AI Cold Email Agents: Build vs. Buy für Gründer

Entwickeln Sie einen Custom AI Cold Email Agent, wenn Personalisierungsqualität Ihr tatsächlicher Engpass ist und Sie bereit sind, die Pipeline selbst zu verantworten. Kaufen Sie ein fertiges Tool wie Instantly oder Smartlead, wenn Ihr Engpass Zustellbarkeit, Warm-up und Sequenzierung ist – Probleme, die diese Plattformen bereits besser gelöst haben, als Sie es in einem ersten Anlauf könnten. Die meisten Gründer nehmen an, sie müssten selbst entwickeln. Die meisten sollten zunächst kaufen und nur den einen Teil entwickeln, der tatsächlich nicht funktioniert.

Was ein „AI Cold Email Agent" in der Praxis bedeutet

Ohne das Marketing-Rauschen gibt es genau drei separate Aufgaben:

1. Versandinfrastruktur – SPF/DKIM/DMARC, IP-Warm-up, Postfach-Rotation, Bounce-Handling.
2. Sequenzierung und Tracking – Follow-ups, Öffnungen, Antworten, Abmeldungen.
3. Personalisierung – etwas Wahres und Konkretes über jeden Prospect herausfinden und eine E-Mail schreiben, die das nutzt.

Fertige Tools sind bei (1) und (2) ausgezeichnet. Bei (3) sind sie mittelmäßig, denn echte Personalisierung bedeutet, jeden Prospect individuell zu recherchieren – und die meisten Plattformen haben dafür lediglich einen generischen „KI, schreib das"-Button, der für jeden Lead dasselbe Prompt-Template ausführt. Genau diese Lücke schließt ein Custom Agent.

Die Build-Option: Was sie kostet und wo sie versagt

Wir betreiben aus genau diesem Grund eine eigene Outreach-Engine. Sie scrapt die Website jedes Prospects mit einer selbst gehosteten Firecrawl-Instanz, übergibt den bereinigten Seiteninhalt an ein lokales LLM und fordert in einem einzigen Schritt zwei Dinge an: drei oder vier erwähnenswerte Fakten herausarbeiten und die E-Mail damit verfassen. Kein separater „Research Agent", der an einen „Writing Agent" übergibt, kein Planungsschritt, keine Critique-Loop – ein Call, ein Output.

Diese Entscheidung war nicht willkürlich. Wir haben zuerst die mehrstufige Version getestet: eine Chain, die scrapt, dann zusammenfasst, dann einen Ansatz plant, dann entwirft und sich anschließend selbst überprüft. Sie war langsamer, kostete mehr Token pro Lead und – das war das Überraschende – die Ausgabequalität war nicht besser. Zusätzliche Schritte gaben dem Modell mehr Gelegenheiten, vom Quellmaterial abzudriften oder ein Detail zu halluzinieren, das plausibel klang, aber nicht auf der Seite stand. Den Prozess auf einen einzigen Call mit dem vollständigen gescrapten Kontext im Prompt zu reduzieren, lieferte präzisere, genauere E-Mails zu geringeren Kosten. Wer generell zwischen einem einzelnen Call und einer Agent-Chain abwägt, findet dieselben Tradeoffs in Single Call vs. Agent Chains – das ist dieses Muster, angewendet auf Outreach.

Wenn Sie das selbst entwickeln, übernehmen Sie die Verantwortung für:

• Scraping-Zuverlässigkeit – Websites ändern sich, blockieren Bots oder bieten auf der Homepage nichts Verwertbares.
• Prompt- und Context Engineering – entscheiden, was extrahiert wird, wie viel Seiteninhalt in den Kontext passt und wie man gracefully scheitert, wenn es nichts Brauchbares zu extrahieren gibt.
• Token-Kosten bei Volumen – ein einzelner Call pro Lead ist günstig, aber günstig mal 50.000 Leads braucht trotzdem ein Budget; siehe LLM-Kostenoptimierung, wenn Sie über einige Tausend Versendungen pro Monat hinausgehen.
• Versandinfrastruktur – ein Agent, der eine großartige E-Mail schreibt, braucht trotzdem einen zuverlässigen Versandweg. Das ist in der Regel der Teil, den man eher kaufen als selbst entwickeln sollte.

Realistischer Kostenrahmen für eine erste Version: einige Tausend Dollar Entwicklungsaufwand für Scrape-Extrakt-Entwurf, plus laufende LLM-API-Kosten, die typischerweise bei Cent-Beträgen pro Lead liegen, wenn man bei einem einzigen Call bleibt. Diese Zahl vervielfacht sich schnell, sobald Sie Retries, mehrere Model-Calls für „Qualität" oder eine Vektordatenbank hinzufügen, um gescrapten Kontext zu speichern, den Sie später gar nicht durchsuchen müssen. Widerstehen Sie dem, solange Sie nicht gemessen haben, dass die einfache Version tatsächlich zu schwach performt.

