Was wir delegieren können. Und was bei uns bleibt.
Im ersten Teil ging es um Menschen. Um Aufmerksamkeit, Motive, Relevanz und die Frage, warum jemand überhaupt reagieren sollte. Daran ändert künstliche Intelligenz erstaunlich wenig. An unseren Möglichkeiten, daraus wirksames Marketing zu machen, ändert sie sehr viel.
Plötzlich lassen sich Tausende Kundenanfragen auswerten, verstreute Dokumente erschließen und Suchanfragen nach ihrem Anliegen ordnen. Chatbots beantworten Fragen. KI-Agenten bearbeiten Aufgaben über mehrere Arbeitsschritte hinweg. Unternehmenswissen wird im Gespräch abrufbar.
Das verdient mehr als einen weiteren Artikel darüber, dass jetzt alles anders wird. Es verdient eine Entscheidung: Welche Arbeit geben wir ab? Wo lassen wir uns unterstützen? Und wo behalten wir das letzte Wort?
Wer diese Fragen überspringt, hat schnell einen Chatbot. Ob er damit ein Problem gelöst hat, steht auf einem anderen Blatt.
Eine KI-Matrix für das Marketing
Vier Felder können helfen, Ordnung in die Möglichkeiten zu bringen. Vorausgesetzt, die Achsen taugen etwas.
Unsere erste Dimension ist der Urteilsbedarf: Wie viel Kontext, Abwägung und menschliches Ermessen verlangt eine Aufgabe? Links stehen klare Regeln und überprüfbare Ergebnisse. Rechts stehen widersprüchliche Interessen, unvollständige Informationen und Entscheidungen, für die es mehrere plausible Antworten gibt.
Die zweite Dimension ist die Tragweite einer Fehlentscheidung: Was passiert, wenn das Ergebnis falsch ist? Unten lässt sich ein Fehler leicht korrigieren. Oben kostet er möglicherweise Kundenvertrauen, erhebliche Mittel oder die Glaubwürdigkeit einer Marke.
Daraus ergeben sich vier Felder:
| Geringer Urteilsbedarf | Hoher Urteilsbedarf | |
|---|---|---|
| Hohe Fehlerfolgen | KI selektiv: kontrolliert ausführen. Klare Regeln, verbindliche Prüfungen. | KI nie: Entscheidungshoheit behalten. Menschen entscheiden und verantworten. |
| Geringe Fehlerfolgen | KI unbedingt: Routine entlasten. Wiederkehrende Arbeit mit prüfbarem Ergebnis. | KI selektiv: Möglichkeiten erkunden. Muster, Hypothesen und Entwürfe liefern. |
„KI nie“ bezieht sich auf die Übergabe der Entscheidungshoheit. Auch in diesem Feld kann KI Informationen aufbereiten oder Gegenargumente liefern. Die Entscheidung bleibt beim Menschen.
Die Matrix ordnet außerdem konkrete Aufgaben ein. Ein Chatbot gehört ebenso wenig pauschal in ein Feld wie ein Mitarbeiter. Es kommt darauf an, was er tun darf.
Unten links: KI unbedingt. Die Routine hat lange genug unsere Zeit gefressen.
Es gibt Arbeit, für die Unternehmen qualifizierte Menschen beschäftigen, obwohl sie deren Qualifikation kaum beansprucht. Informationen übertragen. Dokumente vorsortieren. Wiederkehrende Berichte zusammenstellen. Immer gleiche Fragen beantworten.
Hier liegt ein naheliegender Einsatzbereich für KI. „Unbedingt“ heißt: Entlastung konsequent umsetzen, sobald Qualität und Aufwand im Verhältnis stehen. Wenn eine einfache Regel oder eine Datenbankabfrage die Aufgabe zuverlässiger erledigt, braucht sie dafür kein Sprachmodell.
Im SEO kann KI Suchanfragen zu Themen bündeln, vorhandene Seiten diesen Themen zuordnen und Entwürfe für Seitentitel und Beschreibungen erstellen. Ein technischer Crawler liefert Fehlerdaten; KI kann sie verständlich zusammenfassen und zur Bearbeitung vorsortieren. Solange diese Ergebnisse intern geprüft werden, bleiben mögliche Fehler überschaubar.
