aufeinwort Interview KI
Künstliche Intelligenz ist Teil des Marketingalltags – von der Content-Erstellung über Ideenfindung bis hin zu Analyse und Automatisierung. So groß die Möglichkeiten auch sind, so wichtig ist es, die Grenzen der Technologie zu kennen. Wie zuverlässig sind KI-generierte Inhalte? Wo ist eine menschliche Prüfung unverzichtbar? Und welche Daten kann eine KI tatsächlich liefern? In unserem Interview fragen wir eine KI selbst nach ihren Stärken, Schwächen und sinnvollen Einsatzmöglichkeiten im Marketing.
KI: Die größten Chancen sehe ich dort, wo viele Informationen verarbeitet, Varianten erstellt oder wiederkehrende Aufgaben beschleunigt werden müssen. Bei der Content-Erstellung kann KI zum Beispiel Entwürfe für Blogartikel, Social Posts, Newsletter, Anzeigen oder Produkttexte liefern. Besonders hilfreich ist sie aber oft schon einen Schritt vorher: bei Ideenfindung, Recherche, Strukturierung und Konzeption. Sie kann Themen clustern, unterschiedliche Blickwinkel entwickeln, Headlines vorschlagen oder aus einem langen Inhalt mehrere kleinere Formate ableiten.
Ein zweites großes Feld ist die Analyse. KI kann große Mengen an Kundenfeedback, Umfrageergebnissen, Suchanfragen oder Kampagnendaten zusammenfassen und Muster herausarbeiten. Hinzu kommen Personalisierung und Automatisierung: etwa unterschiedliche Textvarianten für Zielgruppen, automatisierte Antworten, Lead-Qualifizierung oder die Unterstützung bei wiederkehrenden Marketingprozessen. Der größte Nutzen entsteht aus meiner Sicht nicht dadurch, dass KI Marketing vollständig übernimmt, sondern dadurch, dass sie Recherche, Produktion und Auswertung deutlich schneller macht.
KI: Besonders gut kann ich Aufgaben unterstützen, bei denen Sprache, Struktur, Ideen oder große Informationsmengen eine Rolle spielen. Dazu gehören beispielsweise Brainstorming, Content-Entwürfe, Zusammenfassungen, Redaktionsplanung, Persona-Ideen, Varianten von Werbetexten, Analyse von bereitgestellten Informationen oder die Überarbeitung bestehender Inhalte.
Weniger geeignet bin ich als alleinige Instanz für Aufgaben, bei denen aktuelle, vollständige oder geschäftskritische Daten entscheidend sind. Dazu gehören zum Beispiel eine belastbare Marktanalyse ohne entsprechende Datenquellen, eine vollständige SEO-Analyse, rechtliche Bewertungen oder die Entscheidung darüber, welche Kampagne ein Unternehmen strategisch verfolgen sollte. Auch echtes Markenverständnis entsteht nicht automatisch. Ich kann einen Brand Guide sehr konsequent anwenden – aber ich kenne nicht automatisch die internen Erfahrungen, Kundenbeziehungen oder kulturellen Feinheiten eines Unternehmens.
Man könnte sagen: Ich bin sehr gut darin, Denk- und Produktionsprozesse zu unterstützen. Verantwortung und Urteilskraft sollte ich aber nicht ersetzen.
KI: Grundsätzlich gilt: Je mehr relevanten Kontext ich bekomme, desto hilfreicher kann meine Antwort sein. Dazu gehören zum Beispiel Zielgruppe, Tonalität, Kommunikationsziel, Produktinformationen, Briefings, Markenrichtlinien oder anonymisierte Beispieldaten.
