KI im Marketing: Agenten auf meinen eigenen Marketingdaten
Warum ich KI im Marketing nicht als Textmaschine lerne, sondern als Kollegen, der echte Zahlen liest, und warum genau darin dein Angebot stecken kann.
01
Der Moment
Oktober 2026. Die ersten Kampagnen meines Meta-Ads-Experiments sind live, und das Protokoll dessen, was Claude geändert hat und warum, wird jeden Tag länger. Kein Abo für Anzeigenverwaltung, keine Optimierungsplattform. Claude Code baut die Anzeigen, schaltet sie live, liest die Ergebnisse und optimiert auf Leads.
Angefangen hat es mit einer Frage, die du wahrscheinlich aus deinem Arbeitsalltag kennst. Warum bezahlen so viele Unternehmen jeden Monat für Werkzeuge, die ihre Werbung verwalten sollen, wenn das eigentliche Problem fast nie das Werkzeug ist? Die Kampagnen laufen, die Zahlen sind da, und trotzdem weiß am Montagmorgen niemand genau, was letzte Woche funktioniert hat.
Ich erzähle dir das, weil du vermutlich auf der anderen Seite dieser Frage sitzt. Du bist die Person, die am Montag die Zahlen aus mehreren Tools zusammensucht, sie in eine Präsentation kopiert und dann gefragt wird, warum die Kosten pro Anfrage gestiegen sind. Genau diese Arbeit verändert sich gerade. Wer früh versteht wie, hat etwas zu verkaufen.
02
Was schiefging
Was am Anfang schiefgeht, geht bei fast allen schief. Man denkt, KI im Marketing heißt Texte. Das ist der sichtbarste Teil, und es ist der Teil, der am schnellsten wertlos wird. Wenn jeder in Sekunden einen ordentlichen Anzeigentext erzeugen kann, ist ein ordentlicher Anzeigentext nur noch die Grundlinie. Wer seine Selbstständigkeit darauf baut, Texte mit KI schneller zu schreiben als andere, baut auf einem Boden, der gerade wegsackt.
Der zweite Fehler ist subtiler. Man gibt einem Agenten Zugriff auf alles und erwartet, dass er klug damit umgeht. Ein Agent, der auf verstreute, widersprüchliche Zahlen schaut, rät. Er rät höflich und überzeugend, aber er rät. Wenn das Werbekonto eine Zahl sagt und die Website eine andere, hat jedes Tool für sich recht, und zusammen ergeben sie keinen Sinn. Diesen Widerspruch kann nur jemand auflösen, der entscheidet, welche Zahl was bedeutet.
Und der dritte Fehler: Man fängt mit dem Sammeln an statt mit den Fragen. Erst alles in eine Datenbank kippen und dann schauen, was man damit macht, endet fast immer in einem Datenfriedhof, den niemand mehr öffnet. Die richtige Reihenfolge ist umgekehrt. Erst die Fragen, dann die Zahlen, die sie beantworten, dann die Agenten.
03
Was ich ausprobiert habe
Das Meta-Ads-Experiment läuft, es ist früh, und ich schreibe bewusst nicht vorab, dass es funktioniert. Wie viel Budget es bisher bewegt hat und wie viele Leads dabei herauskamen, steht noch nicht fest genug, um es hier hinzuschreiben. Sobald es belastbare Zahlen gibt, stehen sie auf der Experimentseite und als Eintrag im Changelog hier.
Daneben baue ich das Fundament, auf dem solche Agenten überhaupt sinnvoll arbeiten können: ein Marketing-Data-Warehouse in BigQuery. Für ein kleines Unternehmen ist das erstaunlich günstig, weil man nur für das bezahlt, was man speichert und abfragt. Unter Machen steht, wie ich daraus ein Angebot gemacht habe.
04
Was ich jetzt weiß
Was ich jetzt weiß, lässt sich in einem Satz sagen: Die KI ist austauschbar, die Daten sind es nicht. Nächstes Jahr gibt es ein besseres Modell. Wer seine Arbeit an ein bestimmtes Tool hängt, fängt jedes Mal von vorn an. Wer die Daten eines Unternehmens in Ordnung gebracht hat, steckt das neue Modell oben drauf und ist sofort weiter. Für dich ist das eine gute Nachricht, denn das Ordnen ist Arbeit, die du heute schon halb machst, nur ohne dass jemand dafür bezahlt.
Ich weiß auch, wie eng man einem Agenten die Aufgabe fassen muss. Ein Agent, der jeden Montag schreibt, was sich in der letzten Woche verändert hat und warum. Ein Agent, der Kampagnen prüft und sagt, wo Geld ohne Ergebnis hinfließt. Je enger die Aufgabe, desto verlässlicher das Ergebnis. Ein Agent, der alles können soll, kann am Ende nichts zuverlässig. Du kennst das von jedem guten Briefing.
Ich weiß, wo der Mensch bleiben muss. Ein Agent kann eine Kampagne pausieren. Ob er das allein darf, ist eine Frage von Vertrauen, und Vertrauen baut man bei Software in kleinen Schritten auf. Bei einem kleinen Budget darf er mehr, bei einem großen weniger. Diese Grenzen zu ziehen und dafür geradezustehen ist eine Aufgabe, für die Unternehmen jemanden brauchen werden, der Marketing versteht und Agenten führen kann.
Damit verschiebt sich, wofür man im Marketing bezahlt wird. Lange hat man dafür bezahlt, dass jemand weiß, wie Kampagnen funktionieren. Dieses Wissen steckt jetzt im Modell. Bezahlt wird künftig, wer das System baut, in dem dieses Wissen mit den Zahlen eines bestimmten Unternehmens arbeitet, und wer dafür sorgt, dass es läuft. Wenn du überlegst, was du nach deinem Ausstieg verkaufen könntest: Für dieses Angebot brauchst du keine Agentur und kein Team, sondern Urteil und ein paar saubere Entscheidungen.
Kleine Unternehmen haben dabei zum ersten Mal einen echten Vorteil, und damit auch du, wenn du für sie arbeitest. Ein Konzern braucht für ein Warehouse ein Projekt mit Budget und Laufzeit. Ein kleines Unternehmen braucht ein paar klare Entscheidungen und wenige Wochen. Die Werkzeuge sind dieselben.
05
Offene Frage
Wie viel Entscheidungsfreiheit gibst du einem Agenten, der Geld ausgibt? Ich habe dafür noch keine Regel, die ich jedem empfehlen würde. Im Moment entscheide ich das von Fall zu Fall, und das skaliert nicht. Wenn ich eine Antwort habe, steht sie hier als neuer Eintrag im Changelog.
06
Changelog
Erste Fassung. Nichts hier wird still umgeschrieben: Jede spätere Änderung steht als eigener Eintrag in diesem Changelog.