callosa
Gemeinsame Arbeit an einem Laptop und Tablet

KI & Zusammenarbeit

KI im Marketing: Was die Geschäftsführung entscheiden muss

KI im Marketing: Mehr als die Hälfte der Unternehmen nutzt KI, der Nutzen bleibt oft aus. Drei Entscheidungen für die Geschäftsführung.

Kurzantwort: KI im Marketing ist in jedem zweiten KI-nutzenden Unternehmen angekommen. Messbaren Nutzen erzielen bislang wenige. Die Geschäftsführung sollte drei Dinge selbst entscheiden: welches Problem KI im Marketing lösen soll, welchen Rahmen an Budget, Zeit und Regeln es dafür gibt und woran Erfolg gemessen wird. Werkzeuge kommen danach. Ohne diese drei Entscheidungen bleibt die Wirkung oft aus.

Erstmals setzt die Mehrheit der deutschen Unternehmen ab 20 Beschäftigten KI ein: 57 Prozent laut einer Bitkom-Befragung von 603 Unternehmen dieser Größe aus dem Sommer 2026. Unter den KI-nutzenden Unternehmen steht Marketing und Kommunikation als Einsatzbereich mit 54 Prozent an zweiter Stelle, hinter dem Kundenkontakt mit 72 Prozent. Der Nutzen hält mit der Verbreitung nicht Schritt. In der europäischen McKinsey-Befragung „State of Marketing 2026“ unter 500 Marketingverantwortlichen, veröffentlicht im November 2025, gaben 94 Prozent an, bei der KI-Einführung noch keine nennenswerten Fortschritte gemacht zu haben. Nur 6 Prozent erzielen damit Wettbewerbsvorteile.

Warum bleibt die Wirkung so oft aus?

Häufig, weil Werkzeuge eingeführt werden, bevor Ziel, Ablauf und Messgröße feststehen. Zwei Befragungen deuten darauf hin. Laut einer Gartner-Befragung von 401 Marketingverantwortlichen aus Nordamerika und Europa, durchgeführt von Januar bis März 2026, fließen im Schnitt 15,3 Prozent der Marketingbudgets in KI-Vorhaben. Nur 30 Prozent der Befragten bescheinigen ihrer Organisation aber ausgereifte Voraussetzungen, um diese Investitionen zu skalieren. Weil die Marketingbudgets mit 7,8 Prozent des Umsatzes nahezu gleich blieben, dürfte das Geld für KI überwiegend aus anderen Posten im Marketing kommen.

Die Gartner-Stichprobe besteht überwiegend aus Großunternehmen. Für den Mittelstand ist der Befund trotzdem lehrreich. Wir lesen daraus: Auch ein großes Budget bringt wenig Wirkung, solange Abläufe, Daten und Kompetenzen nicht mitwachsen. McKinsey nennt als Haupthindernisse fehlende technische Fähigkeiten und eine fehlende klare Strategie.

In der KI-Einführung hat sich bewährt, mit zwei Leitfragen zu beginnen. Die Frage nach der Relevanz lautet: Wofür lohnt sich KI in unserem Marketing? Die Frage nach dem Startpunkt lautet: Wo fangen wir an? Beide beantwortet die Geschäftsführung, bevor jemand eine Lizenz bestellt.

Welche drei Entscheidungen gehören zur Geschäftsführung?

Drei Entscheidungen lassen sich weder an das Marketingteam noch an eine Agentur delegieren, weil sie Ziele, Geld und Risiko des Unternehmens betreffen.

Ziel

Leitfrage: Welches Problem soll KI im Marketing lösen: Kosten, Tempo, Qualität oder Wachstum?

Ergebnis: zwei bis drei priorisierte Anwendungsfälle mit Verantwortlichen

Rahmen

Leitfrage: Welches Budget, wie viel Arbeitszeit, welche Regeln für Daten, Werkzeuge und Freigaben?

Ergebnis: freigegebenes Budget, KI-Richtlinie, zugelassene Werkzeuge

Messgröße

Leitfrage: Woran erkennen wir in 90 Tagen, ob es wirkt?

Ergebnis: je Anwendungsfall eine Ausgangsmessung und ein Zielwert

Deshalb gilt diese Reihenfolge: Ein Ziel ohne Rahmen erzeugt Wildwuchs, ein Rahmen ohne Messgröße erzeugt Aktivität ohne Ergebnis.

Bewerte jeden Anwendungsfall nach wiederkehrendem Nutzen und Gesamtkosten. Eine feste Grenze von 10.000 Euro im Jahr passt nicht zu jedem Unternehmen. Auch kleinere Fälle können sich lohnen, wenn Einrichtung und Pflege wenig kosten. Die Machbarkeit sinkt mit fehlenden Daten, aufwendiger Systemanbindung, hoher Automatisierung und besonderen rechtlichen Anforderungen. Beginne mit einem klar begrenzten Fall, dessen Wirkung sich messen lässt.

