Fintech-Marketing-Vizepräsident sagt: Das Versprechen der KI liegt in der Datenanalyse, nicht im Content

Ich arbeite seit etwa einem Jahrzehnt im B2B-Marketing, zuletzt als VP of Marketing bei Cognism, einer Plattform für Vertriebsintelligenz, bevor ich zu Alt21 kam.

Alt21 ist ein relativ junges Unternehmen. Unser Fokus liegt auf Großbritannien und Europa, und wir sind vor allem digital ausgerichtet. Bezahlte Suche, bezahlte soziale Medien und organische SEO sind die zentralen Kanäle, die wir aufbauen.

In dieser Phase geht es weniger darum, Komplexität zu managen, sondern vielmehr darum, die Grundlagen zu legen und zu verstehen, was funktioniert, bevor wir skalieren.

Warum die größten Marketingchancen von KI in Datenanalyse und Reporting liegen

Meine Beziehung zu KI begann, als ich hier anfing. Ich kam als Ein-Mann-Marketingteam, und ohne KI wäre ich viel zu langsam gewesen. Das war die Realität. Inzwischen sind wir ein Team von drei Personen – ich, ein Growth Marketer und ein Content Marketer. Also immer noch klein, aber es nimmt Form an.

Von Null zu starten ist eine seltene Gelegenheit. Eingespielte Teams haben bestehende Systeme, Prozesse und Gewohnheiten; dort KI einzuführen, ist schwierig. Wenn man von Grund auf beginnt, kann man die gesamte Funktion von Anfang an KI-orientiert ausrichten. Das ist ein echter Vorteil, den ich bestmöglich nutzen wollte.

Um zu lernen, was KI leisten kann, habe ich einfach angefangen, Dinge zu bauen. Ich habe unsere Kunden- und Umsatzdaten in Claude hochgeladen, um unsere besten Kunden auf Basis von Fakten zu ermitteln – nicht von Annahmen. Das hätte normalerweise Wochen gedauert, aber mit KI schafften wir es an einem Nachmittag. Dann habe ich unser CRM angebunden, sodass ich unsere Pipeline abfragen und in wenigen Minuten, nicht erst nach Stunden, verlässliche Berichte erhalten konnte. Und ich habe unser Data Warehouse, CRM und unsere Website verknüpft, um vollständige Einblicke in den Funnel vom Traffic bis zur Kontoeröffnung zu bekommen.

Wie die Verbindung von Daten Marketingkanäle optimiert

Was ich beobachte: Die größte Chance von KI im Marketing liegt nicht in der Content- oder Texterstellung, sondern in Datenanalyse und Reporting.

Die meisten Marketingteams brauchen immer noch viel Zeit für Entscheidungen. Sie ziehen Daten aus verschiedenen Tools, gleichen widersprüchliche Zahlen ab und erstellen Präsentationen, die schon veraltet sind, bevor sie jemand liest. Ich habe Teams gesehen, die jeden Monat eine Woche damit verbringen – für wenig Erkenntnisgewinn.

Diese Zeit kann man jetzt zurückgewinnen. Wenn CRM, Website-Analytics und Paid-Daten zentral zusammenlaufen und man sie mit KI abfragt, entfällt ein Großteil der lästigen Reporting-Arbeit. Übrig bleibt das Wesentliche: die Analyse, die Entscheidung, die Handlung.

Viele Marketingverantwortliche sehen KI immer noch vor allem als Content-Tool und übersehen diesen Aspekt komplett. Die größere Chance besteht darin, KI zu nutzen, um endlich ein datengetriebenes Team zu werden – was viele längst behauptet haben, aber wofür meist die Infrastruktur fehlte.

Darauf liegt im Moment mein Fokus: alle Daten zu verbinden. Aktuell laufen bezahlte Suche und bezahlte Social unter eigenen Plattformen mit eigenen Metriken. Website-Verhalten, organische/SEO-Daten sowie CRM- und Umsatzdaten liegen ebenfalls getrennt. Deshalb baue ich automatisierte Berichte, die all diese Daten an einem Ort zusammenführen. Dadurch werde ich sehen, wie Paid und Organic zusammenwirken, welche Kampagnen tatsächlich Umsatz bringen (nicht nur Klicks), und wo wir mit echtem Vertrauen in die Entscheidung skalieren oder Ausgaben kürzen können.

KI macht diese Art von kanalübergreifender Auswertung tatsächlich möglich – wie es vorher nicht machbar war. Für ein kleines Team wie unseres ist das entscheidend. Wir können es uns nicht leisten, monatelang Experimente laufen zu lassen, um herauszufinden, was funktioniert. Wir müssen schneller und fundierter über die Budgetverteilung entscheiden.

Wie KI-Datenanalyse und Reporting in der Praxis aussehen

So sieht das in der Praxis aus: Ich habe eine Verbindung zwischen Attio (unserem CRM), unserem Data Warehouse und Website-Analytics geschaffen und frage alles über Claude ab. Früher bedeutete die Auswertung unseres Funnels, Daten manuell aus verschiedenen Quellen zu ziehen. Wir hofften, dass die Daten übereinstimmten und mussten viel Zeit investieren, sie aufzubereiten, bevor eine Analyse möglich war.

