Technikaffiner Marketingleiter erklärt, wie Marketingbudgets und Teams für KI neu strukturiert werden müssen

Simone Morellato ist eine technische Marketing-Führungskraft und leitet das Marketing bei vCluster. In einer früheren Position begann er früh mit KI zu experimentieren und setzt sie heute als Verstärker für die Leistungsfähigkeit seines Marketingteams ein.

Wir haben uns mit ihm zusammengesetzt, um zu verstehen, wie KI seine Marketingabläufe und die seiner Teams verändert. Er berichtete uns von den neuen Rollen und Budgetposten, die unverzichtbar sind.

KI als Verstärker für das Marketing einsetzen

Ich bin eine Marketing-Führungskraft, die ihre Karriere an der Schnittstelle zwischen tiefgreifendem technischem Verständnis von Technologieprodukten und deren Umsetzung bei der Markteinführung aufgebaut hat, vor allem in den Bereichen Infrastruktur, Cloud und Entwicklerplattformen. Meine Laufbahn begann auf der technischen Seite: Ich studierte Elektronik und Informatik und arbeitete als Softwareentwickler an Speichernetzwerksystemen. Diese Grundlage half mir beim Marketing technischer Produkte, weil ich immer verstanden habe, wie sie funktionieren, und nicht nur, wie man sie positioniert.

Im Laufe der Zeit wechselte ich von der Entwicklung zum technischen Produktmarketing bei Cisco und anschließend in Führungspositionen bei Start-ups und Großunternehmen, darunter Riverbed, Cloudian und Apcera. Meine Zeit bei VMware war ein entscheidender Wendepunkt in meiner Karriere, und ich verbrachte fast ein Jahrzehnt damit, das Tanzu-Kubernetes-Geschäft auszubauen. Ich baute ein globales Team auf und leitete es; es umfasste Produkt-, Entwickler- und Lösungsmarketing. Außerdem half ich dabei, das Portfolio von einem einzigen Open-Source-Projekt zu einer Suite mit mehr als 20 Produkten auszubauen. Dort experimentierte ich früh mit KI-gestützten Arbeitsabläufen und entwickelte interne Automatisierungswerkzeuge für die Analystenbetreuung, die die Durchlaufzeit erheblich verkürzten und die Effizienz steigerten.

Heute leite ich das Marketing bei vCluster und baue eine umfassende Markteinführungsorganisation für Wachstum, Produktmarketing, Community und Marke auf. Wir haben die Effizienz verbessert, indem wir die Nachfragegenerierung neu gedacht, die Bekanntheit von Zehntausenden auf Millionen von Impressionen gesteigert und die Kosteneffizienz sowie die Konversionsrate im Trichter deutlich verbessert haben. Ein wichtiger Schwerpunkt lag auf der Entwicklung entwicklerorientierter Narrative und von Wachstumsschleifen, die von der Community getragen werden, insbesondere im Bereich Kubernetes- und KI-Infrastruktur.

Alles, woran ich gearbeitet habe, läuft in diesem Moment der KI-Transformation zusammen. KI verändert grundlegend, wie Software entwickelt und vermarktet wird. Als Marketing-Führungskraft konzentriere ich mich darauf, Unternehmen dabei zu unterstützen, von fragmentierten Produktbotschaften zu einheitlichen Plattform-Narrativen überzugehen. Dabei setze ich KI nicht nur als Thema in der Geschichte ein, sondern als Verstärker für die Umsetzung des Marketings.

Vertrauen der Entwickler und Nachfrage von Unternehmen in Einklang bringen

Bei vCluster beaufsichtige ich eine umfassende Markteinführungsfunktion, die Wachstum, Produktmarketing, Marke, Community und Veranstaltungen umfasst. Das Team arbeitet sowohl im Open-Source- als auch im Unternehmensbereich und verfolgt damit ein doppeltes Ziel: eine breite Akzeptanz bei Entwicklern in großem Maßstab voranzutreiben und dieses Engagement zugleich in eine strukturierte Pipeline für Unternehmenskunden umzuwandeln.