Wo bringt KI im Marketing heute verlässlich etwas?

Verlässlich vor allem dort, wo wiederkehrende Arbeit nach klaren Vorgaben anfällt und ein Mensch das Ergebnis prüft. Dazu gehören erste Entwürfe und Varianten von Texten, die Anpassung von Inhalten an Kanäle und Sprachen, Recherche und Zusammenfassungen, die Auswertung von Kundenfeedback und die Vorbereitung von Berichten. Unternehmen mit ausgebauten KI-Fähigkeiten beziffern ihre Effizienzgewinne laut McKinsey nach eigener Angabe auf rund 22 Prozent und wollen sie in Wachstumsprojekte reinvestieren.

Experimente stützen diese Einschätzung und zeigen zugleich ihre Grenze. Shakked Noy und Whitney Zhang vom MIT gaben 453 Fachkräften, darunter Fachleuten aus dem Marketing, kurze berufstypische Schreibaufgaben. Die Hälfte erhielt per Zufall Zugang zu ChatGPT. Diese Gruppe war rund 40 Prozent schneller, und unabhängige Fachleute bewerteten ihre Texte um 18 Prozent besser (Science, 2023). Die Aufgaben dauerten 20 bis 30 Minuten und kamen ohne Firmenwissen aus. Ob die Fakten stimmten, wurde nicht eigens geprüft.

Ein Feldexperiment von Fabrizio Dell'Acqua und Kolleg*innen mit 758 Berater*innen der Boston Consulting Group zeigt die Kehrseite (Organization Science, 2026). Gefragt waren Produktideen und Marketingtexte, also eine Aufgabe, die das Sprachmodell GPT-4 gut beherrschte. Die Gruppe mit KI erledigte 12,2 Prozent mehr Teilaufgaben und war 25,1 Prozent schneller. Die Qualität ihrer Ergebnisse bewerteten die Gutachter*innen im Schnitt um rund 32 Prozent höher. Bei einer Analyseaufgabe außerhalb dieser Fähigkeiten kamen Berater*innen mit KI nach dem Arbeitspapier zur Studie um 19 Prozentpunkte seltener zur richtigen Lösung als die Vergleichsgruppe. Die Forschenden sprechen von einer „zerklüfteten Grenze“: Wo KI zuverlässig hilft, ist von außen schwer zu erkennen. Untersucht wurden Fachleute eines einzigen Großunternehmens mit dem Modellstand von 2023.

Daten aus dem Arbeitsalltag deuten auf kleinere Gewinne hin. Anders Humlum und Emilie Vestergaard verknüpften Befragungen von rund 25.000 Beschäftigten aus 7.000 Betrieben in Dänemark, darunter Fachleute aus dem Marketing, mit Registerdaten (Arbeitspapier, 2025). Wer KI-Chatbots nutzte, schätzte die eigene Zeitersparnis 2023 und 2024 im Schnitt auf 2,8 Prozent der Arbeitszeit. Auf Verdienst und Arbeitsstunden fanden die Forschenden keinen messbaren Effekt. Die Zeitersparnis beruht auf Selbstauskünften, Verdienst und Arbeitsstunden auf Registerdaten; beides bezieht sich auf diese beiden Jahre und den damaligen Modellstand.

Prüf deshalb jeden Anwendungsfall vor dem Ausrollen an Referenzfällen. Das sind typische, schwierige und kritische Aufgaben aus deinem Alltag, für die eine gute Lösung bekannt ist. Mit ihnen testest du auch jede neue Modellversion.

Ein Beispiel mit Annahmen: Ein Hersteller von Hydraulikkomponenten mit 120 Beschäftigten hat drei Personen im Marketing. Jede passt angenommen fünf Stunden pro Woche Texte für Kanäle, Zielgruppen und Sprachen an. Bei 46 Arbeitswochen und einem internen Stundensatz von 60 Euro kostet das 3 × 5 × 46 × 60 = 41.400 Euro im Jahr. Wie viel davon KI übernimmt, ist offen. Wir rechnen deshalb mit zwei Annahmen: 40 Prozent wie im MIT-Experiment, eher eine Obergrenze, und vorsichtige 20 Prozent.

