturierung und Formatierung Deiner Daten ist bei der CRM-Bereinigung entscheidend. Sie bestimmt, wie Sales und Marketing später mit den Daten arbeiten. Für ein einheitliches Format zeige ich Dir:

• Wie Du Vor-, Mittel- und Nachnamen aufteilst
• Wie Du Domains aus E-Mail-Adressen extrahierst
• Wie Du Telefonnummern formatierst

Ein einheitliches Format ist nur die halbe Miete. Ein gut gepflegtes CRM bleibt nur dann wertvoll, wenn die Daten dauerhaft sauber und strukturiert sind. Diese Maßnahmen helfen dabei:

• Standardisierte Eingabeformate definieren, etwa eine einheitliche Struktur für Gesprächsnotizen
• Bestimmte Spalten auf konkrete Eingabetypen beschränken, beispielsweise Telefonnummern nur als Zahlenfeld
• Pflichtfelder festlegen, etwa „Last Contact Date“, damit Sales-Mitarbeitende alle relevanten Angaben eintragen

Vor- und Nachnamen aufteilen

Ein häufiges Problem bei der CRM-Bereinigung: Vor- und Nachname stehen gemeinsam in einer Spalte. Dadurch kann ein Lead oder Prospect in einer E-Mail versehentlich mit seinem vollständigen Namen angesprochen werden – und das wirkt schnell merkwürdig.

Schritt 1: Vor- und Nachnamen aufteilen

Registriere Dich bei Datablist.com.

Importiere eine CSV- oder Excel-Datei mit den Namen Deiner CRM-Kontakte.

Schritt 2: Vor- und Nachnamen aufteilen

Klicke auf Enrich.

Öffne People und wähle Name Parser.

Ordne die Namensspalte als input property zu und klicke auf Continue to outputs configuration.

Folgende Outputs stehen zur Verfügung:

• Vornamen
• Mittelnamen
• Nachnamen
• Geschlecht
• Anrede oder Titel
• Herkunftsland des Namens

Erstelle über die Plus-Symbole (+) für jeden benötigten Output eine neue Spalte und klicke auf Instant Run.

So sieht es aus, wenn Du Vor- und Nachnamen in Datablist aufteilst.

Domains aus E-Mail-Adressen extrahieren

Schritt 1: Domains aus E-Mail-Adressen extrahieren

Registriere Dich bei Datablist.

Importiere eine CSV- oder Excel-Datei.

Klicke auf Extract und wähle Extract domains for email addresses or URLs.

Ordne die Spalte mit Deinen E-Mail-Adressen als input property zu und klicke auf Preview extraction.

Du erhältst eine Vorschau der ersten zehn Zeilen. Wenn alles passt, klicke auf Extract data.

So sieht es aus, wenn Du mit Datablist Domains aus E-Mail-Adressen extrahierst:

Telefonnummern für die CRM-Bereinigung formatieren

Die Formatierung von Telefonnummern gehört zu meinen liebsten CRM-Cleaning-Workflows. Datablist ist für diese Aufgabe besonders praktisch, weil es:

• Telefonnummern aus jedem Land verarbeitet
• Mit beiden Formaten funktioniert:
  • Internationales Format (+XX)
  • Lokale Formate
• Telefonnummern aus mehreren Ländern in einer einzigen Datei verarbeiten kann

In diesem Beispiel enthält meine Datei:

• US-amerikanische Telefonnummern
• Indonesische Telefonnummern
• Deutsche Telefonnummern
• Algerische Telefonnummern

Ich formatiere sie alle in einem Durchgang.

❗ Wichtig zu wissen

Wenn Du Telefonnummern aus verschiedenen Ländern in einer Datei formatieren möchtest, brauchst Du eine Spalte „Country“, die Datablist das jeweilige Herkunftsland jeder Nummer angibt.

Los geht's!

Schritt 1: Telefonnummern für die CRM-Bereinigung formatieren

Registriere Dich bei Datablist.com.

Importiere eine CSV- oder Excel-Datei.

Klicke auf Enrich.

Öffne AI und wähle Phone Number Extractor.

Wähle die Herkunftsländer der Telefonnummern in Deiner Collection aus und aktiviere Advanced Settings.

Aktiviere links neben Define country per Item das Kontrollkästchen. Dadurch kannst Du für jeden Eintrag ein Land zuordnen.

