Best of Linkedin: Account Based Marketing KW 30/ 31

Account-Based Marketing spaltet sich in zwei Lager. Die eine Seite automatisiert die Umsetzung mit KI-Agenten und senkt Kosten, die ABM früher nur für die größten Enterprise-Deals wirtschaftlich machten. Die andere Seite verhandelt neu, was ABM überhaupt bedeutet, mit dem Argument, dass die Disziplin immer wieder scheitert, nicht weil die Taktik fehlerhaft ist, sondern weil das darunterliegende Operating Model, das Datenfundament und die Sales-Abstimmung nie aufgebaut wurden. Beide Lager liefern harte Belege: siebenstellige Pipeline-Zahlen stehen neben Warnungen vor verfallenden CRM-Daten und einer „Platform Tax“. Das Ergebnis ist ein Feld, in dem sich das Tooling schneller entwickelt als die organisatorische Bereitschaft, es zu nutzen.

Datum

August 4, 2026

Account-based Marketing

Thomas Allgeyer

Methodik: Alle zwei Wochen sammeln wir die relevantesten LinkedIn-Beiträge zu ausgewählten Themen und verdichten sie zu einem Gesamtüberblick, ausschließlich auf Basis dieser Beiträge. Die einzelnen Beiträge dahinter finden sich hier: https://linktr.ee/thomasallgeyer. Viel Freude beim Lesen.

‍

Unseren Podcast anhören

Wer lieber zuhört: Unser Podcast fasst die wichtigsten Erkenntnisse zu Account Based Marketing KW 30/ 31 zusammen:

‍

KI-Agenten automatisieren die ABM-Umsetzung

Teams nutzten Claude Code direkt, um 1:1-ABM-Ad-Kampagnen im großen Maßstab zu fahren, ohne dedizierte Software zu kaufen, und senkten damit eine Kostenposition, die früher eine vollständige Plattform erforderte
Multi-Agenten-Systeme übernahmen inzwischen Account-Recherche, die früher Analystenstunden verschlang, wobei sequenzierte Agentenketten rund 70 Prozent der Recherche für Kampagnen-Briefings automatisierten
Open-Source-Claude-Skills wurden miteinander verkettet, um ABM-Strategie, Umsetzung, Auditing und Reporting als einen durchgängigen Workflow zu handhaben statt als vier getrennte Tools
Sechsstufige, funktionsübergreifende Systeme betteten KI in jeden Schritt ein, behielten dabei aber bewusst einen menschlichen Prüfpunkt in jeder Stufe bei, statt die Automatisierung unbeaufsichtigt laufen zu lassen
Nicht-technische Marketer bauten agentenbasierte Workflows, die Signalerkennung, Account-Recherche und das Verfassen von Nachrichten verbanden, ohne Unterstützung durch Entwicklerteams
GTM-Intelligence-Engines werden entwickelt, um Accounts anhand von Echtzeit-Kaufauslösern zu priorisieren, wodurch sich die operative Frage von „Wer passt zum ICP“ zu „Warum jetzt“ verschiebt
Der Engpass bei KI-komprimierter ABM-Umsetzung verlagert sich von der Produktionskapazität hin zu internen Freigabeprozessen, die sich nicht im gleichen Tempo beschleunigt haben wie das Tooling
Wo die KI-Produktion früher bei rund 25 Kampagnen an eine harte Grenze stieß, konnten dieselben Teams nach dem Wegfall des manuellen Engpasses nun Hunderte fahren

