KI im Marketing: Was sich jetzt wirtschaftlich lohnt und was ein teures Spielzeug ist

Ein Marketingteam kauft mehrere KI-Tools. Jedes kann Texte, Bilder oder einen Bericht erstellen. Nach drei Monaten weiß jedoch niemand, wie viel Arbeit tatsächlich weggefallen ist. Es gibt neue Abonnements, neue Tabs und die Pflicht, noch mehr Ergebnisse zu prüfen.

Ich bin aus dem entgegengesetzten Grund zur KI gekommen: Ich wollte repetitive Arbeit reduzieren. Im Projekt DreamROI haben wir neben der Texterstellung an Personalisierung und Datenprognosen gearbeitet. Diese Erfahrung hat mich gelehrt, eine attraktive Demonstration von einem Prozess zu unterscheiden, der sich für ein Unternehmen wirtschaftlich auszahlt.

Drei Einsatzarten, drei unterschiedliche Voraussetzungen

Generierung

Ein Modell erstellt Texte, Bilder, eine Werbevariante, eine Gliederung oder eine Zusammenfassung. Die Einführung geht schnell, aber die Kosten verstecken sich oft im Prompting, in der Prüfung und in Korrekturen. Der Nutzen steigt, wenn das Modell mit freigegebenen Materialien und einem wiederholbaren Format arbeitet.

Automatisierung

Ein System verbindet mehrere Schritte: Es übernimmt Ausgangsmaterial, erstellt einen Entwurf, schickt ihn zur Freigabe, veröffentlicht ihn und speichert das Ergebnis. Ein Teil davon muss überhaupt keine KI verwenden. Der Wert entsteht durch den Wegfall manueller Übertragungen und Wartezeiten.

Prognose und Empfehlung

Ein Modell schätzt die Wahrscheinlichkeit einer Reaktion, ordnet Angebote oder wählt den nächsten Schritt aus. Es benötigt eine qualitativ gute Historie, genügend Signale und eine Möglichkeit zur kontinuierlichen Prüfung. Für ein kleines Unternehmen kann eine gewöhnliche Regel günstiger und leichter verständlich sein.

So erkennen Sie einen geeigneten Prozess

Bevor Sie ein Tool auswählen, bewerten Sie die Aufgabe anhand von sechs Fragen:

1. Wie oft wiederholt sie sich? Eine Stunde einmal im Jahr ist kein guter Kandidat für eine komplexe Integration.
2. Ist der Input ähnlich? Eine stabile Vorlage lässt sich besser automatisieren als jedes Mal ein anderes strategisches Problem.
3. Können wir das Ergebnis prüfen? Ohne ein Qualitätskriterium können wir keine Verbesserung erkennen.
4. Was kostet ein Fehler? Ein Tippfehler in einer internen Gliederung und ein falscher Kampagnenpreis sind nicht dasselbe Risiko.
5. Haben wir die erforderlichen Daten und Berechtigungen? Ein fehlerhafter CRM-Datensatz wird durch ein intelligenteres Modell nicht gerettet.
6. Wem gehört der Prozess? Jemand muss ihn überwachen, aktualisieren und den Workflow abschalten können.

Der beste Kandidat ist häufig, relativ stabil, leicht messbar und mit geringen Fehlerkosten verbunden. Typische Beispiele sind das Erstellen von Varianten aus freigegebenem Material, das Kategorisieren von Feedback oder ein erster Entwurf für einen regelmäßigen Bericht.

Wo KI heute häufig hilft

• Inhalte: Gliederungen, Varianten, Formatänderungen, Interviewzusammenfassungen und redaktionelle Kritik. Ohne eigene Erfahrung erzeugt sie nur Allgemeinplätze.
• E-Mail-Marketing: Entwürfe aus freigegebenen Inhalten, Segmentierung und Empfehlungen, wenn die Daten ausreichen. Mehr dazu finden Sie unter KI im E-Mail-Marketing.
• PPC: Anzeigenvarianten und Suchanfragenanalyse. Ein Mensch muss Budget, Messung und Grenzen kontrollieren.
• Kundenfeedback: das Sortieren großer Mengen an Antworten und das Vorschlagen von Themen. Für sensible Daten ist eine freigegebene Umgebung erforderlich.
• Reporting: Kommentierung vorbereiteter Daten und Erkennen von Abweichungen. Ein Modell darf die Quelltabelle nicht ersetzen oder fehlende Werte erfinden.
• Internes Wissen: Suche in freigegebener Dokumentation. Der Nutzen hängt von aktuellen Dokumenten und Berechtigungen ab.