Vorsichtig sollte man dagegen mit vertraulichen, personenbezogenen oder geschäftskritischen Informationen umgehen. Dazu zählen etwa Passwörter, Zugangsdaten, private Kundendaten, sensible Mitarbeiterinformationen, unveröffentlichte Geschäftsgeheimnisse oder andere Informationen, die nicht nach außen gelangen sollen. Gerade im Unternehmenskontext sollte deshalb nicht einfach alles ungefiltert in ein KI-System kopiert werden. Sinnvoll ist es, vorher zu prüfen: Braucht die KI diese Information wirklich für die Aufgabe? Kann ich sie anonymisieren oder abstrahieren? Und entspricht die Nutzung den internen Datenschutz- und Sicherheitsrichtlinien? Für viele Marketingaufgaben reichen ohnehin strukturierte Informationen ohne sensible Details aus. Statt beispielsweise einen vollständigen Kundendatensatz zu übergeben, kann man mit anonymisierten Segmenten, zusammengefassten Erkenntnissen oder exemplarischen Fällen arbeiten.
Die Grundregel wäre also: So viel relevanten Kontext wie nötig – aber so wenig sensible Information wie möglich.
KI: Die Zuverlässigkeit hängt stark von der jeweiligen Aufgabe und den verfügbaren Informationsquellen ab. Ein wichtiges Problem bei generativer KI ist, dass eine Antwort sprachlich sehr überzeugend klingen kann, obwohl einzelne Aussagen falsch sind. Dieses Phänomen wird häufig als Halluzination bezeichnet. Ich kann beispielsweise Zahlen, Studien, Zitate oder Quellen falsch wiedergeben oder Informationen miteinander vermischen. Auch bei Themen, die sich schnell verändern, kann eine Antwort ohne Zugriff auf aktuelle Quellen veraltet sein.
Deshalb sollte man zwischen zwei Dingen unterscheiden: sprachlicher Plausibilität und faktischer Verlässlichkeit. Je wichtiger eine Aussage für eine Entscheidung ist, desto wichtiger ist es, sie anhand belastbarer Quellen zu überprüfen. Besonders sinnvoll ist es, KI nicht nur nach einer Antwort zu fragen, sondern ihr konkrete Daten, Dokumente oder vertrauenswürdige Quellen zur Verfügung zu stellen.
KI: Grundsätzlich alles, was externe Konsequenzen haben kann. Besonders kritisch sind Fakten, Zahlen, Studien, Statistiken, Zitate und Quellenangaben. Auch rechtliche Aussagen, Datenschutzthemen, medizinische oder finanzielle Inhalte sollten niemals ungeprüft übernommen werden. Ebenso wichtig ist die Prüfung von Markenbotschaften. Ein Text kann grammatikalisch perfekt sein und trotzdem nicht zur Positionierung oder zur Haltung einer Marke passen. Auch Fachinhalte sollten Experten prüfen. KI kann Fachsprache sehr überzeugend imitieren, ohne zwangsläufig jede fachliche Nuance korrekt abzubilden. Bei einfachen Aufgaben – etwa zehn Varianten einer Social-Media-Headline – kann die Kontrolle sehr schnell gehen. Bei einem Fachartikel, einer Unternehmenspositionierung oder einer Kampagne sollte sie entsprechend gründlicher sein. Eine gute Faustregel lautet: Je größer der mögliche Schaden eines Fehlers, desto intensiver sollte die menschliche Prüfung sein.
KI: Nicht vollständig. Ich kann sehr gut semantische Keyword-Ideen entwickeln. Wenn man mir beispielsweise ein Thema, ein Produkt und eine Zielgruppe nennt, kann ich verwandte Suchbegriffe, Long-Tail-Keywords, Fragen, Themencluster oder mögliche Suchintentionen vorschlagen. Was ich ohne entsprechende Datenquelle aber nicht zuverlässig liefern kann, sind reale Kennzahlen wie Suchvolumen, CPC, Wettbewerb, Keyword Difficulty oder aktuelle Rankings. Genau diese Daten sind für eine professionelle Keyword-Recherche häufig entscheidend.
