Technikaffiner Marketingchef erklärt, wie Marketingbudgets und Teams für KI neu strukturiert werden müssen
Erfahren Sie, wie eine Marketing-Führungskraft KI einsetzt, um Inhalte zu skalieren, Teams umzugestalten und Kampagnen effizienter durchzuführen – während Strategie und Positionierung stets menschlich geführt bleiben.
Simone Morellato
Leiter Marketing von vCluster
Rolle der KI: KI steigert die technische Marketingeffizienz erheblich, indem sie Effizienz und narrative Konsistenz über verschiedene Kanäle hinweg erhöht.
Führungs-Einblick: Marketingverantwortliche müssen KI-Fähigkeiten mit menschlichem Urteilsvermögen bei strategischer Botschaft und Positionierung ausbalancieren.
Betrieblicher Wandel: Der Einsatz von KI im Marketing erfordert einen Umstieg auf ein funktionsübergreifendes Modell und fördert so Zusammenarbeit und Effizienz.
Tool-Investition: Dezentrale Budgets für KI-Tools geben Marketern Flexibilität und steigern Produktivität und Innovationsgeschwindigkeit.
Enablement-Rolle: Eine zentrale KI-Enablement-Rolle bündelt das Lernen und setzt KI-Fortschritte praktisch um, um eine Fragmentierung im Team zu verhindern.
Simone Morellato ist eine Führungspersönlichkeit im technischen Marketing und Head of Marketing bei vCluster. Bereits in einer früheren Position begann er, mit KI zu experimentieren, und setzt diese heute als Multiplikator in seinem Marketingteam ein.
Wir haben uns mit ihm zusammengesetzt, um zu verstehen, wie KI seine Marketing-Workflows und Teams verändert. Er erzählte uns von neuen Rollen und Budgetposten, die heute unverzichtbar sind.
KI als Multiplikator im Marketing einsetzen
Ich bin eine Führungskraft im Marketing, die ihre Karriere an der Schnittstelle von fundiertem technischen Verständnis für Technologieprodukte und deren Go-to-Market-Umsetzung aufgebaut hat, hauptsächlich im Bereich Infrastruktur, Cloud und Entwicklerplattformen. Mein Weg begann im Engineering, wo ich Elektronik und Informatik studierte und als Softwareentwickler für Storage-Networking-Systeme arbeitete. Diese Grundlage hat mir im technischen Marketing geholfen, weil ich immer verstanden habe, wie die Produkte funktionieren – nicht nur, wie man sie positioniert.
Mehr von The CMO gewünscht?
Melde dich für eine kostenlose Mitgliedschaft an, um diesen Artikel vollständig zu lesen:
Have an account? Log In
Mit der Zeit wechselte ich vom Engineering ins technische Produktmarketing bei Cisco und übernahm leitende Positionen bei Start-ups und Großunternehmen, darunter Riverbed, Cloudian und Apcera. Meine Zeit bei VMware war ein entscheidender Wendepunkt in meiner Karriere; ich verbrachte fast ein Jahrzehnt damit, das Tanzu Kubernetes-Geschäft auszubauen. Ich habe ein globales Team für Produkt-, Entwickler- und Lösungsmarketing aufgebaut und geleitet und das Portfolio von einem Open-Source-Projekt auf eine Suite von mehr als 20 Produkten erweitert. Dort experimentierte ich früh mit KI-gesteuerten Workflows und baute interne Automatisierungstools für Analyst Relations, die die Zyklusdauer deutlich verkürzten und die Effizienz steigerten.
Heute leite ich das Marketing bei vCluster und baue eine komplette Go-to-Market-Maschine für Wachstum, Produktmarketing, Community und Marke auf. Wir haben die Effizienz gesteigert, indem wir Demand Generation neu gedacht, die Bekanntheit von Zehntausenden auf Millionen von Impressionen skaliert und die Kosteneffizienz sowie die Conversion im Funnel deutlich verbessert haben. Ein Fokus lag auf dem Aufbau von Developer-First-Narrativen und Community-basierten Wachstumsschleifen, insbesondere im Kubernetes- und KI-Infrastrukturbereich.
Alles, woran ich bisher gearbeitet habe, läuft in der aktuellen KI-Transformation zusammen. KI verändert nun grundlegend sowohl die Entwicklung als auch das Marketing von Software. Als Marketing-Leader konzentriere ich mich darauf, Unternehmen zu helfen, von fragmentierten Produktbotschaften zu konsistenten Plattform-Narrativen überzugehen – wobei KI nicht nur ein Thema der Geschichte ist, sondern als Multiplikator in der operativen Umsetzung von Marketing dient.
