Praktische Beispiele dafür, wie KI-Assistenten das Marketing und die Arbeit von Geschäftsteams verändern

Einleitung

Vor zwei Jahren fragten sich die meisten Marketingteams noch, ob ein KI-Assistent einen anständigen Absatz schreiben könne. Diese Frage wirkt heute fast schon altmodisch. Die eigentliche Frage, die sich Teams heute stellen, lautet anders: Können wir diesem Ding tatsächlich unsere Arbeitsabläufe, Kampagnenplanung, Kundendaten und Berichterstattung anvertrauen, oder handelt es sich immer noch nur um eine ausgefallene Autovervollständigung?

Die ehrliche Antwort lautet: Das hängt ganz davon ab, wie man es einsetzt. Claude, der von Anthropic entwickelte KI-Assistent, ist zu einem der Modelle geworden, auf die Unternehmen zurückgreifen, wenn sie mehr wollen als nur einen Chatbot als Spielerei. Das Interessante daran ist jedoch nicht das Modell selbst. Es ist vielmehr spannend zu beobachten, wie ganz normale Marketing- und Betriebsteams herausgefunden haben, wo es tatsächlich hilft und wo es nur im Weg steht.

Wo er sich bezahlt macht

Viele Teams machen zu Beginn denselben Fehler: Sie behandeln einen KI-Assistenten wie eine Suchmaschine mit besseren Manieren. Darin liegt der Wert jedoch nicht. Der Wert zeigt sich in den unspektakulären, sich wiederholenden Aufgaben, die still und leise eine ganze Woche verschlingen.

Nehmen wir zum Beispiel einen Kampagnentext. Oft sitzt jemand im Marketingteam fest und muss immer wieder acht oder zehn Varianten derselben Anzeige für verschiedene Zielgruppensegmente schreiben – gleiche Botschaft, unterschiedlicher Blickwinkel. Ein Assistent kann das in wenigen Minuten erledigen. So hat die Person Zeit für das, was wirklich zählt: zu entscheiden, welche Version die richtige ist, statt sie alle abzutippen.

Besprechungen sind ein weiteres offensichtliches Beispiel. Vertriebs- und Marketingteams verbringen viel Zeit in Telefonaten, und das meiste, was dabei gesagt wird, ist in dem Moment vergessen, in dem das Gespräch endet. Ein Assistent, der das Gespräch zusammenfassen, die drei Punkte herausarbeiten kann, die tatsächlich weiterverfolgt werden müssen, und den Entwurf für die Folge-E-Mail erstellen kann, spart wertvolle Zeit und verhindert vor allem, dass Dinge unter den Tisch fallen.

Dann gibt es noch den Berg an Feedback, den niemand anfassen will. Kundenumfragen, Support-Tickets, App-Bewertungen – das meiste davon bleibt ungelesen, denn sich durch tausend Zeilen einer Tabelle zu arbeiten, ist für niemanden die Vorstellung eines schönen Nachmittags. Ein Assistent kann die wiederkehrenden Beschwerden bündeln und etwas zurückgeben, auf das man tatsächlich reagieren kann.

Und internes Wissen: Jedes Unternehmen hat einen Friedhof aus alten Dokumenten, Notizen zu vergangenen Kampagnen und internen Wikis, die zwar technisch durchsuchbar sind, aber niemand sucht jemals darin. Die Möglichkeit, zu fragen „Wie sind wir das letztes Mal angegangen?“ und eine echte Antwort zu erhalten, verwandelt dieses tote Archiv in etwas Wertvolles.

Wo Teams ins Stocken geraten

Hier liegt der Haken. Viele Teams führen das Tool ein, ohne den damit verbundenen Arbeitsablauf zu überdenken. Sie fügen dem bestehenden Prozess einfach einen Assistenten hinzu, und schon wird daraus eine weitere App, die man überprüfen muss, anstatt etwas, das die Arbeitsabläufe tatsächlich verändert.

Die Teams, die es richtig machen, tun in der Regel bewusst einige Dinge. Sie legen frühzeitig fest, welche Aufgaben der Assistent übernimmt – erste Entwürfe, Zusammenfassungen, das Taggen von Feedback – und welche bei einer Person verbleiben, insbesondere alles, was den Kunden betrifft oder strategischer Natur ist. Wenn diese Grenze unscharf bleibt, leidet in der Regel die Qualität.

Außerdem bauen sie einen Überprüfungsschritt ein, anstatt davon auszugehen, dass der erste Entwurf gut genug ist. Selbst ein leistungsstarker Assistent profitiert davon, wenn jemand seine Ergebnisse anhand echter Kundendaten und der tatsächlichen Tonalität der Marke überprüft – und nicht anhand der generischen Tonalität, auf die er standardmäßig zurückgreift.

Und was vielleicht am wichtigsten ist: Sie betrachten dies als eine Veränderung der Arbeitsweise des Teams und nicht nur als eine neue Software. Die Teams, die Schwierigkeiten haben, sind in der Regel diejenigen, die hoffen, dass der Assistent einen fehlerhaften Prozess von selbst behebt. Das wird er nicht. Er beschleunigt lediglich den Prozess, den Sie bereits haben – egal, ob dieser gut oder schlecht ist.

Wann es sich lohnt, Hilfe hinzuzuziehen

Manche Teams gelangen allein durch eigenes Experimentieren zu einer funktionsfähigen Lösung, indem sie den Assistenten für vereinzelte Einzelaufgaben einsetzen, sobald diese anfallen. Andere erreichen einen Punkt, an dem sie ihn tatsächlich in ihre Systeme integrieren möchten: CRM-Datensätze, Berichts-Dashboards, Kundendaten – nicht nur ein Chat-Fenster am Rand. Das ist eine ganz andere Art von Projekt. Es hat mehr mit Systemintegration zu tun als mit dem Ausprobieren eines neuen Tools, und die meisten Teams profitieren bei ihrem ersten Versuch von externer Hilfe.

An dieser Stelle kommt in der Regel Claude Consulting ins Spiel – nicht, um Entscheidungen zu übernehmen, die das Team selbst treffen sollte, sondern um die Anbindungen und Rahmenbedingungen zu regeln, sodass der Assistent innerhalb der Systeme arbeitet, auf denen das Unternehmen bereits läuft, anstatt davon isoliert zu sein.

Das Fazit

Ein KI-Assistent wird kein Marketingteam leiten, und niemand sollte das von ihm erwarten. Was er wirklich gut kann, ist, die sich wiederholenden Aufgaben zu übernehmen – Entwürfe zu erstellen, zusammenzufassen, das Wesentliche aus dem Rauschen herauszufiltern –, damit die Mitarbeiter mehr Zeit für die Teile der Arbeit haben, die tatsächlich von Menschen erledigt werden müssen: Ermessensentscheidungen, Beziehungen, Strategie.

Fangen Sie klein an, legen Sie klar fest, was der Assistent tun soll und was nicht, und der Nutzen wird sich in der Regel schnell zeigen. Wenn Sie erwarten, dass er ein Workflow-Problem löst, bei dem es von vornherein nie wirklich um das Tool ging, werden Sie wahrscheinlich enttäuscht sein – nicht weil die KI versagt hat, sondern weil das Problem die ganze Zeit an einer anderen Stelle lag.