Qualitativ hochwertige Leads zu finden ist mühsame Arbeit. Wer je im Vertrieb oder Marketing tätig war, kennt das Einerlei: Browser öffnen, Unternehmen suchen, die zum eigenen Profil passen, deren Daten in eine Tabelle kopieren, wiederholen. Diese Anleitung zeigt, wie man den Großteil davon überspringt, indem man einen KI-Sales-Bot mit dem Crawlbase Web MCP baut, einen Assistenten, der öffentliche Firmen- und Kontaktdaten selbstständig sammelt und die Outreach-Texte vorformuliert.
Um das ehrlich und vertretbar zu halten, beschränkt sich dieser Build auf öffentliche Geschäftsdaten: Firmennamen, Websites, öffentliche Kontaktseiten, angegebene Branchen und die generischen E-Mail-Adressen, die ein Unternehmen für eingehende Anfragen veröffentlicht. Es werden keine login-gesperrten Inhalte gescrapt, keine personenbezogenen Daten gekauft oder gesammelt, und es wird nicht versucht, Einzelpersonen über das hinaus anzureichern, was ein Unternehmen selbst veröffentlicht. Der Abschnitt zu Ethik und Nutzungsbedingungen gegen Ende ist kein Boilerplate, also lesen Sie ihn, bevor Sie das Tool in echtem Volumen einsetzen.
Was ein KI-Sales-Bot mit dem Crawlbase Web MCP tatsächlich tut
Das Muster ist einfach, sobald man die beiden Hälften versteht. Claude (oder jeder MCP-fähige Client) liefert das Denken: Er liest Ihre Anfrage, entscheidet, welche Seiten es sich lohnt zu besuchen, und strukturiert das Ergebnis. Das Crawlbase Web MCP liefert die Hände: Es ruft Live-Seiten ab, rendert JavaScript-lastige Sites, überwindet gängige Blocks und gibt sauberen Inhalt zurück, den das Modell lesen kann.
Ein Sprachmodell allein kann das offene Web nicht zuverlässig durchsuchen. Der MCP-Server schließt diese Lücke. Er stellt eine kleine Reihe von Tools bereit, die das Modell aufrufen kann, um eine URL zu crawlen und zu lesen, sodass statt dem manuellen Einfügen von Seiteninhalten durch den Nutzer das Modell diese selbst anfordert und mit der strukturierten Ausgabe arbeitet. Wer das breitere Bild verstehen möchte, warum das wichtig ist, findet in Echtzeit-Webdaten für LLMs bereitstellen eine vertiefte Erläuterung.
Ein realistischer Ablauf sieht so aus: Sie beschreiben ein ideales Kundenprofil, der Bot findet passende Unternehmen, besucht die öffentliche Website und Kontaktseite jedes Unternehmens, zieht die angeforderten Felder heraus und liefert eine ordentliche Tabelle plus individuell formulierte Outreach-Texte. Kein Scraping-Skript, kein Proxy-Pool zu betreuen, keine Browser-Automatisierung zu pflegen.
Alles Folgende zielt auf Daten, die ein Unternehmen für die Öffentlichkeit bereitstellt: seine Website, die angegebene Branche und die generischen Kontaktadressen (sales@, hello@, info@), die es Menschen zur Nutzung anbietet. Dem Bot wird ausdrücklich untersagt, personenbezogene Daten über namentlich genannte Personen zu sammeln. Diese Grenze ist es, die die Arbeit vertretbar hält, und sie wird im Prompt durchgesetzt, nicht dem Zufall überlassen.
Wie die Teile zusammenpassen
Drei Komponenten erledigen die Arbeit, und es hilft, sie zu benennen, bevor man etwas verdrahtet.
Claude ist die Reasoning-Schicht
Das Modell zerlegt Ihre Anfrage in Schritte, entscheidet, welche Seiten es wert sind zu besuchen, wählt die zu extrahierenden Felder aus und formatiert das Ergebnis. Sie beschreiben in einfacher Sprache das gewünschte Ergebnis, und es plant den Weg. Diese Planung ist der Teil, den Sie sonst von Hand erledigen würden.
