Technikaffiner Leiter des Marketings erklärt, wie Marketingbudgets und Teams für KI neu strukturiert werden müssen
Erfahren Sie, wie eine Marketingführungskraft KI nutzt, um Inhalte zu skalieren, Teams umzustrukturieren und die Umsetzung von Kampagnen zu verbessern – wobei Strategie und Positionierung weiterhin menschlich geführt bleiben.
Simone Morellato
Leiter Marketing bei vCluster
KI-Rolle: KI erhöht die Effizienz im technischen Marketing erheblich und sorgt für konsistente Kommunikation über verschiedene Kanäle hinweg.
Führungsperspektive: Marketing-Führungskräfte müssen KI-Fähigkeiten mit menschlichem Urteilsvermögen für strategische Botschaften und Positionierung in Einklang bringen.
Betriebswandel: Die Einführung von KI im Marketing erfordert einen Übergang zu einem funktionsübergreifenden Modell und verbessert Zusammenarbeit sowie Effizienz.
Investition in Tools: Dezentrale Budgets für KI-Tools geben Marketern Flexibilität und steigern Produktivität sowie Innovationsgeschwindigkeit.
Enablement-Rolle: Eine KI-Enablement-Rolle zentralisiert das Lernen und operationalisiert KI-Weiterentwicklungen, um Fragmentierung in Teams zu verhindern.
Simone Morellato ist eine Führungskraft im technischen Marketing und Head of Marketing bei vCluster. Schon in einer früheren Position begann er mit ersten Experimenten im Bereich KI und setzt diese inzwischen als Multiplikator in seinem Marketingteam ein.
Wir haben uns mit ihm zusammengesetzt, um zu erfahren, wie KI seine Marketing-Workflows und -Teams verändert. Er berichtet von neuen Rollen und Budgetposten, die mittlerweile unverzichtbar sind.
KI als Multiplikator im Marketing einsetzen
Ich bin eine Führungskraft im Marketing, die ihre Karriere an der Schnittstelle zwischen tiefem technischen Verständnis von Technologieprodukten und deren Markteinführung aufgebaut hat – hauptsächlich im Bereich Infrastruktur, Cloud und Entwicklerplattformen. Mein Weg begann auf der technischen Seite: Ich habe Elektronik und Informatik studiert und als Softwareentwickler Speichernetzwerk-Systeme gebaut. Diese Grundlage hat mir im Marketing technischer Produkte sehr geholfen, denn ich verstand immer, wie sie funktionieren und nicht nur, wie man sie positioniert.
Want more from The CMO?
Sign up for a free membership to complete reading this article:
Have an account? Log In
Mit der Zeit wechselte ich vom Engineering ins technische Produktmarketing bei Cisco und anschließend in Führungspositionen bei Startups und Großunternehmen wie Riverbed, Cloudian und Apcera. Meine Zeit bei VMware war ein entscheidender Wendepunkt: Fast ein Jahrzehnt lang habe ich das Tanzu Kubernetes-Geschäft skaliert, ein globales Team für Produkt-, Entwickler- und Lösungsmarketing aufgebaut und das Portfolio von einem Open-Source-Projekt auf über 20 Produkte erweitert. Schon damals experimentierte ich mit KI-gesteuerten Workflows, etwa indem ich interne Automatisierungstools für Analyst Relations entwickelte, die die Bearbeitungszeiten deutlich verkürzten und die Effizienz steigerten.
Heute leite ich das Marketing bei vCluster und baue eine vollständige Go-to-Market-Engine über Growth, Produktmarketing, Community und Brand auf. Wir haben die Effizienz gesteigert, indem wir Demand Generation neu gedacht und die Awareness von Zehntausenden auf Millionen von Impressionen skaliert sowie die Kosteneffizienz und die Konversionsrate im Funnel deutlich verbessert haben. Ein Schwerpunkt liegt auf developerzentrierter Kommunikation und Community-getriebenen Growth-Loops, insbesondere im Kubernetes- und KI-Infrastruktur-Bereich.
Alles, woran ich bisher gearbeitet habe, läuft auf den aktuellen Moment der KI-Transformation hinaus. KI verändert jetzt grundlegend sowohl die Art und Weise, wie Software entwickelt als auch wie sie vermarktet wird. Als Marketing-Leader helfe ich Unternehmen dabei, von fragmentierten Produktbotschaften zu einheitlichen Plattform-Narrativen zu kommen – mit KI nicht nur als Schlagwort in der Story, sondern als Multiplikator im Marketingprozess selbst.
