Von Airtable-Flickwerk zur skalierbaren KI-Vertriebsplattform
Wir haben den Lead-Gen-Engpass diagnostiziert, das bestehende Setup stabilisiert, sodass der Umsatz nie stoppte, und es dann als KI-first-Produkt neu gebaut — und dabei die gebuchten Meetings etwa verdreifacht.
Branche
B2B SaaS · Vertrieb
Zeitraum
8-week MVP · 12-week product
Kennzahl
~3× gebuchte Meetings
Status
Live
Die Herausforderung
WeProspectify betrieb sein gesamtes Prospecting auf einem fragilen Stack aus Airtable, Tabellen und ein paar n8n-Flows. Es funktionierte — gerade so — aber es skalierte nicht, brach unter Last zusammen und kostete jede Woche Stunden manueller Arbeit. Das Schwierige: Das Flickwerk war zugleich der laufende Umsatzmotor. Man konnte es nicht abschalten, um es zu reparieren.
- 20+ Stunden pro Woche durch manuelle Lead-Recherche und Listenaufbau verloren
- Ein brüchiges Airtable-+-n8n-Setup, das mit steigendem Volumen brach
- Outreach über viele Tools verstreut, ohne zentrale Datenquelle
- Kein sauberes Schema als Basis — jeder neue Kanal bedeutete mehr Bastelei
Die Lösung
Wir begannen mit einer Diagnose, nicht mit einem Rebuild. Zuerst stabilisierten wir das bestehende Airtable-+-n8n-Engine, damit das Team weiter Meetings buchte, während wir arbeiteten. Dann — unter dem laufenden System — re-architekturierten wir es zu einem skalierbaren, KI-first-Produkt auf einem sauberen Schema und migrierten ohne Ausfallzeit.
Technischer Ansatz
Der Produktiv-Rebuild läuft auf Next.js + Supabase mit einem sauberen, skalierbaren Schema. n8n orchestriert Lead-Anreicherung und Multi-Channel-Sequenzierung über Smartlead, HeyReach und Airtable. OpenAI übernimmt die Personalisierung, und eine MCP-Schicht lässt das System mit KI-Agenten wachsen statt mit mehr manueller Bastelei. Stripe übernimmt die SaaS-Abrechnung. Ein Partner vom scrappy MVP bis zur Produktivplattform.
Ergebnisse
Gebuchte Meetings / Monat
Manuelle Prospecting-Zeit
Time-to-Product
Wichtige Erkenntnisse
- Erst stabilisieren, dann neu bauen — der Umsatzmotor lief die ganze Zeit weiter
- Ein sauberes Schema und eine MCP-Schicht lassen das Produkt mit KI-Agenten skalieren, nicht mit mehr Handarbeit
- Ein Senior-Partner über MVP und Produktiv-Rebuild hinweg — null Kontextverlust
Tech Stack
Ähnliche Projekte
Eine Lead-Pipeline, die sich selbst betreibt
14 vernetzte Workflows die eine Single Source of Truth für alle Lead-Daten schaffen.
Mehr aus der Wartezeit am Flughafen machen
Reiseplattform die Passagieren hilft, Flughafen-Layovers mit Echtzeit-Daten optimal zu nutzen.
Dein Projekt könnte das nächste sein
Lass uns besprechen, wie wir dir helfen können, ähnliche Ergebnisse zu erzielen.