Cold Outreach und Lead Generation sind in den letzten Jahren deutlich schwieriger geworden – und aktuell sieht es nicht so aus, als würde es wieder einfacher werden. Das liegt vor allem daran, dass seit 2023 immer mehr Teams auf fortgeschrittene AI-Personalisierung setzen. Und je weiter sich das verbreitet, desto härter wird der Wettbewerb.
Trotzdem gibt es ein paar bewährte Basics, mit denen Du weiterhin zuverlässig Leads generieren kannst – auch ohne jeden neuen AI-Personalisierungs-Hype.
Eins davon: Company Names immer sauber ziehen.
Neue LLM-Tools wie ChatGPT machen Company-Name-Cleaning zwar viel einfacher. Aber sobald Du tausende Namen verarbeiten willst, kann das teuer werden. Die günstigere Alternative: Lass Dir von ChatGPT einmalig ein Script generieren und lauf damit kostenlos über Hunderttausende Company Names.
In diesem Artikel zeige ich Dir diese zwei AI-Ansätze fürs Company Name Cleaning:
- Company Names mit Generative AI (ChatGPT) bereinigen
- Company Names mit AI-generiertem JavaScript bereinigen
- Unterschiede: Welche Methode wann Sinn ergibt
Methode 1: Company Names mit Generative AI (ChatGPT) bereinigen
Die erste Methode nutzt Generative AI (ChatGPT), um Company Names automatisch zu säubern. Das ist ideal für Listen unter 20.000 Records und liefert sehr gute Genauigkeit – auch bei internationalen Namen.
Datablist bietet dafür ein eigenes Company Name Cleaner template, das Rechtsformen wie LLC, Inc., GmbH, SAS usw. entfernt. Es nutzt die OpenAI API, um Namen in Bulk intelligent zu bereinigen und zu standardisieren.
Gehen wir das Schritt für Schritt durch.
Importiere zuerst Deine Company Names als CSV oder Excel file.
Meine Datei enthält nur Company Names (zur Demo), aber Du kannst genauso eine normale Datei mit mehreren Properties/Spalten hochladen – das funktioniert identisch.
Wähle dann die Option „Enrich“.
Dann wählst Du die Enrichment Templates aus.
Nimm das „Company Name Cleaner“.
Jetzt bearbeitest Du den Prompt und wählst die Spalte aus, die die Company Names enthält – mit {{Name}} oder /Name.
Dann gehst Du zum nächsten Schritt und konfigurierst Deine Outputs.
Du kannst entweder eine neue Property für die Outputs anlegen oder auf eine bestehende Property in Deiner Collection mappen.
In meinem Fall habe ich eine neue angelegt.
Datablist erstellt außerdem automatisch eine Property „Run Status“. Damit kannst Du tracken, welche Namen schon verarbeitet wurden – und welche Kosten pro Verarbeitung angefallen sind.
Jetzt stellst Du Deine Run Settings ein. Du kannst zwischen diesen Optionen wählen:
- Run it in Async (in the cloud)
- Test on the first 10 items
- Run only on the first 10 items, first 100 items, oder Du definierst frei, wie viele Items Du bereinigen willst
Ich habe meine Run Settings eingestellt und kann jetzt das Enrichment starten.
Das ist der letzte Schritt, bevor wir zum zweiten Ansatz wechseln.
Ich habe das Enrichment in Async für die ersten 100 Items laufen lassen.
Nach etwa 30 Sekunden hatte ich die bereinigten Company Names.
Hier ist ein Video zum Company-Name-Cleaning-Prozess
Methode 2: Company Names mit AI-generiertem JavaScript bereinigen
Wenn Du große Listen mit Company Names bereinigen willst, ohne Geld für OpenAI Credits auszugeben, ist diese Methode genau richtig. Statt AI für jeden einzelnen Namen aufzurufen, nutzen wir AI einmal, um ein JavaScript zu generieren, das dann die Bereinigung übernimmt.
Das ist perfekt für Bulk Processing und sorgt für konsistente Ergebnisse bei strukturierten Listen. Sobald das Script steht, kannst Du es kostenlos auf Hunderttausende Company Names anwenden.
So gehst Du Schritt für Schritt vor.
Importiere zuerst Deine Company Names in Datablist – als CSV oder Excel file.
Meine Datei enthält in dieser Demo nur Company Names, aber Du kannst natürlich auch ein File mit mehreren Properties/Spalten hochladen. Deine Datei kann Hunderttausende Zeilen enthalten – Datablist ist dafür gemacht, große CSV files zu öffnen.
Wähle „Edit“ und danach das Feature „AI Editing“.
Hier ist der Prompt, den Du verwenden kannst (mit der Property, in der Deine Company Names stehen, als Referenz):
I want you to clean and normalize all the company names.
In order to do that you have to remove all legal forms.