Organisatorisch arbeitet die Funktion als integriertes System und nicht als Ansammlung isolierter Disziplinen. Produktmarketing und Entwicklerbeziehungen arbeiten eng zusammen, um das Narrativ zu prägen und technische Glaubwürdigkeit aufzubauen, während sich Wachstum und Inhalte auf die skalierbare Kundengewinnung und Verbreitung über Kanäle wie soziale Medien, SEO, bezahlte Medien und von der Community getragene Programme konzentrieren. Marke und Veranstaltungen erweitern diese Reichweite in die Einbindung des Ökosystems, insbesondere innerhalb der Kubernetes- und Cloud-Native-Communities.

Die Komplexität ergibt sich aus der Zielgruppe und der Dynamik des Ökosystems. Wir vermarkten an hochgradig technische Zielgruppen, vor allem an DevOps- und Plattformingenieure, und beeinflussen gleichzeitig Entscheidungsträger in Unternehmen. Das erfordert ein Gleichgewicht zwischen technischer Glaubwürdigkeit und einer klaren Darstellung des Geschäftswerts. Zugleich agieren wir in einem sich schnell verändernden, von KI beeinflussten Infrastrukturbereich, in dem sich Kategorien noch herausbilden. Daher besteht ein wesentlicher Teil der Aufgabe darin, das Narrativ zu prägen und nicht nur zu verstärken.

Das Modell ist effektiv, weil eine einheitliche Schleife von der Kundengewinnung über die Aktivierung bis zur Einbindung alles miteinander verbindet. Unterstützt wird sie durch einen stark datengestützten Ansatz für Leistungsmessung und schnelle Experimente.

Wo KI endet und Urteilsvermögen beginnt

Ich setze KI hauptsächlich zur Entscheidungsunterstützung und zur Beschleunigung von Arbeiten in volumenintensiven, mustergetriebenen Bereichen ein oder dort, wo große Mengen unstrukturierter Informationen schnell zusammengeführt werden müssen. Gleichzeitig wahre ich eine klare Grenze, an der menschliches Urteilsvermögen unverzichtbar bleibt, insbesondere in Bezug auf Kontext, Verantwortlichkeit und langfristige Auswirkungen auf die Marke.

Ich verlasse mich in drei Bereichen stark auf KI:

• Erstens die Entwicklung von Narrativen und die Erkundung von Botschaften. Wenn ich Positionierungen oder Kampagnenthemen entwickle, nutze ich KI, um schnell Varianten zu testen, Lücken in der Kommunikation zu erkennen und die Klarheit für Personas wie Entwickler, Plattformingenieure und Führungskräfte auf den Prüfstand zu stellen. Dadurch verkürzt sich ein Prozess, der früher mehrere Iterationen umfasste, zu einer deutlich schnelleren Schleife.
• Zweitens die Skalierung von Inhalten und Kampagnen. KI erstellt inzwischen den ersten Entwurf der meisten Inhaltsressourcen, darunter Social-Media-Inhalte, Blogstrukturen und Kampagnenvarianten. Außerdem passt sie technische Inhalte an die Sprache bestimmter Personas an. Das ist insbesondere im Marketing für Infrastruktur- und KI-Plattformen wichtig, da dasselbe Konzept bei unterschiedlichen Zielgruppen jeweils anders ankommen muss.
• Drittens die Auswertung der Performance. Ich nutze KI, um Performance-Signale aus verschiedenen Kanälen zu analysieren und Muster sichtbar zu machen, die andernfalls möglicherweise übersehen würden – insbesondere bei fragmentierten Daten aus organischen, bezahlten und Community-Kanälen.