Das Gleichgewicht zwischen Entwicklervertrauen und Unternehmenskunden-Anforderungen
Bei vCluster leite ich eine Full-Stack-Go-to-Market-Funktion, die Growth, Produktmarketing, Brand, Community und Events umfasst. Das Team arbeitet sowohl mit Open-Source- als auch mit Enterprise-Ansätzen und hat dabei ein Doppelmandat: Eine breite Entwickler-Community für den Einsatz zu gewinnen und dieses Engagement in einen strukturierten Enterprise-Pipeline umzuwandeln.
Organisatorisch arbeitet die Funktion als integriertes System und nicht in voneinander getrennten Disziplinen. Produktmarketing und Developer Relations gestalten gemeinsam die Story und bauen technische Glaubwürdigkeit auf; Growth und Content konzentrieren sich auf skalierbare Akquise und Distribution über verschiedene Kanäle wie Social, SEO, Paid Media und community-getriebene Programme. Brand und Events sorgen dafür, dass die Reichweite bis tief ins Ökosystem reicht – insbesondere in den Kubernetes- und Cloud-Native-Communities.
Die Komplexität resultiert aus der Zielgruppe und den dynamischen Ökosystemen: Unsere Ansprache richtet sich an stark technische Personas, vor allem DevOps- und Plattform-Ingenieure, aber wir müssen auch die Entscheider im Unternehmen erreichen. Das verlangt, technische Glaubwürdigkeit mit klarer Vermittlung von Geschäftsnutzen zu verbinden. Gleichzeitig sind wir in einem rasant entwickelnden, KI-beeinflussten Infrastrukturbereich unterwegs, in dem sich Kategorien noch erst herausbilden. Daher besteht ein großer Teil der Arbeit darin, die Narrative aktiv zu gestalten, statt sie lediglich zu verstärken.
Das Modell ist erfolgreich, weil eine einheitliche „Acquisition-to-Activation-to-Engagement“-Schleife alles miteinander verbindet und durch einen starken, datengetriebenen Performance-Ansatz mit schnellen Experimenten gestützt wird.
Wo KI endet und menschliches Urteilsvermögen beginnt
Ich setze KI hauptsächlich als Unterstützung für Entscheidungsfindung und zur Beschleunigung in Bereichen mit hohem Volumen und Mustern ein – oder dort, wo schnell große Mengen unstrukturierter Informationen zusammengefasst werden müssen. Gleichzeitig ziehe ich eine klare Grenze, denn menschliches Urteilsvermögen bleibt vor allem bei Kontext, Verantwortlichkeit und langfristigen Konsequenzen für die Marke essentiell.
In drei Bereichen verlasse ich mich besonders stark auf KI:
- Erstens, Entwicklung von Narrativen und Erkundung von Botschaften. Bei der Gestaltung von Positionierungen oder Kampagnenthemen nutze ich KI, um schnell Varianten zu testen, Messaging-Lücken zu identifizieren und die Klarheit über verschiedene Zielgruppen wie Entwickler, Plattformingenieure und Führungskräfte hinweg zu überprüfen. Dadurch wird, was früher mehrere Iterationsrunden erforderte, auf einen viel schnelleren Ablauf komprimiert.
- Zweitens, Skalierung von Inhalten und Kampagnen. KI liefert mittlerweile den ersten Entwurf für die meisten Content-Assets, darunter Social-Media-Inhalte, Blog-Strukturen und Kampagnenvarianten. Außerdem passt sie technische Inputs in zielgruppenspezifische Sprache an – besonders wichtig im Marketing für Infrastruktur- und KI-Plattformen, wo dasselbe Konzept unterschiedlich auf verschiedene Zielgruppen wirken muss.
- Drittens, Synthese der Performance. Ich setze KI ein, um Leistungssignale von Kampagnen kanalübergreifend zu analysieren und Muster aufzuzeigen, die sonst leicht übersehen würden – insbesondere bei fragmentierten Daten aus organischen, bezahlten und Community-Kanälen.
Explizit menschliche Aufgaben betreffen strategische Abwägungen und Verantwortlichkeit. Entscheidungen zur Positionierung, Definition von Kategorien und die grundlegende Messaging-Architektur bleiben vollständig in menschlicher Hand, da hierfür ein tiefes Verständnis des Markt-Timings, des Wettbewerbsumfelds und der Unternehmensziele erforderlich ist. Gleiches gilt für das abschließende kreative Urteil über die Markenstimme und hoch sichtbare Kampagnen.