Here are the legal forms you have to remove but only if they are behind the company name
SA, SARL, SAS, SASU, EURL, SNC, SCS, SCIC, SCM, SEL, SELARL, SELAS, SELAFA, SELCA, SEP, GIE, EI, EIRL, AERL, ENO, SCOP, SCIC, SC, SICA, CAE, SARL de famille, SAS de famille, SELURL, SELASU, SELAFAU, SELCAU, SEPU, GIEU, EIU, EIRLU, AERLU, ENOU, SCOPU, SCICU, SCU, SICAU, CAEU, SARL de familleU, SAS de familleU, SELURLU, SELASUU, SELAFAUU, SELCAUU, SEPUU LLC, Inc., Corp., Co., LLP, LP, PLLC, PA, PC, DBA, S Corp, C Corp, B Corp, Nonprofit, Sole Proprietorship, Partnership, Joint Venture, Cooperative, Trust, Estate, Fund, Association, Society, Union, Syndicate, Consortium, Holdings, Group, Foundation, Institute, Limited, LTD, GP, LP, LLP, LLC, C Corp, S Corp, PC, B Corp, Ltd, PLC, CIC, GbR, OHG, KG, PartG, GmbH, UG, AG, eG, SNC, SCS, SARL, SA, SAS, EURL, Pty Ltd, OPC, VOF, CV, BV, NV, KG, KGaA, JV, GmbH & co. kg, company
Use {{company_name}} as a reference and remove all legal forms.
Notes: Wenn Du denselben Prompt nutzen willst, denk daran, eine Property als Referenz über geschweifte Klammern ({{Property}}) anzugeben.
Sobald AI Dir das Script generiert hat, kannst Du die Vorschau checken und den Prompt bei Bedarf nachschärfen.
Wenn Du dann auf „Run on items“ klickst:
Was ist der Unterschied zwischen beiden Methoden?
Bei Generative-AI-Cleaning (Methode 1) nutzt Du AI direkt, um Company Names zu bereinigen. Bei Methode 2 (AI-generiertes JavaScript) nutzt Du AI nur dafür, ein JavaScript zu erstellen, das die Bereinigung dann selbst übernimmt.
Generative-AI-Cleaning (Methode 1) liefert die höhere Genauigkeit, funktioniert super für internationale Listen und ist ideal für Datensätze unter 20.000 Records. Der Haken: Du verbrauchst OpenAI Credits pro Company Name.
Bei AI-generiertem JavaScript (Methode 2) wird ChatGPT einmal verwendet, um ein Cleaning-Script zu erstellen, das Du danach kostenlos auf große Datensätze anwenden kannst. Das ist stark für Mass Processing und spart laufende API-Kosten – funktioniert aber am besten bei strukturierten Listen mit vorhersehbarem Format.
Beide Methoden automatisieren Company-Name-Cleaning. Welche besser ist, hängt von Listengröße, Budget und Deinem Accuracy-Anspruch ab.
Wann solltest Du Methode 1 vs. Methode 2 nutzen?
Generative AI Cleaning (Methode 1)
- Listen unter 20.000 Records
- Wenn Du maximale Genauigkeit brauchst
- Internationale Listen
AI-Generated JavaScript (Methode 2)
- Sehr große Listen
- Kein Budget für OpenAI Credits
- Listen, die einem ähnlichen Aufbau folgen
Frequently Asked Questions (FAQ) zum Bereinigen von Company Names
Wie bereinige ich Company Names automatisch für meine B2B Lead Generation?
Es gibt zwei Hauptwege: ein dediziertes Company-Name-Cleaner-ChatGPT-Template (Methode 1) oder das Feature „AI Editing“ (Methode 2). Was Du nimmst, hängt vor allem von Listengröße, Budget und den Accuracy-Anforderungen ab. Bei Listen unter 20.000 Records ist ChatGPT pro Name meist genauer. Für sehr große Datensätze ist ein generiertes JavaScript-Script ideal – ohne zusätzliche Kosten pro Zeile.
Was ist der beste Weg, um Rechtsformen in Company Names in Bulk zu entfernen?
Für große Volumen ist „AI Editing“ (Methode 2) in der Regel am effizientesten, weil Du große Mengen verarbeiten kannst, ohne Credits zu verbrauchen. Es entfernt gängige Rechtsformen wie LLC, Inc., GmbH und viele mehr, während der eigentliche Company Name erhalten bleibt. Wenn Du es besonders präzise brauchst – vor allem bei internationalen Firmen – ist der Company Name Cleaner (Methode 1) meist genauer.
Kann AI Company Names aus verschiedenen Ländern und Sprachen bereinigen?
Ja. Beide Methoden funktionieren auch mit internationalen Company Names. Methode 1 ist speziell für Mehrsprachigkeit optimiert und erkennt Rechtsformen aus vielen Ländern. Methode 2 kannst Du über Prompt Engineering so anpassen, dass bestimmte Sprachen und internationale Legal-Entity-Formate sauber abgedeckt sind.
Wie lange dauert es, 1000 Company Names mit AI zu bereinigen?
Mit Methode 1 (Company Name Cleaner Template) brauchst Du im Async-Modus ungefähr 2 Minuten für 1000 Company Names. Methode 2 (AI Editing) ist oft schneller beim Durchlauf, kann aber etwas mehr Review-Zeit brauchen, um die Ergebnisse zu prüfen. Beide Methoden unterstützen Batch Processing, damit Du schnell durch große Listen kommst.