Explizit menschliche Aufgaben umfassen strategische Abwägungen und Verantwortlichkeit. Positionierungsentscheidungen, die Definition der Kategorie und die grundlegende Architektur der Botschaften bleiben vollständig in menschlicher Hand, da sie ein tiefes Verständnis für den richtigen Zeitpunkt im Markt, die Dynamik des Wettbewerbs und die Ambitionen des Unternehmens erfordern. Dasselbe gilt für die abschließende kreative Beurteilung der Markenstimme und reichweitenstarker Kampagnen.

Auch bei Priorisierungsentscheidungen behalte ich die menschliche Verantwortung. KI kann Optionen und Erkenntnisse aufzeigen, aber zu entscheiden, was nicht getan werden soll, bleibt eine Führungsaufgabe – insbesondere in dynamischen Kategorien wie der KI-Infrastruktur, in denen es leicht ist, auf Signale überzureagieren.

Die KI erweitert also effektiv den Denk- und Handlungsbereich, trägt jedoch keine Verantwortung für die Ergebnisse. Die Marketingleitung trifft weiterhin die endgültigen Entscheidungen, bei denen Geschwindigkeit, Kohärenz und langfristiger Markenwert miteinander in Einklang gebracht werden.

Wie eine strukturelle Veränderung die Impressionen von Tausenden auf Millionen steigerte

Ich habe unser Marketingmodell von einer menschlich ausgerichteten Content-Produktion auf KI-gestützte Entwicklung von Narrativen und Ressourcen umgestellt. Die Menschen konzentrieren sich nun auf Ausrichtung, Validierung und Distribution, anstatt Inhalte von Grund auf zu erstellen.

In der Praxis habe ich ein KI-gestütztes Content-System eingeführt. Wir nutzen LLM-basierte Workflows, um aus einem einzigen technischen Input – etwa einem Produkt-Release, einer Demo, einer Kundenerkenntnis oder einem technischen Narrativ – mehrere nachgelagerte Marketingressourcen zu erstellen. Dazu gehören entwicklerorientierte Beiträge, Langform-Inhalte, Social-Media-Varianten, Kampagnenbotschaften und sogar erste Entwürfe für Positionierungen. Anstatt jede Ressource separat zu erstellen, erzeugt, verfeinert und harmonisiert nun eine gemeinsame Ebene aus Prompts und Strukturen sämtliche Inhalte.

Simone teilt

\u003cstrong\u003eAnstatt jede Ressource separat zu erstellen, erzeugt, verfeinert und harmonisiert nun eine gemeinsame Ebene aus Prompts und Strukturen sämtliche Inhalte.\u003c/strong\u003e

Die KI erstellt diese Inhalte parallel auf einem hohen Entwurfsniveau, nicht nacheinander von Grund auf. Anschließend ergänzen wir eine menschliche Prüfung und Überarbeitung: Das Produktmarketing stellt die Integrität des Narrativs sicher, das Wachstumsteam optimiert die Distribution und die Marke wahrt Stimme und Konsistenz.

Außerdem sind wir von einem kampagnenbasierten Produktionszyklus zu einem kontinuierlichen Content-System übergegangen. Die meisten Marketingorganisationen arbeiten noch immer nach einem traditionellen Kampagnenmodell: Man definiert eine Kampagne, erstellt eine Reihe von Ressourcen, startet sie und geht anschließend zur nächsten über. Dieses Modell wurde für eine Welt entwickelt, in der die Content-Produktion teuer und langsam war. Heute führen wir parallele Schleifen für Erstellung und Iteration durch. Dadurch verkürzt sich die Zykluszeit, und wir können deutlich schneller auf Produkt- und Marktsignale reagieren.

Wie KI die Produktionseffizienz und narrative Konsistenz verbessert

Auf der positiven Seite waren die unmittelbarsten Auswirkungen der KI eine größere Reichweite und höhere Effizienz. Die Einführung von KI in Workflows für die Content- und Kampagnenproduktion steigerte den Output deutlich, ohne die Mitarbeiterzahl zu erhöhen. Bei vCluster bedeutete dies eine Skalierung von ungefähr 36K auf etwa 7M monatliche Impressionen bei gleichzeitiger Senkung des CPM von rund $5.58 auf $0.29. Obwohl mehrere Faktoren dazu beitrugen, war ein wesentlicher Treiber die deutlich schnellere und konsistentere Produktion und Überarbeitung von Inhalten über verschiedene Kanäle hinweg.

