CMO sagt: Die meisten Marketing-Teams liefern mit KI nur mittelmäßige Arbeit – aber schneller

Samantha Leal ist die CMO von Aliwell, wo sie KI-Workflows implementiert – manche mit mehr Erfolg als andere.

Wir haben Samantha interviewt, um zu erfahren, was funktioniert hat, was nicht und warum. Das hat sie uns erzählt.

Von Null auf Skalierung

Hallo! Ich bin Samantha Leal. In den letzten 10+ Jahren habe ich Start-ups geholfen, von Null zu Skalierung zu gelangen – meist dann, wenn das Wachstum auf den ersten Blick gut aussieht, aber unter Druck zusammenbricht.

Ich arbeite am gesamten Wachstumssystem – von Positionierung und Botschaft über Akquise, Konversion bis hin zur Customer Journey. Ich arbeite eng mit Gründern zusammen, um Struktur in Entscheidungsprozesse und nachhaltiges Wachstum zu bringen.

Derzeit bin ich CMO bei Aliwell und leite die Marketingabteilung über eine Multi-Channel-Wachstumsmaschine, die darauf ausgerichtet ist, Kieferorthopäden zu gewinnen und zu aktivieren. Wir arbeiten mit bezahlten Medien, Bildung, Veranstaltungen, Content und Vertriebsunterstützung, aber unser Fokus liegt vor allem auf Aktivierung und Umsatz.

Wir verkaufen an ein klinisches Publikum, daher ist die Herausforderung nicht nur Aufmerksamkeit: Es geht um Vertrauen, Aufklärung und Verhaltensänderung. Das macht das System komplexer. Eine enge Abstimmung mit Vertrieb, Produkt und Kundenerlebnis ist entscheidend.

Fokusverschiebung auf KI

Was sich für mich zuletzt geändert hat, ist, wie ich all das mit KI angehe.

Ich denke nicht mehr in Marketingrollen, sondern in Workflows. Das meiste, was Wachstum vorantreibt – Tests, kreative Iterationen, Reporting, Leadqualifizierung usw. – ist wiederholbar, aber nach wie vor manuell und fragmentiert.

KI ist der Hebel, um diese Workflows neu zu gestalten, Feedbackzyklen zu beschleunigen und bessere Entscheidungen mit mehr Klarheit zu treffen. Das ist aktuell meine Ausrichtung.

Wie KI die Möglichkeiten für Marketingverantwortliche mit knappen Ressourcen verändert

Im letzten Jahr habe ich KI für einige große Aufgaben eingesetzt:

• Ich habe eine vollständige CRM-Migration aufgebaut, die normalerweise einen externen Berater erfordert hätte.
• Ich habe ein mehrstufiges Bildungsprogramm komplett neu konzipiert.
• Ich habe ein Kund:innenaktivierungssystem entwickelt, das sich auf qualitative Forschung stützt – Interviews, Umfragen, Verhaltensdaten –, wobei wir herausgefunden haben, warum einige Kund:innen nach dem ersten Kauf ins Stocken geraten.

Das sind keine Aufgaben, die ich nur beschleunigt habe; es sind strategische Systeme, die ein kleines Team normalerweise nicht aufbauen könnte. KI hat verändert, was eine Marketingverantwortliche mit begrenzten Ressourcen schaffen kann.

Wie KI für Stakeholder-Berichte genutzt werden kann

Ich nutze KI, um wöchentlich einen Bericht zu erstellen – ein Ergebnis, das die Unternehmensentscheidungen für die Woche beeinflusst.

Die Eingaben umfassen Meeting-Transkripte der Vorwoche (aus Granola exportiert), CSVs der Meta Ads Performance, ERP-Produktionsdaten, Social-Media-Analysen und CRM-Pipeline-Updates. Diese fünf Quellen kommunizieren nicht miteinander.

Das ist der Workflow:

1. Ich lade die Rohtranskripte in Claude und extrahiere Entscheidungen, Blockaden und abteilungsbezogene To-dos.
2. Ich lade Leistungsdaten der Anzeigen hoch und lasse eine Wochen- und Monatsanalyse erstellen, wobei Auffälligkeiten markiert werden.
3. Ich analysiere Produktionszahlen – regional gefertigte Fälle, im Vergleich zu den Monatszielen, und hebe Abweichungen hervor.
4. Ich fasse alles in einem strukturierten Bericht zusammen, mit einem Abschnitt pro Funktion, wichtigen Kennzahlen mit Kontext und – am wichtigsten – einem "Entscheidungsbedarf" ganz oben.

Das Ergebnis ist ein formatiertes Dokument, das das Führungsteam in fünf Minuten überfliegen und sofort darauf reagieren kann. Es enthält keine Rohdaten oder „So lief es diese Woche“. Jede Zahl hat einen Vergleichswert, relevanten Kontext und eine Empfehlung.