Entscheidungen zur Positionierung, Definition von Kategorien und die grundlegende Messaging-Architektur bleiben vollständig in menschlicher Hand, da hierfür ein tiefes Verständnis des Markt-Timings, des Wettbewerbsumfelds und der Unternehmensziele erforderlich ist.
Auch die Priorisierung bleibt in menschlicher Hand. KI kann Optionen und Erkenntnisse aufzeigen, aber zu entscheiden, was nicht gemacht wird, ist weiterhin Aufgabe der Führung – gerade in schnelllebigen Bereichen wie der KI-Infrastruktur, wo man leicht auf Signale überreagieren kann.
So vergrößert KI zwar effektiv die Denk- und Handlungsspielräume, trägt aber keine Verantwortung für die Ergebnisse. Die Marketingführung trifft weiterhin die endgültigen Entscheidungen und hält dabei das Gleichgewicht zwischen Geschwindigkeit, Konsistenz und langfristigem Markenwert.
Wie eine strukturelle Veränderung die Reichweite von Tausenden auf Millionen steigerte
Ich habe unser Marketingmodell von menschzentrierter Content-Produktion auf KI-gestützte Entwicklung von Narrativen und Assets umgestellt. Menschen konzentrieren sich nun auf Richtung, Validierung und Distribution anstatt auf das Erstellen aus dem Nichts.
Konkret habe ich ein KI-basiertes Contentsystem eingeführt. Wir nutzen Workflows auf Basis großer Sprachmodelle, um einen einzigen technischen Input – etwa ein Produkt-Release, eine Demo, Kunden-Insights oder eine technische Story – in zahlreiche weiterführende Marketing-Assets zu verwandeln. Dazu gehören entwicklerspezifische Beiträge, Long-Form-Inhalte, Social-Media-Varianten, Kampagnenbotschaften und sogar erste Entwürfe für die Positionierung. Statt separater Autorenschaft sorgt nun eine gemeinsame Prompt- und Strukturebene dafür, dass alle Inhalte generiert, verfeinert und aufeinander abgestimmt werden.
KI generiert diese Inhalte parallel auf einem hohen Entwurfsniveau und nicht mehr nacheinander von Grund auf. Wir ergänzen dann die menschliche Überprüfung und Verfeinerung: Das Produktmarketing prüft die Narrative, das Growth-Team optimiert die Distribution und die Marke sorgt für Stimme und Konsistenz.
Außerdem sind wir von einem kampagnenbezogenen Produktionszyklus auf ein kontinuierliches Content-System umgestiegen. Die meisten Marketingorganisationen arbeiten noch immer in einer klassischen Kampagnen-Logik: Man legt eine Kampagne fest, erstellt eine Reihe von Assets, launcht und geht dann zum nächsten über. Dieses Modell stammt aus einer Zeit, als Content-Produktion teuer und langsam war. Heute laufen Produktion und Iteration parallel ab. Das verkürzt die Zyklen und erlaubt es uns, viel schneller auf Produkt- und Marktsignale zu reagieren.
Wie KI die Produktionseffizienz und Narrative-Konsistenz steigert
Auf der positiven Seite war der unmittelbarste Effekt von KI die Skalierung und Effizienzsteigerung. Die Einführung von KI in Content- und Kampagnenproduktions-Workflows führte zu einer signifikanten Steigerung der Ausbringung, ohne dass die Mitarbeiterzahl erhöht werden musste. Bei vCluster bedeutete dies ein Wachstum von ungefähr 36.000 auf etwa 7 Millionen monatliche Impressionen, während der CPM von rund 5,58 $ auf 0,29 $ sank. Mehrere Faktoren trugen dazu bei, aber ein wesentlicher Treiber war, dass Inhalte viel schneller und konsistenter über die verschiedenen Kanäle hinweg erstellt und weiterentwickelt werden konnten.
Wir steigerten auch die Umsetzungsgeschwindigkeit. Content-Zyklen, die zuvor Wochen dauerten – insbesondere für bereichsübergreifende Materialien mit Beteiligung von Produktmarketing, Brand Management und Wachstum – wurden auf wenige Tage verkürzt. Dadurch konnten wir nahezu in Echtzeit auf Produkteinführungen und Marktsignale reagieren, was in einem sich schnell entwickelnden KI-Ökosystem entscheidend ist.