Wir konnten außerdem die Umsetzungsgeschwindigkeit erhöhen. Content-Zyklen, die zuvor Wochen dauerten — insbesondere bei funktionsübergreifenden Assets unter Beteiligung von Produktmarketing, Marke und Wachstum — wurden auf wenige Tage verkürzt. Dadurch konnten wir nahezu in Echtzeit auf Produktveröffentlichungen und Marktsignale reagieren, was in einem sich schnell entwickelnden KI-Ökosystem entscheidend ist.

Ein weiteres positives Ergebnis war die Konsistenz der Narrative. KI half dabei, zu standardisieren, wie wir technische Informationen in Botschaften für verschiedene Kanäle übersetzen, und verringerte die Fragmentierung zwischen entwicklerorientierten Inhalten, Vertriebsunterstützung und Kampagnen zur Nachfragegenerierung. Diese Abstimmung verbesserte sowohl die Qualität des Engagements als auch die nachgelagerte Funnel-Performance.

Qualitativ betrachtet war eine der größten Veränderungen organisatorischer Natur. Das Marketingteam entwickelte sich von einer primär umsetzungsorientierten Funktion zu einer stärker auf Orchestrierung ausgerichteten Rolle. Menschen verbringen nun mehr Zeit mit Ausrichtung, Strategie und Validierung, während die KI die Erstellung erster Entwürfe und Varianten übernimmt. Dies hat den Fokus des Teams verbessert und operative Engpässe reduziert.

Simone teilt

Menschen verbringen nun mehr Zeit mit Ausrichtung, Strategie und Validierung, während die KI die Erstellung erster Entwürfe und Varianten übernimmt.

Wie KI zu einer Überproduktion führen kann

Es traten auch Herausforderungen auf. Zu Beginn beobachteten wir eine Tendenz zur Überproduktion. Die KI erstellte zu viele Varianten ohne ausreichende anfängliche Einschränkungen, wodurch Rauschen entstand und wir stärkere Ebenen für redaktionelle Steuerung und Prompt-Governance aufbauen mussten. Außerdem steuerten wir aktiv das Risiko einer Verwässerung der Botschaft, um sicherzustellen, dass Geschwindigkeit nicht zulasten einer klaren Positionierung oder einer eindeutigen Kategoriezuordnung ging.

Eine weitere Erkenntnis war, dass KI sowohl gute als auch schlechte Eingaben verstärken kann. Wenn das zugrunde liegende Narrativ oder Briefing schwach ist, verstärkt die KI diese Schwäche schnell. Das zwang uns, mehr in vorgelagerte Strategie und eine präzisere Gestaltung der Eingaben zu investieren, bevor wir Inhalte in großem Maßstab generierten.

Insgesamt war das Nettoergebnis eindeutig positiv, allerdings erst, nachdem wir klare Leitplanken etabliert hatten.

Warum KI keine Differenzierung und Positionierung leisten kann

Auch bei den anfänglichen Erwartungen an strategische Differenzierung und Positionierung blieb die KI hinter den Erwartungen zurück.

Zunächst gingen wir davon aus, dass KI dabei helfen könnte, stärkere Narrative für eine Kategorie zu entwickeln oder sogar Positionierungsansätze zu identifizieren, die uns einen Vorteil verschaffen würden. In der Praxis stellten wir fest, dass KI zwar hervorragend darin ist, bestehende Marktstrukturen neu zu kombinieren, aber Schwierigkeiten hat, wirklich originelle oder verteidigungsfähige Positionierungen zu entwickeln.