Vertrauen von Entwicklern mit Anforderungen von Unternehmen ausbalancieren
Bei vCluster leite ich eine komplette Go-to-Market-Funktion, die Wachstum, Produktmarketing, Marke, Community und Events umfasst. Das Team arbeitet sowohl in Open-Source- als auch Enterprise-Szenarien und verfolgt ein doppeltes Ziel: breite Entwicklerakzeptanz im großen Maßstab vorantreiben und gleichzeitig dieses Engagement in strukturierte Enterprise-Pipelines umwandeln.
Organisatorisch agiert der Bereich als integriertes System statt als voneinander isolierte Disziplinen. Produktmarketing und Developer Relations arbeiten eng zusammen, um die Story zu gestalten und technische Glaubwürdigkeit aufzubauen, während Growth und Content sich auf skalierbare Akquise und Verbreitung über Kanäle wie Social Media, SEO, bezahlte Medien und Community-Programme konzentrieren. Brand und Events erweitern die Reichweite in das Ökosystem, insbesondere in den Kubernetes- und Cloud-Native-Communities.
Die Komplexität liegt in der Zielgruppe und den Dynamiken des Ökosystems. Wir richten unser Marketing an hoch technischen Personas aus, vor allem DevOps- und Platform Engineers, und beeinflussen zudem Unternehmensentscheider. Das erfordert den Ausgleich technischer Glaubwürdigkeit mit einer klaren Darstellung des geschäftlichen Nutzens. Gleichzeitig bewegen wir uns in einem dynamischen, von KI beeinflussten Infrastrukturbereich, in dem sich Kategorien erst noch bilden. Ein wesentlicher Teil der Aufgabe besteht deshalb darin, das Narrativ aktiv zu gestalten – nicht nur zu verstärken.
Das Modell ist effektiv, weil ein einheitlicher Akquise-zu-Aktivierungs-zu-Engagement-Loop alles miteinander verbindet, unterstützt durch einen stark datengetriebenen Performance-Ansatz und schnelle Experimente.
Wo KI endet und Urteilsvermögen beginnt
Ich setze KI vorrangig zur Entscheidungsunterstützung und zur Beschleunigung von Arbeiten in stark wiederholbaren, musterbasierten Bereichen ein oder dort, wo große Mengen unstrukturierter Informationen schnell zusammengefasst werden müssen. Gleichzeitig halte ich eine klare Grenze ein, an der menschliches Urteilsvermögen unabdingbar bleibt – insbesondere im Hinblick auf Kontext, Verantwortung und langfristige Markenwirkung.
Ich verlasse mich besonders in drei Bereichen stark auf KI:
- Erstens, Entwicklung von Narrativen und Erkundung von Botschaften. Bei der Gestaltung von Positionierung oder Kampagnenthemen nutze ich KI, um schnell Varianten zu testen, Lücken in der Kommunikation zu identifizieren und die Verständlichkeit für verschiedene Personas wie Entwickler, Plattformingenieure und Führungskräfte zu überprüfen. Damit wird, was früher mehrere Iterationen erforderte, in einen viel schnelleren Zyklus komprimiert.
- Zweitens, Skalierung von Inhalten und Kampagnen. KI liefert mittlerweile den ersten Entwurf für die meisten Content-Formate, einschließlich Social-Media-Content, Blog-Strukturen und Kampagnenvarianten. Sie passt zudem technische Informationen an die Sprache spezifischer Zielgruppen an – was im Infrastruktur- und KI-Plattform-Marketing besonders wichtig ist, da dasselbe Konzept unterschiedlich auf verschiedene Zielgruppen wirken muss.
- Drittens, Performanz-Synthese. Ich setze KI ein, um Leistungssignale von Kampagnen kanalübergreifend zu analysieren und Muster aufzudecken, die andernfalls verborgen bleiben würden – insbesondere, wenn fragmentierte Daten aus organischen, bezahlten und Community-Kanälen zusammenlaufen.
Explizit menschliche Aufgaben umfassen strategische Abwägungen und Verantwortung. Positionierungsentscheidungen, Kategoriedefinitionen und die grundlegende Messaging-Architektur bleiben vollständig in menschlicher Hand, da sie ein tiefes Verständnis von Marktdynamik, Wettbewerbsverhältnissen und Unternehmensambitionen erfordern. Gleiches gilt für das abschließende kreative Urteil über die Markenstimme und aufmerksamkeitsstarke Kampagnen.
