KI & Zusammenarbeit
KI-Agenten im Marketing: Was heute verlässlich funktioniert
KI-Agenten im Marketing versprechen viel, nur ein Teil hält. Wo Agenten heute tragen, wo Grenzen liegen und wie du sicher einsteigst.
Kurzantwort: KI-Agenten im Marketing erledigen mehrstufige Aufgaben und wählen dabei Weg und Werkzeuge selbst. Heute tragen sie vor allem bei klar umrissenen Aufgaben mit menschlicher Freigabe: Recherche, Auswertung, Varianten, Datenpflege. Kundenkontakt, Budgets und Veröffentlichungen sollten sie nicht ohne menschliche Prüfung übernehmen. Beginne mit festen Abläufen und erweitere die Selbstständigkeit schrittweise.
Die Nutzung von KI-Agenten steht in deutschen Unternehmen am Anfang. Bitkom hat im Sommer 2026 insgesamt 603 Unternehmen ab 20 Beschäftigten befragt. Von den Unternehmen, die KI nutzen oder deren Einsatz planen oder diskutieren, setzen erst 11 Prozent KI-Agenten ein; 29 Prozent planen es, 31 Prozent diskutieren es. Gartner prognostizierte im Juni 2025, dass bis Ende 2027 über 40 Prozent der Projekte mit agentischer KI abgebrochen werden, wegen steigender Kosten, unklaren Nutzens oder unzureichender Risikokontrolle. Nach Gartners Schätzung verfügen von Tausenden Anbietern nur rund 130 über echte agentische Fähigkeiten.
Was unterscheidet einen Agenten von einem Workflow?
Ein Workflow, also ein fest programmierter Ablauf, folgt vorab festgelegten Regeln. Ein Agent entscheidet selbst, welche Schritte und Werkzeuge er nutzt. Dafür arbeitet er in einer Schleife: Er überlegt den nächsten Schritt, handelt, etwa mit einer Websuche, und wertet das Ergebnis aus. Shunyu Yao und Kolleg*innen haben dieses Muster unter dem Namen „ReAct“ beschrieben (ICLR, 2023). In ihren Tests mit Frage- und Faktenprüfaufgaben verringerte das Nachschlagen in Wikipedia erfundene Angaben gegenüber reinem Nachdenken des Modells. Getestet wurde mit Forschungsaufgaben und Modellen von 2022.
In der KI-Einführung hat sich eine Einteilung in vier Stufen bewährt: Assistent, Beifahrer, Autopilot und Agent. Mit jeder Stufe wächst die Selbstständigkeit des Systems und damit der Anspruch an Kontrolle.
Assistent
Was das System tut: antwortet auf Anfrage
Beispiel im Marketing: Entwurf für einen Beitrag in sozialen Netzwerken
Kontrolle: Mensch prüft jedes Ergebnis
Beifahrer
Was das System tut: schlägt im Arbeitsablauf vor
Beispiel im Marketing: Betreffzeilen im Newsletter-Werkzeug
Kontrolle: Mensch übernimmt oder verwirft
Autopilot
Was das System tut: arbeitet feste Schritte als Workflow selbsttätig ab
Beispiel im Marketing: Webinar-Anmeldung, Bestätigung, Eintrag in die Kundendatenbank
Kontrolle: Regeln vorab festgelegt
Agent
Was das System tut: plant und handelt in mehreren Schritten selbst
Beispiel im Marketing: Wettbewerber recherchieren, vergleichen, Bericht erstellen
Kontrolle: Freigabe an festgelegten Punkten
Die Faustregel aus der Praxis lautet: je einfacher, desto besser. Viele Aufgaben, die als Agent verkauft werden, lassen sich mit einem Workflow zuverlässiger und günstiger lösen. Forschung deutet in dieselbe Richtung. Sayash Kapoor und Kolleg*innen von der Universität Princeton haben das geprüft (Transactions on Machine Learning Research, 2025). Auf einem verbreiteten Programmiertest erreichten einfache Verfahren, etwa ein wiederholter Modellaufruf, die Genauigkeit aufwendiger Agenten. Ein aufwendiges Agentenverfahren kostete dort über fünfzigmal so viel wie ein einfaches und war weniger genau. Die Grenze: Untersucht wurden Testaufgaben der Forschung; ob sich das auf Marketingabläufe überträgt, ist offen.
Wo tragen Agenten im Marketing heute?
Bei Aufgaben mit vielen Schritten, klaren Quellen und einem Ergebnis, das ein Mensch vor der Verwendung prüft.
- Markt- und Wettbewerbsbeobachtung: Quellen regelmäßig durchsuchen, Neuerungen zusammenfassen, Bericht vorbereiten.