💡 Kurzer Tipp

Aktiviere „Add phone number type“ nur, wenn Du Telefonnummern aus einem einzigen Land verarbeitest. Bei mehreren Ländern ist die Erkennung weniger genau.

Ordne Deine Spalten mit Telefonnummern und Ländern als input properties zu und klicke auf Continue to outputs configuration.

Füge über das Plus-Symbol eine neue Spalte für die formatierten Telefonnummern hinzu und klicke auf Instant Run.

In den Run Settings kannst Du:

• Run in Async aktivieren – besonders praktisch bei großen Listen
• Test on the first 10 items auswählen
• Die number of items to process festlegen – 10, 100 oder benutzerdefiniert

Klicke nach der Konfiguration auf Run enrichment on all items.

Das sind die gerade formatierten Telefonnummern:

CRM-Daten aktualisieren

Aktuelle CRM-Daten sind entscheidend für Deinen Geschäftserfolg. Für eine wirksame Aktualisierung solltest Du Folgendes kennen:

• Unternehmensdomains anhand von Firmennamen finden
• Unternehmensinformationen und Firmendaten scrapen
• Schwer auffindbare Unternehmensdaten scrapen
• LinkedIn-Profile von CRM-Kontakten scrapen
• Verifizierte E-Mail-Adressen finden
• Verifizierte Telefonnummern finden

Los geht's!

Unternehmensdomains anhand von Firmennamen finden

Das ist wahrscheinlich eines unserer meistgenutzten Company Enrichments. Ganz ehrlich: Ohne Domain kannst Du kaum weiterarbeiten. Deshalb zeige ich Dir diesen Schritt zuerst – und weil diese Reihenfolge einfach Sinn ergibt.

Schritt 1: Unternehmensdomains anhand von Firmennamen finden

Registriere Dich bei Datablist.com.

Lade eine Liste mit Firmennamen hoch.

Schritt 2: Unternehmensdomains anhand von Firmennamen finden

Klicke auf Enrich.

Öffne URLs und wähle Find company domains from company names.

Die Sucheinstellungen im Überblick 🔍

Es gibt zwei Suchmethoden:

• Standardoption: Companies Dataset + Google Fallback

  Zuerst wird die Datenbank durchsucht – bei einem Treffer kostet das 1 Credit. Falls nötig, folgt eine Google-Suche für 2,5 Credits.

• Günstigste Option: Use only Companies Dataset

  Durchsucht ausschließlich die Datenbank und kostet 1 Credit.

Mit diesen Einstellungen steuerst Du die Suche nach Unternehmensdomains:

• Target Country: Beschränkt die Suche auf ein Land und verbessert dadurch die Ergebnisse
• Accept non-root websites: Erlaubt Websites aus Domain plus Pfad wie platform.com/company, statt nur Hauptdomains wie company.com
• Skip following domains: Filtert Verzeichnis-Websites wie Crunchbase oder Northdata heraus, die keine eigentlichen Unternehmenswebsites sind

Für maximale Abdeckung lässt Du die Standardsuche aktiviert, wählst ein Land und lässt alle übrigen Felder leer.

Scrolle nach der Konfiguration nach unten, ordne die Spalte mit den Firmennamen als input property zu und klicke auf Continue to outputs configuration.

Über die Plus-Symbole kannst Du eine Spalte für „Company URL“, „Company Domain“ oder beide erstellen. Meist verwende ich nur die Unternehmensdomain. Klicke danach auf Instant Run.

In den Run Settings kannst Du:

• Run in Async aktivieren – besonders praktisch bei großen Listen
• Die number of items to process festlegen – 10, 100 oder benutzerdefiniert

Klicke nach der Konfiguration auf Run enrichment on all items.

So sieht Deine Collection nach dem Company-Name-to-Domain-Enrichment aus. Die Kosten findest Du darunter.

Für 16 gefundene Domains habe ich 33 Credits bezahlt, also 2,06 Credits pro Domain. Bei einer Liste mit 1.000 Domains würdest Du nur etwa 2.062 Credits beziehungsweise 2,03 US-Dollar investieren.

👉 Mehr dazu erfährst Du in unserem Leitfaden zum Finden von Unternehmenswebsites anhand von Firmennamen.

