KI-Agenten im Marketing: Einsatz und Kontrolle

Kleine goldene KI-Agenten erledigen Marketingaufgaben innerhalb einer transparenten Schutzgrenze unter menschlicher Aufsicht.

By Patricia Jarmek Marketingstrategie und Analyse 22. Oktober 2026

4 Min. Lesezeit

Ein KI-Agent ist mehr als ein Chatbot. Er erhält ein Ziel, sammelt Kontext, wählt den nächsten Schritt, nutzt erlaubte Werkzeuge und wiederholt den Prozess, bis die Aufgabe erledigt oder eine Grenze erreicht ist. Im Marketing kann er einen Conversion-Rückgang untersuchen, ein Briefing aus mehreren Quellen erstellen oder Kampagnen prüfen. Unbegrenzte Rechte zum Ausgeben, Veröffentlichen oder Kontaktieren gehören nicht dazu.

Workflow und Agent sind nicht dasselbe

Ein Workflow folgt einem vorher festgelegten Pfad. Ein Agent hat mehr Freiheit bei Bewertung und nächster Aktion. Anthropic unterscheidet zwischen codegesteuerten Workflows und Agenten, die Prozess und Toolnutzung dynamisch lenken [3].

Ein Agent ist nicht automatisch besser. Bei stabilen Prozessen, klaren Regeln und seltenen Ausnahmen ist deterministische Automation günstiger und leichter kontrollierbar. Agenten sind sinnvoll bei unstrukturierten Daten, mehreren Schritten und kontextabhängigen Entscheidungen.

Gute erste Anwendungsfälle

Beginnen Sie mit Aufgaben, bei denen der Agent liest und empfiehlt, ohne externe Systeme zu verändern. Er kann Kanalentwicklung zusammenfassen, Anomalien finden, CRM-Notizen mit Kampagnendaten verbinden oder einen Berichtsentwurf erstellen.

Googles offizieller Google Ads MCP Server bietet Agenten standardisierten Read-only-Zugriff auf Kontodaten, um Kampagnen und Kennzahlen in natürlicher Sprache abzurufen [4]. Das ist eine sinnvolle erste Stufe: Analyse ohne sofortige Änderungsrechte.

Werkzeuge mit engen Rechten

Ersetzen Sie „Kampagne verwalten“ durch konkrete Funktionen: Kennzahlen lesen, Vorschlag erstellen, Limit prüfen, Freigabe anfordern, erlaubte Änderung ausführen und Ergebnis protokollieren. Jedes Werkzeug braucht klare Ein- und Ausgaben, Grenzen und Fehlermeldungen.

OpenAI empfiehlt Agenten für Fälle, in denen deterministische Automation nicht genügt, und betont Guardrails, Evaluationen sowie menschliche Intervention bei riskanten Aktionen [1]. Nutzen Sie minimale Rechte, getrennte Testdaten, vollständige Protokolle und einen Stopmechanismus.

Freigabe vor externer Wirkung

Der Agent darf ein Problem selbst untersuchen, sollte aber vor E-Mail-Versand, Veröffentlichung, Preisänderung, Zielgruppenaktivierung oder Budgeterhöhung anhalten. Der Freigabegrad folgt den Fehlerfolgen.

Bei personenbezogenen Daten ist besondere Vorsicht nötig. Der EDPB verbindet verantwortliche AI-Innovation mit Datenschutz; sein LLM-Risikomaterial empfiehlt die Bewertung von Wahrscheinlichkeit und Schwere möglicher Schäden [5], [6].

Agenten evaluieren

Bewerten Sie nicht nur einen beeindruckenden Dialog. Testen Sie normale Fälle, Randfälle, fehlende Daten, widersprüchliche Anweisungen und Versuche, Grenzen zu überschreiten. Messen Sie Genauigkeit, Toolwahl, unnötige Schritte, Zeit, Kosten, menschliche Eingriffe und durch Guardrails verhinderte Schäden.

Ein Agent muss wissen, wann er etwas nicht weiß. Die richtige Reaktion kann Rückfrage, Eskalation oder Ablehnung sein. OpenAI beschreibt Agenten als Kombination aus Modell, Werkzeugen und Anweisungen; alle drei Teile gehören in die Evaluation [1].

Betriebsmodell für das Marketingteam

Definieren Sie Eigentümer, Geschäftsziel, Datenquellen, Werkzeuge, erlaubte und verbotene Aktionen, Freigabeschwellen, Aufbewahrungsfristen und Kill Switch. Zuerst arbeitet der Agent im Shadow Mode: Er empfiehlt, Menschen handeln. Begrenzte Autonomie folgt erst nach stabilen Ergebnissen.

Der beste Agent erledigt nicht möglichst viel, sondern eine ausreichend enge Aufgabe zuverlässig, nachvollziehbar und mit der Fähigkeit, rechtzeitig anzuhalten.

Der LLM-Risikobericht wurde von einer externen Fachperson im EDPB-Programm Support Pool of Experts erstellt; er gibt keine offizielle Position des EDPB wieder.