Positionierungsentscheidungen, Kategoriedefinitionen und die grundlegende Messaging-Architektur bleiben vollständig in menschlicher Hand, da sie ein tiefes Verständnis von Marktdynamik, Wettbewerbsverhältnissen und Unternehmensambitionen erfordern.
Ich behalte außerdem die menschliche Hoheit über Priorisierungsentscheidungen. KI kann Optionen und Erkenntnisse liefern, aber zu entscheiden, was nicht umgesetzt wird, bleibt eine Führungsaufgabe – besonders in schnelllebigen Kategorien wie KI-Infrastruktur, wo man leicht auf Signale überreagieren kann.
KI erweitert also effektiv die Möglichkeiten für Denkarbeit und Umsetzung, übernimmt aber keine Verantwortung für die Ergebnisse. Die Marketingführung trifft weiterhin die letzten Entscheidungen, um Geschwindigkeit, Kohärenz und langfristige Markenstärke auszubalancieren.
Wie ein Strukturwandel unsere Reichweite von Tausenden auf Millionen brachte
Ich habe unser Marketingmodell von einer menschzentrierten Contentproduktion auf KI-gestützte Narrativ- und Asset-Generierung umgestellt. Menschen konzentrieren sich nun auf Richtung, Validierung und Distribution – statt alles von Grund auf neu zu entwickeln.
Konkret habe ich ein KI-gesteuertes Content-System eingeführt. Wir nutzen LLM-basierte Workflows, um aus einem einzigen technischen Input – etwa einem Produkt-Release, einer Demo, einem Kundenfeedback oder einer technischen Erzählung – zahlreiche nachgelagerte Marketingassets zu generieren. Das umfasst developerorientierte Beiträge, Longform-Content, Social-Media-Varianten, Kampagnenbotschaften und sogar frühe Entwürfe für die Positionierung. Statt für jedes Asset eine separate Autorenschaft zu verlangen, generiert, verfeinert und vereinheitlicht nun eine gemeinsame Prompt- und Struktur-Ebene sämtliche Assets.
KI erstellt diese parallel auf einem soliden Entwurfslevel, nicht sequentiell von Grund auf. Anschließend erfolgt eine menschliche Überarbeitung und Verfeinerung: Product Marketing achtet auf die inhaltliche Stringenz der Erzählung, Growth optimiert die Verbreitung und die Marke sorgt für Stimme und Konsistenz.
Wir haben außerdem von einem kampagnenbasierten Produktionszyklus auf ein kontinuierliches Content-System umgestellt. Die meisten Marketingorganisationen arbeiten noch im traditionellen Kampagnenmodus: Man definiert eine Kampagne, erstellt die dazugehörigen Assets, launcht – und macht dann weiter. Dieses Modell entstand in einer Welt, in der Contentproduktion teuer und langsam war. Jetzt führen wir parallele Schleifen zur Generierung und Iteration durch. Das verkürzt die Durchlaufzeit und versetzt uns in die Lage, viel schneller auf Produkt- und Marktsignale zu reagieren.
Wie KI die Produktionseffizienz und Konsistenz der Narrative verbessert
Auf der positiven Seite war die unmittelbarste Auswirkung von KI Skalierung und Effizienz. Die Einführung von KI in Content- und Kampagnen-Produktionsabläufe führte zu einer deutlichen Steigerung der Produktion, ohne die Personalstärke zu erhöhen. Bei vCluster bedeutete dies eine Skalierung von rund 36.000 auf etwa 7 Millionen monatliche Impressionen, während der CPM von etwa $5,58 auf $0,29 sank. Obwohl mehrere Faktoren dazu beitrugen, war einer der entscheidenden Treiber die viel schnellere und konsistentere Produktion sowie Iteration von Inhalten über verschiedene Kanäle hinweg.
Wir haben auch die Ausführungsgeschwindigkeit verbessert. Content-Zyklen, die früher Wochen dauerten – insbesondere bei bereichsübergreifenden Materialien aus Produktmarketing, Marke und Wachstum – wurden auf wenige Tage verkürzt. So konnten wir zeitnah auf Produkt-Releases und Marktsignale reagieren, was in einem sich schnell bewegenden KI-Ökosystem entscheidend ist.
