Dein Instantly-Dashboard öffnet sich mit 200 Leads in der Warteschlange, Templates vorbereitet, und diesem bekannten leeren Gefühl — noch ein Batch "Hi {firstName}, ich habe bemerkt, dass dein Unternehmen..." steht kurz davor, versendet zu werden. Jede Agentur hasst Cold Email. Auch wir taten es. Nicht weil Outreach nicht funktioniert, sondern weil jede Plattform, die wir bezahlten, trotzdem noch Stunden manuelle Recherche brauchte, trotzdem Copy versendte, die sich anfühlte, als hätte sie ein Bot geschrieben, und trotzdem $300/Monat kostete, um das zu tun, was wir wussten, dass Claude besser in Sekunden konnte. Also hörten wir auf zu mieten. Wir verbanden Claude, Hunter, Instantly und Supabase zu einem System, das kontextuelle Openers aus Live-Web-Scrapes schreibt, Replies nach Intent bewertet und jede Interaktion ohne die SaaS-Gebühr protokolliert. Die Architektur ist keine Raketenwissenschaft — aber die Reply-Rate sprang nach oben, die Routinearbeiten verschwanden, und wir besitzen den gesamten Stack.

Das ist kein theoretischer Architektur-Post. Wir führen dieses System seit Monaten in Produktion aus, versenden Tausende personalisierter Emails, die tatsächlich Replies bekommen. Ich werde dir genau zeigen, warum wir es bauten, wie die Teile zusammenpassen, und was wir auf die harte Tour lernten.

Inhaltsverzeichnis

Warum wir unser eigenes Cold-Email-System mit Claude, Instantly & Supabase bauten

Das Problem mit Standard-Outreach-Tools

Wir versuchten die üblichen Verdächtigen. Lemlist. Apollo. Woodpecker. Es sind gute Tools für viele Use-Cases. Aber als Headless-Web-Entwicklungsagentur hatten unsere Outreach-Anforderungen spezifische Bedürfnisse, die diese Plattformen nicht erfüllen konnten.

Hier ist, was ständig zusammenbrach:

Generische Personalisierungsfelder sind keine Personalisierung. Den Namen und Jobname eines Prospects in ein Template einzufügen täuscht 2026 niemanden. Wir brauchten Emails, die den tatsächlichen Tech-Stack eines Prospects referenzierten, ihre Site-Performance-Probleme oder spezifische architektonische Entscheidungen, die auf ihrer öffentlichen Website sichtbar sind.

Der Recherche-Schritt war der Engpass. Unser best-performendes Outreach brauchte immer jemanden aus dem Team, der sich die Website eines Prospects tatsächlich ansah, sie durch PageSpeed Insights laufen ließ, ihr Framework überprüfte und etwas Spezifisches schrieb. Das dauerte 10-15 Minuten pro Lead. In größerem Maßstab ist das ein Vollzeit-Job.

Daten lebten an zu vielen Orten. Leads in einer Tabellenkalkulation, Email-Sequenzen in einer anderen Plattform, Ergebnisse in einem dritten Dashboard. Wir konnten keine Feedback-Loops aufbauen, weil nichts mit irgendetwas anderem sprach.

Die KI-Integrationen waren oberflächlich. Einige Plattformen fügten "AI-Writing"-Features hinzu, aber es waren grundsätzlich GPT-Wrapper, die die gleiche fade Copy generierten, die jeder andere versendte. Keine Möglichkeit, benutzerdefinierten Kontext einzuspeisen, keine Kontrolle über Prompts, keine Möglichkeit, mehrschrittige Reasoning-Ketten aufzubauen.

Wir brauchten ein System, in dem KI die Recherche übernahm, nicht nur das Schreiben.