Unternehmensinformationen und Firmendaten scrapen

In diesem Abschnitt suchen wir grundlegende firmografische Daten. Damit lässt sich beurteilen, ob sich weitere Recherche und weiteres Enrichment für bestimmte Accounts lohnen.

Mit firmografischen Daten meine ich Angaben, die üblicherweise auf LinkedIn zu finden sind, zum Beispiel:

• Mitarbeiterzahl
• Firmenname
• Website
• Unternehmenssitz
• Spezialisierungen
• Branche
• Beschreibung
• Land
• Region
• Gründungsjahr
• LinkedIn URL
• Sales Navigator ID
• Anzahl der Follower
• Slogan

Los geht's!

Schritt 1: Unternehmensinformationen und Firmendaten scrapen

Registriere Dich bei Datablist.com.

Importiere eine Liste mit Unternehmensdomains oder LinkedIn URLs der Unternehmen in Deinem CRM.

Schritt 2: Unternehmensinformationen und Firmendaten scrapen

Klicke auf Enrich.

Öffne Companies und wähle Company Enrichment.

Zwei Einstellungen sind besonders wichtig:

1. Data Source Options: Die Ausgangsdaten für das Enrichment

• Company domain – Standard
• LinkedIn URL

2. Data Return Options & Costs: Die vom Enrichment zurückgegebenen Daten

• Basic data – 1 Credit: Branche, Standort, Mitarbeiterzahl und Gründungsjahr
• LinkedIn data – 5 Credits: Ruft aktuelle Informationen direkt von LinkedIn-Seiten ab

Ich empfehle die LinkedIn URL, wenn Du aktuelle LinkedIn-Daten brauchst. Liegen Dir keine LinkedIn URLs vor, verwende stattdessen die Unternehmensdomain und Basic data.

Ordne nach Auswahl der Einstellungen die Spalte mit den LinkedIn URLs als input property zu und klicke auf Continue to outputs configuration.

Erstelle über die Plus-Symbole für jeden benötigten Datenpunkt eine Spalte und klicke auf Instant Run.

In den Run Settings kannst Du:

• Run in Async aktivieren – besonders praktisch bei großen Listen
• Die number of items to process festlegen – 10, 100 oder benutzerdefiniert

Klicke danach auf Run enrichment on all items.

Das sind meine Ergebnisse mit aktuellen Unternehmensdaten von LinkedIn:

Vielleicht suchst Du jedoch Informationen, die nicht auf LinkedIn stehen – Angaben, deren manuelle Recherche pro Unternehmen Stunden dauern würde. Auch dafür gibt es eine Lösung: Mit Datablist kann ein AI Agent repetitive Recherchen für Dich automatisieren.

Schwer auffindbare Unternehmensdaten scrapen

Das ist wahrscheinlich mein Lieblingsteil dieses Leitfadens. Moment – habe ich das nicht schon einmal gesagt?

Stimmt. Aber dieser Abschnitt ist besonders, denn ich zeige Dir, wie Du verborgene Unternehmensdaten scrapest, die klassische Datenbanken übersehen, und zwar mit einem AI Research Agent.

Nehmen wir einen Produktionsbetrieb als Beispiel. Er könnte mehrere Vertriebsstandorte, Produktionsstätten und Spezialisierungen besitzen, die in herkömmlichen Datenbanken nicht erfasst sind.

Nach diesen schwer auffindbaren Unternehmensinformationen könntest Du beispielsweise suchen:

• Patente und geistiges Eigentum
• Frühere Berufserfahrung wichtiger Führungskräfte
• Lieferantenbeziehungen und Details zur Lieferkette
• Customer Success Stories und Case Studies
• Forschungs- und Entwicklungsschwerpunkte

Diese Datenpunkte erfordern eine tiefere Recherche auf Websites sowie in Pressemitteilungen, Branchenberichten und spezialisierten Datenbanken. Der AI Research Agent kann solche Informationen aufdecken, indem er mehrere Quellen analysiert und die relevanten Angaben zusammenstellt.

In diesem Beispiel zeige ich Dir, wie ich herausfinde, wie viele Produktionsstätten bestimmte Unternehmen besitzen.

Los geht's!

Schritt 1: Schwer auffindbare Unternehmensdaten scrapen

Registriere Dich bei Datablist.com.

Importiere eine Unternehmensliste mit Unternehmensdomains.