Ein weiteres positives Ergebnis war Narrative-Konsistenz. KI half dabei, die Übersetzung technischer Inputs in Botschaften über verschiedene Kanäle zu standardisieren und so Fragmentierung zwischen entwicklerfokussierten Inhalten, Vertriebsunterstützung und Demand-Generation-Kampagnen zu reduzieren. Diese Abstimmung verbesserte sowohl die Qualität der Interaktionen als auch die Leistung im weiteren Verlauf des Funnels.
Qualitativ war eine der größten Veränderungen organisatorisch. Das Marketingteam wechselte von einer hauptsächlich umsetzungsorientierten Funktion zu einer stärker auf Orchestrierung ausgerichteten Rolle. Menschen verbringen nun mehr Zeit mit Steuerung, Strategie und Validierung, während KI die Erstproduktion und Variationen übernimmt. Dies hat die Teamfokussierung verbessert und operative Engpässe verringert.
Wie KI zu Überproduktion führen kann
Es traten auch Herausforderungen auf. Frühzeitig stellten wir eine Tendenz zur Überproduktion fest. KI erzeugte zu viele Varianten ohne ausreichende anfängliche Einschränkungen, was zu Lärm führte und uns dazu zwang, stärkere redaktionelle und Prompt-Governance-Ebenen aufzubauen. Zudem haben wir das Risiko der Verwässerung von Botschaften aktiv gemanagt und sichergestellt, dass Geschwindigkeit nicht zu Lasten einer klaren Positionierung oder Kategorienklarheit geht.
Eine weitere Erkenntnis war, dass KI sowohl gute als auch schlechte Inputs verstärken kann. Wenn das zugrunde liegende Narrativ oder das Briefing schwach ist, verstärkt KI diese Schwäche schnell. Das zwang uns, mehr in Strategie und präzisere Input-Gestaltung im Vorfeld zu investieren, bevor wir Inhalte im großen Stil produzieren.
Insgesamt ist das Nettoergebnis eindeutig positiv – aber nur, nachdem klare Leitplanken etabliert wurden.
Warum KI keine Differenzierung und Positionierung leisten kann
KI hat auch die anfänglichen Erwartungen an strategische Differenzierung und Positionierung nicht erfüllt.
Anfangs gingen wir davon aus, dass KI helfen könnte, stärkere Kategorienarrative zu entwickeln oder sogar Positionierungswinkel zu identifizieren, die uns einen Vorteil verschaffen. In der Praxis zeigte sich jedoch, dass KI zwar hervorragend bestehende Muster am Markt neu kombiniert, aber Schwierigkeiten hat, wirklich originelle oder verteidigbare Positionierungen zu entwickeln.
Sie tendiert dazu, sich auf den Durchschnitt des bereits Vorhandenen zuzubewegen – was genau das Gegenteil dessen ist, was man will, wenn man sich im überfüllten Infrastruktur- oder KI-Plattformmarkt abheben möchte.
Warum Marketingverantwortliche KI zuerst eingrenzen müssen
Eine frühe KI-gestützte Kampagne, mit der wir eine technische Plattform für ein breiteres DevOps- und Plattform-Engineering-Publikum neu positionieren wollten, ist ein klares Beispiel dafür, wo KI bei der strategischen Differenzierung versagt hat.
Wir haben KI eingesetzt, um unsere Plattform für ein Neoclouds-Publikum neu zu positionieren. Das Ergebnis war schnell und bot uns verschiedene Richtungen: 'Vereinfachung des Kubernetes-Betriebs', 'Verbesserung der Plattform-Effizienz', 'Beschleunigung der Entwicklerproduktivität'.
Alles klang richtig. Genau das war das Problem.
Keines dieser Argumente hob uns wirklich ab. Als wir sie dem Markt aussetzten, stellten wir fest, dass benachbarte Tools diese Themen bereits stark im Kubernetes- und Cloud-native-Ökosystem nutzen. KI hat gängige Branchenbegriffe effektiv verstärkt, statt uns davon abzuheben. Wenn wir die Kampagne wie generiert fortgeführt hätten, wäre sie in der Kategorie verschwunden, statt sie zu prägen.
Wir haben die menschlich gesteuerte Input-Phase deutlich verschärft. Statt mit allgemeinen Produktfähigkeiten als Prompts zu starten, setzten wir klarere Grenzen bei drei Bereichen: unserem einzigartigen Architekturvorteil, den Kompromissen, zu denen wir öffentlich stehen wollten, und den Zielgruppen, mit denen wir explizit anführen und nicht nur einschließen wollten.
