VP of Marketing teilt mit, wie sie auf ein KI-natives Betriebssystem umstellt

Emilia Korczynska ist die VP für Marketing bei Userpilot, einer Plattform für Produktwachstum. Außerdem ist sie die Gründerin von ZenABM.

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

Eine messbare Umsatzmaschine schaffen

Ich bin Emilia Korczynska, VP für Marketing bei Userpilot. Dort konzentriere ich mich darauf, Marketing von einem Kostenfaktor in eine messbare Umsatzmaschine zu verwandeln.

Ich leite eine relativ schlanke Marketingorganisation, die um zentrale Wachstumsfunktionen statt um traditionelle Kanalsilos herum aufgebaut ist. Das Team umfasst Produktmarketing, Nachfragegenerierung, Inhalte und SEO, Marketingbetrieb, Kreativarbeit und Unterstützung für den Außendienst. Es unterstützt sowohl produktorientiertes Wachstum als auch accountbasiertes Marketing und deckt damit die gesamte Reise von der Selbstbedienungsakquise bis zur Conversion mit hoher Kaufabsicht und Vertriebsunterstützung ab.

Was die Kanäle betrifft, ist ABM unsere wichtigste Akquisitionsmaschine. Wir haben das Team und die Systeme aufgebaut, um durch stark zielgerichtete Kampagnen, insbesondere auf LinkedIn, Engagement und Pipeline auf Account-Ebene zu fördern. Organische Aktivitäten ergänzen dies als unser zweiter wichtiger Hebel. Dabei spielen Inhalte eine zentrale Rolle bei der Erfassung und Entwicklung von Kaufinteresse, gefolgt von Google Ads, um Nachfrage mit hoher Kaufabsicht zu erfassen und den Akquisitionsprozess abzuschließen.

Da das Team bewusst schlank gehalten ist, arbeiten wir sehr funktionsübergreifend. Inhalte fließen direkt in die Nachfragegenerierung und ABM ein, der Marketingbetrieb verbindet alle Daten und die Attribution, und wir messen alles an Pipeline und Umsatz statt an kanalspezifischen Kennzahlen.

Obwohl das Team klein ist, ist die Strategie ziemlich ausgefeilt.

Die Arbeitsweise von Marketing grundlegend verändern

Emilia glaubt

Wenn es keine Pipeline generiert, spielt es keine Rolle.

Mein Weg in die Marketingleitung war praxisorientiert und eng mit Experimenten verbunden. Ich bin nicht über traditionelles Markenmarketing in diesen Bereich gekommen – ich habe mich über produktorientiertes Wachstum, Performance-Marketing und ABM weiterentwickelt, wo die Erwartung einfach ist: Wenn es keine Pipeline generiert, spielt es keine Rolle. Bei Userpilot habe ich den Wandel von einer breit angelegten Nachfragegenerierung hin zu stark zielgerichteten, accountbasierten Strategien geleitet, insbesondere auf LinkedIn, wo wir alles neu überdenken mussten – vom Aufbau der Zielgruppen bis zur Attribution.

Ein wichtiger Teil dieser Entwicklung bestand darin, fehlerhafte Messmodelle infrage zu stellen. Ich habe viel Zeit damit verbracht zu belegen, dass ein großer Teil des B2B-Umsatzes – häufig mehr als die Hälfte – unsichtbar bleibt, wenn man sich auf Attribution auf Kontaktebene verlässt. Das hat mich außerdem dazu veranlasst, ZenABM zu gründen, ein Startup, bei dem wir die Auswirkungen von Marketing auf die Pipeline auf Account-Ebene verfolgen und Anzeigeninteraktionen direkt mit Pipeline und Umsatz verknüpfen.

Das ist also die Grundlage, und sie hat mich ganz natürlich zu KI geführt.

Bei dem Wandel, den wir gerade erleben, geht es nicht nur darum, schneller Inhalte zu erstellen – es geht darum, die Arbeitsweise von Marketing grundlegend zu verändern. Wir bewegen uns von Übersichten und manueller Analyse hin zu Systemen, in denen man seine Daten abfragen, Erkenntnisse automatisieren und sofort Aktionen auslösen kann.

Für mich geht es bei dieser Transformation durch KI weniger um Hype als um Hebelwirkung. Ich konzentriere mich auf diese Fragen:

• "Wie können wir KI nutzen, um Marketing präziser, verantwortlicher und stärker mit dem Umsatz verbunden zu machen als je zuvor?"
• "Und wie können wir Systeme aufbauen, in denen Daten, Erkenntnisse und Umsetzung keine voneinander getrennten Schritte mehr sind, sondern Teil eines kontinuierlichen Kreislaufs?"

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

Wie ein Marketing-Stack zu einem KI-nativen Betriebssystem werden kann

Eine der größten Veränderungen, die wir vorgenommen haben, bestand darin, unseren Marketing-Stack von der Stange in ein individuelleres, KI-natives Betriebssystem zu verwandeln, mit GitHub als zentralem „Marketing-Gehirn“ und Claude Code als Schnittstelle für das Team.

