Die Marketing-Vizepräsidentin berichtet, wie sie zu einem KI-nativen Betriebssystem wechselt

Emilia Korczynska ist VP of Marketing bei Userpilot, einer Plattform für Produktwachstum. Sie ist außerdem Gründerin von ZenABM.

Wir haben uns mit Emilia zusammengesetzt, um zu erfahren, wie sie einen Standard-Marketing-Stack in ein KI-natives Betriebssystem verwandelt hat. Das hat sie uns erzählt.

Einen messbaren Umsatzmotor schaffen

Ich bin Emilia Korczynska, VP of Marketing bei Userpilot, wo ich mich darauf konzentriere, Marketing von einem Kostenfaktor in einen messbaren Umsatzmotor zu verwandeln.

Ich leite eine relativ schlanke Marketingorganisation, die um zentrale Wachstumsfunktionen und nicht um traditionelle Kanal-Silos strukturiert ist. Das Team deckt Produktmarketing, Demand Generation, Content und SEO, Marketing Operations, Kreatives und Outbound-Support ab. Es unterstützt sowohl produktgesteuertes Wachstum als auch Account-Based Marketing (ABM), wir begleiten also die gesamte Customer Journey vom Self-Service bis zur Conversion mit hoher Kaufabsicht und Vertriebssupport.

Was die Kanäle betrifft, ist ABM unser primärer Akquisemotor. Wir haben das Team und die Systeme aufgebaut, um durch hochgradig zielgerichtete Kampagnen, insbesondere auf LinkedIn, Engagement auf Account-Ebene und einen Pipeline-Aufbau zu erzielen. Organisches Wachstum ergänzt das als zweiter wichtiger Hebel, wobei Content eine Schlüsselrolle bei der Erfassung und Pflege von Absichten spielt, gefolgt von Google Ads, um Nachfrage mit hoher Kaufabsicht zu erfassen und den Akquisekreis zu schließen.

Da das Team bewusst schlank gehalten ist, arbeiten wir stark funktionsübergreifend. Inhalte fließen direkt in Demand Generation und ABM, Marketing Operations verbindet alle Daten und Attributionen, und wir messen alles anhand der Pipeline und des Umsatzes – nicht nach kanalspezifischen Metriken.

Obwohl das Team klein ist, ist die Strategie durchaus ausgeklügelt.

Marketing grundlegend anders denken

Emilia glaubt

Wenn es keine Pipeline schafft, ist es egal.

Mein Weg in die Marketingführung war praxisnah und von Experimentierfreude geprägt. Ich bin nicht über klassisches Markenmarketing gekommen – ich habe mich über Produktwachstum, Performance und ABM entwickelt, wo es eine klare Erwartung gibt: Wenn es keine Pipeline schafft, ist es egal. Bei Userpilot habe ich den Wandel von breiter Nachfragegenerierung hin zu hochgradig fokussierten Account-basierten Strategien vorangetrieben, besonders auf LinkedIn, wo wir alles – von der Zielgruppenerstellung bis zur Attribution – neu überdenken mussten.

Ein wesentlicher Teil dieser Reise war das Hinterfragen altgedienter Messmodelle. Ich habe viel Zeit darauf verwendet zu beweisen, dass ein großer Teil des B2B-Umsatzes – oft über die Hälfte – unsichtbar bleibt, wenn man sich nur auf Kontakt-Ebene attributiert. Das hat mich auch dazu geführt, ZenABM zu gründen – ein Startup, das Marketingauswirkungen auf die Pipeline auf Account-Ebene misst und Werbe-Engagement direkt mit Pipeline und Umsatz verknüpft.

Das ist also das Fundament, das mich ganz natürlich zu KI gebracht hat.

Der Wandel, den wir erleben, besteht nicht nur darin, Inhalte schneller zu erstellen – sondern Marketing grundsätzlich neu zu denken. Wir bewegen uns weg von Dashboards und manueller Analyse hin zu Systemen, in denen man Daten abfragen, Einblicke automatisieren und Aktionen sofort auslösen kann.

Für mich geht es in diesem KI-Umbruch weniger um den Hype als vielmehr um die Wirkung. Ich konzentriere mich auf diese Fragen:

• „Wie nutzen wir KI, um Marketing präziser, nachvollziehbarer und stärker an Umsatz geknüpft zu machen als je zuvor?“
• „Und wie bauen wir Systeme, in denen Daten, Erkenntnisse und Umsetzung keine getrennten Schritte, sondern Teil eines kontinuierlichen Prozesses sind?“

Das ist die Reise, auf der ich mich gerade befinde.

Wie ein Marketing-Stack zum KI-nativen Betriebssystem werden kann

Eine der größten Veränderungen, die wir vorgenommen haben, war, unseren Standard-Marketing-Stack in ein maßgeschneidertes, KI-natives Betriebssystem zu verwandeln, wobei GitHub als zentrales „Marketing-Hirn“ und Claude Code als Benutzeroberfläche für das Team fungieren.