Nutzen pro Jahr

vorsichtig (20 Prozent): 8.280 Euro

optimistisch (40 Prozent): 16.560 Euro

Nutzen über drei Jahre

vorsichtig (20 Prozent): 24.840 Euro

optimistisch (40 Prozent): 49.680 Euro

Gesamtkosten über drei Jahre

vorsichtig (20 Prozent): rund 10.000 Euro

optimistisch (40 Prozent): rund 10.000 Euro

Die Kosten im Beispiel beziehen sich auf drei Jahre: Lizenzen für drei Personen zu 30 Euro pro Monat ergeben 3.240 Euro; fünf Arbeitstage Einrichtung und Schulung kosten bei acht Stunden pro Tag und 60 Euro pro Stunde 2.400 Euro; zwei Stunden Pflege pro Monat ergeben 4.320 Euro. Insgesamt sind das 9.960 Euro über drei Jahre. Vergleiche sie mit dem Nutzen desselben Zeitraums und miss die tatsächliche Zeitersparnis im eigenen Ablauf. Gesparte Zeit wird erst dann wirtschaftlich wirksam, wenn das Team sie sinnvoll nutzt oder tatsächlich Kosten entfallen.

Wie misst man, ob KI im Marketing wirkt?

Mit drei Ebenen, die vor dem Start festgelegt werden. Nur 3 Prozent der Befragten von McKinsey können mehr als die Hälfte ihrer Marketingausgaben über eine Messung des Marketing-ROI erklären. Wer KI einführt, ohne die Messung zu klären, vergrößert dieses Problem.

  • Effizienz: Zeit je Inhalt, Kosten je Kampagne, Durchlaufzeit bis zur Freigabe.
  • Qualität: Anteil der Entwürfe, die ohne große Überarbeitung freigegeben werden, Fehlerquote, Passung zur Marke.
  • Wirkung: Anfragen, Qualität der Kontakte, Abschlussquote, Bekanntheit in der Zielgruppe.

Effizienz zeigt sich nach wenigen Wochen, Wirkung oft erst nach Monaten. Beide gehören in denselben Bericht, damit schnelle Einsparungen nicht mit Wirkung verwechselt werden.

Welche Fehler sollte die Geschäftsführung vermeiden?

Fünf Muster tauchen immer wieder auf.

  • Werkzeug vor Problem: Eine Lizenz wird gekauft, bevor klar ist, welche Arbeit sie erleichtern soll.
  • Pilot ohne Messung: Nach drei Monaten weiß niemand, ob es besser geworden ist.
  • Nur Kosten im Blick: KI wird ausschließlich zum Sparen eingesetzt, obwohl Tempo und Qualität im Wettbewerb mehr bewirken können.
  • Schatten-KI übersehen: Beschäftigte nutzen längst private, nicht freigegebene KI-Zugänge, ohne Regeln für Kundendaten. Bewährt hat sich, diese Nutzung zuerst offen zu erfassen und dann eine freigegebene Alternative anzubieten.
  • Verantwortung delegieren: Die Geschäftsführung überlässt Ziel und Rahmen dem Team und erhält uneinheitliche Ergebnisse.

Dazu kommen zwei Risiken, die Unternehmen mit KI-Erfahrung häufig nennen. Laut Bitkom halten 54 Prozent der KI-nutzenden Unternehmen die Kosten für schwer kalkulierbar, 45 Prozent sorgen sich, dass Unternehmensdaten in falsche Hände gelangen. Leg deshalb je Werkzeug eine monatliche Kostenobergrenze fest, kläre im Vertrag, was mit deinen Eingaben geschieht, und halte Anweisungen, Vorlagen und Daten so, dass du den Anbieter wechseln kannst.

Was gehört in die ersten 90 Tage?

Ein Fahrplan mit kleinem Umfang und festem Prüftermin.

  • Bestandsaufnahme: Welche KI-Werkzeuge werden schon genutzt, auch privat und ungeregelt? Welche Aufgaben kosten im Marketing die meiste Zeit?
  • Rahmen setzen: ein Werkzeug mit Vertrag zur Auftragsverarbeitung auswählen, das Eingaben nicht für das Training nutzt. Eine Richtlinie auf einer Seite verabschieden, Kennzeichnung regeln und den Betriebsrat einbinden, wo es einen gibt.
  • Zwei bis drei Anwendungsfälle starten: je Fall eine verantwortliche Person, eine Ausgangsmessung und einen Zielwert.
  • Befähigen: kurze Schulung je Rolle, gemeinsame Sammlung bewährter Anweisungen. Dokumentiere die Schulungen als Nachweis: Der AI Act, die KI-Verordnung der EU, verpflichtet Unternehmen, die KI einsetzen, Maßnahmen zur Förderung der KI-Kompetenz ihres Personals zu ergreifen.
  • Prüfen: Nach 90 Tagen entscheidet die Geschäftsführung je Fall: ausbauen, nachjustieren oder beenden.

Vertiefungen zu einzelnen Feldern:

Der kleinste sinnvolle Schritt

Nimm dir eine Stunde mit deiner Marketingleitung und schreib die drei Aufgaben auf, die im Marketing am meisten Zeit kosten. Wähl eine davon und miss eine Woche lang den Aufwand. Teste dann ein Werkzeug, für das ein Vertrag zur Auftragsverarbeitung vorliegt, zunächst ohne Kunden- und Personaldaten. Nach vier Wochen siehst du, ob der Aufwand messbar sinkt.