Im Kundenservice kann ein Chatbot freigegebene Standardinformationen zugänglich machen: Wo liegt die Bedienungsanleitung? Welche Unterlagen werden für eine Anfrage benötigt? Wer ist der richtige Ansprechpartner? Die Antworten stammen aus gepflegten Quellen. Fehlt eine belastbare Antwort, erfolgt die Übergabe an einen Menschen.
Im Wissensmanagement kann KI Dokumente verschlagworten, Inhalte erschließen und mögliche Dubletten markieren. Auch ein Agent, der regelmäßig Kennzahlen aus festgelegten Quellen zusammenträgt und einen internen Bericht vorbereitet, passt in dieses Feld.
Der Nutzen lässt sich nüchtern messen: weniger Suchzeit, weniger Übertragungsarbeit, kürzere Bearbeitungszeiten. Dafür braucht es keine Zukunftsvision. Eine vernünftige Zeiterfassung genügt für den Anfang.
Unten rechts: KI selektiv. Datenfriedhöfe haben gelegentlich etwas zu erzählen.
In vielen Unternehmen liegen Jahre von Angeboten, CRM-Einträgen, Serviceberichten und verlorenen Aufträgen. Viel gespeichert. Wenig verstanden.
KI kann helfen, dieses Material zu erschließen. Die interessanten Fragen beginnen jenseits des üblichen Monatsberichts: Welche Einwände häufen sich vor einem verlorenen Auftrag? Welche Produkte werden gemeinsam gekauft? Welche Kunden bestellen seltener, obwohl ihr Bedarf vermutlich weiter besteht? Welche Fragen stellt der Vertrieb immer wieder, die auf der Website unbeantwortet bleiben?
Das ist ein Feld für Mustererkennung, statistische Auswertung und KI-gestützte Analyse. Ein Sprachmodell kann unstrukturierte Texte erschließen und Ergebnisse erklären. Belastbare Zahlen verlangen geeignete Auswertungsverfahren und überprüfte Daten.
Ein Beispiel aus dem B2B-Handel: Kunden, die eine bestimmte Produktgruppe bestellen, kaufen häufig wenig später eine ergänzende Kategorie. Daraus entsteht eine Hypothese für Cross-Selling. Noch kein fertiger Vertriebsplan. Vielleicht erklärt eine Saison den Zusammenhang. Vielleicht eine gemeinsame Anwendung. Vielleicht hat ein einzelner Großkunde die Auswertung verzerrt.
Ein Beispiel für SEO und Inhalte: In Serviceprotokollen taucht regelmäßig die Frage auf, ob ein Bauteil unter bestimmten Einsatzbedingungen funktioniert. Auf der Website steht dazu nichts. Das kann Anlass für eine fachlich belastbare Anwendungsseite sein. Ob daraus ein relevantes Suchthema wird, prüfen wir anhand weiterer Daten und der tatsächlichen Kundennachfrage.
Ein Beispiel für Marketingberatung: Ein Agent sammelt öffentlich verfügbare Wettbewerbsinformationen, dokumentiert Quellen und entwickelt mögliche Erklärungen für Unterschiede in der Positionierung. Das Team prüft diese Erklärungen gegen Marktkenntnis und Kundengespräche.
KI darf hier Zusammenhänge vorschlagen. Korrelationen sind Hinweise. Wer daraus Ursachen macht, bevor er sie geprüft hat, automatisiert vor allem seine Vorurteile.
Die Fehlerfolgen bleiben niedrig, solange diese Arbeit als interne Untersuchung behandelt wird. Sobald daraus Budgets, Kundenansprachen oder Leistungsversprechen entstehen, wandert die Aufgabe in der Matrix nach oben.
Oben links: KI selektiv. Klare Regeln, erhebliche Folgen.
Eine Aufgabe kann fachlich eindeutig sein und trotzdem beträchtlichen Schaden anrichten, wenn sie falsch ausgeführt wird.
Ein Chatbot nennt eine Produkteigenschaft falsch. Ein Agent übernimmt eine veraltete Preisstaffel. Eine automatisch überarbeitete Produktseite verspricht eine Eignung, die nie bestätigt wurde. Der Vorgang wirkt routiniert. Der Fehler wirkt beim Kunden.
Ein Produktberater im Chat darf deshalb nur bestätigte Eigenschaften und geprüfte Kompatibilitäten verwenden. Für Ausnahmen oder unklare Anwendungen braucht er einen definierten Weg zum zuständigen Mitarbeiter.