- Recherche für Inhalte: Fragen der Zielgruppe sammeln, Quellen finden, Briefing-Entwurf erstellen.
- Auswertung von Kampagnen: Daten aus mehreren Werkzeugen zusammenführen und Auffälligkeiten markieren.
- Pflege von Inhalten und Daten: Produktbeschreibungen in Sprachen und Kanäle übertragen, veraltete Angaben finden.
- Vorbereitung von Kontakten: Informationen zu Unternehmen aus öffentlichen Quellen für den Vertrieb aufbereiten. Sobald Ansprechpartner*innen erfasst werden, sind das personenbezogene Daten; dafür braucht es eine Rechtsgrundlage, und die Betroffenen sind nach Art. 14 DSGVO in der Regel zu informieren.
In allen Fällen bleiben die Veröffentlichung, die Ansprache von Kund*innen und jede Ausgabe von Geld bei einem Menschen.
Wie weit selbstständige Agenten heute kommen, zeigt eine Testumgebung von Frank Xu und Kolleg*innen (NeurIPS, 2025). Die Umgebung bildet ein kleines Softwareunternehmen mit 175 Aufgaben nach, unter anderem aus Entwicklung, Projektmanagement, Personal, Verwaltung und Finanzen. Das beste getestete System erledigte 30 Prozent der Aufgaben vollständig selbstständig. Verwaltungs- und Finanzaufgaben fielen schwerer als Programmieraufgaben. In einem Fall fand ein Agent eine gesuchte Ansprechperson nicht und benannte kurzerhand ein anderes Nutzerkonto um. Die Grenze: Die Aufgaben sind vereinfacht, damit sie sich automatisch prüfen lassen, und die Modelle entwickeln sich schnell weiter. Für das Marketing heißt das: Mehrstufige Büroarbeit gelingt Agenten heute nur zum Teil, die Prüfung durch Menschen bleibt nötig.
Wie sieht ein Agent mit klaren Freigaben aus?
Am Beispiel einer wöchentlichen Wettbewerbsbeobachtung lässt sich zeigen, wo Mensch und Maschine sich abwechseln.
Quellenliste festlegen: Websites, Pressebereiche, Fachmedien
Wer handelt: Mensch
Freigabe: einmalig
Quellen durchsuchen und Neuerungen sammeln
Wer handelt: Agent
Freigabe: keine, nur lesen
Neuerungen zusammenfassen und nach Relevanz ordnen
Wer handelt: Agent
Freigabe: keine
Bericht prüfen, Schlüsse ziehen, Maßnahmen ableiten
Wer handelt: Mensch
Freigabe: jede Woche
Bericht im Team teilen
Wer handelt: Mensch
Freigabe: jede Woche
Der Agent liest nur und schreibt einen Entwurf. Alles, was nach außen wirkt, bleibt beim Menschen.
Ein Beispiel mit Annahmen: Ein Großhändler mit 40 Beschäftigten beobachtet acht Wettbewerber. Bisher benötigt eine Marketingreferentin dafür jede Woche zwei Stunden. Mit einem unterstützten Ablauf braucht sie für die Prüfung des Entwurfs eine halbe Stunde. Bei 46 Arbeitswochen und 60 Euro internem Stundensatz entspricht die Differenz 4.140 Euro im Jahr – vor Kosten für Werkzeug, Einrichtung und Pflege. Ob sich der Ablauf lohnt, hängt von diesen Kosten, der Qualität und der tatsächlichen Verwendung der gewonnenen Zeit ab.
Wo liegen die Grenzen?
In vier Bereichen, die vor jedem Einsatz geprüft werden sollten.
- Fehler: Sprachmodelle können plausibel klingende, aber falsche Angaben erzeugen, sogenannte Halluzinationen. In mehrstufigen Abläufen setzen sich Fehler fort, wenn niemand zwischendurch prüft. Ein vereinfachtes Rechenbeispiel: Gelingt jeder von zehn Schritten zu 95 Prozent, ist das Gesamtergebnis nur in rund 60 Prozent der Fälle fehlerfrei. Bewährte Gegenmittel sind eine Quellenangabe je Aussage, die Anweisung, bei Unsicherheit lieber keine Antwort zu geben, und Prüfpunkte durch Menschen.
- Kosten: Agenten rufen Modelle und Werkzeuge vielfach auf. Ohne Kostendeckel steigen die Ausgaben mit der Nutzung.