Sie tendiert dazu, sich auf den Durchschnitt dessen zuzubewegen, was bereits existiert — genau das Gegenteil von dem, was man erreichen möchte, wenn man sich in einem überfüllten Markt für Infrastruktur- oder KI-Plattformen abheben will.

Warum Marketingverantwortliche die KI zuerst begrenzen müssen

Eine frühe KI-gestützte Kampagne, mit der wir eine technische Plattform für ein breiteres Publikum aus DevOps- und Plattform-Engineering-Fachleuten neu positionierten, liefert ein klares Beispiel dafür, wo die KI bei der strategischen Differenzierung zu kurz griff.

Wir nutzten KI, um unsere Plattform für ein Neoclouds-Publikum neu zu positionieren. Das Ergebnis lag schnell vor und gab uns mehrere Richtungen vor: „Vereinfachung des Kubernetes-Betriebs“, „Verbesserung der Plattform-Effizienz“, „Beschleunigung der Produktivität von Entwicklern.“
Alles klang richtig. Genau das war das Problem.

Keiner dieser Ansätze differenzierte uns wirklich. Als wir sie am Markt einem Stresstest unterzogen, stellten wir fest, dass benachbarte Tools sie im Kubernetes- und Cloud-Native-Ökosystem bereits stark nutzten. Die KI verstärkte effektiv die gängige Branchensprache, anstatt uns dabei zu helfen, uns davon zu lösen. Wären wir wie generiert damit fortgefahren, wäre die Kampagne in der Kategorie untergegangen, statt sie zu prägen.

Wir haben die von Menschen gesteuerte Eingabephase deutlich verschärft. Statt mit breit gefassten Prompts zu Produktfunktionen zu beginnen, legten wir strengere Vorgaben für drei Bereiche fest: unseren einzigartigen architektonischen Vorteil, die Abwägungen, zu denen wir uns öffentlich bekennen wollten, und die Zielgruppensegmente, mit denen wir ausdrücklich führen wollten, statt sie lediglich einzubeziehen.

Nachdem wir die Eingaben wieder an diesen strategischen Entscheidungen ausgerichtet hatten, nutzten wir die KI anders: nicht, um eine Positionierung zu erfinden, sondern um die Klarheit zu überprüfen, die Botschaft auf verschiedene Personas zu übertragen und Variationen auf Umsetzungsebene für Inhalte und Kampagnen zu erstellen.

Das Ergebnis war ein deutlich schärferes Narrativ, das sich auf einen spezifischeren und verteidigungsfähigeren Ansatz konzentrierte: wie Plattformteams die Abstraktion von Infrastruktur für moderne Workloads neu denken können, statt sich auf allgemeine Themen wie Effizienz oder Produktivität zu beschränken. Diese Veränderung verbesserte die Qualität des Engagements und machte die Botschaft in technischen Communities einprägsamer, insbesondere unter Kubernetes-Fachleuten, die sehr sensibel auf eine allzu allgemeine Positionierung reagieren.

Der Engpass liegt also nicht mehr bei Produktionsqualität oder Geschwindigkeit, sondern bei Originalität und Schärfe des Denkens. Sich heute abzuheben, erfordert eine deutlich klarere Haltung, eine eindeutigere Positionierung und die Bereitschaft, explizite Abwägungen vorzunehmen. Ohne das neigt KI dazu, alles zum Marktdurchschnitt hin zu ziehen.

Wie KI die Struktur von Marketingteams verändert

KI hat mein Marketingteam grundlegend von einem funktional abgeschotteten Team zu einem fluiden, funktionsübergreifenden Ausführungsmodell verändert.

Traditionell haben wir die Rollen klar voneinander getrennt. Ein Content-Marketing-Spezialist war für die Erstellung von Inhalten verantwortlich und übergab sie anschließend an Spezialisten für die Distribution zur Anpassung, während das Produktmarketing unabhängig davon Botschaften und Positionierungen entwickelte, die dann für Kampagnen übersetzt werden mussten. Jeder Schritt erforderte Überarbeitungen und eine Übersetzung zwischen den verschiedenen Funktionen.