Statt auf voneinander getrennte Tools und manuelle Arbeitsabläufe zu setzen, haben wir die Umsetzung in strukturierte, wiederholbare KI-Workflows verlagert. Wir haben wiederverwendbare Prozesse für die Erstellung von LinkedIn-Inhalten, die Erstellung von Landingpages und Wettbewerbsanalysen entwickelt, die über cloudbasierte Agenten und Skills orchestriert werden.

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

Wie KI das Outbound-Marketing grundlegend verändern kann

Die wirkungsvollste Veränderung gab es im Outbound-Marketing. Wir haben ein intent-basiertes Outbound-System entwickelt, das mithilfe der API von ZenABM engagierte Accounts aus unseren ABM-Programmen identifiziert, die Daten in eine individuelle Cloud-Datenbank einspeist, sie anreichert und diese Accounts anschließend anhand unserer ICP-Kriterien über Prospeo recherchiert.

Anschließend aktivieren wir die Ansprache über Tools wie Smartlead und HeyReach. So können wir auf Grundlage tatsächlicher Engagement-Signale hochgradig zielgerichtete und personalisierte Kampagnen in großem Maßstab durchführen.

Was früher ein manueller, fragmentierter Prozess über mehrere Tools hinweg war, ist heute ein vernetztes, signalgesteuertes System.

Wie KI Marketingentscheidungen und menschliche Kreativität beeinflusst

Insgesamt verlassen wir uns in hohem Maße auf KI bei datenintensiven, wiederholbaren Entscheidungen, die von der Mustererkennung in großem Maßstab profitieren.

Beispielsweise beeinflusst KI zunehmend die Budgetverteilung anhand von Performance- und Umsatzzuordnungsdaten. Statt Ausgaben manuell auf Grundlage nachlaufender Indikatoren zu verschieben, nutzen wir Systeme, die analysieren, welche Kampagnen und Accounts Pipeline und Umsatz generieren, und die Investitionen entsprechend anpassen.

Das gilt auch für SEO. Wir nutzen KI, um Inhalte anhand von Signalen wie Klickrate, Suchvolumen sowie prognostiziertem Traffic und Engagement zu priorisieren. So können wir uns auf die Chancen mit der höchsten erwarteten Rendite konzentrieren, statt uns auf Intuition oder statische Keyword-Listen zu verlassen.

Bei Bereichen, die Fingerspitzengefühl, Kontext und Originalität erfordern, beziehen wir jedoch bewusst weiterhin Menschen ein.

Designentscheidungen sind ein gutes Beispiel: Was für eine bestimmte Zielgruppe, Marke oder Situation „richtig aussieht“, hängt nach wie vor stark vom menschlichen Urteilsvermögen ab. Dasselbe gilt für Veranstaltungen und die Konferenzstrategie, bei denen das Verständnis für Nuancen, Beziehungen und die Markenwahrnehmung wichtiger ist als reine Daten.

Bei Inhalten ist es eine Kombination aus beidem. KI erstellt effektiv Varianten, Strukturen und sogar Anzeigenideen, aber die zentralen Ansätze für die Nachfragegenerierung stammen weiterhin aus kreativer Recherche und einem tiefen Verständnis der Zielgruppe. Hier findet die Differenzierung statt.

Warum Automatisierungen sich rechtfertigen müssen

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

Die Automatisierung manueller Arbeitsabläufe hat dem Team bei allem, von der Content-Produktion bis zur Umsetzung des Outbound-Marketings, erheblich Zeit gespart. Das schlägt sich direkt in den Ergebnissen nieder: Wir können mehr Experimente durchführen, schneller starten und mit einem kleineren Team arbeiten als zuvor.

KI hat außerdem die Geschwindigkeit der Entscheidungsfindung verbessert. Da KI Performance- und Zuordnungsdaten analysiert, können wir deutlich schneller von der Erkenntnis zur Aktion übergehen, insbesondere in Bereichen wie Budgetverteilung oder Kampagnenoptimierung.

Eine übermäßige Automatisierung birgt jedoch ein großes Risiko.

Es ist leicht, Zeit in den Aufbau und die Optimierung von Workflows zu investieren, die operativ interessant sind, aber keine wesentlichen Geschäftsergebnisse hervorbringen. In manchen Fällen sind die Systemergebnisse nicht überzeugend genug, um den Aufwand zu rechtfertigen, insbesondere wenn ihnen die erforderliche Nuanciertheit oder Qualität fehlt.

Das ist also mein Rat: Automatisiere nicht um der Automatisierung willen. Bleibe diszipliniert und prüfe, wo KI tatsächlich einen Hebel schafft und wo sie lediglich zusätzliche Komplexität erzeugt.

Emilias Rat

Nicht um des Automatisierens willen automatisieren. Bleibe diszipliniert und prüfe, wo KI einen echten Hebel schafft und wo sie lediglich zusätzliche Komplexität verursacht.

Bleiben Sie auf dem Laufenden

Sie können Emilias Arbeit auf LinkedIn verfolgen. Und sehen Sie sich ZenABM an.

Weitere Experteninterviews folgen im The CMO Club!