Das Web MCP ist die Crawling-Schicht
Der MCP-Server ermöglicht dem Modell den Zugriff auf das Live-Web. Er ruft die Seite hinter einer vertrauenswürdigen IP ab, rendert clientseitigen Inhalt, bewältigt gängige Anti-Bot-Hürden und gibt saubere Ausgabe zurück. Unter der Haube stützt er sich auf dieselbe Infrastruktur wie die Crawling API und der Smart AI Proxy, sodass Sie Echtzeit-Daten erhalten, ohne selbst eine Headless-Flotte und einen rotierenden Proxy-Pool zusammenzustellen.
Ihre Ausgabe sind strukturierte Leads plus Entwürfe
Sobald die Seiten zurückgekehrt sind, stellt das Modell jedes Unternehmen zu einer Zeile zusammen: Name, Website, öffentliche Kontakt-E-Mail, Branche, kurze Beschreibung, und formuliert dann eine kurze Outreach-Nachricht, die auf das abstimmt, was es auf der Website des jeweiligen Unternehmens gelesen hat. Sie können die Tabelle als CSV für ein CRM exportieren oder im Chat weiter iterieren.
Schritt 1: Das Web MCP installieren und konfigurieren
Das Web MCP läuft als lokaler Server, den Ihr MCP-Client startet. Öffnen Sie für Claude Desktop Einstellungen, Entwickler, Konfiguration bearbeiten, und fügen Sie den Crawlbase-Server zum mcpServers-Block hinzu. Die folgende Konfiguration verweist den Client auf das veröffentlichte Paket und übergibt Ihre Token über die Umgebung.
{ "mcpServers": { "crawlbase": { "command": "npx", "args": ["-y", "crawlbase-mcp"], "env": { "CRAWLBASE_TOKEN": "YOUR_NORMAL_TOKEN", "CRAWLBASE_JS_TOKEN": "YOUR_JS_TOKEN" } } } }
Zwei Token, beide aus Ihrem Crawlbase-Dashboard. Das normale Token ruft statisches HTML ab; das JavaScript-(JS-)Token rendert die Seite zuerst in einem echten Browser. Unternehmensseiten, die ihren Inhalt clientseitig aufbauen, benötigen das JS-Token, also halten Sie beide bereit und lassen Sie den Bot wählen. Speichern Sie die Konfiguration und starten Sie den Client neu, damit er den neuen Server erkennt.
Das normale Token ist schneller und günstiger und funktioniert bei einfachen serverseitig gerenderten Seiten. Das JS-Token startet einen echten Browser und ist notwendig für Sites, die ihren Inhalt mit JavaScript laden. Viele Marketing-Sites sind statisch genug für das normale Token; greifen Sie zum JS-Token, wenn eine Seite dünn oder leer zurückkommt.
Schritt 2: Bestätigen, dass die Tools aktiv sind
Nach dem Neustart sollte Ihr Client die Crawlbase-Tools auflisten (typischerweise ein Crawl-Tool und ein Read-Tool). Ein schneller Plausibilitätscheck besteht darin, das Modell zu bitten, eine bekannte öffentliche Seite abzurufen und zusammenzufassen. Gibt es echten Inhalt statt einer Entschuldigung, kein Web-Zugang zu haben, ist der Server korrekt verdrahtet.
Using the Crawlbase Web MCP, fetch https://example.com and give me a one-line summary of what the company does.
Kommt eine echte Zusammenfassung zurück, ruft das Modell die MCP-Tools auf und liest Live-Seiten. Sie sind bereit, ihm den eigentlichen Auftrag zu erteilen.
Schritt 3: Dem Bot sein Sales-Briefing geben
Nun sagen Sie dem Bot, was er sammeln soll und, ebenso wichtig, was nicht. Der folgende Prompt setzt die Rolle, begrenzt die Suche auf öffentliche Geschäftsdaten, nennt die genauen Felder und verbietet personenbezogene Daten ausdrücklich. Behandeln Sie ihn als System-Anweisung und fügen Sie ihn in ein neues Gespräch ein.
You are an AI sales bot. You use the Crawlbase Web MCP to gather PUBLIC business data only and to draft outreach. Rules: - Collect only data a company publishes publicly: company name, website, listed industry, public description, and the generic contact email on the site (e.g. sales@, hello@, info@). - Do NOT collect personal data about named individuals. - Do NOT guess or pattern-build emails. Use only what is published. - If a field is not public, leave it blank rather than inferring it. For each company, return a row with: Company Name, Website, Contact Email, Industry, Description, and a 2-sentence draft outreach note referencing something specific from their site.