Ein Angebotsagent kann Artikel, Konditionen und Textbausteine zusammenstellen. Preisberechnung und Grenzwerte gehören in verlässliche Regeln und Systeme. Sonderkonditionen und verbindliche Zusagen brauchen die jeweils zuständige Freigabe.
Ein SEO-Agent kann Änderungen an Seitentiteln, internen Verlinkungen oder strukturierten Daten vorbereiten. Wer Änderungen über Tausende Seiten ausrollt, braucht Prüfungen, Protokolle und eine Möglichkeit zur Rücknahme. Strukturierte Produktangaben müssen mit dem tatsächlichen Angebot übereinstimmen.
Agenten können Werkzeuge einsetzen und ihre nächsten Schritte abhängig von Zwischenergebnissen wählen. Damit wächst ihr Handlungsspielraum. Ein eng definierter Ablauf lässt sich häufig bereits mit einem kontrollierten Workflow abbilden. Die zusätzliche Autonomie muss einen erkennbaren Nutzen haben.
Die entscheidende Frage lautet deshalb: Welche Handlung darf das System unter welchen Bedingungen ausführen? „Wir haben jetzt einen Agenten“ beantwortet davon noch nichts.
Oben rechts: KI nie. Wer entscheidet, muss dafür einstehen.
Für welche Kunden will ein Unternehmen künftig arbeiten? Welches Versprechen soll die Marke geben? Welchen Auftrag lehnt es ab? Wie reagiert es auf einen eigenen Fehler, der öffentlich geworden ist?
Hier treffen hoher Urteilsbedarf und erhebliche Folgen aufeinander. Dafür gibt es Daten und Argumente. Am Ende bleiben Wertungen, Interessen und Verantwortung.
KI kann eine Positionierung auf Widersprüche prüfen, Szenarien formulieren und eine Entscheidung argumentativ angreifen. Sie darf uns die Entscheidung nicht abnehmen. Ein Markenversprechen verpflichtet das Unternehmen. Ein generierter Vorschlag verpflichtet zunächst niemanden.
Wer Verantwortung trägt, muss auch sagen können: Das haben wir entschieden. Und darum stehen wir dafür ein.
Übrigens ist dieser Artikel genau nach diesen Prinzipien entstanden. Die inhaltliche Richtung, der Anspruch und die Entscheidung darüber, was hier steht, liegen beim Menschen. KI hat bei Recherche, Ausarbeitung und grafischer Umsetzung unterstützt und Routinen abgenommen. Auch ihre Vorschläge für die Matrix wurden menschlich beurteilt und ausgewählt. Die Entscheidungshoheit blieb dort, wo sie hingehört. Wir beschreiben hier also eine Arbeitsweise, die wir selbst anwenden.
AI Corporate Brain: Unternehmenswissen bekommt eine Adresse
Besonders interessant wird die Matrix beim AI Corporate Brain: einem System, das internes Unternehmenswissen für berechtigte Mitarbeiter auffindbar und im Dialog nutzbar macht.
Ein Vertriebsmitarbeiter fragt: „Welche vergleichbaren Projekte haben wir umgesetzt, welche Einwände gab es, und welche Lösung wurde am Ende gewählt?“ Eine brauchbare Antwort verweist auf nachvollziehbare Quellen und macht kenntlich, wo Informationen fehlen oder widersprüchlich sind.
Ein verbreiteter technischer Ansatz heißt Retrieval-Augmented Generation, kurz RAG. Das System sucht passende Inhalte und stellt sie dem Sprachmodell als Grundlage für die Antwort bereit. So können Antworten mit Quellenbezug entstehen. Die Qualität hängt weiterhin von den Dokumenten, ihrer Auffindbarkeit und der Verarbeitung ab.
Damit wird auch klar, warum ein Corporate Brain mehrere Felder der Matrix berührt: Dokumente finden gehört häufig nach unten links. Widersprüche und Muster untersuchen nach unten rechts. Verbindliche technische Auskünfte verlangen die Kontrollen von oben links. Die Unternehmensstrategie bleibt oben rechts.
Vorher braucht das Wissen Ordnung: gültige Fassungen, Verantwortliche, Quellen, Zugriffsrechte und Angaben dazu, welche Inhalte überholt sind. KI kann beim Erschließen helfen. Sie kann fehlendes Erfahrungswissen aus den Köpfen langjähriger Mitarbeiter nur nutzen, wenn dieses zuvor dokumentiert wurde.