Durch die Einbindung von KI in den Arbeitsablauf hat sich die Struktur deutlich verändert. Jetzt kann jedes Teammitglied in mehreren Teilen des Lebenszyklus von Inhalten und Kampagnen arbeiten. Ein Content-Marketing-Spezialist kann nicht nur den ersten Entwurf eines Artikels erstellen, sondern auch erste Versionen von Social-Media-Varianten, E-Mail-Texten und sogar Positionierungsansätzen generieren. Ein Spezialist für Wachstumsmarketing kann dieselbe Eingabe übernehmen und sofort Kampagnenvarianten oder Testframeworks erstellen. Das Produktmarketing kann sich von der vollständigen Neuerstellung aller Inhalte hin zur Verfeinerung der Erzählung, der Sicherstellung der Genauigkeit und der Abstimmung der Botschaften mit der Strategie bewegen.

Der entscheidende Wandel besteht darin, dass wir Arbeit nicht mehr sequenziell von Grund auf erstellen. KI erzeugt standardmäßig einen qualitativ hochwertigen Entwurf, den wir anschließend zur Verfeinerung, Validierung und Optimierung zwischen den Funktionen weitergeben. Dadurch wurden die Reibungsverluste zwischen den Teams deutlich reduziert und die Iterationszyklen verkürzt.

Infolgedessen konzentrieren sich Marketer heute stärker auf Urteilsvermögen, Bearbeitung und strategische Ausrichtung statt auf reine Produktion. Das Team ist hinsichtlich seiner Abhängigkeit von manueller Ausführung kleiner, verfügt aber über eine höhere Hebelwirkung bei der Output-Kapazität.

KI hat auch die Zusammenarbeit dynamischer gemacht. Statt starrer Übergaben arbeiten wir nun eher wie ein gemeinsames Wissenssystem, in dem wir jede Eingabe in mehrere kanalübergreifende Ergebnisse umwandeln können, die anschließend vom jeweils zuständigen Spezialisten verfeinert werden.

Warum Marketingteams dezentralisierte Budgets für KI-Tools benötigen

Wenn ich noch einmal von vorn anfangen würde, würde ich das Marketingbudget zunächst nicht in traditionelle Kampagnenausgaben oder sogar in zusätzliche Mitarbeiter investieren, sondern jedem Marketer direkten Zugang zu einem flexiblen, dezentralisierten Budget für KI-Tools geben.

Ich würde den Marketern individuelle Budgets zuweisen, damit sie Tools einsetzen und ausprobieren können, die ihre tägliche Produktivität steigern, ohne auf eine zentrale Beschaffung oder IT-Genehmigungsprozesse warten zu müssen. Dazu gehören KI-Schreibwerkzeuge, Assistenten für Datenanalysen, Plattformen zur Erstellung kreativer Inhalte, Automatisierungswerkzeuge und spezialisierte Anwendungen, die im KI-Ökosystem schnell entstehen.

Der Grund ist einfach. In einer KI-gesteuerten Umgebung übertrifft das Entwicklungstempo von Tools die Beschaffungszyklen von Unternehmen. Zentralisierter Zugriff führt unweigerlich dazu, dass Teams auf einem veralteten Technologie-Stack standardisiert werden. Das verlangsamt das Experimentieren und schafft eine Lücke zwischen dem, was möglich ist, und dem, was tatsächlich umgesetzt wird.

Ich habe das selbst erlebt, als ich KI in Marketingarbeitsabläufe eingeführt habe. Die Teams, die die Freiheit hatten, Tools frühzeitig zu testen und einzuführen, kamen bei der Inhaltsproduktion, der Kampagneniteration und der Datenanalyse deutlich schneller voran. Teams, die durch zentrale Genehmigungsprozesse eingeschränkt waren, kehrten häufig zu langsameren, veralteten Arbeitsabläufen zurück, selbst wenn bessere Tools verfügbar waren.