Statt uns auf voneinander getrennte Tools und manuelle Arbeitsabläufe zu verlassen, haben wir die Ausführung in strukturierte, wiederholbare KI-Workflows verlagert. Wir haben wiederverwendbare Prozesse für die Erstellung von LinkedIn-Inhalten, die Entwicklung von Landingpages und Wettbewerbsanalysen aufgebaut, die durch cloudbasierte Agenten und Skills orchestriert werden.

Dadurch haben wir die Zeitspanne vom Signal bis zur Aktion deutlich verkürzt. Marketing ist jetzt wesentlich systematischer und skalierbarer, und das Team verbringt weniger Zeit mit Ausführung und mehr mit Strategie, Input und der Optimierung von Ergebnissen.

Wie KI das Outbound-Marketing revolutionieren kann

Die größte Veränderung gab es im Outbound-Bereich. Wir haben ein Intent-geleitetes Outbound-System entwickelt, das engagierte Accounts aus unseren ABM-Programmen mithilfe der ZenABM-API identifiziert, die Daten in eine eigene Cloud-Datenbank einspeist, diese anreichert und anschließend diese Accounts auf Basis unserer ICP-Kriterien über Prospeo anspricht.

Daraufhin aktivieren wir die Ansprache durch Tools wie Smartlead und HeyReach, sodass wir hochgradig zielgerichtete und personalisierte Kampagnen im großen Stil auf Basis realer Engagement-Signale durchführen können.

Was früher ein manueller, fragmentierter Prozess über viele Tools war, ist jetzt ein verbundenes, signalbasiertes System.

Wie KI Marketingentscheidungen und menschliche Kreativität beeinflusst

Insgesamt verlassen wir uns stark auf KI für datenreiche, wiederholbare Entscheidungen, die von Mustererkennung im großen Stil profitieren.

Zum Beispiel informiert KI zunehmend die Budgetallokation unter Verwendung von Leistungs- und Umsatz-Attributionsdaten. Statt das Budget manuell auf Basis von verzögerten Indikatoren zu verschieben, setzen wir Systeme ein, die analysieren, welche Kampagnen und Accounts Pipeline und Umsatz generieren, und passen die Investitionen entsprechend an.

Das gilt auch für SEO: Wir setzen KI ein, um Content basierend auf Signalen wie Klickrate, Suchvolumen sowie vorhergesagtem Traffic und Engagement zu priorisieren. So konzentrieren wir uns auf Chancen mit dem höchsten erwarteten Ertrag, statt uns ausschließlich auf Intuition oder statische Keyword-Listen zu verlassen.

Doch in Bereichen, die Geschmack, Kontext und Originalität erfordern, setzen wir weiterhin bewusst auf den Menschen.

Designentscheidungen sind ein gutes Beispiel; was für eine bestimmte Zielgruppe, Marke oder einen bestimmten Moment „richtig aussieht“, hängt immer noch stark vom Urteilsvermögen des Menschen ab. Gleiches gilt für Events und die Strategie von Konferenzen, wo das Verständnis von Nuancen, Beziehungen und der Markenwahrnehmung wichtiger ist als reine Daten.

Beim Content ist es ein hybrider Ansatz. KI erzeugt effektiv Variationen, Strukturen und sogar Werbeideen, aber die grundlegenden Demand-Gen-Ansätze stammen weiterhin aus kreativer Recherche und einem tiefen Verständnis der Zielgruppe. Dort entsteht die wirkliche Unterscheidung.

Warum Automatisierungen sich selbst rechtfertigen müssen

Die größten positiven Effekte liegen auf der Hand: Effizienz und Skalierbarkeit.

Die Automatisierung manueller Arbeitsabläufe hat dem Team viel Zeit gespart – von der Content-Produktion bis zur Outbound-Ausführung. Das schlägt sich direkt im Output nieder: Wir können mehr Experimente durchführen, schneller launchen und mit einem kleineren Team arbeiten als zuvor notwendig.

Auch die Geschwindigkeit der Entscheidungsfindung hat sich durch KI verbessert. Indem KI Leistungs- und Attributionsdaten analysiert, können wir viel schneller von der Erkenntnis zur Aktion übergehen – insbesondere bei der Budgetierung oder Optimierung von Kampagnen.

Allerdings besteht die Gefahr der Überautomatisierung.

Es ist leicht, viel Zeit damit zu verbringen, Workflows zu erstellen und zu optimieren, die zwar betrieblich interessant sind, aber keinen wirklich relevanten Geschäftsnutzen bringen. In manchen Fällen reicht die Qualität der Systemergebnisse nicht aus, um den Aufwand zu rechtfertigen – vor allem wenn die nötige Nuance oder Qualität fehlt.

Mein Rat daher: Automatisieren Sie nicht nur um des Automatisierens willen. Bleiben Sie diszipliniert und prüfen Sie, wo KI echten Mehrwert schafft – und wo sie nur zusätzliche Komplexität bringt.

Emilias Rat

Automatisiere nicht nur um des Automatisierens willen. Bleibe diszipliniert dabei, wo KI einen echten Mehrwert schafft und wo sie lediglich Komplexität hinzufügt.

Mach mit

Du kannst Emilias Arbeit auf LinkedIn verfolgen. Und schau dir ZenABM an.

Weitere Experteninterviews folgen beim The CMO Club!