Die beiden "Do NOT"-Zeilen leisten echte Arbeit. Sie halten den Bot auf veröffentlichten, firmenbezogenen Daten und hindern ihn daran, Adressen zu erfinden, was sowohl ein Genauigkeits- als auch ein Ethikproblem ist. Sobald die Rolle gesetzt ist, senden Sie das eigentliche Ziel in einer Folgenachricht.
Find 10 B2B SaaS companies in Singapore that offer CRM or marketing automation. For each, visit the company site and its public contact page, then fill in the row format above.
Das Web MCP gibt Ihrem Assistenten mit einer Installation Live-Webzugang. Es rendert JavaScript-Seiten, überwindet gängige Blocks und gibt dem Modell saubenen Inhalt zum Lesen zurück, sodass Ihr Sales-Bot echte, aktuelle öffentliche Firmendaten ohne eigenen Crawler oder Proxy-Pool abruft. Starten Sie im kostenlosen Tarif und testen Sie es zunächst an einer Handvoll öffentlicher Seiten.
Schritt 4: Den Bot crawlen und formulieren lassen
Mit Briefing und Ziel an Ort und Stelle plant der Bot seinen Lauf. Er identifiziert Kandidatenunternehmen, ruft das MCP-Crawl-Tool für die öffentliche Website und Kontaktseite jedes Unternehmens auf, liest das Ergebnis und füllt das von Ihnen definierte Zeilenformat aus. Da das Modell den tatsächlichen Seitentext sehen kann, kann der von ihm verfasste Outreach-Entwurf auf etwas Konkretes verweisen: eine Produktlinie, einen kürzlichen Launch, einen genannten Schwerpunkt, statt generischer Füllsel.
Ein gekürztes Beispiel der Ausgabe:
[ { "companyName": "Acme CRM", "website": "https://acmecrm.example", "contactEmail": "[email protected]", "industry": "B2B SaaS / CRM", "description": "Pipeline and contact management for SMB teams.", "draftNote": "Saw your pipeline-automation focus for SMB teams..." } ]
Bitten Sie den Bot, dieselben Daten als CSV darzustellen, und Sie können sie direkt in eine Tabelle oder einen CRM-Import einfügen. Der Entwurf bleibt ein Entwurf: ein Ausgangspunkt, den Sie bearbeiten, keine Nachricht zum ungeprüften Versenden.
Schritt 5: Die Schleife verfeinern
Der erste Lauf ist selten der endgültige. Einige kleine Ergänzungen machen den Bot in der Praxis deutlich nützlicher, und jede ist eine einzeilige Folgenachricht im Chat, kein neuer Code.
Vor dem Vertrauen validieren
Nicht jede veröffentlichte Adresse wird überwacht, und generische Posteingänge variieren in ihrer Qualität. Bitten Sie den Bot, Zeilen zu markieren, bei denen die Kontakt-E-Mail wie eine Catch-All-Adresse aussieht oder die Kontaktseite fehlte, damit Sie die sauberen priorisieren können. Das ist ein Qualitätsfilter, keine Anreicherung personenbezogener Daten.
Über Läufe hinweg deduplizieren
Führen Sie den Bot mehrmals mit überlappenden Kriterien aus, und dasselbe Unternehmen taucht zweimal auf, manchmal unter leicht abweichenden Namen. Lassen Sie ihn Domains vergleichen und Duplikate zusammenführen, bevor er die Tabelle zurückgibt. Das hält Ihre Liste ordentlich und verhindert, dass Sie dasselbe Unternehmen zweimal kontaktieren.
Das Targeting verfeinern
Das gesamte System ist nur ein Prompt, daher ist das Neuausrichten auf ein neues Ziel einen Satz entfernt. Tauschen Sie eine neue Branche, Region oder Nische ein und der Bot passt sich an. Je spezifischer das Briefing, desto relevanter die Ergebnisse, also setzen Sie lieber auf präzise Anfragen wie "Fintech-Unternehmen in Kanada mit Kredit- oder Zahlungsangeboten" als auf breite. Für fortgeschrittenere mehrstufige Setups geht KI-Agenten-Workflows mit dem Crawlbase Web MCP aufbauen über einen einzelnen Prompt hinaus.
