Wie du ein Call-Review-Scorecard baust (Gong, Modjo oder ein Spreadsheet)

Einer von fünfzig Sales Managern kümmert sich um die Qualität eines Calls. Fünfzig von fünfzig zählen Calls. Sie zählen, weil Zählen einfach ist. Ein Scorecard ist das günstigste Werkzeug, das die schwerere Frage erzwingt, und die meisten Teams, die Gong oder Modjo besitzen, haben immer noch keins, das es wert ist, genutzt zu werden.

Das ist für den VP of Sales oder Sales Manager, der die Aufnahmen hat, die Dashboards hat und dir trotzdem nicht sagen kann, ob seine Reps gute Discovery führen. Nach sieben Jahren und 1.400+ manuell reviewten B2B-SaaS-Calls in Benelux und DACH, die den Datensatz hinter meinem EU Sales Call Benchmark 2026 bilden, ist das Muster konsistent. Teams sind weit besser darin, die Infrastruktur von Sales aufzubauen, als darin zu inspizieren, was tatsächlich in einem Call passiert. Das Scorecard ist, wie du diese Lücke schließt.

Ein Call-Review-Scorecard ist ein strukturiertes Rubric, das ein Manager nutzt, um einen aufgenommenen Sales-Call gegen ein kleines Set definierter Skills zu bewerten, jeden 1–5 zu scoren und eine konkrete, mit Timestamp versehene Beobachtung pro Skill festzuhalten. Es ist keine Compliance-Checkliste, und es ist nicht dein Activity-Dashboard. Diese Unterscheidung ist das ganze Spiel, denn die meisten "Scorecards", die als Templates verkauft werden, sind in Wahrheit nur Call-Zählerei in einer hübscheren Tabelle.

1Bewerte Qualität, nicht Volumen

Hier ist der Test für jede Metrik auf deinem Scorecard: wenn sie keine Coaching-Action auslöst, gehört sie nicht dazu. Getätigte Dials, Talk-to-Listen-Ratio, geloggte Calls. Die werden getrackt, weil sie trackbar sind, nicht weil sie ändern, was ein Rep nächsten Montag tut. Ein A-Call unterscheidet sich grundlegend von einem B-Call, und kein Maß an Zählen sagt dir, welchen du gerade gehört hast.

Mein EU-Benchmark bewertet jeden Kern-Skill von zehn über die Teams, die ich reviewe. Diese Durchschnitte sind ernüchternd, und sie dienen zugleich als Referenzpunkte für dein eigenes Scorecard. Der Score eines Reps ist nicht nur eine Zahl, es ist eine Zahl gegen eine bekannte europäische Baseline.

EU Sales Call Benchmark, Durchschnitts-Score von 10 pro Skill (1.400+ Calls, 140+ Teams, Benelux & DACH).

2Die fünf Kriterien, die Deals tatsächlich vorhersagen

Widersteh dem Drang, alles zu bewerten. Ein Scorecard mit fünfundzwanzig Zeilen wird mechanisch ausgefüllt und nie gecoacht. Die Kriterien, die sich ihren Platz verdienen, sind die, bei denen meine Benchmark-Daten zeigen, dass Reps konstant versagen, und bei denen Verbesserung sichtbar Win-Rates verändert. Fünf Skills, nicht fünfundzwanzig:

3Bewerte 1 bis 5, nie Tick-Box

Binäres Scoring, bei dem Pain ja/nein erfasst und die DMU ja/nein verstanden wird, vereinfacht die nuancierte Natur von Discovery-Informationen massiv. Ein Rep kann technisch "nach Pain fragen" und nichts lernen. Die Lösung ist eine 1–5-Skala pro Kriterium, mit vorab definierten Bändern, sodass zwei Manager, die denselben Call reviewen, am selben Punkt landen.

Definier jedes Band konkret. Für Discovery ist eine 1 "keine Pain-Fragen gestellt", eine 3 "einen genannten Pain aufgedeckt, aber keinen Impact", und eine 5 "Impact quantifiziert und an eine vom Buyer bestätigte Business-Konsequenz gekoppelt". Ohne geschriebene Bänder driftet das Scoring, die Kalibrierung bricht zusammen, und das Scorecard ist innerhalb eines Quartals wertlos. Sei ehrlich: hat dein aktuelles Review geschriebene Bänder, oder bedeutet "gute Discovery" das, was der Manager an dem Tag gefühlt hat?

4Kann AI deine Calls bewerten? Achte auf AI Sales Psychosis

AI Sales Psychosis ist das falsche Gefühl von Kontrolle, das auftaucht, wenn Gong, Modjo und AI-Notetaker Reps und Managern sagen "keine Sorge, du hast den Pain erfasst", obwohl der Buyer nur das schwächste Signal gab. Ich habe es benannt, weil ich es immer wieder beobachtet habe. Als ich die AI-Analyse von Calls gegen die manuellen Reviews verglich, die die Basis meines Benchmarks 2026 bildeten, fand ich eine Diskrepanz von mehr als 30%.

Die Fehler waren spezifisch. Die AI markierte Pain-Kriterien grün, weil der Kunde mitnickte, während der Rep gängige Pains aufsagte. Sie markierte die DMU als "gut verstanden", obwohl die tatsächliche Antwort des Buyers lautete "ja, ich muss meinen Manager wahrscheinlich irgendwann einbeziehen". Large Language Models sind von Natur aus gefällig. Sie weichen Lücken auf, lassen schwache Discovery strukturiert aussehen und verwandeln Annahmen in CRM-Daten. Plötzlich glauben alle, der Deal sei besser qualifiziert, als er ist, bis genau zu dem Moment, in dem der Buyer den Status quo wählt, einen Wettbewerber, oder einfach verschwindet.