Auch Vertraulichkeit entsteht durch die konkrete Architektur. Wer verarbeitet welche Daten? Wo? Mit welchen Berechtigungen? Werden Eingaben für Training verwendet? Eine vollständig vom öffentlichen Netz getrennte, sogenannte air-gapped Umgebung ist eine mögliche Betriebsform mit eigenen Anforderungen. Ein zugriffsgeschütztes Cloud-System ist dadurch noch nicht air-gapped.
Ein Datenfriedhof mit Chatfenster bleibt ein Datenfriedhof. Nur gesprächiger.
SEO in Zeiten der KI: Auffindbarkeit braucht Substanz
Für Marketingberatung hat diese Entwicklung zwei Seiten: Wir nutzen KI, um Suchbedarf und Inhalte besser zu verstehen. Gleichzeitig müssen Unternehmen in einer Suche bestehen, die zunehmend Antworten direkt zusammenstellt.
Die Begriffe dafür heißen unter anderem GEO oder AEO. Für die generativen Funktionen der Google-Suche bleiben die Grundlagen von SEO relevant: technisch zugängliche Seiten, hilfreiche Inhalte und nachvollziehbare Expertise. Google beschreibt dafür keinen geheimen Zusatzmechanismus, der fachliche Substanz ersetzen könnte.
Für Unternehmen folgt daraus eine anspruchsvolle Aufgabe: Das Wissen, das Kunden bei einer Entscheidung hilft, muss auf der Website tatsächlich vorkommen. Konkrete Anwendungen. Nachprüfbare Leistungsmerkmale. Grenzen eines Angebots. Belastbare Beispiele. Antworten auf Fragen, die im Verkaufsgespräch regelmäßig auftauchen.
Hier können internes Wissensmanagement und externe Sichtbarkeit zusammenarbeiten. Ein Corporate Brain hilft, relevante Erfahrungen zu finden. Fachleute prüfen sie. Marketing übersetzt freigegebene Inhalte in verständliche Seiten. Vertrauliche Kundendaten bleiben intern.
KI kann dafür Themen vorschlagen, Entwürfe erstellen und Lücken aufzeigen. Die fachliche Qualität muss jemand verantworten. Google weist auch bei generierten Inhalten ausdrücklich auf Genauigkeit, Qualität und Relevanz hin.
Tausend austauschbare Seiten sind zunächst tausend Seiten, die jemand pflegen muss. Ihr wirtschaftlicher Wert ist damit noch offen.
Deshalb betrachten wir neben Sichtbarkeit und Zugriffen auch die Qualität der Anfragen: Kommen die richtigen Interessenten? Verstehen sie das Angebot besser? Verkürzt guter Inhalt die Erklärung im Vertrieb? Welche Anfragen führen tatsächlich zu Geschäft?
Was Marketingberatung jetzt leisten muss
Die Matrix liefert einen Ausgangspunkt für die Arbeit: konkrete Aufgaben erfassen, Urteilsbedarf und Fehlerfolgen bewerten, einen geeigneten Anwendungsfall auswählen und dessen Nutzen messen.
Man beginnt beispielsweise mit der Auswertung wiederkehrender Kundenfragen. Daraus entstehen bessere Inhalte, eine gepflegte Wissensbasis und später ein begrenzter Chatbot. Oder man erschließt historische Angebote, identifiziert wiederkehrende Kaufmuster und prüft eine Vertriebsmaßnahme in einem überschaubaren Test.
Für effektor gehört dabei die Verbindung von Marketingstrategie, SEO, Unternehmenswissen und technischer Umsetzung zusammen. Das verbindet unsere Marketingberatung mit unserer KI-Beratung. Ein Anwendungsfall muss zur Positionierung passen, im Alltag funktionieren und seinen Aufwand rechtfertigen.
Die Leitfrage lautet: Wo schafft KI in Ihrem Unternehmen konkret mehr Wirkung?
Die Antwort kann Zeitgewinn sein. Bessere Auffindbarkeit. Ein informierterer Vertrieb. Weniger verlorenes Wissen. Oder eine fundiertere Entscheidung.
KI befreit Gehirne. Was wir mit der gewonnenen Freiheit anfangen, bleibt unsere Aufgabe.