Wo das in einen echten Sales-Stack passt
Ein solcher Bot ist kein Ersatz für ein CRM oder ein Sequenzierungstool; er ist das Recherche-Frontend, das sie speist. Er wandelt "erstell mir eine Liste" von einem nachmittäglichen Tab-Chaos in ein Gespräch um, und er hält die Daten aktuell, weil jeder Lauf Live-Seiten abruft statt einen alten Export wiederzuverwenden. Wer abwägt, verwalteten Web-Zugang gegen eine eigene Proxy-Schicht einzusetzen, findet in KI-Proxy-Anwendungsfälle eine Darstellung, wo jeder Ansatz seinen Wert beweist.
Eine Einordnung, die man festhalten sollte: Veröffentlichte Branchenzahlen zur Lead-Recherche-Zeit variieren stark und lassen sich leicht herauspicken, also sollte man jede "spart X Stunden"-Behauptung, einschließlich solcher, die man intern zu machen versucht sein könnte, als Richtungsgröße statt als präzise Angabe behandeln. Der echte Gewinn liegt in der Konsistenz: Der Bot sammelt jedes Mal dieselben Felder auf dieselbe Weise, was von Hand schwerer ist, als es klingt.
Der ehrliche Teil: Nutzungsbedingungen und personenbezogene Daten
Geschäftsdaten von öffentlichen Sites zu sammeln bewegt sich in einer Grauzone, und ob ein bestimmter Lauf erlaubt ist, hängt von den Nutzungsbedingungen jeder Site, Ihrer Rechtsordnung und dem Verwendungszweck der Daten ab. Viele Sites beschränken automatisierten Zugriff in ihren Nutzungsbedingungen, sodass Scraping gegen diese Bedingungen verstoßen kann, unabhängig davon, wie sorgfältig Ihr Tooling ist. Das MCP macht den technischen Teil funktionsfähig; es ändert nichts an den Regeln, unter denen Sie operieren.
Einige Grundsätze, die es wert sind, einzuhalten: Sammeln Sie nur öffentliche, firmenbezogene Daten, also Namen, Websites, angegebene Branchen und die generischen Kontaktadressen, die ein Unternehmen für eingehende Anfragen veröffentlicht. Erheben Sie keine personenbezogenen Daten über namentlich genannte Personen, bauen Sie keine E-Mail-Adressen nach Mustern auf oder erraten Sie sie, und ziehen Sie nichts hinter einem Login hervor. Respektieren Sie die robots.txt jeder Site und die angegebenen Rate-Erwartungen, und halten Sie das Anfragevolumen so niedrig, dass Sie niemandes Server belasten. Wenn Sie tatsächlich Outreach versenden, befolgen Sie die für Sie geltenden Anti-Spam-Gesetze, geben Sie den Menschen eine klare Möglichkeit zum Opt-out, und halten Sie sie ein.
Diese Anleitung ist bewusst auf öffentliche Geschäftsdaten beschränkt, weil das die Grenze ist, die die Arbeit vertretbar hält. Wenn Ihr Projekt reichhaltigere Kontaktdaten benötigt, ist der richtige Weg eine zustimmungsbasierte Quelle oder ein offizieller Anbieter, kein clevererer Crawler. Derselbe verwaltete Zugang, der das Web MCP antreibt, also die Crawling API, der AI Proxy und die Crawling API, ist für verantwortungsvolle Public-Data-Erhebung gebaut, nicht dafür, Zustimmung zu umgehen.
Wichtigste Erkenntnisse
- Zwei Hälften, ein Bot. Claude denkt und plant; das Crawlbase Web MCP ruft Live-Seiten ab und rendert sie. Zusammen recherchieren sie und formulieren Outreach-Texte ohne Scraping-Code.
- Installation ist Konfiguration, kein Code. Crawlbase-Server in die Konfiguration Ihres MCP-Clients mit normalem und JS-Token eintragen, neu starten und bestätigen, dass die Tools aktiv sind.
- Der Prompt ist das Produkt. Rolle setzen, auf öffentliche Daten begrenzen, Felder nennen und personenbezogene Daten verbieten. Neuausrichten ist eine einzige Folgesatz.
- JS-Token für gerenderte Sites. Das normale Token für statische Seiten verwenden, das JS-Token wenn Inhalt clientseitig lädt.