Schritt 2: Schwer auffindbare Unternehmensdaten scrapen

Klicke auf Enrich.

Öffne AI und wähle AI Agent.

Konfiguriere einen Prompt oder teste das Tool mit meinem Beispiel-Prompt unten. Hier erfährst Du, wie Du Prompts für den AI Agent schreibst.

Das erledigt mein Prompt:

• Ermittelt die Anzahl der Produktionsstätten jedes Unternehmens
• Identifiziert Unternehmen mit mehr als fünf Standorten
• Kennzeichnet Unternehmen mit mehr als fünf Standorten als „ICP“, alle anderen als „Irrelevant“
• Ermittelt die Standorte der Einrichtungen
• Liefert eine vollständige Liste aller Standorte

Scrolle nach der Einrichtung des Prompts nach unten, um die gewünschten Outputs zu konfigurieren. In meinem Fall richte ich zwei Outputs ein:

• ICP Status
• Locations

Dazu konfiguriere ich den ersten Output und klicke auf More, um einen zweiten anzulegen. Das kannst Du für beliebig viele Outputs wiederholen.

Anschließend aktiviere ich Advanced Settings.

In den Advanced Settings des AI Agent kann ich:

• Das gewünschte LLM model auswählen
• Eine maximum number of iterations festlegen
• Mit Render HTML dem Agent ermöglichen, durch Websites zu scrollen

Danach klicke ich auf Continue to outputs configuration.

Nun erstelle ich über die Plus-Symbole neue Spalten für jeden Output und klicke anschließend auf Instant Run.

Jetzt kann ich in den Run Settings die number of items to process auswählen.

Nach der Konfiguration klicke ich auf Run enrichment on all items. Der AI Agent beginnt daraufhin mit der Recherche und extrahiert die gewünschten Angaben zu den Unternehmensstandorten.

Wie Du siehst, gehen die Ergebnisse weit über gewöhnliche Datenbankinformationen hinaus und bringen wertvolle Details ans Licht, mit denen klassische Datenanbieter nicht mithalten können.

📘 Nur Deine Kreativität setzt Grenzen

Dieses Beispiel wurde bewusst etwas überspitzt, um zu zeigen, was der AI Agent alles leisten kann. Du könntest genauso prüfen, ob ein Krankenhaus privat oder öffentlich geführt wird, oder viele andere Aufgaben erledigen – auch beim Prompting helfen wir Dir.

LinkedIn-Profil eines Prospects scrapen

Wenn Du Deinem Prospecting mehr Persönlichkeit verleihen möchtest, ist Personalisierung entscheidend. Sie funktioniert jedoch nur, wenn Du zwischen einer persönlichen Note und tatsächlicher Relevanz unterscheiden kannst. Für beides musst Du das LinkedIn-Profil scrapen.

Dafür brauchst Du lediglich die LinkedIn-Profil-URL.

Schritt 1: LinkedIn-Profil eines Prospects scrapen

Registriere Dich bei Datablist.com.

Lade eine Liste mit den LinkedIn URLs Deiner Prospects hoch.

Schritt 2: LinkedIn-Profil eines Prospects scrapen

Klicke auf Enrich.

Öffne People und wähle LinkedIn Profile Scraper.

Das sind die wichtigsten Einstellungen für das Scraping von LinkedIn-Profilen:

• Cache vs Real-time: Standardmäßig werden Cache-Daten verwendet. Aktiviere Real-time Scraping für aktuelle Daten – 50 Credits pro Profil
• Work Experience: Lege fest, wie viele frühere Positionen ausgegeben werden – standardmäßig 3, maximal 10
• Datablist akzeptiert sowohl normale LinkedIn URLs wie linkedin.com/in/xxx als auch Sales Navigator URLs als Input

Klicke nach der Konfiguration auf Continue to outputs configuration.

Erstelle über die Plus-Symbole neue Spalten für die gewünschten Outputs. Folgende Datenpunkte stehen zur Wahl:

• LinkedIn Profile URL – Standardisierte Profil-URL im Format linkedin.com/in/xxx
• Basic Info – Vorname, Nachname, vollständiger Name, Headline und Zusammenfassung
• Location – Stadt, Bundesland oder Region sowie Land als Code und vollständiger Name
• Current Position – Position, Firmenname, Zeitraum, Unternehmens-URL, Website, Branche, Größe, Beschreibung und Standort
• Work History – Die zwei vorherigen Positionen mit Jobtiteln, Firmennamen und Zeiträumen
• Additional Info – Gesprochene Sprachen und Anzahl der Kontakte

Klicke anschließend auf Instant Run.