Ein weiteres positives Ergebnis war eine konsistentere Erzählweise. KI half dabei, technische Inhalte kanalübergreifend in eine standardisierte Botschaft zu übersetzen, wodurch die Fragmentierung zwischen entwicklerfokussiertem Content, Sales Enablement und Demand-Generation-Kampagnen reduziert wurde. Diese Angleichung verbesserte sowohl die Qualität der Interaktionen als auch die Performance im Funnel.
Qualitativ gesehen war einer der größten Veränderungen organisatorischer Natur. Das Marketing-Team entwickelte sich von einer hauptsächlich ausführenden Funktion zu einer stärker orchestrierenden Rolle. Menschen verbringen jetzt mehr Zeit mit Ausrichtung, Strategie und Validierung, während KI die erste Produktion und Variantenbildung übernimmt. Dies hat den Teamfokus geschärft und betriebliche Engpässe reduziert.
Wie KI zur Überproduktion führen kann
Es traten auch Herausforderungen auf. Schon früh stellten wir eine Tendenz zur Überproduktion fest. KI erzeugte zu viele Varianten ohne ausreichende Anfangsbegrenzung, was zu einem Zuviel an Inhalten führte und uns dazu zwang, stärkere redaktionelle Leitlinien und Prompt-Governance-Layer aufzubauen. Außerdem haben wir aktiv das Risiko einer Verwässerung der Botschaft gemanagt, um sicherzustellen, dass die Geschwindigkeit nicht auf Kosten einer klaren Positionierung oder Kategorietransparenz ging.
Eine weitere Erkenntnis war, dass KI sowohl gute als auch schlechte Inputs verstärken kann. Ist die Ausgangsnarrative oder das Briefing schwach, verstärkt KI diese Schwächen schnell. Das zwang uns, stärker in die Vorausplanung und ein exakteres Input-Design zu investieren, bevor wir Inhalte im großen Maßstab generierten.
Insgesamt war das Endergebnis klar positiv – allerdings erst nach der Einführung klarer Leitplanken.
Warum KI keine Differenzierung und Positionierung leisten kann
KI hat auch in Bezug auf die anfangs gesetzten Erwartungen an strategische Differenzierung und Positionierung nicht geliefert.
Anfangs nahmen wir an, KI könnte dabei helfen, stärkere Kategoriegeschichten zu generieren oder sogar Positionswinkel zu identifizieren, die uns einen Vorteil verschaffen. In der Praxis stellten wir jedoch fest, dass KI zwar im Remixen vorhandener Marktmuster brilliert, aber Schwierigkeiten hat, wirklich originelle oder verteidigungsfähige Positionierungen zu entwickeln.
Sie tendiert dazu, sich auf den Durchschnitt dessen, was bereits existiert, zuzubewegen – genau das Gegenteil von dem, was man erreichen möchte, wenn man auf einem überfüllten Infrastruktur- oder KI-Plattformmarkt herausstechen will.
Warum Marketing-Führungskräfte KI zuerst begrenzen sollten
Eine frühe, KI-gestützte Kampagne, mit der wir eine technische Plattform für ein breiteres Publikum von DevOps- und Plattformingenieuren neu positionieren wollten, zeigt deutlich, wo KI für strategische Differenzierung nicht ausreichte.
Wir nutzten KI, um unsere Plattform für das Neoclouds-Publikum neu zu positionieren. Das Ergebnis kam schnell: Es ergaben sich sofort mehrere Richtungen: „Kubernetes-Betrieb vereinfachen“, „Plattform-Effizienz steigern“, „Entwicklerproduktivität beschleunigen.“
Alles klang richtig. Genau das war das Problem.
Keiner dieser Ansätze unterschied uns wirklich. Als wir sie am Markt hinterfragten, stellten wir fest, dass angrenzende Tools diese Narrative im Kubernetes- und Cloud-nativen Ökosystem bereits intensiv nutzten. KI verstärkte effektiv die übliche Branchensprache, anstatt uns davon zu lösen. Hätten wir das Vorgehen so umgesetzt wie erzeugt, wäre die Kampagne mit der Kategorie verschmolzen, statt sie zu prägen.