Fünf Kosten, die eine Demo nicht zeigt

1. Daten und Ausgangsmaterial vorbereiten

Ein Tool mag günstig sein, aber das Bereinigen eines Katalogs, das Vereinheitlichen von Kampagnennamen oder das Anonymisieren von Dokumenten kostet Zeit. Berücksichtigen Sie diese Kosten im Piloten.

2. Menschliche Prüfung

Je höher die Kosten eines Fehlers sind, desto erfahrener muss die prüfende Person sein. Eine Stunde einer Senior-Fachkraft kann mehr kosten als die Generierung selbst. Messen Sie die Zeit bis zur Freigabe, nicht die Zeit bis zum ersten Entwurf.

3. Integration und Wartung

APIs ändern sich, Berechtigungen laufen ab und Eingabeformate ändern sich. Ein Workflow ohne verantwortliche Person funktioniert langsam nicht mehr oder beginnt, Fehler zu produzieren.

4. Abhängigkeit vom Anbieter

Preis, Limits und Servicebedingungen können sich ändern. Für einen wichtigen Prozess benötigen Sie einen Datenexport und einen Plan für einen Ausfall oder die Einstellung des Produkts.

5. Reputation und Datenschutz

Eine erfundene Fallstudie oder ein durchgesickertes Kundendokument kann monatelange kleine Einsparungen zunichtemachen. Legen Sie im Voraus fest, welche Daten nicht an den Dienst gesendet werden dürfen und wie Inhalte gekennzeichnet werden, die eine fachkundige Freigabe benötigen.

So bauen Sie einen Piloten auf, der etwas beweist

1. Wählen Sie einen Prozess. Zum Beispiel jede Woche aus einem Fachartikel einen Newsletter und zwei Beiträge erstellen.
2. Messen Sie den heutigen Zustand. Zeit, Anzahl der Korrekturen, Fehlerquote und Geschäftskennzahl.
3. Setzen Sie Grenzen. Freigegebene Quellen, verbotene Aussagen, erforderliche Prüfung und Abschaltung.
4. Führen Sie einen Vergleich. Erstellen Sie einige Ergebnisse mit der ursprünglichen Methode oder vergleichen Sie denselben Zeitraum.
5. Zählen Sie die gesamte Zeit. Prompting, Integration, Prüfung, Korrekturen und Wartung.
6. Entscheiden Sie nach einem begrenzten Zeitraum. Setzen Sie den Piloten fort, passen Sie ihn an oder beenden Sie ihn.

Vor Jahren habe ich für einige Aufgaben erhebliche Zeiteinsparungen geschätzt. Heute würde ich keinen universellen Prozentsatz versprechen. Die Einsparungen hängen von der Qualität des Inputs, der Aufgabenhäufigkeit, der erforderlichen Genauigkeit und den Prüfungskosten ab. Ein ehrlicher Pilot ist stärker als eine beeindruckende Schätzung.

Wann Sie KI außen vor lassen sollten

Führen Sie sie nicht nur ein, weil Wettbewerber sie nutzen. Für eine seltene Aufgabe ohne klares Ergebnis, einen Prozess mit fehlerhaften Daten oder überall dort, wo das Unternehmen keine Verantwortung für einen Fehler zuweisen kann, ergibt sie keinen Sinn. Ich würde keine strategische Entscheidung über Markenpositionierung, Preis oder einen sensiblen Kunden an ein Modell delegieren.

Auch die Messung würde ich zuerst in Ordnung bringen. Ohne grundlegende Informationen zu Anfragen können Sie nicht feststellen, ob KI das Unternehmen optimiert oder lediglich mehr Inhalte erzeugt.

Der erste Schritt ist keine Lizenz

Nehmen Sie einen wiederkehrenden Marketingprozess und bilden Sie seine Schritte ab. Schreiben Sie für jeden Schritt Zeit, Input, Output, Fehler und verantwortliche Person auf. Erst danach suchen Sie, ob eine Regel, eine Integration, ein generatives Modell oder eine Kombination helfen kann.

Setzen Sie die praktische Textarbeit mit dem Workflow zur KI-gestützten Texterstellung fort. Für Inhalte, die auch in der Suche funktionieren sollen, lesen Sie Wie Sie zu einer Quelle für Google und KI-Antworten werden. Wenn Sie einen Piloten für Ihren Prozess kalkulieren möchten, nehmen Sie über die Kontaktseite Kontakt auf.