Wo Menschen die Kontrolle behalten müssen

Ich verlasse mich also auf KI für alles, was von Geschwindigkeit, Mustererkennung und Synthese über große Inputs hinweg profitiert.

Dazu gehört das Analysieren von Kundendaten aus verschiedenen Quellen, das Clustern von Feedback aus Verkaufsgesprächen und Interviews, das Generieren und Iterieren von kreativen Ansätzen sowie das schnellere Erkennen von Mustern in der Kampagnenleistung, als es ein Mensch könnte.

Außerdem ist KI zu einem zentralen Bestandteil meiner Arbeitsabläufe geworden – von der Lead-Qualifizierung über Nachverfolgungen bis hin zum Reporting. KI hilft, manuelle Arbeit zu reduzieren und Erkenntnisse frühzeitig zu gewinnen, sodass wir nicht mit veralteten Informationen arbeiten.

Worauf ich bei KI nicht baue, ist das Definieren von Strategie, Positionierung und dem, was wirklich zählt.

Entscheidungen wie: Was sagen wir? Für wen sind wir da? Welche Kompromisse gehen wir ein, und worauf konzentrieren wir uns? – das bleibt menschlich. Dafür sind Kontext, Geschmack und Urteilsvermögen nötig, besonders in komplexen Märkten, in denen die richtige Antwort nicht auf der Hand liegt.

KI kann dir Optionen aufzeigen, aber nicht sagen, was sich wirklich lohnt.

Samantha Shares

KI kann dir Optionen aufzeigen, aber nicht sagen, was sich wirklich lohnt.

Warum KI den Engpass von der Ausführung zum Urteilsvermögen verschiebt

Der größte Vorteil liegt in Schnelligkeit und Reichweite. Wir haben die Zeit für Analyse und Synthese um etwa 60–70 % reduziert. Tätigkeiten wie das Clustern von Kundenfeedback, das Gewinnen von Erkenntnissen aus Gesprächen oder das Entwickeln testbarer kreativer Ansätze – Dinge, die früher Wochen dauerten – passieren nun in Tagen.

Das hat zu einem höheren Testvolumen und schnelleren Feedbackschleifen geführt. Wir können unsere Botschaften und Kampagnen viel schneller iterieren, was die Entscheidungsfindung verbessert und Verschwendung bei Ideen, die nicht funktionieren, reduziert hat.

Auch operativ konnten wir Systeme wie CRM-Workflows, Onboarding-Strecken und Reporting-Ebenen aufbauen, für die sonst ein größeres Team oder externe Unterstützung nötig wären.

Doch es gibt echte Nachteile. KI kann etwa ein falsches Gefühl von Sicherheit erzeugen. Sie ist sehr gut darin, Ergebnisse zu produzieren, die richtig aussehen, aber nicht in der Realität verankert sind. Ohne reale Kundendaten als Basis entstehen generische Botschaften und schlechte Entscheidungen – nur eben schneller.

Außerdem ist nun mehr Urteilsvermögen nötig, nicht weniger. Der Engpass verschiebt sich von der Ausführung hin zur Entscheidung, was sich wirklich lohnt. Teams, denen diese Klarheit fehlt, erzeugen viel Lärm.

Warum KI-generierte Kreativität in spezialisierten Märkten ein Risiko ist

Ich bin enttäuscht über die Wirkung von KI auf die Kreativität. Ich habe erwartet, dass KI die Produktion visueller Inhalte revolutioniert – zum Beispiel Anzeigen, Social Media Posts, Markenmaterialien. Das ist nicht passiert. Nicht einmal annähernd.

Jedes KI-generierte Bild sieht immer noch wie ein KI-generiertes Bild aus. Für eine Marke, die sich an Spezialisten richtet – in unserem Fall Kieferorthopäden, die hochqualifiziert und äußerst skeptisch sind – zerstört alles, was generisch oder künstlich wirkt, sofort das Vertrauen.

Wir haben KI-generierte Bilder für Anzeigen und Social Media getestet. Die Performance ist sofort eingebrochen. Unsere Zielgruppe hat den Qualitätsunterschied zwischen diesen Bildern und den Ergebnissen, die ein menschlicher Designer mit echter klinischer Fotografie erzielt, sofort bemerkt.

Warum Komplexität von Content-Workflows die Fähigkeiten widerspiegeln muss

Zu Beginn habe ich KI genutzt, um ein Content-Operations-System zu gestalten – Redaktionskalender, Freigabe-Workflows und Briefings mit detaillierten Rahmenkonzepten.

Das System war strategisch sinnvoll und schön strukturiert, aber es gab ein Problem.