Unser Tech-Stack und warum wir ihn wählten

Hier ist, was wir nach ein paar Iterationen landeten:

Komponente Tool Rolle Monatliche Kosten
Lead-Suche & Email-Verifizierung Hunter.io Finde und verifiziere Email-Adressen $49 (Starter)
KI-Recherche & Copywriting Claude (Anthropic API) Analysiere Prospects, generiere personalisierte Emails ~$30-60
Datenbank & Orchestrierung Supabase Speichere Leads, verwalte Status, triggere Workflows $25 (Pro)
Email-Versand & Warmup Instantly.ai Zustellbarkeit, Versand-Infrastruktur, Warmup $30 (Growth)
Automation-Bindeglied Custom Edge Functions + Cron Verbinde alles zusammen $0 (in Supabase enthalten)

Wir evaluierten eine Menge Alternativen. Hier ist die Kurzversion, warum wir das wählten, was wir wählten:

Claude über GPT-4: Wir testeten beide umfassend. Claude 3.5 Sonnet (und jetzt Claude 4 Sonnet in 2025) produzierte konsistent Emails, die natürlicher und weniger "KI-artig" klangen. Es war auch besser darin, komplexe System-Prompts zu folgen, ohne abzuschweifen. Die Preisgestaltung war vergleichbar, aber Claudes längeres Context-Fenster bedeutete, dass wir mehr Recherche-Daten pro Prospect einspeisen konnten.

Supabase über Airtable oder ein Custom-Postgres-Setup: Wir brauchten eine echte Datenbank mit Row-Level-Security, wollten aber keine Infrastruktur verwalten. Supabase gab uns Postgres, Edge Functions, Cron Jobs und ein anständiges Dashboard — alles an einem Ort. Wir verwenden Supabase stark für Client-Projekte, also kannte das Team es bereits gut.

Instantly über Lemlist oder Smartlead: Instatnly's Warmup-Netz ist genuinely gut, ihre API ist clean, und die Preisgestaltung machte für unser Volumen Sinn. Wir brauchen Instantly's eingebauten Sequence-Builder nicht, weil wir die Sequenzierungs-Logik selbst verwalten.

Hunter über Apollo oder Snov.io: Hunters Email-Verifizierung ist konsistent am genauesten, den wir testeten. Ihre Domain-Such-API ist schnell und die Datenqualität ist hoch. Apollo hat mehr Datenpunkte, aber wir fanden ihre Email-Genauigkeit niedriger, was die Zustellbarkeit killt.

Architektur-Übersicht

Das System funktioniert in fünf Stufen, jede läuft unabhängig:

[Lead-Quellen] → [Hunter-Anreicherung] → [Supabase DB] → [Claude-Recherche + Copy] → [Instantly-Versand]
     ↑                                       ↑                                           |
     |                                       |                                           |
     +----------- Feedback-Loop --------+-------------------------------------------+
  1. Ingestion: Wir speisen Prospect-Domains aus verschiedenen Quellen ein (manuelle Listen, Scraper, Referraldaten)
  2. Anreicherung: Hunter findet Kontakte und verifiziert Emails
  3. Speicherung: Alles landet in Supabase mit Status-Tracking
  4. Recherche + Schreiben: Claude analysiert jeden Prospect und generiert personalisierte Copy
  5. Versand: Genehmigte Emails gehen in Instantly-Kampagnen
  6. Lernen: Reply-Daten fließen zurück zu Supabase, informieren zukünftige Personalisierung

Jede Stufe ist entkoppelt. Wenn Hunters API ausfällt, staut sich die Anreicherungs-Queue einfach auf — sie bricht nicht beim Versand. Wenn wir Claude gegen ein anderes Modell austauschen wollen, ändern wir eine Funktion.

Warum wir unser eigenes Cold-Email-System mit Claude, Instantly & Supabase bauten - Architektur

Leads mit Hunter finden und anreichern

Hunter.io erfüllt zwei kritische Jobs: die richtige Person bei einem Unternehmen zu finden und zu verifizieren, dass ihre Email tatsächlich funktioniert.