Im Gegensatz dazu schafft ein verteiltes Tool-Budget eine andere Dynamik. Es macht jeden Marketer zu einem Verantwortlichen, der seinen eigenen Technologie-Stack kontinuierlich optimieren kann. Außerdem wird Innovation auf natürliche Weise sichtbar, da sich die besten Tools durch ihre Nutzung im Team verbreiten und nicht durch Vorgaben.

Zweitens würde ich den Aufbau einer schlanken Unterstützungsstruktur rund um diese Freiheit priorisieren. Dazu gehören gemeinsame bewährte Verfahren, Prompt-Bibliotheken und interne Arbeitsabläufe, damit das Experimentieren nicht zu einer Fragmentierung führt.

Zentrale Kontrolle optimiert auf Konsistenz, dezentrale Unterstützung hingegen auf Anpassungsfähigkeit. Und Anpassungsfähigkeit schafft Wettbewerbsvorteile in schnelllebigen Marketingumgebungen.

Wie Claude Cowork echte Hebelwirkung erzeugt

Ich bin besonders begeistert von einer KI-Funktion von Anthropic: Claude CoWork.

Es geht über die traditionelle Chat-Oberfläche hinaus und fühlt sich wie eine echte Arbeitsumgebung für Wissensarbeit an. Statt isolierter Eingaben ermöglicht es strukturiertere, dauerhafte Arbeitsabläufe. Genau hier bietet KI einen echten Hebel.

Ich schätze außerdem, wie schnell Anthropic auf Grundlage des tatsächlichen Nutzerverhaltens weiterentwickelt. Das Unternehmen achtet darauf, was die Community entwickelt und nutzt, und integriert diese Muster anschließend direkt in das Kernprodukt. Das erinnert mich daran, wie schnell Konzepte aus Projekten wie OpenClaw ihren Weg in Claude CoWork gefunden haben. Diese Rückkopplungsschleife ist wichtig, weil sich das Tool daran orientiert, wie Menschen tatsächlich arbeiten – und nicht nur daran, wie das Produktteam sich vorstellt, dass sie arbeiten sollten.

In der Praxis verringert es außerdem den Bedarf, mehrere Tools oder Erweiterungen miteinander zu verbinden. Ich muss keine Arbeitsabläufe neu erstellen, neue Anbieter bewerten oder mir Gedanken über Sicherheit und Datenverarbeitung in einem fragmentierten System machen. Ich vertraue Anthropic als Unternehmen bereits, sodass ich neue Funktionen schnell und selbstbewusst einsetzen kann, sobald sie veröffentlicht werden.

Warum jedes Marketingteam eine Rolle zur KI-Befähigung braucht

Abgesehen davon besteht die größte Lücke, die ich bei der Einführung von KI beobachtet habe, nicht bei den Tools. Die meisten Marketingteams haben Zugang zu KI-Tools. Was ihnen fehlt, ist jemand, dessen einzige Aufgabe darin besteht, zu verfolgen, was sich verändert, das Rauschen herauszufiltern und daraus Arbeitsabläufe zu machen, die das Team tatsächlich nutzen kann.

Die meisten Organisationen gehen davon aus, dass die Einführung automatisch folgt, wenn Teams Zugang zu KI-Tools haben. In der Praxis sind Bewusstsein und Synthese die begrenzenden Faktoren. Die KI-Landschaft entwickelt sich so schnell, dass kein einzelner Marketingfachmann realistisch mit neuen Modellen, Tools, Arbeitsabläufen und Best Practices Schritt halten kann, während er gleichzeitig seine Kernaufgaben erfüllt. Wenn jeder teilweise dafür verantwortlich ist, auf dem aktuellen Stand zu bleiben, ist niemand vollständig dafür verantwortlich.