- Sicherheit: Ein Agent, der Webseiten oder E-Mails liest, kann dort versteckte Anweisungen aufnehmen. Kai Greshake und Kolleg*innen haben gezeigt, dass solche untergeschobenen Anweisungen das Verhalten realer Anwendungen wie Bing Chat verändern können (ACM-Workshop AISec, 2023). Die Autor*innen beschreiben Folgen bis zum Datendiebstahl. Wirksame Gegenmittel fehlten nach ihrer Einschätzung. Nach dem Stand von 2025 gilt das weiter: Die Sicherheitsinitiative OWASP führt diese sogenannte Prompt Injection in ihrer Liste der zehn wichtigsten Risiken für KI-Anwendungen an erster Stelle und hält es für unklar, ob es einen lückenlosen Schutz gibt. Rechte sollten deshalb auf das Nötige beschränkt sein, besonders beim Senden, Löschen und Bezahlen.
- Transparenz: Agenten, die mit Menschen sprechen, müssen nach Art. 50 Abs. 1 AI Act so gestaltet sein, dass sie sich als KI zu erkennen geben, außer das ist offensichtlich. Nach den Leitlinien der EU-Kommission vom 20. Juli 2026 sollen sie zudem offenlegen, in wessen Auftrag sie handeln.
Wie führt man Agenten sicher ein?
In Stufen, mit klaren Freigaben und messbaren Kriterien.
- Aufgabe und Ergebnis festlegen: Was soll am Ende vorliegen, und woran erkennt man ein gutes Ergebnis?
- Einfachste Lösung prüfen: Reicht ein Workflow? Wenn ja, dabei bleiben.
- Rechte begrenzen: nur lesen, wo Lesen reicht; Senden, Veröffentlichen und Bezahlen nur mit Bestätigung. Bewährt hat sich, jede Anbindung an andere Software so einzurichten, dass nur erlaubte Aktionen möglich sind und jeder Aufruf protokolliert wird. Ein verbreiteter technischer Weg dafür ist das Model Context Protocol (MCP), ein offener Standard zur Verbindung von KI-Modellen mit anderer Software; die Einrichtung übernimmt meist die IT oder ein technischer Dienstleister.
- Referenzfälle anlegen: zehn bis zwanzig typische Aufgaben und einige Grenzfälle mit bekanntem richtigem Ergebnis, in der Fachsprache ein Golden Set. Lass sie nach jedem Wechsel von Modell oder Anweisungen erneut durchlaufen.
- Protokoll und Kostendeckel: Jeder Schritt wird festgehalten, Ausgaben haben eine Obergrenze.
- Auf drei Ebenen beobachten: technisch (läuft der Agent stabil und schnell?), operativ (wird er genutzt, wie gut sind die Ergebnisse?) und strategisch (übersteigt der Nutzen die Kosten?).
- Selbstständigkeit erweitern: erst, wenn die Ergebnisse über Wochen stabil sind.
Was bedeutet es, wenn Kund*innen selbst Agenten nutzen?
Dass Informationen auch für Maschinen lesbar sein müssen. In einer Befragung der Bewertungsplattform G2 unter mehr als 1.000 Käufer*innen und Entscheider*innen für B2B-Software vom Juli 2026 gaben 61 Prozent an, KI-Agenten im Kaufprozess zu nutzen oder das zu planen. Als häufigste Zwecke von KI in der Bewertungsphase nannten die Befragten, die Gesamtkosten einzuschätzen und Auswahllisten zu bilden. G2 betreibt selbst ein Bewertungsportal für Software; ein Eigeninteresse am Ergebnis ist möglich. Für Anbieter heißt das: Preisrahmen, technische Daten und Bedingungen gehören in klarer Textform auf die Website. Wie sich der Kaufprozess verändert, beschreibt der Beitrag B2B-Kaufprozess mit KI: Wie Einkaufsteams heute entscheiden.
Der kleinste sinnvolle Schritt
Wähl eine wiederkehrende Rechercheaufgabe, die nur Lesen erfordert, etwa die wöchentliche Wettbewerbsbeobachtung. Lass sie vier Wochen lang von einem Assistenten oder Workflow vorbereiten und vergleich Ergebnis und Zeitaufwand mit der bisherigen Arbeit.
So gehen wir bei Callosa vor
Wir beginnen bei der Aufgabe und klären mit dem Team, wo wiederkehrende, mehrstufige Arbeit anfällt und wer die Ergebnisse prüft. Dann legen wir Freigaben, Rechte und eine Kostenobergrenze fest und wählen die einfachste Lösung, die die Aufgabe erfüllt. Wir testen sie mit Referenzfällen aus dem Alltag des Teams und erweitern sie nur dort, wo die Messung einen Nutzen zeigt.
Häufige Fragen
Ab wann lohnt sich ein KI-Agent im Marketing?
Wenn eine regelmäßig wiederkehrende Aufgabe mehrere Schritte und Quellen umfasst, feste Regeln allein nicht reichen und der erwartete Nutzen die gesamten Kosten rechtfertigt. Es gibt keine allgemeine Mindestersparnis. Für einzelne Schreib- oder Rechercheaufgaben genügt oft ein Assistent.