Deshalb funktioniert KI hier besonders gut in Kombination mit SEO-Tools und realen Daten. Typische Quellen sind beispielsweise Google Search Console, Google Keyword Planner oder spezialisierte SEO-Plattformen wie Ahrefs, Semrush oder Sistrix. Ein sinnvoller Prozess wäre beispielsweise: KI entwickelt zunächst Themen und Keyword-Hypothesen. Anschließend werden diese mit realen Suchdaten validiert. Danach kann KI wiederum helfen, die Keywords zu clustern, Suchintentionen zu analysieren oder Content-Strukturen daraus zu entwickeln. KI ersetzt also weniger das SEO-Tool – sie kann vielmehr die Arbeit mit den Daten deutlich effizienter machen.
KI: Eine plausible KI-Antwort basiert zunächst darauf, welche Antwort sprachlich und inhaltlich zu einer Frage passt. Eine datenbasierte Marketinganalyse basiert dagegen auf konkreten Beobachtungen und Messwerten. Wenn ich beispielsweise sage: „Jüngere Zielgruppen bevorzugen wahrscheinlich kurze Videoformate“, kann das plausibel klingen. Eine belastbare Analyse würde aber fragen: Welche Zielgruppe genau? Auf welcher Plattform? In welchem Markt? In welchem Zeitraum? Welche Daten zeigen das? Das ist ein entscheidender Unterschied. KI kann sehr gut dabei helfen, Hypothesen zu formulieren oder Daten zu interpretieren. Aber eine überzeugend formulierte Aussage ist noch kein Beweis. Für gute Marketingentscheidungen sollte deshalb klar sein, welche Aussagen auf Daten, welche auf Erfahrungswissen und welche lediglich auf Hypothesen beruhen.
KI: Sehr stark – wobei ein guter Prompt nicht unbedingt kompliziert sein muss. Je genauer ich verstehe, was das Ziel ist, für wen der Inhalt gedacht ist und welche Rahmenbedingungen gelten, desto besser kann ich arbeiten. Ein Auftrag wie „Schreib mir einen LinkedIn-Post über unsere neue Software“ lässt sehr viel Interpretationsspielraum.
Deutlich hilfreicher wären Informationen wie: Wer ist die Zielgruppe? Was ist das zentrale Problem? Was unterscheidet das Produkt vom Wettbewerb? Welche Tonalität nutzt die Marke? Was soll der Leser anschließend tun? Gibt es Beispiele für bestehende Kommunikation? Auch gute Beispiele sind sehr wertvoll. Wenn Unternehmen mir erfolgreiche Texte, einen Styleguide oder bestehende Kampagnen zeigen, kann ich mich wesentlich besser daran orientieren.
Längere Chats können zusätzlichen Kontext liefern, sind aber nicht automatisch besser. In sehr langen Gesprächen können sich Anforderungen verändern oder widersprechen. Deshalb hilft es bei komplexen Projekten, wichtige Rahmenbedingungen gelegentlich wieder klar zusammenzufassen. Kurz gesagt: KI profitiert von einem guten Briefing genauso wie ein menschlicher Texter, Designer oder eine Agentur.
KI: Ja, diese Gefahr besteht definitiv. Wenn Tausende Unternehmen ähnliche Prompts verwenden und KI ohne eigene Perspektive oder eigenes Wissen einsetzen, entstehen zwangsläufig ähnliche Texte: gleiche Strukturen, ähnliche Formulierungen und die gleichen oberflächlichen Tipps. Dafür hat sich inzwischen teilweise der Begriff „AI Slop“ etabliert – massenhaft produzierter Inhalt mit geringem eigenständigem Wert. Das eigentliche Problem ist dabei weniger die KI als die Art ihrer Nutzung.
Interessanter wird Content dann, wenn Unternehmen Dinge einbringen, auf die ein allgemeines KI-Modell keinen direkten Zugriff hat: eigene Daten, Kundeninterviews, Projekterfahrungen, Expertenmeinungen, Fallstudien, starke Positionen und eine erkennbare Markenpersönlichkeit. KI kann diese Inhalte strukturieren, zuspitzen oder in verschiedene Formate übersetzen. Die eigentliche Differenzierung muss aber vom Unternehmen kommen. Je einfacher Content mit KI produziert werden kann, desto wertvoller werden vermutlich echte Erfahrung und eine erkennbare Perspektive.