Jetzt kann ich die Attio-Pipeline direkt abfragen und erhalte Berichte, denen ich vertraue. Außerdem habe ich einen wöchentlichen Website-Report eingerichtet, der mit Microsoft Clarity, Google Search Console und unserem CMS verbunden ist und eine Liste roter, gelber und grüner Maßnahmen auf Basis echten Nutzerverhaltens liefert. In der ersten Woche fiel uns damit ein Problem mit "toten Klicks" auf der mobilen Anmeldeseite auf, das wir sofort behoben. Manuell hätten wir dieses Problem vermutlich erst nach Monaten entdeckt.

Hier sind noch ein paar weitere Beispiele:

• Für neue Konten zeigte der Full-Funnel-Bericht, der Attio mit unserem Data Warehouse und unserer Website verband, dass trotz eines Anstiegs des Website-Traffics um 157 % im März die Anzahl der neuen Konten kaum zunahm und die Konversionsrate von 7,2 % auf 2,8 % sank. Das Wachstum des Traffics bestand größtenteils aus minderwertigem Traffic. Dieses Signal wird leicht übersehen, wenn die Daten getrennt voneinander gespeichert werden.
• Ich benötigte Fallstudien, Erfahrungsberichte, dergleichen, also habe ich Claude gebeten, unsere gesamte Kundenbasis (über Attio) anhand von Engagement-Signalen zu bewerten, um die besten Kandidaten herauszufiltern. Ich hatte bereits einige Signale im Kopf, wie Handelsaktivität, Zugehörigkeitsdauer, Produktnutzung und bisherige Reaktionsbereitschaft. Ich bat Claude auch, weitere relevante Faktoren vorzuschlagen. Zusammen entwickelten wir ein Bewertungsmodell, das treffend repräsentiert, wie ein guter Fürsprecher aussieht. Claude führte dies dann über das gesamte CRM aus und erstellte eine Rangliste. Die Ergebnisse hatte ich noch am selben Nachmittag vorliegen, und das Resultat war großartig.

Die Verbindung unserer Daten hat auch eine kulturelle Veränderung intern bewirkt, da unsere Daten zum Nachfragen zentralisiert wurden – in Claude – anstatt dass jeder isoliert in verschiedenen Tools arbeitet. Dieser Wandel war wahrscheinlich genauso bedeutsam wie die technischen Veränderungen.

Es ist immer noch ein laufender Prozess, aber ich sehe jetzt schon, dass meine Entscheidungen fundierter sind, als sie es sonst gewesen wären, und ich spare Zeit beim Suchen und Zusammenstellen von Daten und kann diese so wieder in tatsächliche Umsetzungen investieren.

Warum Datenqualität wichtig ist

Die Kehrseite: Die CRM-Datenqualität muss hoch sein, damit das funktioniert – und das ist bei uns noch nicht vollständig gegeben.

Erste Berichte müssen erheblich von Menschen überprüft werden, bevor sie einsatzbereit sind. Es ist leicht, den Aufwand zu unterschätzen, der erforderlich ist, um verlässliche Datenfundamente zu schaffen, bevor die Ergebnisse robust werden.

Wie man zwischen KI und menschlicher Arbeit entscheidet

Wenn ich entscheide, wofür ich KI einsetze, folge ich einigen Leitprinzipien.

KI informiert die meisten analytischen und Rechercheaufgaben. Pipeline-Reporting, Website-Verhalten, Analyse des idealen Kundenprofils, das Zusammenführen von Daten aus verschiedenen Tools, um aufzudecken, was geschieht. Dort verlasse ich mich intensiv auf sie, weil das am meisten Zeit spart und ehrlich gesagt besser funktioniert, als ich es manuell könnte.

Auf der Inhalts- und Kreativseite ist es differenzierter. Auch dort nutze ich KI, aber anders. Sie erledigt nicht die gesamte Arbeit, sondern bringt mich zu 80 oder 90 Prozent ans Ziel. So kann ich meine Energie auf das einzigartige Element richten, das wirklich zählt.

Der Einfluss von KI auf das Marketing ist vergleichbar mit dem Einfluss von Maschinen auf die Produktion. Als es möglich wurde, 10.000 identische Schokoriegel herzustellen, hörte die Produktion selbst auf, das Unterscheidungsmerkmal zu sein. Die Marke wurde zum Differenzierungsmerkmal. Was einen Riegel vom anderen unterschied, wurde plötzlich wichtig.

Für Content gilt dasselbe: Jeder kann jetzt einen Blogbeitrag schreiben. Jeder kann Masse produzieren. Wertvoll werden deshalb Aspekte wie Expertenmeinung, echte Kommentare und Einsichten, die aus besonderem Wissen stammen. Dieser Teil muss menschlich bleiben. Nicht, weil KI keine Worte erzeugen kann, sondern weil die Perspektive und Erfahrung dahinter diese Worte lesenswert machen. KI hilft mir, alles andere schneller zu erledigen, damit ich zu diesem Teil komme.