- Auf öffentliche, firmenbezogene Daten beschränkt bleiben. Keine login-gesperrten Inhalte, keine erratenen E-Mails, keine personenbezogenen Daten über Einzelpersonen. Nutzungsbedingungen, robots.txt und Anti-Spam-Gesetze respektieren.
Häufig gestellte Fragen
Was ist ein KI-Sales-Bot, der auf dem Crawlbase Web MCP aufbaut?
Es ist ein Assistent, der das Denken eines Sprachmodells mit dem Live-Web-Zugang des Crawlbase Web MCP verbindet. Sie beschreiben ein ideales Kundenprofil, das Modell plant die Suche und ruft die MCP-Tools auf, um öffentliche Unternehmensseiten zu crawlen, und gibt strukturierte Leads plus Outreach-Entwürfe zurück, ohne dass Sie einen Scraper schreiben oder einen Proxy-Pool betreiben.
Muss ich Code schreiben, um das aufzubauen?
Nein. Der Build besteht aus einem Konfigurationseintrag plus Prompts. Sie fügen den Crawlbase-Server in die Konfiguration Ihres MCP-Clients mit Ihren Token ein, starten neu, dann geben Sie dem Bot einen Rollen-Prompt und ein Ziel. Das Modell übernimmt das Crawlen und Formatieren über die MCP-Tools.
Verwende ich das normale Token oder das JS-Token?
Beide. Fügen Sie beide in die Konfiguration ein und lassen Sie den Bot seitenweise wählen. Das normale Token ruft statisches HTML ab und ist schneller; das JS-Token rendert die Seite zuerst in einem echten Browser und ist notwendig für Sites, die ihren Inhalt mit JavaScript aufbauen. Wenn eine Seite dünn oder leer zurückkommt, wechseln Sie diesen Fetch zum JS-Token.
Kann der Bot persönliche E-Mail-Adressen für bestimmte Personen finden?
Er sollte es nicht, und diese Anleitung weist ihn an, es nicht zu tun. Der Prompt beschränkt die Sammlung auf öffentliche, firmenbezogene Daten wie generische Kontaktadressen (sales@, hello@, info@) und verbietet das Erraten oder musterbasierte Aufbauen persönlicher E-Mails. Das Erheben oder Erschließen von Daten über namentlich genannte Personen ist hier bewusst außerhalb des Geltungsbereichs, sowohl aus Genauigkeits- als auch aus Compliance-Gründen.
Wie genau sind die vom Bot zurückgegebenen Daten?
Sie sind so genau wie die gelesenen Seiten, weshalb der Prompt ihn anweist, ein Feld leer zu lassen statt es zu erschließen. Öffentliche Sites können veraltet oder inkonsistent sein, also fügen Sie einen Validierungsschritt hinzu: Lassen Sie den Bot fehlende Kontaktseiten oder Catch-All-Adressen markieren, und überprüfen Sie die Zeilen vor jeglichem Outreach. Behandeln Sie Entwurfsnotizen als Ausgangspunkte, die Sie bearbeiten, nicht als fertige Nachrichten.
Ist es legal, einen solchen Bot zur Lead-Generierung zu verwenden?
Das hängt von den Nutzungsbedingungen jeder Site, Ihrer Rechtsordnung und Ihrem Zweck ab, und viele Sites beschränken automatisierten Zugriff. Beschränken Sie sich strikt auf öffentliche, firmenbezogene Daten, respektieren Sie robots.txt und Rate-Erwartungen, und sammeln Sie niemals personenbezogene Daten oder login-gesperrte Inhalte. Wenn Sie Outreach versenden, befolgen Sie die für Sie geltenden Anti-Spam-Gesetze und bieten Sie eine klare Opt-out-Möglichkeit an. Für reichhaltigere Kontaktdaten verwenden Sie eine zustimmungsbasierte Quelle statt eines aggressiveren Crawlers.
Crawlen Sie jede Website im großen Maßstab, ohne gegen die Infrastruktur zu kämpfen.
Crawlbase übernimmt Proxys, Fingerprints und CAPTCHAs, damit Ihr Team Datenpipelines ausliefert, statt Crawl-Infrastruktur zu pflegen. 1.000 Anfragen kostenlos, keine Karte erforderlich.