‍

Agent-Based Marketing signalisiert einen strategischen Wandel

Die Käuferzielgruppe im B2B-Marketing erweiterte sich um KI-Agenten, die Anbieter entdecken, bewerten und vorqualifizieren, bevor ein menschlicher Käufer überhaupt mit der Marke in Berührung kommt, wodurch sich ABM in Richtung dessen bewegte, was Praktiker Agent-Based Marketing nennen
Kontinuierlich entscheidende KI-Systeme wurden als Ersatz für statische, manuell gepflegte Account-Listen vorgeschlagen, organisiert um vier unterschiedliche agentenbasierte Blueprints
KI liefert nur dort ABM-Wert, wo Lead Scoring und Sales-Übergabe zu einem einzigen zusammenhängenden Ablauf neu aufgebaut worden sind, statt an den bestehenden Prozess angeflanscht zu werden
Empfehlungssysteme nach dem Vorbild von Netflix wurden als Ersatz für manuelle Segmentierung im ABM für Rechtsdienstleister ins Gespräch gebracht, einer Disziplin, die KI-gestütztes Targeting bislang langsamer übernommen hat

‍

Die ABM-Anbieterkategorie konsolidiert sich

Signalbasierte ABM-Anbieter konsolidierten sich schnell, belegt durch die Übernahme von Seam AI durch Clarify, nachdem Seam AI zuvor als neuester Herausforderer von 6sense positioniert worden war; dieses Muster drängte Einkaufsteams dazu, Signalerkennung intern aufzubauen, statt auf Einzellösungen zu setzen
Tatsächlich stirbt das Single-Plattform-Liefermodell, das ABM-Software ein Jahrzehnt lang geprägt hatte, nicht die ABM-Methodik selbst
Die Differenzierung im ABM-Tooling verlagert sich auf die Kontextebene oberhalb der reinen Account-Rohdaten, wodurch Customer Data Platforms neu geschäftskritisch werden statt optionaler Infrastruktur
ABM-Technologie-Stacks schrumpften, da Teams Tooling rund um ihre spezifischen Engpässe bauten, statt Kategorie-Checklisten abzuarbeiten
Marketingbudgets absorbierten laut einer der meistdiskutierten Marketing-Umfragen des Zeitraums eine „Platform Tax“, die Budget verbrauchte, bevor Demand-Generation-Aktivität überhaupt beginnt

‍

Neue Tools und Produkt-Launches

Ein neues Tool generierte Hunderte accountpersonalisierter LinkedIn-Anzeigen in zehn Minuten und verdichtete damit, was früher ein mehrwöchiger Kreativproduktionszyklus war
Ein separater Launch erstellte 99 Ad-Sets und 500 personalisierte Anzeigen im selben Zehn-Minuten-Fenster, was darauf hindeutet, dass der Anspruch der komprimierten Zeitspanne zur Kategorienorm wird statt zum Alleinstellungsmerkmal eines einzelnen Anbieters
Ein zuverlässiger Zehn-Minuten-ABM-Launch erforderte die gemeinsame Lösung von vier unterschiedlichen technischen Problemen, nicht nur die Beschleunigung eines einzelnen Schritts in der Pipeline
Datenintegration auf Kontaktebene erhöhte die Match-Raten, senkte die Cost-per-Click und halbierte die Zeit bis zum Kampagnenstart für den Kundenstamm einer Plattform
Die Skalierung von fünf auf zwanzig Zielaccounts brachte Koordinationsprobleme mit sich, die automatisierte Anzeigenerstellung nun gezielt lösen soll
Der Pilot von NetApp, der ABM und Social Selling bei zehn Accounts kombinierte, erzeugte rund 20 Millionen Dollar an Deals, ein früher Datenpunkt für Plattformanbieter, die Social Selling als Begleitbewegung zu bezahltem ABM anführen