In den Run Settings kannst Du festlegen, ob Du:

• Run in Async aktivieren möchtest – besonders praktisch bei großen Listen
• Test on the first 10 items ausführen möchtest
• Die number of items to process auf 10, 100 oder einen benutzerdefinierten Wert setzen möchtest

Klicke nach der Konfiguration auf Run enrichment on first X items, um die LinkedIn-Daten Deiner Prospects abzurufen.

Das sind meine Ergebnisse:

Hinweis: Ich habe nicht sämtliche Daten gescrapt, da ich nur Namen und Domains für die Suche nach Telefonnummern brauchte. Mit diesem Enrichment kannst Du jedoch deutlich mehr Datenpunkte abrufen.

Jetzt zeige ich Dir, wie Du Dein CRM mit gültigen E-Mail-Adressen anreicherst!

Verifizierte E-Mail-Adressen für das CRM finden

Ohne verifizierte E-Mail-Adressen ist es, als würdest Du in einer Stadt ohne Straßennamen Post zustellen wollen. Nicht besonders effektiv, oder?

Das brauchst Du, um Dein CRM mit verifizierten E-Mail-Adressen anzureichern:

• Name des Kontakts – erforderlich
• Firmenname oder Domain – erforderlich
• LinkedIn URL – optional

Schritt 1: Verifizierte E-Mail-Adressen finden

Registriere Dich bei Datablist.com.

Importiere Deine Kontaktliste.

Schritt 2: Verifizierte E-Mail-Adressen finden

Klicke auf Enrich.

Öffne People und nutze den Waterfall Email Finder.

Kurz erklärt, wie er funktioniert:

Datablists Waterfall Email Finder fragt nacheinander mehr als 15 E-Mail-Provider ab, um die Adressen Deiner Prospects zu finden. Du zahlst nur für Ergebnisse. Fair, oder?

Du kannst Deinen Waterfall unter anderem so konfigurieren:

• Full name statt Vor- und Nachname verwenden
• Bevorzugte Provider mit eigenen API Keys auswählen

Scrolle anschließend nach unten und konfiguriere Deine Input-Spalten.

Alle diese Einstellungen sind optional. Für maximale Abdeckung behältst Du die Standardeinstellungen bei.

Ordne Deine Spalten als input property zu und klicke auf Continue to output configuration.

Dieses Enrichment liefert drei Outputs:

• Email address
• Email address status
• MX provider

Füge über die Plus-Symbole für jeden Output eine Spalte hinzu und klicke auf Instant Run.

In den Run Settings kannst Du die number of items to process auswählen – 10, 100 oder benutzerdefiniert.

Klicke danach auf Run enrichment on all items, um die E-Mail-Adressen Deiner Prospects zu finden.

Wie Du siehst, wurden alle E-Mail-Adressen gefunden, für die Daten verfügbar waren. Mit Datablists Waterfall Email Finder kannst Du problemlos Tausende E-Mail-Adressen finden und Dein CRM mit präzisen Kontaktdaten anreichern.

Jetzt zeige ich Dir, wie Du verifizierte Mobilnummern findest!

CRM mit verifizierten Telefonnummern anreichern

Cold Caller sind Jäger: Während alle anderen Postfächer mit automatisierten Nachrichten fluten, durchbrechen sie den Lärm mit einem einfachen Cold Call – wie ein heißes Messer Butter.

Ja, beides funktioniert, aber ein Anruf wirkt deutlich persönlicher.

So findest Du diese wertvollen Telefonnummern:

Schritt 1: Verifizierte Telefonnummern für das CRM finden

Registriere Dich bei Datablist.com.

Lade Deine Liste mit LinkedIn-Profil-URLs hoch.

Schritt 2: Verifizierte Telefonnummern für das CRM finden

Klicke auf Enrich.

Öffne People und wähle den Waterfall Phone Finder.

Ordne Deine Spalte mit LinkedIn-Profil-URLs als input property zu und klicke auf Continue to outputs configuration.