Warum KI bei Design- und Webprojekten enttäuscht

KI war im Bereich Design und Website bislang enttäuschend.

Viele behaupten, KI könne Designer, Video-Editoren und Webentwickler ersetzen. Ich habe es ausprobiert und bei anderen beobachtet. Ähnlich wie beim Content kommt man vielleicht zu 80 oder 90 Prozent ans Ziel. Aber in den letzten 10 oder 20 Prozent steckt die Identität deiner Marke. Sie sorgen dafür, dass deine Kreativen nach dir aussehen und nicht wie jeder andere, der denselben Prompt verwendet hat.

Bist du mit etwas Generischem zufrieden, funktioniert es vermutlich gut. Aber für ein Fintech-Unternehmen, das Vertrauen bei Geschäftskunden aufbauen möchte, spielt Design eine entscheidende Rolle. Es vermittelt Glaubwürdigkeit, bevor jemand ein einziges Wort gelesen hat. Eine Website, deren Module nicht ganz funktionieren, oder eine KI-generierte visuelle Identität untergräbt das, selbst wenn die Menschen nicht immer sagen können, warum.

Daher verlasse ich mich für solche Arbeiten weiterhin auf Menschen: einen Designer, einen Video-Editor und einen Webentwickler. Daran hat sich nichts geändert.

Der Hype um KI im Kreativbereich entspricht noch nicht der Realität, zumindest nicht, wenn man einen gewissen Qualitätsanspruch an die eigene Marke hat. Es ist ein nützliches Werkzeug, aber kein Ersatz – und das werden viele noch schmerzhaft lernen.

Wie KI zu schlankeren Marketing-Teams führt

Große Marketing-Teams sind nicht länger notwendig. Ich bin gespannt, wie klein wir das Team tatsächlich halten können.

Ein KI-natives Team wird wesentlich mehr und direkt beim ersten Anlauf korrekt umsetzen – dank schneller Einblicke.

Ein kleines Team kann es sich nicht leisten, monatelang auf die Ergebnisse von Experimenten zu warten. Sie brauchen schnellere, besser informierte Entscheidungen über die Budgetverteilung.

Share This Quote on:

• Share on Twitter
• Share on LinkedIn
• Share on Facebook

Liam BartholemewOpens new window

VP of Marketing

Und in Zukunft wird eine betriebsorientierte Person (z. B. AI Ops, MarOps) sowie ein fortgeschrittener Wachstumsmarketer unerlässlich — sie sorgen dafür, dass du alles richtig aufbaust und alle Systeme unterwegs miteinander verknüpfst.

Warum Marketingverantwortliche etablierte Prozesse hinterfragen müssen

Hier ist mein Rat.

1. Sei experimentierfreudig und halte nicht zu sehr an Prozessen fest. Ich habe einige der besten Dinge erreicht, indem ich bereit war zu fragen: „Was wäre, wenn wir das einfach komplett neu anfangen?“ Das ist in eingespielten Teams, in denen Prozesse eine Geschichte haben und im Besitz von Personen sind, ungewohnt. Aber wenn etwas mit KI im Zentrum neugestaltet werden könnte, sollte man sich fragen, ob es das nicht wert ist.
2. Hole die richtige Person ins Boot. Du musst nicht alles selbst bauen, aber du brauchst jemanden an deiner Seite, der wirklich Lust hat, das herauszufinden. Jemand, der neugierig ist, der auch zu Hause damit spielt, der mit Ideen ins Büro kommt. Diese Energie kann man nicht künstlich erzeugen, und sie ist wichtiger als jedes Tool oder Budget.
3. Teile frühzeitig und regelmäßig, was funktioniert. Mit dem Rückhalt unseres CEO öffneten sich Türen zum CTO, sodass wir unsere Dateninfrastruktur besser verbinden konnten – das machte alles noch wirkungsvoller. Das gelang nicht, weil ich eine große Präsentation gehalten habe, sondern weil ich anderen etwas Nützliches gezeigt habe, das sie dann selbst haben wollten. Sichtbare kleine Erfolge sorgen für Schwung.
4. Erwarte nicht, dich aus der Notwendigkeit von Mitarbeitenden „herauszuautomatisieren“. Die Teams, die gewinnen werden, sind nicht die, die mit KI Personal einsparen. Sondern jene, in denen Menschen höherwertige Arbeit leisten, weil KI die Grundlagen übernimmt. Das ist eine andere Zielsetzung – und führt zu besseren Ergebnissen.
5. Und schließlich: Warte nicht, bis du einen perfekten Plan hast. Am besten findest du heraus, was KI für deine spezielle Situation leisten kann, indem du einfach etwas baust – auch wenn es klein und unvollkommen ist. Alles, was ich gelernt habe, stammt aus der Praxis – nicht aus der Theorie.

Bleib auf dem Laufenden

Du kannst verfolgen, wie Liam die Marketingfunktion bei Alt21 weiter ausbaut – auf LinkedIn.

Weitere Experteninterviews folgen im The CMO Club!