Ich habe ein anspruchsvolles System an eine Teamkollegin übergeben, die nicht auf diesem Niveau arbeitete. Statt ihre Leistung zu steigern, entstand dadurch eine Lücke. Sie konnte die Anforderungen des Systems nicht erfüllen.

Ich habe Wochen damit verschwendet, die Lücke zwischen den Anforderungen des Systems und den Fähigkeiten der Person zu managen.

Heute frage ich: „Wer wird das am Montag betreiben?“, bevor ich etwas baue.

So stellst du sicher, dass KI-Messaging kein Hindernis ist

KI behebt keine schlechten Systeme; sie verstärkt sie. Mehr Output, gleiche Probleme. KI funktioniert am besten mit starken Eingaben, klarem Kundenverständnis, echten Daten und klarem Denken.

Die Frage ist also nicht „Wie nutzen wir KI?“, sondern „In welches System integrieren wir sie?“

Ein gutes Beispiel ist Messaging. In meinem ersten Pilotprojekt waren wir schnell, haben es aber nicht ausreichend auf echte Kundendaten gestützt. Das Ergebnis sah gut aus, war aber generisch. Es hat nicht konvertiert.

Also: Optimiere zuerst die Eingaben, bevor du KI nutzt. Das bedeutet, Daten aus CRM, Vertrieb und Kundeninteraktionen – inklusive Verkaufsgesprächen, Einwänden und Interviews – zu konsolidieren, um die genauen Schmerzen, die Sprache und die Schlüsselmomente zu erkennen, die Entscheidungen antreiben.

Dann definiere ich klare Blickwinkel und unsere Kernbotschaft. Sobald das steht, setze ich KI darauf an. Sie hilft, diese Blickwinkel schnell zu erweitern, zu testen und zu iterieren.

Ab dann sollte es eine kontinuierliche Schleife sein. Du ziehst ständig neue Eingaben aus Vertrieb, Kundenfeedback und Performance heran und iterierst in Echtzeit.

Warum Workflows aufgebrochen und weiterentwickelt werden müssen

Richtig gemacht, ist Geschmack keine Frage des Talents oder der externen Einstellung mehr.

Er kann durch Prozesse geformt werden. Mit den richtigen Eingaben, Rahmenbedingungen und Iterationen lässt sich die Qualität von Denken und Output systematisch verbessern.

Messaging, Kreativität, Research, sogar Strategie – das alles sind Workflows, die zerlegt werden können. Jeder einzelne Schritt lässt sich dann gezielt ergänzen.

Samantha teilt ihre Erfahrungen

Optimiere die Eingaben, bevor du KI nutzt…Sobald das steht, setze ich KI darauf an. Sie hilft, diese Blickwinkel schnell zu erweitern, zu testen und zu iterieren. Richtig gemacht, ist Geschmack keine Frage des Talents oder der externen Einstellung mehr.

Warum Claude für Marketer unverzichtbar ist

Claude ist mein absolutes Lieblingstool. Es ist eine Ebene, die alles verbindet und wie ein großartiger Denk- und Sparringspartner wirkt.

Am meisten freue ich mich auf Claude Code und Claude Cowork, weil sie über Chat hinausgehen und Arbeitsumgebungen wie Programmierung, Dateiverwaltung und Aufgabenautomatisierung ermöglichen.

Ich habe Claude Code noch nicht mit Cursor ausprobiert, aber das steht als Nächstes an!

Wie KI Teams verändert

Was die Teamstruktur angeht, verlassen wir uns weniger auf enge Spezialist:innen und mehr auf Menschen, die das große Ganze verstehen. Menschen mit Kundenverständnis, die Probleme richtig einordnen und KI gezielt einsetzen können.

Die Ausführung — Produktion, Analyse und Iteration — ist nicht länger der Engpass, daher verschiebt sich der Wert. Ich suche jetzt Urteilsvermögen, Geschmack und die Fähigkeit, Workflows zu gestalten. Menschen, die aus Erkenntnissen schnell Taten machen, nicht nur eine Funktion ausfüllen.

Auch unsere Zusammenarbeit hat sich verändert. Die Grenzen zwischen den Rollen sind weniger starr. Marketing, Vertrieb und Kundenerlebnis sind stärker vernetzt, weil sie Workflows gemeinsam nutzen.

Warum CMOs sich auf Klarheit konzentrieren müssen

Die meisten Marketingteams, die KI nutzen, produzieren schneller mehr Mittelmaß.

Deshalb mein Ratschlag: Konzentriere dich auf Dateneingaben und strategische Klarheit.

Wird KI im Marketing ohne solide Datenbasis und strategische Klarheit eingesetzt, ist sie nur eine Content-Verschmutzungsmaschine.

Bleib dran

Du kannst Samanthas Reise auf LinkedIn verfolgen!

Und bleib gespannt auf weitere Experteninterviews im The CMO Club!