Meiner Erfahrung nach funktioniert die Schaffung einer eigenen Rolle zur KI-Befähigung innerhalb der Marketingorganisation deutlich besser. Dabei handelt es sich nicht nur um einen Tool-Administrator oder einen Prompt-Entwickler, sondern um jemanden, der eine tiefgehende Neugier für KI mitbringt, Entwicklungen bei Modellen und Anwendungen aktiv verfolgt und sie kontinuierlich in praktische Arbeitsabläufe für das Team übersetzt.

Diese Person wird praktisch zu einer internen Wissensebene. Sie bewertet neue Tools, testet Anwendungsfälle, fasst zusammen, was nützlich und was nur Rauschen ist, und überführt die Erkenntnisse anschließend in wiederholbare Arbeitsabläufe. Ebenso wichtig ist, dass sie als Brücke in beide Richtungen fungiert. Teammitglieder können Probleme oder Ineffizienzen an diese Person herantragen, KI-basierte Lösungen erkunden und strukturierte Empfehlungen zurück ins Team bringen.

Diese Rolle wirkt sich vor allem auf den Fokus aus. Sie nimmt einzelnen Mitarbeitenden die kognitive Belastung ab, „mit der KI Schritt zu halten“, und bündelt sie in einer einzigen Funktion, deren einzige Aufgabe darin besteht, der Entwicklung voraus zu sein und dieses Wissen effektiv zu verteilen. Ohne diese Funktion neigen Teams zur Fragmentierung. Die Einführung erfolgt uneinheitlich, Vorgehensweisen sind inkonsistent und Experimente werden doppelt durchgeführt. Mit dieser Funktion entsteht ein sich verstärkender Effekt, bei dem das Lernen zentralisiert und die Umsetzung verteilt wird.

Warum Marketingfachleute KI als Veränderung des Betriebsmodells betrachten müssen

Der wichtigste Rat, den ich Marketingleitungen geben würde, ist, diesen Moment als Veränderung des Betriebsmodells und nicht als Upgrade der Tools zu betrachten.

Es ist leicht, sich in der Bewertung von Tools, dem Testen von Funktionen und der Jagd nach schrittweisen Produktivitätssteigerungen zu verlieren. Das ist wichtig, verschafft aber nicht den entscheidenden Vorteil. Die eigentliche Veränderung betrifft die Art und Weise, wie Marketingarbeit erledigt wird, wie Teams strukturiert sind und wo menschlicher Aufwand eingesetzt wird.

Einige Grundsätze sind besonders wichtig:

• Erstens: Investieren Sie zunächst in die Qualität der Eingaben, bevor Sie den Umfang der Ausgaben erhöhen. KI erstellt so viel Inhalt, wie Sie von ihr verlangen, aber die Qualität dieses Inhalts hängt vollständig von der Klarheit Ihrer Positionierung, der Definition Ihrer Zielgruppe und Ihrer Kernbotschaft ab. Führungskräfte, die diesen Schritt überspringen, skalieren das Rauschen, wie ich in „Marketingplan für Tech-Start-ups“ hervorhebe.
• Zweitens: Gestalten Sie Arbeitsabläufe neu, nicht nur einzelne Aufgaben. Fragen Sie nicht einfach, wie KI einen bestehenden Schritt beschleunigen kann, sondern betrachten Sie das gesamte System von der Eingabe bis zum Ergebnis und überdenken Sie seine Funktionsweise in einer Welt, in der Entwürfe sofort verfügbar und Iterationen kostengünstig sind. Das ermöglicht Verbesserungen in einer völlig anderen Größenordnung.
• Drittens: Schaffen Sie Raum für eine fokussierte Verantwortung für KI. Ob es sich um eine eigene Rolle oder eine kleine Gruppe handelt – jemand muss den Überblick über die Entwicklungen behalten, Tools testen und daraus praktische Arbeitsabläufe ableiten. Ohne diese Funktion fragmentieren Teams und die Einführung kommt zum Stillstand.

Bleiben Sie auf dem Laufenden

Sie können Simone Morellato auf LinkedIn folgen.

Weitere Experteninterviews im The CMO Club folgen!