Hier ist eine vereinfachte Version unserer Anreicherungs-Funktion:

import { createClient } from '@supabase/supabase-js';

const HUNTER_API_KEY = Deno.env.get('HUNTER_API_KEY');

async function enrichLead(domain: string) {
  // Domain-Suche, um Decision Maker zu finden
  const searchRes = await fetch(
    `https://api.hunter.io/v2/domain-search?domain=${domain}&department=executive,it&api_key=${HUNTER_API_KEY}`
  );
  const searchData = await searchRes.json();
  
  const contacts = searchData.data.emails
    .filter((e: any) => e.confidence > 70)
    .slice(0, 3); // Top 3 Kontakte pro Domain
  
  // Verifiziere jede Email
  for (const contact of contacts) {
    const verifyRes = await fetch(
      `https://api.hunter.io/v2/email-verifier?email=${contact.value}&api_key=${HUNTER_API_KEY}`
    );
    const verifyData = await verifyRes.json();
    
    if (verifyData.data.status === 'valid') {
      await supabase.from('leads').insert({
        domain,
        email: contact.value,
        first_name: contact.first_name,
        last_name: contact.last_name,
        position: contact.position,
        confidence: contact.confidence,
        status: 'enriched',
        enriched_at: new Date().toISOString()
      });
    }
  }
}

Wir filtern nach den Abteilungen executive und it, weil das unsere Käufer sind — CTOs, VPs of Engineering, technische Gründer. Hunters Abteilungs-Filterung ist nicht perfekt, aber sie filtert eine Menge Rauschen heraus.

Eine Sache, die wir lernten: Überspringe Email-Verifizierung niemals. Auch mit Hunters Confidence-Scores verifizieren wir immer noch jede einzelne Adresse. Eine Bounce-Rate über 3% wird die Reputation deiner Versand-Domain zerstören. Wir haben Domains gesehen, die von 95% Inbox-Placement zu 40% Spam-Ordner wechselten, von einem schlechten Batch.

Wir führen etwa 500 Hunter-Suchkredit pro Woche aus, was komfortabel in ihren Starter-Plan passt.

KI-Personalisierung mit Claude

Hier wird es interessant. Die Claude-Integration ist nicht einfach "schreibe mir eine Cold Email." Es ist eine mehrstufige Recherche- und Schreib-Pipeline.

Schritt 1: Website-Analyse

Bevor Claude etwas schreibt, füttert es uns mit Daten über die Website des Prospects. Wir scrapen grundlegende Informationen mit einer leichten Funktion:

async function analyzeProspectSite(domain: string) {
  // Fetch Homepage und Key Pages
  const homepage = await fetch(`https://${domain}`);
  const html = await homepage.text();
  
  // Extrahiere Tech-Signale aus HTML
  const signals = {
    hasNextJs: html.includes('__next') || html.includes('_next/static'),
    hasReact: html.includes('react') || html.includes('__REACT'),
    hasWordPress: html.includes('wp-content') || html.includes('wp-includes'),
    hasShopify: html.includes('shopify') || html.includes('cdn.shopify'),
    hasGatsby: html.includes('gatsby'),
    usesJQuery: html.includes('jquery'),
    metaGenerator: extractMeta(html, 'generator'),
    pageSize: html.length,
    // ... mehr Signale
  };
  
  // Führe PageSpeed-Check via API durch
  const psiData = await fetchPageSpeedInsights(domain);
  
  return {
    ...signals,
    performanceScore: psiData.lighthouseResult.categories.performance.score * 100,
    lcp: psiData.lighthouseResult.audits['largest-contentful-paint'].numericValue,
    cls: psiData.lighthouseResult.audits['cumulative-layout-shift'].numericValue,
    fid: psiData.lighthouseResult.audits['max-potential-fid'].numericValue
  };
}

Das gibt Claude echte Daten zum Arbeiten. Nicht "Hi, ich habe bemerkt, dass dein Unternehmen X tut" — eher "Deine Homepage LCP ist 4,2 Sekunden und du führst immer noch jQuery neben React, was 90KB zu deinem Initial-Bundle hinzufügt."

