Das ist eine Fallstudie aus einem echten B2B-Team, mit dem wir zwischen Januar und März 2025 gearbeitet haben. Namen und Branche entfernt; Zahlen unverändert. Sie kamen mit einer Cold-Outbound-Operation zu uns, die technisch lief, aber still kaputt war: Die Bounce-Rate war über sechs Monate von etwa 4 Prozent auf 12 Prozent geklettert, und niemand konnte uns sagen, warum. In acht Wochen haben wir sie wieder unter 2 Prozent gebracht, und ihre Antwortrate hat sich dabei fast verdoppelt. Das ist, was genau passiert ist.

Der Ausgangszustand (Woche 0)

Die Geschäftsführung wollte das SDR-Team feuern. Wir baten um 8 Wochen Vorlauf.

Änderung 1: Echtzeit-Verifizierung vor jedem Send (Woche 1)

Die Apollo-Daten waren 6 bis 18 Monate alt und hatten sich gewandelt. Jeder Export wurde ohne Frische-Check gesendet. Wir haben ZeroBounce als Pre-Send-Gate eingefügt, das jede Adresse ablehnt, die als ungültig oder „catch-all unbekannt“ zurückkommt. Bounce-Rate nach Woche 1: 8,4 Prozent. Immer noch hoch, aber sofort besser.

Änderung 2: Rollen-Adressen unterdrücken (Woche 1)

Etwa 9 Prozent der Liste waren rollen-basiert (info@, support@, sales@, kontakt@). Diese Adressen bouncen weniger, werden aber häufiger als Spam markiert. Wir haben die gesamte Kategorie gesperrt. Bounce blieb bei 8 Prozent, aber die Beschwerderate begann sofort zu sinken.

Änderung 3: 3 beschädigte Domains ruhen und neu wärmen (Woche 2)

Drei der vier Sende-Domains hatten verbrannten Ruf. Wir haben alle Cold-Sends auf diesen drei Domains für 21 Tage pausiert und sie in kontinuierliches Warmup gesetzt. Die vierte Domain lief mit reduziertem Volumen weiter. Die gesamte Sende-Kapazität fiel für drei Wochen um 70 Prozent, und niemand war glücklich darüber. Aber es war der einzige Weg vorwärts.

Änderung 4: Strengere Targeting-Kriterien (Woche 3)

Das Team exportierte jeden Prospekt, der breiten Filtern entsprach (Titel enthält „Director“, Unternehmensgröße 50 bis 500). Wir haben es verschärft: nur spezifische Titel, letzter Jobwechsel binnen 24 Monaten verifiziert, Unternehmen mit Finanzierung oder Einstellungs-Signalen in den letzten 6 Monaten. Die Liste schrumpfte von 12.000 auf 1.400. Die Qualität sprang entsprechend.

Änderung 5: Manuelle Stichprobe KI-geschriebener Opener (Woche 4)

Das Team nutzte GPT-4 für Opener und sendete sie ohne Review. Etwa 15 Prozent des Outputs war falsch: falsch gelesene Signale, erfundene Fakten, ungeschickte Formulierungen. Wir haben einen 30-Sekunden-Review-Schritt pro E-Mail eingeführt. Arbeits-Kosten: eine Stunde pro Tag im Team. Qualitäts-Einfluss: sofort und offensichtlich.

Änderung 6: Ein-Klick-Abmeldung + geteilte Sperrung (Woche 5)

Die Sperrliste war pro Postfach, nicht global. Prospekte, die sich aus einem Postfach abmeldeten, bekamen weiterhin Mails von den anderen. Wir haben eine geteilte Sperr-Tabelle gebaut, die sich stündlich synchronisiert. Die Beschwerderate fiel binnen zwei Wochen um weitere 30 Prozent.

Die Ergebnisse (Woche 8)

Was wir nicht getan haben

Wir haben keine neuen Tools hinzugefügt. Wir haben die Sequenzen nicht umgeschrieben. Wir haben keinen Berater geholt, um „die Strategie neu zu denken“. Die gesamte Intervention war Infrastruktur-Hygiene und Targeting-Disziplin. Das hat die Geschäftsführung überrascht, und eigentlich hätte es das nicht sollen.

„Das Problem waren nie die Reps. Das Problem war, dass niemand Deliverability als tägliche operative Aufgabe besessen hat."

Die Lektion

Die meisten Cold-E-Mail-Probleme sehen von außen wie Content-Probleme aus und entpuppen sich innen als Infrastruktur-Probleme. Bevor Sie Ihre Opener umschreiben, bevor Sie Ihre Sequenzen ändern, bevor Sie Ihr Team neu trainieren, prüfen Sie die langweilige technische Schicht. Sie ist fast immer der günstigste Fix — und fast immer der, der am meisten zählt.