KI-Marketing: schneller produzieren, ohne beliebig zu werden

Am stärksten wirkt sie dort, wo viel Variation bei gleichbleibender Struktur gebraucht wird: Anzeigenvarianten, Produkttexte, Zusammenfassungen, Übersetzungen, Auswertungen. Das sind Aufgaben mit klarer Vorlage und messbarem Ergebnis.

Am schwächsten ist sie beim Kern: Positionierung, Tonalität, die eine Aussage, die ein Unternehmen von anderen unterscheidet. Wer diesen Teil an ein Modell abgibt, bekommt den statistischen Durchschnitt der Branche — was fast immer das Gegenteil des Ziels ist.

Marketingteams, die mit KI gute Ergebnisse erzielen, haben meist dasselbe getan: Sie haben ihre Marke beschrieben — Tonalität, verbotene Formulierungen, Zielgruppen, Beispiele guter Texte — und arbeiten mit diesem Kontext, statt bei jedem Prompt bei null anzufangen.

Das ist unspektakulär, aber es ist der Unterschied zwischen brauchbaren Entwürfen und Texten, die man ohnehin neu schreibt.

Der Zeitgewinn von KI im Marketing ist real, aber ungleich verteilt. Bei strukturierten Aufgaben mit klarer Vorlage ist er groß, bei allem, was eigene Substanz braucht, klein. Die folgenden Werte sind Erfahrungswerte in der Größenordnung — sie hängen von Datenlage und Prüfaufwand ab und beschreiben Entwurf plus menschliche Prüfung, nicht ungeprüften Output.

Sprachmodelle sind stark, wo viele Varianten bei gleichbleibender Struktur gebraucht werden. Sie sind schwach genau dort, wo eine Marke sich unterscheidet. Das ist keine Frage der Modellqualität, sondern der Bauweise: Ein Modell erzeugt den statistisch wahrscheinlichsten Text — und der klingt bei drei Wettbewerbern derselben Branche nahezu identisch.

Konkret raten wir ab bei Positionierung, bei Tonalität ohne vorgegebenen Rahmen, bei fachlich engen Themen ohne Quellenlage sowie bei Preis- und Leistungsaussagen. Der letzte Punkt ist kein Qualitäts-, sondern ein Haftungsthema.

Was den Unterschied zwischen brauchbarem und generischem Ergebnis ausmacht, ist nicht die Formulierung der Anweisung, sondern der mitgegebene Kontext. In den Projekten, die funktioniert haben, gab es immer dasselbe: ein Dokument, das die Marke beschreibt und bei jeder Aufgabe mitgegeben wird.

Vier Blöcke, zusammen zwei bis drei Seiten: Wer wir sind, für wen, wie wir klingen — und, am wirksamsten und am seltensten gepflegt, wie wir nicht klingen. Negativbeispiele bewirken erfahrungsgemäß mehr als Positivbeispiele.

Wer KI im Marketing einsetzt, ist rechtlich fast immer Betreiber (deployer), nicht Anbieter. Das begrenzt die Pflichten, hebt sie aber nicht auf. Zwei Punkte sind für Marketingteams relevant: die Kennzeichnungspflicht für synthetische Inhalte und die KI-Kompetenzpflicht für Mitarbeitende.

Bußgelder bei Verstößen reichen bis 15 Mio. € oder 3 % des weltweiten Jahresumsatzes. Für Marketing ist die praktische Konsequenz überschaubar: Prozesse dokumentieren, Kennzeichnung mitdenken, Team schulen.

Vor dem EU AI Act steht bei den meisten Marketing-Anwendungen weiterhin die DSGVO. Personenbezogene Daten in Prompts, Kundendaten in Cloud-Tools, Tracking und Personalisierung — das sind die realen Fallstricke im Alltag, nicht die Hochrisiko-Regeln.

Praktisch heißt das: keine personenbezogenen Daten ungeprüft in externe Modelle geben, Auftragsverarbeitung klären, Speicherorte kennen. Wie sich KI im Marketing datenschutzkonform einsetzen lässt, behandelt die Seite DSGVO-konforme KI. Für die Einordnung Ihres konkreten Falls hilft ein Erstgespräch.