Schritt 2: Claude-Recherche-Prompt

Wir verwenden Claudes API mit einem sorgfältig gestalteten System-Prompt. Hier ist eine vereinfachte Version:

const researchPrompt = `Du bist ein Senior-Web-Entwickler, der die Website eines Prospects für eine Headless-Entwicklungs-Agentur analysiert. Unter Berücksichtigung der folgenden technischen Daten über ihre Site, identifiziere:

1. Ihr aktueller Tech-Stack (sei spezifisch)
2. 2-3 konkrete Performance- oder Architektur-Probleme
3. Was eine Migration zu einer modernen Headless-Architektur verbessern könnte
4. Eine spezifische, nicht-offensichtliche Beobachtung, die echte Analyse zeigt

Sei NICHT generisch. Wenn du etwas Spezifisches nicht finden kannst, sag das.
Erwähne NICHT "in der heutigen digitalen Landschaft" oder ähnliche Füllwörter.
Sei direkt und technisch.

Site-Daten:
${JSON.stringify(siteAnalysis, null, 2)}

Prospect: ${lead.first_name} ${lead.last_name}, ${lead.position} bei ${lead.domain}`;

const research = await anthropic.messages.create({
  model: 'claude-sonnet-4-20250514',
  max_tokens: 1000,
  messages: [{ role: 'user', content: researchPrompt }]
});

Schritt 3: Email-Generierung

Die Recherche-Ausgabe speist sich in einen zweiten Claude-Aufruf, der die tatsächliche Email schreibt. Das Aufteilen von Recherche und Schreiben war eine Schlüsselerkenntnis — als wir versuchten, beides in einem Prompt zu tun, waren die Emails schlechter. Claude würde die Recherche überspringen, um schneller zum Schreiben zu kommen.

const emailPrompt = `Schreibe eine Cold Email von einem Senior-Entwickler bei einer Headless-Web-Agentur.

Recherce-Notizen:
${research.content[0].text}

Regeln:
- 4-6 Sätze max. Jeder Satz muss seinen Platz verdienen.
- Beginne mit der spezifischsten technischen Beobachtung.
- Keine Schmeicheleien. Kein "Ich liebe, was ihr macht."
- Ein klarer CTA: frage, ob sie einen Performance-Audit sehen möchten.
- Klinge wie ein Entwickler, nicht wie ein Verkäufer.
- Verwende seinen Vornamen. Kein Nachname in der Anrede.
- Betreffzeile: kurz, spezifisch für ihr Tech-Problem, Kleinbuchstaben.`;

Das Ergebnis? Emails, die mit Dingen anfangen wie "Dein Shopify-Plus-Store rendered Produktseiten auf dem Server, die statisch generiert werden könnten — das fügt über 2+ Sekunden zu jedem Produktaufruf hinzu" statt "Mir ist dein beeindruckendes Unternehmen aufgefallen und ich wollte mich in Verbindung setzen."

Supabase als Orchestrierungs-Layer

Supabase ist das Gehirn der Operation. Hier ist unser Core-Schema:

create table leads (
  id uuid primary key default gen_random_uuid(),
  domain text not null,
  email text,
  first_name text,
  last_name text,
  position text,
  confidence int,
  status text default 'new', -- new, enriched, researched, drafted, approved, sent, replied, bounced
  site_analysis jsonb,
  research_notes text,
  email_subject text,
  email_body text,
  instantly_campaign_id text,
  sent_at timestamptz,
  opened_at timestamptz,
  replied_at timestamptz,
  created_at timestamptz default now(),
  updated_at timestamptz default now()
);

create index idx_leads_status on leads(status);
create index idx_leads_domain on leads(domain);

Das status-Feld treibt alles an. Supabase Cron Jobs laufen alle 15 Minuten, greifen Leads in jeder Phase auf und schieben sie zur nächsten:

-- Cron: Verarbeite angereicherte Leads durch Claude-Recherche
select cron.schedule(
  'process-research',
  '*/15 * * * *',
  $$select net.http_post(
    'https://your-project.supabase.co/functions/v1/process-research',
    '{}',
    '{"Authorization": "Bearer your-service-key"}'::jsonb
  )$$
);

Wir verarbeiten 20 Leads in Batches pro Durchlauf, um in Claudes Rate Limits zu bleiben und die Kosten vorhersehbar zu halten.