‍

Strategie und Alignment müssen vor der Software stehen

Organisationen, die zu viel in Tool-Evaluierung investieren, bevor sie definieren, was sie diese Woche starten können, sind dieselben Organisationen, die ABM konsequent übertreiben, ohne Ergebnisse zu erzielen
Ein dokumentiertes ABM-Playbook für 2026 beginnt zuerst mit der Sales-Abstimmung und baut erst danach signalgefilterte Account-Listen auf
Der Aufbau eines Pilot-ABM-Programms wurde end-to-end dokumentiert, über ICP-Aktualisierung, Signalauswahl, Account-Tiering, Ad-Produktion und Creative-Briefings hinweg, und gibt anderen Teams eine Vorlage für die Reihenfolge
Die Qualität der GTM-Strategie folgte direkt der Präzision des ICP: Teams, die sich eine beherrschbare Nische aussuchten, übertrafen Teams, die ihr Targeting breit streuten und Volumen als Ersatz für Abdeckung behandelten
Eine Liste von Zielaccounts zu benennen, ist für sich genommen noch kein ABM; echtes ABM funktioniert als unternehmensweites Operating Model, nicht als Initiative der Marketingabteilung
ABM scheitert insbesondere dann, wenn es als Marketinginitiative geführt wird, statt als Wachstumsmodell des gesamten Unternehmens mit funktionsübergreifender Verantwortung übernommen zu werden
Sales Enablement übernahm eine größere koordinierende Rolle, da Organisationen ABM als unternehmensweite Abstimmung behandelten, nicht als Posten in einer Kampagne
Fast die Hälfte der B2B-Marketer riet weiterhin, welche ihrer Aktivitäten tatsächlich Kaufentscheidungen antreiben, eine Lücke, die sich direkt in den oben genannten Alignment-Problemen zeigt

‍

Signale und Intent-Daten brauchen Kontext, um zu wirken

Intent-Signale funktionieren wie Symptome und zeigen an, dass innerhalb eines Accounts etwas passiert, doch erst das Urteilsvermögen der Praktiker identifiziert die zugrunde liegenden Geschäftsbedingungen, die den Deal antreiben
99 Prozent der großen Unternehmen, die in Intent-Daten investierten, sahen ROI erst, nachdem sie neu aufgebaut hatten, wie diese Signale durch den weiteren GTM-Prozess fließen, nicht durch die Daten selbst
Intent-Signale brauchten käuferseitigen Kontext, bevor ein Vertriebsmitarbeiter über eine Folgenachricht entscheidet; das Signal allein sagt nicht, was als Nächstes zu sagen ist
Verfallende CRM- und Signaldaten, nicht eine fehlerhafte Strategie, sind der am häufigsten genannte Grund, warum ABM-Programme scheitern
Fit- und Timing-Scoring muss vor dem Start von Outbound- oder ABM-Aktivität laufen, was die Reihenfolge umkehrt, die viele Teams derzeit verwenden

‍

Proof Points: Was die Pipeline-Daten zeigen

Das Mapping von Buying Groups innerhalb von Zielaccounts, statt einzelne Kontakte anzusprechen, brachte einem ABM-Programm 21 Millionen Dollar an Pipeline
Hochgradig personalisiertes 1:1-Gifting erzielte eine Gift-to-Meeting-Konversionsrate von 25 Prozent und einen 14,6x Return on Pipeline
ABM als Unternehmensstrategie statt als Kampagne zu behandeln, beeinflusste bei einem Team 4,85 Millionen Dollar an quartalsweiser Pipeline
Eine Analyse des Account-Scorings zeigte, dass Top-Tier-Accounts 41-mal mehr Opportunities eröffneten als die niedrigst bewertete Stufe, eine Lücke, die stärkere Investitionen in Tiering rechtfertigt
Ein kleiner Feature-Launch, aufgebaut auf dem eigenen ABM-Produkt eines Anbieters, brachte viermal so viele Sales-Meetings und eine Click-through-Rate von 9 Prozent
Persönlich zugestellte Cookies konvertierten 36 Prozent einer Zielliste von CFO-Accounts, nachdem eine E-Mail-Sequenz an dieselben 30 CFOs null Antworten erzielt hatte
Industrielle Hersteller, die ABM für präzises Targeting einsetzten, verzeichneten höhere Win Rates und größere Deal-Größen als Hersteller mit breiterem Outbound

