KI-Marketing-Automation: Wann ein KI-Schritt sinnvoll ist

Was KI in einer Marketing-Automatisierung übernimmt

Klassische Marketing-Automatisierung arbeitet mit festen Regeln: Ein Auslöser startet einen Ablauf, Bedingungen legen fest, was passiert, und Daten wandern von einem System ins nächste. Wie das funktioniert, beschreibt der Artikel Marketing-Automatisierung erklärt.

Regeln reichen, solange sich ein Schritt eindeutig beschreiben lässt. „Wenn im Formular Beratung ausgewählt ist, geht die Anfrage an den Vertrieb“ ist eine solche Regel. Schwierig wird es bei unstrukturierten Eingaben: freier Text im Formular, E-Mails, Kommentare, Gesprächsnotizen oder Dokumente. Was darin steht, lässt sich mit starren Regeln nur unzuverlässig erfassen.

Hier kann ein Sprachmodell einen einzelnen Schritt übernehmen. Der Ablauf drumherum bleibt klassisch: Trigger, Datenübergaben, Regeln, Aktionen. KI ist ein Baustein im Prozess, nicht der Prozess selbst.

Wo KI einen Schritt sinnvoll ergänzen kann

• Text klassifizieren: Eine Anfrage wird einem Thema oder Anliegen zugeordnet, etwa Angebotsanfrage, Supportfall, Bewerbung oder Werbung.
• Informationen extrahieren: Aus einer E-Mail werden Name, Unternehmen, gewünschter Termin oder Produkt herausgelesen und in die passenden Felder übertragen.
• Unstrukturierte Daten strukturieren: Gesprächsnotizen oder Freitext werden in ein festes Schema gebracht, damit sie im CRM auswertbar sind.
• Inhalte zusammenfassen: Lange Anfragen, E-Mail-Verläufe oder Berichte werden für die zuständige Person kurz zusammengefasst.
• Entwürfe erzeugen: Ein Antwortentwurf, eine Produktbeschreibung aus einem Datenblatt oder ein Beitragstext entsteht als Vorlage, die ein Mensch prüft und anpasst.
• Varianten vorbereiten: Anzeigentexte oder Betreffzeilen werden in mehreren Varianten vorgeschlagen, aus denen jemand auswählt oder die getestet werden.
• Empfehlungen erzeugen: Auf Basis klar definierter Kriterien schlägt das Modell einen nächsten Schritt vor, etwa welche Vorlage zu einer Anfrage passt.

In allen diesen Fällen liefert das Modell ein Ergebnis, das weiterverarbeitet wird. Ob daraus eine Handlung folgt, legt der Prozess fest.

Wann feste Regeln besser sind

Nicht jeder Schritt braucht KI. Regeln haben Vorteile, die im Alltag oft wichtiger sind:

• Sie liefern bei gleicher Eingabe immer das gleiche Ergebnis.
• Sie sind nachvollziehbar und lassen sich einfach testen.
• Sie verursachen keine Kosten pro Modellaufruf.
• Es werden keine Daten an einen zusätzlichen Anbieter übertragen.

Sprachmodelle können dagegen bei gleicher Eingabe unterschiedliche Ergebnisse liefern, sich irren und kosten pro Aufruf Geld.

Oft lohnt es sich deshalb, zuerst die Eingabe zu verbessern. Ein Pflichtfeld mit festen Auswahlmöglichkeiten im Formular macht eine KI-Klassifizierung überflüssig. Wenn sich ein Schritt mit vertretbarem Aufwand als Regel beschreiben lässt, ist die Regel meist die robustere und günstigere Lösung.

Ein KI-Ergebnis ist keine Entscheidung

Sprachmodelle erzeugen plausible Ergebnisse, die trotzdem falsch sein können: eine falsche Kategorie, eine Angabe in der Zusammenfassung, die im Original nicht steht, ein Entwurf mit falschem Preis. Das lässt sich nicht vollständig verhindern, aber absichern.

• Prüfung nach Risiko: Bei einer internen Vorsortierung können Stichproben reichen. Texte, die an Kunden gehen, brauchen eine Freigabe vor dem Versand. Preise, Zusagen und rechtlich relevante Aussagen entscheidet ein Mensch.
• Ausgaben begrenzen: Das Modell darf nur aus festgelegten Werten wählen, etwa aus einer Liste erlaubter Kategorien. Ergebnisse außerhalb dieses Rahmens gehen nicht automatisch in den nächsten Schritt.
• Fallbacks festlegen: Antwortet das Modell nicht, ist das Ergebnis ungültig oder unklar, geht der Vorgang an eine Person oder den Standardweg.
• Nachvollziehbar protokollieren: Eingabe, Ergebnis und die daraus folgende Aktion werden gespeichert, damit Fehler erkennbar und korrigierbar sind.