Die site_analysis JSONB-Spalte ist unglaublich nützlich. Wir können über alle unsere Leads abfragen, um Muster zu finden — wie "zeige mir alle Leads, die WordPress mit einem Performance-Score unter 50 laufen" — und gezielt Kampagnen aus diesen Segmenten aufbauen.

Versand im großen Maßstab mit Instantly

Instantly handhaben den tatsächlichen Email-Versand. Wir schieben genehmigte Emails via ihrer API:

async function pushToInstantly(lead: Lead) {
  const response = await fetch('https://api.instantly.ai/api/v1/lead/add', {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify({
      api_key: INSTANTLY_API_KEY,
      campaign_id: lead.instantly_campaign_id,
      skip_if_in_workspace: true,
      leads: [{
        email: lead.email,
        first_name: lead.first_name,
        last_name: lead.last_name,
        company_name: lead.domain,
        personalization_1: lead.email_subject,
        personalization_2: lead.email_body
      }]
    })
  });
  
  if (response.ok) {
    await supabase
      .from('leads')
      .update({ status: 'sent', sent_at: new Date().toISOString() })
      .eq('id', lead.id);
  }
}

Die Campaign-Templates von Instantly verwenden {{personalization_1}}- und {{personalization_2}}-Variablen, die unserem Claude-generierten Betreff und Body zugeordnet werden. Die Campaign selbst ist nur eine Hülle — alle Intelligenz lebt in unserem System.

Wir betreiben 3 Versand-Accounts über Instatnly's Warmup für mindestens 2 Wochen, bevor wir irgendwelche Outreach versenden. Domain-Warmup ist nicht optional. Wir lernten das auf die harte Tour mit unserer ersten Domain, die innerhalb einer Woche flagged wurde.

Zustellbarkeits-Setup

Unsere Versand-Infrastruktur:

  • 3 Domains (Variationen unserer Brand, nicht unsere Hauptdomain)
  • SPF, DKIM und DMARC konfiguriert auf allen
  • Google Workspace Accounts (nicht Outlook — Google handhaben Cold Email 2026 besser in unseren Tests)
  • Instanly Warmup läuft kontinuierlich, auch an aktiven Versendetagen
  • Max 35 Emails pro Account pro Tag
  • Zufällige Versand-Intervalle zwischen 3-7 Minuten

Das Automation-Bindeglied

Supabase Edge Functions verbinden alles. Hier ist der Flow in Pseudocode:

Alle 15 Minuten:
  1. Greife Leads mit status='new' auf, führe Hunter-Anreicherung aus → status='enriched'
  2. Greife Leads mit status='enriched' auf, führe Site-Analyse aus → status='analyzed'
  3. Greife Leads mit status='analyzed' auf, führe Claude-Recherche + Email-Gen aus → status='drafted'
  4. (Mensch überprüft entworfene Emails im Supabase-Dashboard)
  5. Greife Leads mit status='approved' auf, schiebe zu Instantly → status='sent'
  6. Ziehe Engagement-Daten von Instantly API — aktualisiere opened_at, replied_at

Schritt 4 ist wichtig. Wir automatisieren nicht vollständig den Versand. Jede Email wird von einem Menschen überprüft, bevor sie rausgeht. Dies fängt gelegentliche Halluzinationen ab (Claude behauptete einmal, eine Site sei mit Remix gebaut, während sie deutlich Next.js war) und lässt uns persönliche Noten hinzufügen.

Der Review-Schritt nimmt etwa 2-3 Sekunden pro Email, weil Claude 95% der Arbeit korrekt erledigt. Wir genehmigen in Batches mit einer einfachen Supabase-Dashboard-Ansicht.