So gehen wir bei Callosa vor

Im KI-Einstiegsworkshop klären wir eine konkrete Aufgabe, die benötigten Daten und ein überprüfbares Ziel. Im vierwöchigen KI-Praxisprogramm erprobt euer Team einen wiederkehrenden Ablauf. Für die anschließende Implementierung vereinbaren wir Umfang, Zuständigkeiten und Erfolgskriterien gesondert. Ein 90-Tage-Plan kann eure interne Orientierung sein; er ist kein pauschales Leistungsversprechen.

Häufige Fragen

Wie viel Budget sollte ein mittelständisches Unternehmen für KI im Marketing einplanen?

Eine belastbare Richtgröße für den Mittelstand gibt es nicht. Die 15,3 Prozent aus der Gartner-Befragung stammen überwiegend von Großunternehmen. Sinnvoller ist es, vom Anwendungsfall aus zu rechnen: Was kostet das Problem heute, was kostet die Lösung über drei Jahre einschließlich interner Arbeitszeit, und ab welchem Nutzen lohnt sie sich?

Brauchen wir neue Software?

Oft nicht als Erstes. Viele Fälle lassen sich mit einem freigegebenen Sprachmodell, klaren Anweisungen und guten Vorlagen beginnen. Neue Software lohnt sich, wenn ein Anwendungsfall nachweislich trägt und in bestehende Systeme eingebunden werden soll.

Ersetzt KI die Agentur?

In Teilen. KI übernimmt Produktionsarbeit, und manches davon kann künftig das eigene Team erledigen. Strategie, Kreation, Qualitätssicherung und der Aufbau neuer Arbeitsweisen bleiben Aufgaben, für die viele Unternehmen Unterstützung von außen suchen. Wie sich die Arbeitsteilung verschiebt, beschreibt der Beitrag Marketingteam und Agentur im KI-Zeitalter neu aufstellen.

Wer sollte im Unternehmen verantwortlich sein?

Die Geschäftsführung verantwortet Ziel, Rahmen und Messgröße. Die Marketingleitung verantwortet die Umsetzung. Je Anwendungsfall braucht es eine benannte Person, die Ergebnisse prüft und berichtet.

Nächster Schritt

Du willst klären, wo KI in deinem Marketing Wert schafft? Sprich mit uns über eine kompakte Standortbestimmung mit Anwendungsfällen, Rahmen und Messgrößen.

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. 4, abgerufen am 16.11.2026. Quelle öffnen
  • Europäische Union: Verordnung (EU) 2026/1744 zur Änderung der Verordnung (EU) 2024/1689 (Digital-Omnibus zur KI), 08.07.2026. Quelle öffnen
  • Shakked Noy, Whitney Zhang: Experimental evidence on the productivity effects of generative artificial intelligence, Science 381 (6654), 187–192, 2023. Quelle öffnen
  • Fabrizio Dell'Acqua, Edward McFowland III, Ethan Mollick u. a.: Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality, Organization Science 37 (2), 403–423, 2026. Quelle öffnen
  • Fabrizio Dell'Acqua, Edward McFowland III, Ethan Mollick u. a.: Navigating the Jagged Technological Frontier, Harvard Business School Working Paper 24-013, 22.09.2023. Quelle öffnen
  • Anders Humlum, Emilie Vestergaard: Large Language Models, Small Labor Market Effects, Becker Friedman Institute Working Paper 2025-56, 2025. Quelle öffnen
  • Bitkom: Erstmals nutzt die Mehrheit der Unternehmen KI, Presseinformation, 14.09.2026. Quelle öffnen
  • McKinsey & Company: State of Marketing 2026, Pressemitteilung, 21.11.2025. Quelle öffnen
  • Gartner: 2026 CMO Spend Survey, Pressemitteilung, 11.05.2026. Quelle öffnen
  • Marketing Dive: AI remains a top priority for CMOs, but spending lags (Methodik der Gartner-Befragung), 11.05.2026. Quelle öffnen
  • IHK Frankfurt am Main: Der neue KI-Omnibus (Verordnung (EU) 2026/1744), abgerufen am 16.11.2026. Quelle öffnen

Passendes Angebot

KI-Einstiegsworkshop

Aufgabe mit Callosa besprechen

Foto: Surface / Unsplash.

Passende Fähigkeiten

Konkrete Angebote

KI-Einstiegsworkshop

Wir prüfen konkrete Marketingaufgaben auf ihren KI-Einsatz. Gemeinsam bewerten wir Nutzen, verfügbare Daten und Voraussetzungen und wählen einen ersten Anwendungsfall aus.

Arbeiten zum Thema