Füge über die Plus-Symbole neue Output-Spalten hinzu:

• Phone Number: Liefert die vollständige internationale Schreibweise mit Ländervorwahl, zum Beispiel +1-555-0123
• Country: Liefert den zweistelligen Ländercode, zum Beispiel US, GB oder DE

Klicke anschließend auf Instant Run.

In den Run Settings kannst Du die number of items to process auswählen – 10, 100 oder benutzerdefiniert.

Klicke danach auf Run enrichment on all items, um die Telefonnummern Deiner Prospects zu finden.

Datablist hat für mich fast alle Telefonnummern gefunden. Probier es selbst aus!

Fazit

In der heutigen schnelllebigen Geschäftswelt verändern sich Beziehungen in kürzester Zeit. Veraltete oder fehlerhafte CRM-Daten senken Deine Erfolgsquote, führen zu verpassten Chancen und verschwenden Ressourcen.

Regelmäßige Datenbereinigung und regelmäßiges Enrichment sollten deshalb Priorität haben.

Mit diesen Enrichment-Strategien und Tools wie Datablist hältst Du Deine CRM-Datenbank auf einem hohen Qualitätsniveau – für bessere Kundenansprache und höhere Conversion Rates.

Denk daran: Marketing, Sales und Customer Service können nur so gut sein wie die zugrunde liegenden Daten. Mache Data Enrichment zu einem festen Bestandteil Deiner CRM-Pflege, damit Du wettbewerbsfähig bleibst.

„Wie Du Informationen sammelst, verwaltest und nutzt, entscheidet darüber, ob Du gewinnst oder verlierst.“ – Bill Gates

Häufige Fragen zur CRM-Datenbereinigung

Wie viel Prozent der CRM-Daten veralten pro Jahr?

Etwa 30 % der CRM-Daten veralten jährlich. Dazu gehören:

• 15–20 % der E-Mail-Adressen, die ungültig werden
• 18 % der Telefonnummern, die sich ändern
• 21 % der CEO-Positionen, die neu besetzt werden
• 25–33 % der Menschen, die den Arbeitsplatz wechseln

Was kosten fehlerhafte CRM-Daten Unternehmen?

Fehlerhafte CRM-Daten kosten Unternehmen durchschnittlich 100 US-Dollar pro falschem Datensatz. Bei großen Organisationen können dadurch jedes Jahr Verluste in Millionenhöhe entstehen, unter anderem durch:

• Verschwendetes Marketingbudget
• Produktivitätsverluste
• Verpasste Chancen
• Reputationsschäden durch schlechte Kundenkommunikation

Was ist CRM-Datenbereinigung?

CRM-Datenbereinigung ist der systematische Prozess, mit dem Du die Qualität Deiner Kundendatenbank erhältst und verbesserst. Er besteht aus vier zentralen Säulen:

1. Deduplizierung: Doppelte Einträge entfernen und Datensätze zusammenführen
2. Validierung: Vorhandene Datenpunkte wie E-Mail-Adressen und Telefonnummern auf Richtigkeit prüfen
3. Strukturierung und Formatierung: Datenformate standardisieren und Informationen einheitlich organisieren
4. Data Enrichment: Kundenprofile um neue, relevante Informationen ergänzen

Durch regelmäßige CRM-Datenbereinigung arbeitet Dein Team mit korrekten, aktuellen Informationen und kann bessere Entscheidungen treffen sowie Kunden gezielter ansprechen.

Wie hält man ein CRM sauber?

• Standardisierte Eingabeformate definieren, etwa eine einheitliche Struktur für Gesprächsnotizen
• Bestimmte Spalten auf konkrete Eingabetypen beschränken, beispielsweise Telefonnummern nur als Zahlenfeld
• Pflichtfelder festlegen, etwa „Last Contact Date“, damit Sales-Mitarbeitende bestimmte Angaben vollständig eintragen

Kann ChatGPT Daten bereinigen?

ChatGPT wurde nicht für die Datenbereinigung entwickelt. Dafür gibt es deutlich bessere kostenlose Lösungen wie Datablist. Das heißt nicht, dass ChatGPT überhaupt keine Daten bereinigen kann. Mit großen Dateien kommt es jedoch nicht gut zurecht, und bei mehr als 1.000 Datensätzen sind Fehler praktisch vorprogrammiert.