KI-Agenten im Marketing-Workflow: warum die Produktivitätsgeschichte nur zur Hälfte stimmt

Die Diskussion über KI-Agenten im Marketing hat eine geradezu atemlose Dynamik erreicht. Anbieter bringen agentische Funktionen in jede Ebene des Stacks. Salesforces Agentforce, Ende 2024 gestartet und inzwischen quer durch Enterprise-Deployments eingebettet, lässt Marketingteams autonome Agenten bauen, die Lead-Qualifizierung, Content-Personalisierung und Kampagnen-Pacing übernehmen, ohne dass ein Mensch jeden Schritt freigibt. Microsofts Copilot Studio erlaubt eine ähnliche Orchestrierung über Dynamics und Teams hinweg. Das Versprechen ist überall dasselbe: Agenten erledigen die repetitive Arbeit, Menschen die strategische, und die ganze Maschine läuft schneller.

Dieses Versprechen ist nicht falsch. Aber es ist auf eine Weise unvollständig, die auf CMO-Ebene zählt.

Die vorherrschende Sichtweise

Das gängige Argument geht ungefähr so. Marketing Operations waren immer schon durch repetitive Aufgaben mit geringem Urteilsanteil ausgebremst: Performance-Reports ziehen, Creative Assets skalieren, Listen segmentieren, Betreffzeilen A/B-testen, Leads in die richtige Sequenz routen. Generative KI hat Content in großem MaMaUsing software to automate repetitive marketing tasks and campaigns, enabling personalisation at scale across channels like email, web, and social.Vollständige Definition ansehen →ßstab übernommen, Agenten übernehmen Workflows in großem Maßstab. Zusammen heißt das: Ein kleines Team liefert den Output, für den früher ein deutlich größeres nötig war.

Forresters Research über 2025 hinweg zeigte starkes Interesse der Unternehmen an agentischer KI, wobei Marketing und Vertrieb als die beiden Funktionen genannt wurden, in denen der Einsatz am ehesten früh erfolgt. Die Intuition dahinter ist stimmig: Marketing-Workflows sind relativ gut dokumentiert, die Dateninputs sind oft strukturiert, und die Fehlerfolgen sind weniger katastrophal als etwa bei autonomen Agenten in der Financial Compliance oder der medizinischen Triage. Eine schlechte E-Mail-Betreffzeile kostet weniger als eine schlechte Kreditentscheidung.

Befürworter verweisen außerdem auf den Zinseszinseffekt. Ein Agent, der nachts Wettbewerbsbeobachtung fährt, speist ein Briefing, das ein anderer Agent entwirft und das ein Mensch dann in zwanzig Minuten überarbeitet, statt es in zwei Stunden von Grund auf zu schreiben. Der Hebel ist real, und Organisationen, die ihre Daten sauber strukturiert haben, sehen ihn bereits.

Wo die Geschichte kompliziert wird

Das Produktivitätsargument wird benutzt, um etwas Folgenreicheres zu rechtfertigen: eine strukturelle Ausdünnung der Marketing-Expertise auf mittlerer Ebene. Genau dieser Teil verdient mehr Prüfung.

Wenn ein Agent die Audience-Segmentierung dauerhaft übernimmt, entwickeln die Menschen, die das früher gemacht haben, keine Intuition mehr für das Verhalten von Zielgruppen. Die Fähigkeit verkümmert. Für einen CMO entsteht dadurch eine Abhängigkeit, die leicht zu übersehen ist, weil die Outputs gut aussehen, manchmal besser als gut, genau bis zu dem Punkt, an dem sie es nicht mehr tun. Der Agent optimiert auf die Signale, die ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → messen kann. Er weiß nicht, dass ein Wettbewerber gerade die Positionierung geändert hat, dass die Beziehung zu einem Vertriebspartner angespannt ist oder dass der CFO gleich eine Prognoseanpassung verkündet, die den aktuellen Kampagnenton zum Problem macht. Das sind Urteilsfragen, die Menschen brauchen, die aufmerksam sind und Kontext haben, an den der Agent nicht herankommt.

Es gibt außerdem ein Datenqualitätsproblem, das die Anbieternarrative meist überspringt. Agenten sind nur so kohärent wie die Systeme, aus denen sie lesen. Salesforce (ein Anbieter mit direktem kommerziellem Interesse an agentischer Adoption) hat Zahlen veröffentlicht, die erhebliche Produktivitätssteigerungen durch Agentforce-Deployments nahelegen, aber diese Zahlen sollte man bestenfalls als Richtungsangabe behandeln und gegen unabhängige Audits prüfen, bevor man damit Headcount-Entscheidungen rechtfertigt. Die Enterprise-Deployments, die Schwierigkeiten hatten, teilen meist ein gemeinsames Merkmal: CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen →- und CDPCDPA Customer Data Platform unifies customer data from all sources into persistent, actionable profiles that other systems can use.Vollständige Definition ansehen →-Daten, die ohnehin schon fragmentiert, uneinheitlich getaggt oder schlecht gouverniert waren. Agenten auf schmutzigen Daten liefern nicht nur schwächere Ergebnisse, sie produzieren selbstbewusst aussehende Fehler, die schwerer zu entdecken sind als offensichtliche Ausfälle.