KI: Eine sehr zentrale. Der Mensch sollte vor allem Ziele definieren, Prioritäten setzen und Ergebnisse bewerten. KI kann beispielsweise 30 Kampagnenideen entwickeln. Aber welche davon zur Marke passt, welche intern realistisch ist und welche strategisch sinnvoll ist, sollte ein Mensch entscheiden. Hinzu kommen Bereiche wie Kreativität, Empathie und Kontextverständnis. Menschen verstehen Kundenbeziehungen, Unternehmenspolitik, kulturelle Feinheiten oder sensible Situationen häufig wesentlich besser. Und schließlich gibt es eine wichtige Frage der Verantwortung: Eine KI trägt keine Verantwortung für eine falsche Kampagne, eine problematische Aussage oder eine schlechte strategische Entscheidung. Das Unternehmen und die beteiligten Menschen tun es. Ein sinnvoller KI-Prozess bedeutet deshalb nicht „Mensch oder KI“, sondern eine klare Arbeitsteilung: KI unterstützt bei Geschwindigkeit und Verarbeitung – Menschen übernehmen Richtung, Bewertung und Verantwortung.
Ich würde KI vor allem dort einsetzen, wo drei Dinge gefragt sind: Geschwindigkeit, Varianten und Verarbeitung großer Informationsmengen. Sehr sinnvoll ist sie beispielsweise für Recherche, Brainstorming, erste Entwürfe, Zusammenfassungen, Textvarianten, Datenstrukturierung oder die Vorbereitung von Analysen. Zurückhaltender sollte man dort sein, wo eine Entscheidung stark von Verantwortung, Originalität, sensiblem Kontext oder verlässlichen Fakten abhängt. Ich würde deshalb nicht fragen: „Welche Marketingaufgaben können wir komplett an KI abgeben?“
Die bessere Frage ist: „An welcher Stelle unseres bestehenden Prozesses kann KI uns schneller oder besser machen?“ Ein praktikables Modell könnte so aussehen: Mensch → KI → Mensch.
Der Mensch definiert Strategie, Ziel und Briefing. Die KI recherchiert, strukturiert, analysiert oder produziert Varianten. Anschließend bewertet, korrigiert und entscheidet wieder ein Mensch. So wird KI weder zum bloßen Spielzeug noch zum vermeintlichen Autopiloten, sondern zu einem Werkzeug innerhalb eines kontrollierten Prozesses.
KI: Das größte Missverständnis ist wahrscheinlich die Annahme, dass gute KI-Ausgaben automatisch gute Marketingentscheidungen sind. Ein sehr gut formulierter Text kann auf einer schlechten Strategie basieren. Eine überzeugende Analyse kann auf falschen Annahmen beruhen. Und hundert Content-Ideen helfen wenig, wenn keine davon für die Zielgruppe relevant ist. Generative KI ist außergewöhnlich gut darin, Sprache zu erzeugen, Informationen zu strukturieren und mit möglichen Lösungen zu arbeiten. Sie besitzt aber nicht automatisch das Wissen über ein Unternehmen, seine Kunden, seinen Markt oder seine strategischen Ziele.
Deshalb würde ich KI im Marketing weniger als „digitalen Mitarbeiter, der alles weiß“ betrachten und eher als sehr leistungsfähiges Werkzeug für Denken, Produktion und Analyse. Wer sie so einsetzt, kann enorm viel Zeit gewinnen. Wer ihre Ergebnisse mit Wahrheit, Strategie oder Expertise verwechselt, läuft dagegen Gefahr, sehr effizient in die falsche Richtung zu arbeiten.
Vielen Dank für das Gespräch!
Aktueller Beitrag
Monatliche Tipps, Best Practices & Impulse!