Wir haben die menschliche Input-Phase deutlich verschärft. Anstatt mit allgemeinen Produktfähigkeiten als Prompt zu starten, begrenzten wir uns schärfer auf drei Felder: unseren einzigartigen Architekturvorteil, die Trade-Offs, die wir öffentlich vertreten wollten, und die Zielsegmente, mit denen wir explizit führen und nicht nur einschließen wollten.
Nachdem wir die Inputs an diesen strategischen Entscheidungen neu ausgerichtet hatten, nutzten wir KI anders: Nicht, um Positionierung zu erfinden, sondern um Klarheit zu testen, die Botschaft für verschiedene Personas zu übersetzen und um Varianten für Inhalte und Kampagnen auf Ausführungsebene zu generieren.
Das Ergebnis war eine deutlich geschärfte Narrative mit einem spezifischeren und verteidigungsfähigeren Ansatz: wie Plattform-Teams das Infrastruktur-Abstraktionsmodell für moderne Workloads neu denken können – statt generischer Effizienz- oder Produktivitäts-Themen. Diese Veränderung verbesserte die Qualität der Gespräche und machte die Botschaft in technischen Communities einprägsamer, insbesondere bei Kubernetes-Praktikern, die sehr empfindlich auf zu generische Positionierungen reagieren.
Das Nadelöhr ist also nicht mehr die Produktionsqualität oder -geschwindigkeit; es ist Originalität und Schärfe im Denken. Um heute herauszustechen, braucht es einen deutlich stärkeren Standpunkt, klarere Positionierung und die Bereitschaft, bewusste Kompromisse einzugehen. Ohne dies zieht KI alles tendenziell auf den Marktdurchschnitt herab.
Wie KI die Struktur von Marketing-Teams verändert
KI hat mein Marketing-Team grundlegend von einer funktional stark getrennten zu einer flexibleren, funktionsübergreifenden Arbeitsweise transformiert.
Klassischerweise gab es bei uns eine klare Trennung der Aufgaben. Ein Content-Marketer verantwortete die Inhaltserstellung und übergab sie dann an Distributionsspezialisten zur Adaption, während das Produktmarketing gesondert Botschaften und Positionierungen entwickelte, die wiederum auf Kampagnen umgeschrieben werden mussten. Jeder Schritt bedeutete zusätzliche Arbeit und Übersetzung zwischen den Funktionen.
Mit KI im Workflow hat sich diese Struktur stark verändert. Mittlerweile kann jedes Teammitglied über mehrere Phasen des Content- und Kampagnenzyklus hinweg arbeiten. Ein Content-Marketer erstellt nicht nur den ersten Entwurf eines Artikels, sondern auch die ersten Varianten für Social Media, E-Mail-Texte oder sogar verschiedene Positionierungswinkel. Ein Growth-Marketer kann mit denselben Inputs sofort Kampagnenvarianten oder Testframeworks generieren. Produktmarketing muss nicht mehr alles von Grund auf neu schreiben, sondern konzentriert sich auf die Verfeinerung der Geschichte, die Sicherstellung der Genauigkeit und die strategische Ausrichtung der Botschaften.
Der zentrale Wandel besteht darin, dass wir Arbeit nicht mehr nacheinander von Null aus erzeugen. KI generiert standardmäßig einen qualitativ hochwertigen Entwurf, der dann funktionsübergreifend verfeinert, validiert und optimiert wird. Das hat die Reibungsverluste zwischen den Teams deutlich verringert und die Iterationszyklen verkürzt.
Dadurch konzentrieren sich Marketer nun stärker auf Urteilsvermögen, Redaktion und strategische Ausrichtung statt auf reine Produktion. Das Team ist hinsichtlich manueller Ausführung kleiner, aber die Output-Kapazität ist deutlich gesteigert.
KI hat zudem die Zusammenarbeit dynamischer gemacht. Anstatt starrer Übergaben agieren wir nun wie ein geteiltes Wissenssystem, in dem wir aus jedem Input mehrere kanalübergreifende Outputs ableiten können und die jeweiligen Spezialisten diese dann weiter verfeinern.
Warum Marketing-Teams dezentralisierte KI-Tool-Budgets brauchen
Würde ich noch einmal von vorn beginnen, würde ich das Marketing-Budget zunächst nicht in traditionelle Kampagnenausgaben oder zusätzliche Köpfe investieren, sondern jedem Marketer direkten Zugriff auf ein flexibles, dezentralisiertes KI-Tool-Budget geben.