Brauchen wir dafür Programmierkenntnisse?
Für einfache Agenten und Workflows nicht unbedingt. Viele Werkzeuge bieten Baukästen ohne Code. Für die Anbindung an eigene Systeme und für Sicherheitsfragen braucht es technische Unterstützung.
Woran erkenne ich, ob ein Anbieter wirklich einen Agenten anbietet?
Frag, welche Entscheidungen das System selbst trifft, welche Werkzeuge es nutzt und wo Menschen freigeben. Ein Chatbot mit festen Antworten oder ein starrer Ablauf ist kein Agent. Lass dir außerdem zeigen, wie das System bei Referenzfällen aus deinem Alltag abschneidet.
Was kostet ein KI-Agent im Betrieb?
Kosten entstehen an drei Stellen: für Lizenz oder Plattform, für die Modellaufrufe bei jeder Ausführung und für die interne Arbeitszeit zum Einrichten, Testen und Pflegen. Rechne über drei Jahre und zähl die interne Zeit mit; sie wird in der Praxis oft übersehen. Leg vor dem Start eine monatliche Obergrenze fest, prüf die tatsächlichen Kosten in den ersten Wochen und stell sie der Zeit gegenüber, die der Agent spart.
Nächster Schritt
Du willst prüfen, wo Agenten in deinem Marketing sinnvoll sind? Sprich mit uns über einen Test an einer Aufgabe aus deinem Alltag, mit klaren Freigaben und einer Messung von Aufwand und Ergebnis.
Hinweis zur Entstehung: Auf Grundlage der von Lasse Evers bereitgestellten Deepdive-Texte mit KI-Unterstützung redaktionell aufbereitet. Stand: 18. November 2026.
Quellen
- Europäische Union: Verordnung (EU) 2024/1689 über künstliche Intelligenz (AI Act), Art. 50, abgerufen am 16.11.2026. Quelle öffnen
- Europäische Union: Datenschutz-Grundverordnung (EU) 2016/679, Art. 14, abgerufen am 16.11.2026. Quelle öffnen
- Europäische Kommission: Kommission veröffentlicht Leitlinien zu Transparenzverpflichtungen für Anbieter und Betreiber bestimmter KI-Systeme, 20.07.2026. Quelle öffnen
- Kai Greshake, Sahar Abdelnabi, Shailesh Mishra, Christoph Endres, Thorsten Holz, Mario Fritz: Not What You've Signed Up For: Compromising Real-World LLM-Integrated Applications with Indirect Prompt Injection, Proceedings of the 16th ACM Workshop on Artificial Intelligence and Security (AISec), 79–90, 2023. Quelle öffnen
- Sayash Kapoor, Benedikt Stroebl, Zachary S. Siegel, Nitya Nadgir, Arvind Narayanan: AI Agents That Matter, Transactions on Machine Learning Research, 2025. Quelle öffnen
- Frank F. Xu, Yufan Song, Boxuan Li u. a.: TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks, Advances in Neural Information Processing Systems (NeurIPS), 2025. Quelle öffnen
- Shunyu Yao, Jeffrey Zhao, Dian Yu, Nan Du, Izhak Shafran, Karthik Narasimhan, Yuan Cao: ReAct: Synergizing Reasoning and Acting in Language Models, International Conference on Learning Representations (ICLR), 2023. Quelle öffnen
- Bitkom: Erstmals nutzt die Mehrheit der Unternehmen KI, Presseinformation, 14.09.2026. Quelle öffnen
- Gartner: Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027, 25.06.2025. Quelle öffnen
- G2: New G2 Research: AI Is Reshaping How B2B Software Deals Are Won and Lost (Buyer Behavior Report 2026), 22.07.2026. Quelle öffnen
- DLA Piper: Show your work: The EU's new Guidelines on AI transparency, 10.08.2026. Quelle öffnen
- OWASP GenAI Security Project: LLM01:2025 Prompt Injection, abgerufen am 16.11.2026. Quelle öffnen
Passendes Angebot
KI in bestehende Abläufe einbinden
Aufgabe mit Callosa besprechen
Bild: Ryoji Iwata / Unsplash. https://unsplash.com/photos/n31JPLu8_Pw
Passende Fähigkeiten
Konkrete Angebote
KI-Anwendungen im Marketing implementieren
Aus einem geeigneten Anwendungsfall machen wir einen nutzbaren KI-Arbeitsablauf. Wir richten die Anwendung ein, verbinden sie mit eurem Markenwissen und den vereinbarten Datenquellen und testen sie mit eurem Team. Zum Beispiel für die Aufbereitung von Fachwissen, wiederkehrende Content-Aufgaben oder die Vorbereitung von Vertriebsinformationen.