Sobald wir die Inputs auf diese strategischen Entscheidungen ausgerichtet hatten, setzten wir KI anders ein – nicht um Positionierung zu erfinden, sondern um Klarheit zu überprüfen, die Botschaft über Personas hinweg zu übersetzen und Ausführungsvarianten für Inhalte und Kampagnen zu generieren.
Das Ergebnis war ein deutlich schärferes Narrativ, das sich auf eine spezifischere und verteidigbare Richtung konzentrierte: wie Plattformteams Infrastruktur-Abstraktion für moderne Workloads neu denken können – anstatt auf generische Effizienz- oder Produktivitätsthemen. Diese Veränderung verbesserte die Engagement-Qualität und machte die Botschaft in technischen Communities, besonders bei Kubernetes-Anwendern, deutlich einprägsamer, da diese sehr empfindlich auf allzu generische Positionierung reagieren.
Das Nadelöhr ist nicht mehr die Produktionsqualität oder -geschwindigkeit; es sind Originalität und Klarheit des Denkens. Um heute aufzufallen, braucht es eine viel stärkere Sichtweise, eine klarere Positionierung und die Bereitschaft, bewusste Kompromisse einzugehen. Ohne das zieht KI alles auf den Marktdurchschnitt.
Wie KI die Struktur von Marketing-Teams verändert
KI hat mein Marketing-Team grundlegend von einer funktional abgeschotteten Struktur zu einem flexibleren, funktionsübergreifenden Arbeitsmodell gewandelt.
Traditionell haben wir die Rollen klar getrennt. Ein Content-Marketer war für die Erstellung von Inhalten zuständig und übergab diese dann an Distributionsspezialisten zur Anpassung, während das Produktmarketing eigenständig Botschaften und Positionierungen entwickelte, die anschließend für Kampagnen übersetzt werden mussten. Jeder Schritt erforderte Nacharbeit und Übersetzung zwischen den Funktionen.
Mit KI im Arbeitsablauf hat sich die Struktur entscheidend verändert. Heute kann jedes Teammitglied verschiedene Teile des Content- und Kampagnen-Lebenszyklus abdecken. Ein Content-Marketer erstellt nicht nur den ersten Entwurf eines Artikels, sondern auch erste Fassungen für soziale Medien, E-Mail-Texte und sogar Positionierungsansätze. Ein Growth-Marketer kann die gleiche Eingabe nehmen und sofort Kampagnenvarianten oder Test-Frameworks erzeugen. Produktmarketing muss nicht mehr alles von Grund auf schreiben, sondern verfeinert die Narrative, stellt die Genauigkeit sicher und stimmt die Botschaften auf die Strategie ab.
Der entscheidende Wandel besteht darin, dass wir Arbeit nicht mehr Schritt für Schritt bei Null beginnen. KI übernimmt standardmäßig die Erstellung eines hochwertigen Entwurfs, der dann funktionsübergreifend zur Verfeinerung, Validierung und Optimierung weitergereicht wird. Das hat die Reibung zwischen Teams drastisch verringert und die Iterationszyklen verkürzt.
Infolgedessen konzentrieren sich Marketer heute stärker auf Urteilsvermögen, Bearbeitung und strategische Ausrichtung statt auf reine Produktion. Das Team ist kleiner in Bezug auf die Abhängigkeit von manueller Ausführung, aber die Output-Kapazität ist deutlich gesteigert.
KI hat die Zusammenarbeit zudem dynamischer gemacht. Anstatt starrer Übergaben arbeiten wir jetzt eher wie ein gemeinsames Wissenssystem, in dem wir jede Eingabe in vielfältige Ausgaben über unterschiedliche Kanäle transformieren und die jeweiligen Spezialisten diese anschließend verfeinern.
Warum Marketing-Teams dezentralisierte KI-Tooling-Budgets brauchen
Wenn ich noch einmal von vorn anfangen würde, würde ich das Marketing-Budget zuerst nicht für klassische Kampagnen oder gar neue Stellen ausgeben, sondern jedem Marketer direkten Zugriff auf ein flexibles, dezentralisiertes KI-Tooling-Budget ermöglichen.