Die Buy-Option: Was Sie bekommen und worauf Sie verzichten

Instantly, Smartlead, Apollo und ähnliche Plattformen bieten Ihnen eine Zustellbarkeits-Infrastruktur, die jahrelang optimiert wurde, sowie Sequenzierung, Tracking und Abmelde-Handling out of the box. Ihre integrierte AI-Personalisierung existiert, ist aber oberflächlich – in der Regel ein Prompt pro Lead auf Basis der importierten Felder (Name, Unternehmen, Position), kein eigenständiger Rechercheabschnitt pro Prospect. Für Volumen-Outreach, bei dem die Nachricht nichts Spezifisches über den Prospect referenzieren muss, ist das oft ausreichend.

Wo es nicht ausreicht, ist genau der Fall, in dem Personalisierung Ihr Differenzierungsmerkmal ist – etwa wenn Ihr Pitch etwas Konkretes von der eigenen Website des Prospects aufgreift, seinen Tech-Stack oder ein Problem, das in seinem öffentlich zugänglichen Produkt sichtbar ist. Generische Tools leisten diese Recherche nicht für Sie.

Hinzu kommt eine Compliance-Ebene, die nicht verschwindet, nur weil KI den Text schreibt: Abmelde-Handling, Absender-Identifikation und (in den USA) die Anforderungen des CAN-SPAM Act gelten für KI-verfasste E-Mails genauso wie für menschlich geschriebene. Sehen Sie sich den Compliance-Leitfaden der FTC an, wenn Sie entwickeln oder kaufen und das noch nicht geprüft haben.

Ein hybrider Ansatz, der die meisten Risiken vermeidet

Der pragmatische Mittelweg – und was wir den meisten Gründern empfehlen würden: Behalten Sie eine etablierte Plattform für Versand, Warm-up und Sequenzierung, und entwickeln Sie nur den Personalisierungsschritt als Custom Single-Call Agent, der seinen Output per API oder CSV in diese Plattform einspeist. Sie erhalten bewährte Zustellbarkeit, ohne sie neu aufbauen zu müssen, und Sie erhalten die Personalisierungstiefe, die fertige AI-Features nicht bieten. Das begrenzt Ihren Build-Scope auf die eine Komponente, bei der Custom-Entwicklung tatsächlich zahlt – anstatt Infrastruktur neu zu erfinden, die bereits zur Commodity geworden ist.

Ein weiterer Hebel, den es sich lohnt zu testen, unabhängig davon, für welchen Weg Sie sich entscheiden: was Sie den Prospect als nächstes tun lassen. In unserem eigenen Tool hat der Wechsel des Call-to-Action von „Termin buchen" – einem Kalender-Link – zu einem weichen „Antworten Sie mit JA" die Reply-Rates konstant gesteigert. Die Hürde der Terminbuchung kostet ansonsten interessierte Cold Leads, bevor sie überhaupt zu einem Gespräch kommen. Das ist ein günstiger Test, den Sie auf jeden Drafting-Ansatz aufsetzen können.

Wie Sie entscheiden

• Wenn Ihre aktuellen E-Mails generisch wirken und Ihnen deshalb Antworten entgehen, entwickeln Sie den Personalisierungsschritt – aber beginnen Sie mit einem LLM-Call, nicht mit einer Chain. Unsere eigenen Tests zeigten, dass die mehrstufige Scrape-Summarize-Plan-Draft-Review-Version mehr Token kostete und schlechtere Ergebnisse lieferte als ein einzelner Call mit dem vollständigen gescrapten Seiteninhalt im Kontext – weil jeder zusätzliche Schritt eine Chance war, vom Quellmaterial abzudriften oder ein Detail zu erfinden, das gar nicht auf der Seite stand.
• Wenn Ihr Problem ist, dass E-Mails überhaupt nicht in Posteingängen ankommen, kaufen Sie Versandinfrastruktur. Instantly und Smartlead haben bereits jahrelang Warm-up und Rotation optimiert, und kein noch so gut geschriebener KI-Text löst ein Zustellbarkeitsproblem.
• Wenn Sie nicht sicher sind, was das eigentliche Problem ist, messen Sie Reply-Rate und Inbox-Placement separat, bevor Sie eine einzige Zeile Code schreiben. In unserem Fall lag der Engpass weder beim Verfassen noch bei der Zustellbarkeit – sondern bei der Handlungsaufforderung selbst. Der Austausch von „Termin buchen" gegen ein weiches „Antworten Sie mit JA" hat die Reply-Rates stärker bewegt als jede Änderung an der Personalisierung.

Wenn Sie abwägen, ob sich der In-House-Aufbau lohnt oder wie Sie das scopen sollten, sprechen Sie uns an.