‍

Creative, Personalisierung und der menschliche Vorteil

Da KI-generierter Content immer häufiger wurde, erwies sich authentische menschliche Kommunikation als der eigentliche Wettbewerbsvorteil innerhalb von ABM-Kampagnen, nicht die Personalisierungstechnologie selbst
Menschengeführtes Creative, nicht der zugrunde liegende ABM-Technologie-Stack, ist das eigentliche Differenzierungsmerkmal in digitalem Maßstab
Individuelle Padel-Ausrüstung ersetzte gewöhnliche Werbegeschenke als Gesprächsöffner bei hochwertigen Zielaccounts
Von Vertriebsmitarbeitern aufgenommene Videos lieferten Personalisierung auf Account-Ebene, ohne einen Design-Zyklus oder ein Produktionsbudget zu benötigen
Die Wiederveröffentlichung einer einzigen starken visuellen Metapher vervielfachte die Reichweite und veränderte, wie Prospects ABM ihren eigenen Kollegen erklärten, was zeigt, dass Distribution und Framing neu produziertes Creative übertreffen können

‍

Kanäle, Targeting und Messung

Cold Calling blieb ein unterschätzter Schritt innerhalb von ABM- und Outbound-Prozessen, wobei dokumentierte Dialer-Workflows zeigten, dass es seinen Platz in der Sequenz weiterhin verdient
Saubere Unternehmenslisten mit einheitlichem Identifikator sind Voraussetzung dafür, dass LinkedIn Matched Audiences funktionieren; die meisten Fehler beim Listenaufbau entstanden durch nicht übereinstimmende Identifikatoren, nicht durch schlechte Targeting-Logik
Competitor-Takeover-Kampagnen hängen davon ab, dass Trigger-Timing, Daten zur Wettbewerbernutzung und Multichannel-Sättigung zusammenwirken, nicht davon, dass ein einzelner Kanal die Kampagne trägt
Die ideale 90-Tage-Retargeting-Frequenz von 15 bis 25 Touchpoints wird fast ausschließlich von Budget und Zielgruppengröße bestimmt, nicht von einer festen Creative-Regel
Die Attribution von LinkedIn-Ads bricht insbesondere am Conversion-Schritt zusammen; Reporting-Frameworks sollten so gebaut sein, dass sie drei spezifische Fragen auf CFO-Ebene beantworten, statt oberflächliche Engagement-Kennzahlen
LinkedIn löscht geschätzte Reichweitendaten nach 90 Tagen, doch native Berechnungsmethoden können die Zahl für Reporting-Zwecke rekonstruieren
Verlängerungsentscheidungen für ABM-Programme sollten anhand von Kosten, Pipeline, ROI und Sensitivitätsanalyse modelliert werden, bevor das Verlängerungsgespräch stattfindet, nicht danach

‍

Dank an Sara McNamara, Elena Tsemirava, Evan Goldberg, Katrin Marquardt, Greg Whitcomb, Ivailo Shipochki, Rocio E. Garza, Matt Jayson, Cathy Chen, Pranav Pawar, Braulio D., Shallum I., Ivan Falco, Anthony Blatner, Katya Tarapovskaia, Caroline A., Michal Jackowski, Emilia Korczynska, Ofer Yatziv-Green, Debashish G., Stuart Dale, Abhijeet Vijayvergiya, Trinity Nguyen, Ryan Carlin, Justin Rowe, Tim Pedersen, Ellie Jamison Lanning, Richard F. Purcell, Eric Linssen, Mason Cosby, Hannah Mans, Eve Chen, Adam Schoenfeld, Vincent Plassard, Karthick Raajha, Olga Bondareva, Kalyan Tirunelveli und Lowrie Hilladakis für die Einblicke, die diese Ausgabe geprägt haben. Die vollständige Liste der Beiträge und Stimmen ist auf LinkedIn zu finden: https://www.linkedin.com/pulse/best-linkedin-cw-30-31-account-based-marketing-thomas-allgeyer-xqxfe?trackingId=9aDsvDUUo%2BpjuXalCKkalA%3D%3D&lipi=urn%3Ali%3Apage%3Ad_flagship3_profile_view_base_recent_activity_content_view%3BmtubHtXLRVClXoB%2BzcxsUQ%3D%3D