Ich würde jedem Mitarbeitenden ein individuelles Budget zuweisen, um Tools zu nutzen und auszuprobieren, die deren tägliche Produktivität steigern – ohne auf zentrale Beschaffung oder IT-Freigaben warten zu müssen. Dazu zählen KI-Schreibwerkzeuge, Analyseassistenten, kreative Generatoren, Automatisierungstools und spezialisierte Nischenlösungen, die im dynamischen KI-Ökosystem schnell entstehen.
Der Grund ist einfach: In einer KI-getriebenen Umgebung entwickeln sich Tools schneller als herkömmliche Unternehmensbeschaffungen mithalten können. Zentralisierter Zugang standardisiert Teams auf einen überholten Technologiestand, hemmt Experimente und erzeugt eine Lücke zwischen Machbarem und tatsächlich Umgesetztem.
Ich habe es selbst erlebt, als ich KI in Marketing-Workflows eingeführt habe: Teams, die früh die Freiheit zum Testen und Anwenden neuer Tools hatten, agierten deutlich schneller in der Contenterstellung, Kampagneniteration und Datenanalyse. Teams mit zentralisierten Freigabeprozessen fielen dagegen oft auf langsame, traditionelle Arbeitsweisen zurück, auch wenn bereits bessere Werkzeuge zur Verfügung standen.
Ein dezentrales Tool-Budget erzeugt hingegen eine ganz andere Dynamik: Jeder Marketer wird zu einem Operator, der seinen eigenen Technologie-Stack fortlaufend optimieren kann. Innovation entsteht dabei organisch, weil sich die besten Tools teamweit durchsetzen – durch praktische Anwendung, nicht durch Vorgaben.
Zweitens würde ich Wert darauf legen, einen schlanken Enablement-Layer zu schaffen – mit geteilten Best Practices, Prompt-Bibliotheken und internen Workflows, um ausufernde Experimente zu verhindern.
Zentrale Steuerung optimiert auf Konsistenz; verteiltes Enablement hingegen auf Anpassungsfähigkeit. Und Anpassungsfähigkeit verschafft im schnelllebigen Marketing-Umfeld entscheidende Wettbewerbsvorteile.
Zentrale Steuerung optimiert auf Konsistenz, aber verteiltes Enablement optimiert auf Anpassung. Und Anpassung ist das, was im schnelllebigen Marketing-Umfeld Wettbewerbsvorteile schafft.
Wie Claude Cowork echten Hebel schafft
Ich freue mich besonders auf eine KI-Funktion von Anthropic: Claude CoWork.
Es geht über die klassische Chat-Oberfläche hinaus und fühlt sich wie eine echte Arbeitsumgebung für Wissensarbeit an. Statt isolierter Eingabeaufforderungen ermöglicht es strukturiertere, beständige Arbeitsabläufe. Genau hier bietet KI einen echten Mehrwert.
Ich schätze auch, wie schnell Anthropic basierend auf dem realen Nutzerverhalten iteriert. Sie achten darauf, was die Community entwickelt und nutzt, und integrieren diese Muster dann direkt in das Kernprodukt. Das erinnert mich daran, wie schnell Konzepte aus Projekten wie OpenClaw ihren Weg zu Claude CoWork gefunden haben. Diese Feedbackschleife ist wichtig, weil sich das Tool so tatsächlich daran anpasst, wie Menschen arbeiten – und nicht nur daran, wie sich das Produktteam das vorstellt.
Praktisch gesehen entfällt dadurch auch die Notwendigkeit, mehrere Tools oder Erweiterungen zusammenzufügen. Ich muss keine Arbeitsabläufe mehr neu erstellen, keine neuen Anbieter bewerten oder mir Sorgen über Sicherheit und Datenverarbeitung in einer fragmentierten Systemlandschaft machen. Ich vertraue Anthropic bereits als Unternehmen, sodass ich neue Funktionen schnell und mit gutem Gefühl übernehmen kann.
Warum jedes Marketingteam eine KI-Enablement-Rolle braucht
Damit ist gesagt: Die größte Lücke, die ich bei der KI-Einführung gesehen habe, ist nicht das Tooling. Die meisten Marketingteams haben Zugriff auf KI-Tools. Was ihnen fehlt, ist jemand, dessen einzige Aufgabe es ist, Veränderungen zu verfolgen, das Wesentliche vom Unwichtigen zu trennen und daraus Arbeitsabläufe zu machen, die das Team tatsächlich nutzen kann.