Du kannst AI-Scoring mit einer einzigen Prompt-Anweisung weit ehrlicher machen: verlange vom Modell, die exakte Transkript-Evidenz hinter jedem Urteil zu zitieren, sowohl die Frage, die der Seller stellte, als auch die Information, die der Buyer tatsächlich gab. Wenn die AI die Zeile nicht liefern kann, ist das Kriterium nicht erfüllt. Diese eine Regel verwandelt ein AI-Scorecard von einer Zuversichts-Maschine in einen echten Reviewer.

5Das Tool ist nur so gut wie die Disziplin des Teams

Conversational-Intelligence-Plattformen wie Gong können Coaching enorm verstärken, aber sie tragen drei Failure Modes, die es wert sind, benannt zu werden, bevor du in einer baust. Erstens der Big-Brother-Effekt: Reps schalten in sensiblen Momenten leise die Aufnahme ab, was genau die Daten verzerrt, die du bewertest. Zweitens das Ertrinken in Vanity-Metriken, wo Manager so viele Zahlen haben, dass sie keiner trauen. Drittens die Wartungslast, da Scorecards in diesen Tools ständige Pflege brauchen und vernachlässigte verrotten.

Nichts davon ist ein Argument gegen Gong oder Modjo. Es ist ein Argument dafür, dass die Plattform nicht die Disziplin schafft; der Manager tut es. Ein Scorecard in einem Spreadsheet, das ein Manager tatsächlich jede Woche nutzt, schlägt ein wunderschön konfiguriertes Gong-Scorecard, das niemand öffnet. Fang dort an, wo deine Disziplin ist, nicht dort, wo die Software ist.

6Sampling, keine Überwachung: die Kadenz, die es hängenbleiben lässt

Du musst nicht jeden Call bewerten. Um Call-Qualität wirklich zu erfassen, nimm wöchentlich oder zweiwöchentlich Zufallsstichproben und halte sie im Scorecard fest. Sampling ist für einen Manager mit sieben Reps nachhaltig, und es umgeht die Überwachungs-Dynamik, die Reps für die Aufnahme performen lässt statt für den Buyer. Die Kadenz läuft in einer wöchentlichen Schleife:

1. Sample. Zieh zwei oder drei zufällige Calls pro Rep pro Woche, nicht den handverlesenen besten des Reps.

2. Score. Bewerte die fünf Skills 1–5 gegen die geschriebenen Bänder. Halte eine spezifische Beobachtung pro Skill fest, mit Timestamp.

3. Coach eine Sache. Bring einen einzelnen Skill ins 1:1. Der schnellste Weg, Coaching nutzlos zu machen, ist, alle fünf Scores auf einmal über einem Rep auszukippen.

4. Lass sie es üben. Sag dem Rep nicht, was er tun soll, lass ihn es tun. Das Scorecard findet die Lücke; Roleplay schließt sie. AI-Roleplay-Tools wie Jam (wejam.ai), das ich genau dafür mitgegründet habe, lassen Reps den schwachen Skill in Menge proben, ohne Manager-Zeit zu verbrennen.

Dieser letzte Schritt ist der, den die meisten Teams überspringen, und er ist der Unterschied zwischen Feedback und Coaching. Einem Rep zu sagen "deine Discovery hat eine 2 bekommen" ändert nichts. Ein fünfminütiges Roleplay zu fahren, in dem er die Impact-Frage neu durchläuft, bis sie sitzt, ist das, was den nächsten Call bewegt.

Wo das Scorecard in ein Coaching-System passt: COMPASS

Ich habe COMPASS gebaut, nachdem ich meinem eigenen Team wirklich langweiliges Coaching gegeben hatte. Ich ritt meist auf einem Thema herum, bis sie abschalteten und mitten in der Session Slack-Nachrichten beantworteten. Das Framework ist ein Korrektiv für Manager wie den, der ich war. Gutes Coaching ist Continuous, Organized, Measured, Practical, Appealing, Specialized und Strategic.

Das Scorecard ist die Measured-Säule, das, was Coaching objektiv macht statt zum Bauchgefühl eines Managers. Aber ein Scorecard ohne die Practical-Säule (Roleplay, nicht Vortrag) und die Specialized-Säule (an die individuellen Ziele jedes Reps gekoppelt) ist nur Messung, und Messung allein entwickelt niemanden. Das ist auch, warum AI-Sales-Coaching-Tools, die Calls bewerten, aber nie Übung antreiben, meist enttäuschen: sie sind ganz M, kein P. Die Kadenz und die 1:1-Struktur rund um das Scorecard bekommen ihre eigene Behandlung in der Manager-Coaching-Kadenz.

Das Scorecard sagt dir, welcher Call ein B war und welcher ein A. Coaching ist das Einzige, was das B in ein A verwandelt, und du kannst nicht coachen, was du nie bewertet hast.

Wo du anfängst

Das Scorecard ist der einfache Teil. Du könntest das Fünf-Skill-Rubric oben in zehn Minuten bauen. Der schwere Teil ist die Manager-Gewohnheit: sampeln, scoren, eine Sache coachen, den Rep es üben lassen. Wenn du Hilfe willst, ein Scorecard in ein Coaching-System zu verwandeln, das deine Manager tatsächlich fahren, dafür ist meine Coaching-Arbeit gebaut. Und wenn du nicht sicher bist, wo die größte Qualitätslücke deines Teams sitzt, starte mit einer Baseline.