Ich würde jedem Teammitglied individuelle Budgets bereitstellen, damit Marketer eigenständig Tools ausprobieren und einführen können, die ihre tägliche Produktivität steigern – ohne auf zentrale Einkaufs- oder IT-Freigaben warten zu müssen. Dazu gehören KI-Schreibtools, Datenanalyse-Assistenten, Plattformen zur kreativen Generierung, Automatisierungslösungen und spezialisierte Tools, die schnell im KI-Ökosystem entstehen.
Der Grund ist einfach. In einer KI-gesteuerten Umgebung entwickelt sich das Tooling schneller weiter als klassische Unternehmensprozesse. Zentraler Zugang sorgt zwangsläufig dafür, dass Teams auf einem veralteten Werkzeug-Stack arbeiten, was Experimente verlangsamt und eine Lücke zwischen dem Möglichen und dem tatsächlich Genutzten schafft.
Ich habe es selbst miterlebt, als KI in Marketing-Workflows eingeführt wurde: Teams, die frühzeitig Tools testen und adaptieren durften, waren bei Content-Produktion, Kampagneniteration und Datenanalyse wesentlich schneller. Teams, die an zentrale Freigabeprozesse gebunden waren, fielen oft auf langsamere, alte Arbeitsweisen zurück, selbst wenn bessere Tools zur Verfügung standen.
Ein verteiltes Tool-Budget sorgt hingegen für eine ganz andere Dynamik: Jeder Marketer wird zum Operator, der seinen eigenen Stack stetig optimieren kann. Innovation verbreitet sich dadurch organisch, weil sich die besten Tools im Team von selbst durchsetzen – nicht per Anordnung von oben.
Zweitens würde ich rund um diese Freiheit gezielt eine leichte Enablement-Schicht aufbauen – mit gemeinsamen Best Practices, Prompt-Bibliotheken und internen Workflows, damit aus Experimentierfreude keine Zerfaserung wird.
Zentrale Kontrolle optimiert auf Konsistenz, aber dezentrale Befähigung optimiert auf Anpassungsfähigkeit. Und Anpassungsfähigkeit ist der entscheidende Wettbewerbsvorteil im schnellen Marketing-Umfeld.
Zentrale Kontrolle optimiert auf Konsistenz, aber dezentrale Befähigung optimiert auf Anpassungsfähigkeit. Und Anpassungsfähigkeit ist der entscheidende Wettbewerbsvorteil im schnellen Marketing-Umfeld.
Wie Claude Cowork echten Mehrwert schafft
Ich bin besonders begeistert von einer KI-Funktion von Anthropic: Claude CoWork.
Es geht über die herkömmliche Chat-Oberfläche hinaus und fühlt sich wie eine echte Arbeitsumgebung für Wissensarbeit an. Anstatt isolierter Eingaben ermöglicht es strukturiertere, beständige Arbeitsabläufe. Genau hier bietet KI echten Mehrwert.
Ich schätze auch, wie schnell Anthropic auf das reale Verhalten der Nutzer reagiert und iteriert. Das Unternehmen beobachtet, was die Community entwickelt und nutzt, und integriert diese Muster dann direkt in das Kernprodukt zurück. Das erinnert mich daran, wie rasant Konzepte aus Projekten wie OpenClaw ihren Weg in Claude CoWork gefunden haben. Diese Rückkopplung ist entscheidend, weil sich das Tool so daran anpasst, wie Menschen tatsächlich arbeiten – und nicht nur daran, wie es sich das Produktteam vorstellt.
Praktisch gesehen reduziert es auch die Notwendigkeit, mehrere Tools oder Erweiterungen kombinieren zu müssen. Ich muss Arbeitsabläufe nicht neu erstellen, keine neuen Anbieter beurteilen oder mir Sorgen um Sicherheit und Datenverarbeitung in einem fragmentierten Stack machen. Ich vertraue Anthropic als Unternehmen bereits, daher kann ich neue Funktionen schnell und mit Überzeugung übernehmen, sobald sie veröffentlicht werden.
Warum jedes Marketingteam eine KI-Enablement-Rolle braucht
Wie gesagt, der größte Schwachpunkt, den ich bei der Einführung von KI sehe, ist nicht das Tooling. Die meisten Marketingteams haben Zugang zu KI-Tools. Was ihnen fehlt, ist jemand, dessen einzige Aufgabe es ist, Veränderungen zu verfolgen, das Unwesentliche herauszufiltern und dies in Arbeitsabläufe zu übersetzen, die das Team tatsächlich nutzen kann.