Die meisten Organisationen gehen davon aus, dass die Einführung automatisch erfolgt, sobald die Teams Zugang zu KI-Tools erhalten. In der Praxis sind Bewusstsein und Synthese die limitierenden Faktoren. Die KI-Landschaft verändert sich so schnell, dass kein einzelner Marketer realistischerweise mit neuen Modellen, Tools, Workflows und Best Practices Schritt halten kann, während er seine Kernaufgaben erfüllt. Wenn jeder nur zum Teil dafür verantwortlich ist, bleibt niemand voll dafür verantwortlich.
Nach meiner Erfahrung ist es deutlich effektiver, eine dedizierte KI-Enablement-Rolle innerhalb der Marketingorganisation zu schaffen. Das ist nicht nur ein Admin für Tools oder ein Prompt Engineer; es ist jemand, der echtes Interesse an KI hat, Entwicklungen rund um Modelle und Anwendungen verfolgt und diese laufend in praktische Arbeitsabläufe für das Team übersetzt.
Diese Person wird zu einer internen Intelligenzschicht. Sie bewertet neue Tools, testet Anwendungsfälle, filtert Nützliches von Überflüssigem und operationalisiert das Ganze schließlich in wiederholbare Workflows. Ebenso wichtig: Sie fungiert als Schnittstelle. Teammitglieder können mit Problemen oder Ineffizienzen auf sie zukommen, gemeinsam KI-gestützte Lösungen erkunden und erhalten strukturierte Empfehlungen zurück.
Vorrangig wirkt sich diese Rolle auf den Fokus aus. Sie entlastet die einzelnen Mitarbeitenden von der kognitiven Last, ständig mit KI Schritt halten zu müssen, indem sie dieses Know-how in einer zentralen Funktion bündelt, deren einzige Aufgabe es ist, am Puls zu bleiben und Wissen effektiv weiterzugeben. Ohne diese Funktion zerfasern Teams leicht: Es kommt zu ungleichmäßiger Nutzung, inkonsistenten Praktiken und doppelten Experimenten. Mit dieser Rolle entsteht hingegen ein kumulativer Effekt: Wissen wird zentralisiert, die Umsetzung dezentral verteilt.
Warum Marketer KI als Veränderung des Betriebsmodells betrachten müssen
Der wichtigste Rat, den ich Marketing-Führungskräften geben würde: Behandeln Sie diese Entwicklung als grundlegenden Wandel des Betriebsmodells – nicht lediglich als Tooling-Upgrade.
Es ist leicht, sich darauf zu konzentrieren, Tools zu bewerten, Funktionen zu testen und nach kleinen Produktivitätssteigerungen zu jagen. Das ist zwar wichtig, bringt aber nicht den eigentlichen Vorteil. Die eigentliche Veränderung betrifft die Art und Weise, wie Marketingarbeit erledigt wird, wie Teams aufgebaut sind und wo menschliche Arbeit eingesetzt wird.
Einige Prinzipien sind dabei besonders wichtig:
- Investieren Sie zuerst in die Qualität der Eingaben, bevor Sie die Ausgabe skalieren. KI generiert so viel Inhalt, wie Sie möchten, aber die Qualität dieses Inhalts hängt vollständig von der Klarheit Ihrer Positionierung, Ihrer Zielgruppenbeschreibung und Ihrer Story ab. Führungskräfte, die diesen Schritt überspringen, skalieren Lärm – wie ich in "Marketing Plan for Tech Startups" betone.
- Gestalten Sie Arbeitsabläufe neu – nicht nur einzelne Aufgaben. Statt zu fragen, wie KI einen bestehenden Schritt schneller machen kann, sollten Sie das gesamte System vom Input bis zum Ergebnis betrachten und seine Arbeitsweise neu denken – in einer Welt, in der Entwürfe sofort verfügbar und Iterationen günstig sind. Dadurch eröffnen sich Verbesserungen um Größenordnungen.
- Schaffen Sie Raum für fokussiertes KI-Ownership. Egal ob es eine dedizierte Rolle oder eine kleine Gruppe ist: Jemand muss sich ständig um das Marktgeschehen kümmern, Tools testen und daraus praxisnahe Abläufe ableiten. Ohne diese Verantwortlichkeit zerfasern Teams – und die Einführung stockt.
Bleiben Sie dran
Sie können Simone Morellato auf LinkedIn folgen.
Weitere Experten-Interviews folgen demnächst im The CMO Club!