Der Effekt zweiter Ordnung, über den fast niemand ernsthaft spricht, ist die Verwässerung von Verantwortlichkeit. Wenn eine Kampagne unterperformt, dreht sich das Post-mortem zunehmend um die Frage, welcher Agent welche Entscheidung getroffen hat und warum. Die meisten aktuellen agentischen Frameworks erzeugen keine Audit Trails, die für einen nicht-technischen Marketer interpretierbar sind. Ein CMO, der einem CEO oder Board nicht erklären kann, warum eine Kampagne aus dem Ruder lief, weil die Entscheidungskette durch drei miteinander verbundene Agenten lief, steht strukturell schwach da, egal wie gut die durchschnittliche Performance aussieht.

Es gibt auch eine Wettbewerbsdynamik, die Beachtung verdient. Wenn jedes Unternehmen dieselben zugrunde liegenden Modelle nutzt, auf ähnlichen kommerziellen Daten fine-getunt, über dieselben Anbieterplattformen laufend, dann schöpft die erzeugte Personalisierung und kreative Differenzierung aus einem schrumpfenden Pool echter Variation. Homogenisierung ist ein reales Risiko. CocaCocaCustomer Acquisition Cost: total sales and marketing spend divided by the number of new customers acquired over the same period.Vollständige Definition ansehen →-Cola, Unilever und eine Direct-to-Consumer-Challenger-Marke kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnten im Prinzip Kampagnentexte über Systeme erzeugen, die sich zu 80 % dieselbe zugrunde liegende Logik teilen.

Was ein guter Operator tatsächlich tun sollte

Der richtige Rahmen ist nicht "Agenten einführen" gegen "abwarten". Es geht darum, zu entscheiden, welche Workflows von agentischer Automatisierung profitieren und welche gerade deshalb menschenintensiv bleiben müssen, weil sie die institutionelle Fähigkeit aufbauen, die den Rest der Strategie zusammenhält.

Routine-Reporting, Asset-Skalierung, Listenpflege, einfaches Performance-Monitoring: automatisieren. Die kognitive Last ist hoch, der strategische Wert niedrig, und die Fehlerfolgen sind reparabel. Befreien Sie Ihr Team von diesen Aufgaben und nehmen Sie es dafür in die Pflicht, die gewonnene Zeit für das zu nutzen, was Agenten nicht können: Marktbeobachtung, Beziehungspflege, Positionierungsarbeit und kreatives Urteil.

Bei Workflows mit höherem Einsatz lassen Sie Agenten im Copilot-Modus laufen, nicht im Autopilot-Modus. Der Agent entwirft die Logik der Audience-Segmentierung, ein Senior Analyst prüft und gibt frei. Der Agent markiert Anomalien in der Kampagnen-Performance, ein Mensch entscheidet, was damit passiert. So bleiben Fähigkeiten lebendig und Verantwortlichkeit sichtbar.

Zur Frage der Dateninfrastruktur: Bevor Sie die agentische Abdeckung ausweiten, prüfen Sie, was die Agenten tatsächlich lesen werden. Eine zweiwöchige Datenqualitätsprüfung vor einem agentischen Deployment spart Monate späterer Verwirrung. Das ist unglamouröse Arbeit, aber sie macht den Unterschied zwischen einem Agenten, der gute Entscheidungen beschleunigt, und einem, der schlechte Daten im Tempo verstärkt.

Und schließlich: Nehmen Sie Anbieter bei der Interpretierbarkeit in die Pflicht. Bitten Sie Salesforce, Adobe oder wen auch immer Sie im Stack haben, Ihnen zu zeigen, wie ein Audit Trail für eine konkrete Agentenentscheidung aussieht. Wenn die Antwort vage ist oder ein Professional-Services-Projekt zur Entschlüsselung braucht, ist das eine Information, die Sie haben sollten, bevor Sie weitergehen.

Die Produktivitätsgewinne aus agentischem Marketing sind real, und Organisationen, die sie ignorieren, fallen zurück. Aber die CMOs, die in drei Jahren gut dastehen, sind die, die den Einsatz von Agenten als Frage der Organisationsgestaltung behandelt haben und nicht als Frage der Technologiebeschaffung.