Ergebnisse und was wir lernten

Wir führen dieses System seit Q1 2025 aus. Hier sind echte Zahlen:

| Metrik | Unser System | Industrie-Durchschnitt (2026) | |--------|-----------|------------------------|| | Open Rate | 62% | 24% | | Reply Rate | 8,4% | 1-3% | | Positive Reply Rate | 4,1% | 0,5-1% | | Bounce Rate | 0,8% | 3-5% | | Kosten pro angesprochener Lead | $0,18 | $0,50-2,00 | | Zeit pro Lead (Mensch) | ~5 Sekunden (Review) | 10-15 Minuten |

Die Open Rate ist hoch, weil die Betreffzeilen spezifisch sind. "dein shopify lcp ist 4,2s" wird geöffnet. "Schnelle Frage" nicht.

Die Reply Rate ist hoch, weil die Emails echtes technisches Wissen demonstrieren. Wenn ein CTO eine Email liest, die seinen Tech-Stack korrekt identifiziert und ein echtes Performance-Problem, ist er eher geneigt, sich einzubinden — auch wenn er weiß, dass es Outreach ist.

Was nicht funktionierte

Vollständig automatisierter Versand (keine menschliche Überprüfung): Wir versuchten das zwei Wochen lang. Claude halluzinierte Tech-Stack-Details etwa 5% der Zeit. Das ist eine niedrige Fehlerrate für ein LLM, aber eine Email zu versenden, die sagt "deine React-App" an jemanden, der Vue lädt, ist schlechter als eine generische Email zu versenden. Der Vertrauensschaden ist real.

Lange Emails: Unsere ersten Claude-Prompts generierten 8-10 Satz-Emails. Reply-Rates waren halb so wie das, was wir jetzt mit 4-6 Sätzen sehen. Kürzer ist besser. Immer.

Versand von mehr als 40 Emails pro Tag pro Account: Die Zustellbarkeit fällt steil ab. 30-35 ist der sweet spot in 2026.

Verwendung von Claude für Follow-ups basierend auf Opens: Wir versuchten, Follow-up-Emails zu generieren, die von Opens getriggert wurden. Die Follow-ups fühlten sich aufdringlich an und die Konvertierung war nicht das Wert. Wir versenden jetzt eine einfache, nicht-KI-gestützte Follow-up drei Tage später.

Kostenaufschlüsselung

Hier ist, was das monatlich kostet, um etwa 2.000 Leads zu verarbeiten:

Service Monatliche Kosten Notizen
Hunter.io (Starter) $49 500 Suchvorgänge + Verifizierungen
Anthropic API (Claude) $45 ~2.000 Recherche- + Email-Generierungen
Supabase (Pro) $25 Datenbank, Edge Functions, Cron
Instantly (Growth) $30 Versand, Warmup, Analytics
Google Workspace (3 Accounts) $21 Versand-Infrastruktur
Domains (3) $10 Amortisierte jährliche Kosten
Gesamt ~$180 $0,09 pro verarbeitetem Lead

Vergleiche das mit Apollos $79/Monat-Plan (begrenzte Anreicherung, grundlegende Sequenzen) oder Lemlist's $69/Monat pro Benutzer. Wir geben weniger aus und bekommen dramatisch bessere Ergebnisse, weil die Personalisierung real ist, nicht template-basiert.

Zum Kontext: dieses System hat direkt zu Leads geführt, die sich zu Next.js-Entwicklungs- und Astro-Entwicklungs-Projekten im Wert von 50-100x der monatlichen Kosten entwickelten. Der ROI ist absurd.

FAQ

Wie lange brauchte es, dieses System zu bauen?

Die erste funktionierende Version brauchte etwa zwei Wochen Teilzeitarbeit — vielleicht 40 Stunden insgesamt. Wir iterieren seitdem kontinuierlich darauf, meistens Claude-Prompts finetuning und Edge-Case-Handling hinzufügen. Wenn du dich mit Supabase Edge Functions und REST APIs wohlfühlst, könntest du eine grundlegende Version an einem Wochenende zum Laufen bringen.

Ist das nicht einfach Spam mit Extra-Schritten?