Die meisten Unternehmen gehen davon aus, dass die Nutzung von KI-Tools auch automatisch zur Adoption führt. In der Praxis sind Bewusstsein und Synthese die limitierenden Faktoren. Die KI-Landschaft ändert sich so schnell, dass kein Einzelner im Marketing realistisch mit neuen Modellen, Werkzeugen, Workflows und Best Practices Schritt halten kann, während er gleichzeitig seine Kernaufgaben erledigt. Wenn alle nur teilweise dafür verantwortlich sind, bleibt es am Ende unbeachtet.
Meiner Erfahrung nach funktioniert die Einführung einer dedizierten KI-Enablement-Rolle innerhalb der Marketingorganisation deutlich besser. Das ist nicht bloß ein Tool-Administrator oder Prompt Engineer; sondern eine Person mit echter Neugierde für KI, die konsequent Entwicklungen bei Modellen und Anwendungen verfolgt und sie fortlaufend in praktikable Arbeitsabläufe fürs Team übersetzt.
Diese Person wird faktisch zu einer internen Intelligenzinstanz. Sie bewertet neue Tools, testet Anwendungsfälle, unterscheidet zwischen nützlichen und überflüssigen Entwicklungen und operationalisiert das dann in wiederholbare Arbeitsabläufe. Ebenso wichtig: Sie fungiert als Brücke in beide Richtungen. Teammitglieder können dieser Person Probleme oder Ineffizienzen schildern, gemeinsam KI-basierte Lösungen entwickeln und erhalten strukturierte Empfehlungen zurück.
Vor allem beeinflusst diese Rolle den Fokus. Sie nimmt die kognitive Last des „Mit-KI-auf-dem-Laufenden-Bleibens" von einzelnen Teammitgliedern und zentralisiert sie in eine Funktion, deren einzige Aufgabe es ist, voraus zu denken und Wissen effizient zu verteilen. Ohne solche Rolle zerfallen Teams schnell: Es kommt zu ungleichmäßiger Nutzung, uneinheitlichen Praktiken und doppelten Experimenten. Mit ihr entsteht hingegen ein positiver Nebeneffekt: Das Lernen wird zentral gebündelt, die Umsetzung aber dezentral gestreut.
Warum Marketer KI als Wandel des Betriebsmodells verstehen müssen
Der wichtigste Rat, den ich Marketing-Verantwortlichen geben kann, ist, diesen Moment als Wandel des Betriebsmodells und nicht einfach als Tool-Upgrade zu sehen.
Es ist leicht, sich im Evaluieren neuer Tools, Testen von Features und dem Hinterherjagen nach kleinen Produktivitätsgewinnen zu verlieren. Das ist zwar relevant, bringt aber nicht den eigentlichen Vorteil. Der echte Wandel liegt darin, wie Marketingarbeit erledigt wird, wie Teams aufgebaut sind und wie menschliche Arbeit eingesetzt wird.
Einige Prinzipien erweisen sich dabei als besonders wichtig:
- Erstens: Investieren Sie in die Qualität der Eingaben bevor Sie die Ausgabeskalierung anstreben. KI produziert so viel Inhalt, wie Sie wollen – aber die Qualität hängt direkt von der Klarheit Ihrer Positionierung, Ihrer Zielgruppen-Definition und Ihrer Erzählweise ab. Wer diesen Schritt überspringt, vervielfältigt Lärm, wie ich im „Marketing-Plan für Tech-Startups“ hervorhebe.
- Zweitens: Gestalten Sie Arbeitsabläufe neu – nicht nur einzelne Aufgaben. Statt zu fragen, wie KI einen bestehenden Schritt beschleunigen kann, betrachten Sie das gesamte System von Input bis zum Ergebnis und denken Sie neu: In einer Welt, in der Entwürfe sofort entstehen und Iteration wenig kostet. Das ermöglicht Verbesserungen um ein Vielfaches.
- Drittens: Schaffen Sie Raum für gezielte KI-Verantwortung. Ob als separate Rolle oder kleines Team – jemand muss sich mit dem Landscape auskennen, Tools testen und daraus praktische Arbeitsabläufe machen. Fehlt das, zerfallen Teams und der Einsatz von KI bleibt aus.
Folgen Sie mit
Sie können Simone Morellato auf LinkedIn folgen.
Weitere ExpertInnen-Interviews folgen auf The CMO Club!