Wie eng die Kontrolle sein muss, hängt davon ab, was ein Fehler auslöst. Eine falsch einsortierte interne Notiz ist schnell korrigiert, eine falsche Zusage an einen Kunden nicht.

Sensible Daten

Wenn Anfragen, Kundendaten oder interne Dokumente an ein Sprachmodell gehen, sind vorher einige Fragen zu klären: Welche Daten werden übertragen? Bei welchem Anbieter und in welchem Land werden sie verarbeitet? Speichert der Anbieter die Eingaben oder nutzt er sie für das Training seiner Modelle? Gibt es einen Vertrag zur Auftragsverarbeitung?

Oft reicht es, dem Modell nur die Daten zu übergeben, die für den jeweiligen Schritt nötig sind. Bei besonders schützenswerten Daten, etwa Gesundheitsdaten, gehört die Prüfung vor den ersten Test. Allgemeine Punkte zum Datenschutz bei Automatisierungen stehen im Grundlagenartikel zur Marketing-Automatisierung.

So gehst du bei der Einführung vor

1. Einen passenden Schritt auswählen. Geeignet ist ein Ablauf, der bereits klar beschrieben ist oder schon als Workflow läuft, mit einer Stelle, an der heute jemand Texte liest und einordnet.
2. Prüfen, ob eine Regel reicht. Lässt sich der Schritt mit besseren Eingaben oder einer festen Regel lösen, ist das meist die bessere Wahl.
3. Den Schritt eng definieren. Welche Eingabe bekommt das Modell, welche Ergebnisse sind erlaubt, und was passiert bei einem unklaren Ergebnis?
4. Mit echten Beispielen testen. Vergangene Anfragen oder Texte, auch schwierige und untypische, durch den Schritt laufen lassen und die Ergebnisse mit der Einordnung durch Menschen vergleichen.
5. Mit menschlicher Prüfung starten. Die Kontrolle erst lockern, wenn die Fehlerquote bekannt und für den Zweck vertretbar ist.
6. Laufend messen und nachjustieren. Modelle, Anbieter und Eingaben ändern sich. Nach einem Modellwechsel oder neuen Formularfeldern können die Ergebnisse anders ausfallen.

Was du messen solltest

Ob sich ein KI-Schritt lohnt, zeigt der Vergleich mit dem Stand vorher:

• Bearbeitungszeit je Vorgang
• Durchlaufzeit vom Eingang bis zum Ergebnis
• Fehlerquote, etwa falsch zugeordnete Anfragen oder stark korrigierte Entwürfe
• Manueller Aufwand, einschließlich der Zeit für Prüfung und Korrektur
• Qualität der Ergebnisse aus Sicht der Menschen, die damit weiterarbeiten
• Kosten je Vorgang, also Modellaufrufe, Tools und Pflege
• Wirkung auf den Prozess, zum Beispiel ob Anfragen schneller bearbeitet werden oder weniger liegen bleiben

Wenn Prüfung und Korrektur mehr Zeit kosten als der Schritt vorher von Hand, ist der Einsatz an dieser Stelle nicht sinnvoll.

Häufige Fragen

Welches KI-Modell und welches Tool brauche ich?

Das hängt von der Aufgabe ab. Viele Workflow-Tools bieten Anbindungen an Sprachmodelle verschiedener Anbieter, und das Angebot ändert sich schnell. Entscheidend sind die Qualität bei deinen eigenen Beispielen, der Umgang mit Daten, die Kosten pro Aufruf und ob sich das Modell zuverlässig in den bestehenden Ablauf einbinden lässt. Ein Test mit echten Fällen sagt mehr als jeder Vergleich von Modellnamen.

Lohnt sich KI in der Automatisierung auch bei wenigen Vorgängen?

Oft nicht. Aufbau, Tests und Absicherung fallen unabhängig von der Menge an. Bei wenigen Vorgängen im Monat ist die Bearbeitung durch einen Menschen häufig einfacher und genauer. Interessant wird KI dort, wo viele unstrukturierte Eingaben regelmäßig von Hand gelesen und eingeordnet werden.

Weiterlesen

• Marketing-Automatisierung erklärt: Trigger, Regeln, Workflows und wann sich Automatisierung lohnt
• Marketing Automation: wie wir Abläufe prüfen, aufbauen und überwachen