Berechtigte Frage. Der Unterschied ist, dass jede Email eine echte technische Beobachtung über die Website des Empfängers enthält. Wir blasteten nicht "lass uns anrufen" zu 10.000 Leuten. Wir versenden spezifische, nützliche Erkenntnisse an eine gezielte Liste von Leuten, die tatsächlich die Probleme haben, die wir lösen. Unsere Unsubscribe-Rate liegt unter 0,5%, was darauf hindeutet, dass Empfänger es nicht als Spam sehen.

Warum Claude statt GPT-4 oder Gemini?

Wir testeten alle drei. Claude folgte unseren System-Prompts zuverlässiger — besonders den Einschränkungen wie "sei nicht generisch" und "verwende keine Füllwörter." GPT-4 würde auch mit expliziten Anweisungen nicht zu trennen zum Verkaufs-Jargon abdriften. Gemini war schnell, aber die Ausgabequalität war inkonsistent. Dies kann sich ändern, wenn sich Modelle entwickeln, und unser System ist so entworfen, dass es Modelle einfach austauschen kann.

Wie handhhabst du GDPR- und CAN-SPAM-Compliance?

Alle unsere Outreach targetiert Business-Emails (nicht persönlich), enthält unsere physikalische Adresse und hat einen klaren Opt-out in jeder Email. Für GDPR verarbeiten wir Daten unter legitimes Interesse für B2B-Outreach, pflegen Aufzeichnungen der Verarbeitungsaktivitäten und beachten Entfernungsanfragen sofort via einen automatisierten Webhook. Wir löschen auch Leads älter als 90 Tage aus unserer Datenbank automatisch. Sprich mit einem Anwalt für deine spezifische Situation — das ist keine rechtliche Beratung.

Was passiert, wenn ein Lead antwortet?

Antworten fließen von Instantly's API zurück zu Supabase. Wir bekommen eine Slack-Benachrichtigung für jede Antwort, und ein Mensch übernimmt sofort das Gespräch. Wir verwenden niemals KI für Antwort-Handling. Sobald jemand engagiert, verdienen sie eine echte Person. Interessierte Prospects werden auf unsere Kontakt-Seite oder direkt zu einem Call-Booking-Link verwiesen.

Kann dieser Ansatz für nicht-technische Services funktionieren?

Der Site-Analyse-Teil ist spezifisch für Web-Entwicklung, aber das Architektur-Muster — anreichere Leads, verwende KI zur Recherche und Personalisierung, versende durch ein bestimmtes Tool — funktioniert für jede B2B-Outreach. Du würdest nur andere Recherche-Inputs brauchen. Eine Design-Agentur könnte visuelles Design und UX-Muster analysieren. Eine Marketing-Agentur könnte SEO-Metriken ziehen. Der Schlüssel ist, Claude echte Daten zu geben, nicht, es bitten, Dinge erfinden zu lassen.

Was ist der schwierigste Teil dieses Systems zu unterhalten?

Prompt-Wartung. Wenn sich Claude-Modelle aktualisieren, müssen Prompts, die perfekt funktioniert haben, manchmal angepasst werden. Wir verbringen auch Zeit mit Email-Zustellbarkeits-Monitoring — Google Postmaster Tools überprüfen, auf Spam-Rate-Spitzen achten, Versand-Accounts rotieren. Es sind vielleicht 2-3 Stunden pro Woche Wartung insgesamt.

Würdest du das als Produkt verkaufen?

Wir haben darüber nachgedacht, aber ehrlich gesagt ist der Wettbewerbsvorteil zu wertvoll. Wenn jede Agentur dieses exakte System laufen würde, würde die Effektivität fallen, weil Empfänger anfangen würden, KI-recherchierte Emails überall zu sehen. Vorerst halten wir es als internes Tool. Wenn du Hilfe bei der Erstellung etwas Ähnliches für dein Geschäft brauchst, kontaktiere uns — wir haben ein paar Clients geholfen, ähnliche Systeme als Teil unserer Headless-CMS-Entwicklungs-Arbeit aufzubauen.