Der KI-Hype in Marketing und Vertrieb scheint grenzenlos; gefühlt dreht sich jede Teamdiskussion oder Strategierunde um Künstliche Intelligenz. Die Befragung von rund 1.600 Entscheidern in Deutschland/Österreich und der Schweiz (DACH-Region) im Rahmen des Marketing Tech Monitors 2026 untermauert das: Für die Mehrheit der CMOs und Digital-Entscheider gehört KI zu den absoluten strategischen Prioritäten – noch vor Dauerbrennern wie CRM. Allerdings setzen nur 30 Prozent KI auch auf Platz 1.

Die Gründe dafür sind vielschichtig, schwanken in einem Kontinuum zwischen Lust und Frust und haben meist mit KI als Technologie erst mal gar nichts zu tun. So wird der Einsatz von KI oftmals in die Schublade „IT-Projekt“ gesteckt. Tatsächlich verändert sie jedoch Entscheidungsprozesse, Arbeitsweisen und Verantwortlichkeiten in Marketing und Vertrieb.

Der Fokus auf Automatisierung statt Transformation verhindert den Blick auf mögliche Veränderungen der Wertschöpfungsketten und das Entstehen neuer Organisationsmodelle in einem „AI Native Marketing und Sales“-Modus. Sekundiert wird dieser Zustand bei den meisten Unternehmen durch das Fehlen einer durchgängigen Daten- und Kontextarchitektur, was sich im Kern – entgegen der mit liebvollem Enthusiasmus geführten CRM-Diskussionen der letzten 30 Jahre – kaum geändert hat.

Die Konsequenz: Auf den euphorischen Start vieler Pilotprojekte folgt oft der Kater. Künstliche Intelligenz befindet sich in vielen Abteilungen in einem schizophrenen Zustand. Einerseits feiert das Management sie als strategischen Hebel. Andererseits dient sie in der Praxis als freundlicher Praktikant, der Texte zusammenschreibt und Präsentationen aufhübscht.

Unternehmen holen sich ihre KI-Rendite bei der Prozesseffizienz

Der Hype erzeugt Handlungsdruck im Unternehmen. Um diesem Druck standzuhalten, suchen Verantwortliche nach schnellen Erfolgen. In Analogie zum „Herr der Ringe“ träumen viele von KI als dem „einen Ring“, der Daten, Kanäle, Kreation und Performance in Echtzeit miteinander verbindet. Die Realität sieht allerdings weitaus bodenständiger aus. Bevor Hyperpersonalisierung in Echtzeit überhaupt angegangen wird beziehungsweise angegangen werden kann, holen sich erfolgreiche Unternehmen ihre Rendite bei der Prozesseffizienz.

Der Logik und der zeitlichen Sequenz in der Markteinführung von ChatGPT und anderer Anwendungen folgend dominieren aktuell eher grundlegende Anwendungsszenarien wie Content-Management (87 Prozent), die Analyse der Kundenkommunikation (77 Prozent) oder auch Conversational AI im Customer Service (unterstützt etwa durch Chatbots, 71 Prozent). Höherwertige Szenarien wie ein Marketing-Mix-Modelling zur Budget- und Kanaloptimierung finden sich kaum und werden, Stand heute, nur in Einzelprojekten umgesetzt.

Der Hauptgrund: Bevor höherwertige Anwendungsszenarien in Betracht kommen, müssen zunächst die prozessualen Grundlagen in der Abwicklung geschaffen werden, wie etwa der Aufbau von Know-how oder auch die erforderliche Aggregation von Daten. Mit anderen Worten: Prozesseffizienz (etwa Automatisierung der Content-Generierung) schlägt derzeit noch höherwertige datengetriebene Anwendungsszenarien und Optimierung (wie Marketing-Mix-Modelling).

Sunk Costs: 85 Prozent der KI-Projekte scheitern

Sobald die Anwendungsszenarien komplexer werden, kippt die euphorische KI-Stimmung vollends. Analysen unter anderem vom Stanford Digital Economy Lab oder der Universität Harvard schätzen, dass bis zu 85 Prozent der KI-Projekte ihre Ziele verfehlen. In Deutschland, Österreich und der Schweiz gehen laut der Befragung 47 Prozent davon aus, dass 70 bis 80 Prozent der Projekte scheitern beziehungsweise nicht die initial avisierten Ergebnisse erbringen. Im Mittelwert über die wichtigsten Anwendungsszenarien bedeutet das – neben vielen damit direkt verbundenen persönlichen Frustrationen – „Sunk Costs“ von mehr als 21 Milliarden Euro nur an IT-Ausgaben 2026 in diesen drei Ländern.

Die Ursache: meist eher bodenständige handwerkliche Fehler, angeführt von einem nur unzureichenden funktionalen oder fachlichen Verständnis (56 Prozent). Statt Erfahrungswissen dominiert Powerpoint-Romantik, häufig gepaart mit einer positiven Korrelation zwischen unzureichendem Know-how und Tiefe im Inhalt versus der Seitenanzahl generierter Powerpoint-Charts. Dazu kommt ein Verzetteln aufgrund der Vielzahl parallel gestarteter Projekte.

Multitasking mag als Beleg für den persönlichen Einsatz schon länger ausgedient haben, auf die Qualität der Einzelprojekte und die Gemütsverfassung der Projektbeteiligten hat es oft fatale Auswirkungen. Die Probleme bei der Umsetzung und Nutzung von KI sind damit eher die Projektionsfläche für andere Herausforderungen wie eine unzureichende Projektorganisation, Unwuchten in den operativen Prozessen oder ein inhaltlich unzureichendes Konzept oder Verständnis.

Wie erfolgreiche Unternehmen KI-Projekte umsetzen

45 Prozent der Unternehmen verorten sich selbst in einer frühen Reifegrad-Stufe „Reaktiv“ – dem klassischen Pilotmodus, in dem KI isoliert in einzelnen Funktionen ausprobiert wird. Anstelle der grundlegenden Veränderung des Operating Models dominieren damit Pilotanwendungen.

Unternehmen mit hohem Reifegrad (insgesamt rund 11 Prozent) unterscheiden sich nicht durch den Einsatz innovativer IT-Anwendungen, sondern dadurch, dass sie eher bereits die konzeptionellen Grundlagen geschaffen haben. Sie erfassen Customer-Journeys für die Personalisierung wichtigster Touchpoints, verfügen über ein profundes End-2-End-Prozessverständnis, streben einen hohen Integrations- und Automatisierungsgrad bei fortlaufender Optimierung an, haben sich intensiv mit KI auseinandergesetzt und deutlich öfter eine eigene KI-Roadmap definiert und beklagen in der Folge auch weniger fehlendes Know-how. Die eigentlich triviale Logik: Es kann nur das automatisiert werden, was vorher (prozessual) standardisiert wurde. 

Erfolgreiche Unternehmen gibt es auch in Deutschland, sie heißen etwa Carl Zeiss, Eintrach-Tech oder auch Edeka NST. Sie folgen dabei dem Credo von Theodore Roosevelt: „Keep your eyes on the stars, and your feet on the ground.“ So unterschiedlich die jeweiligen Unternehmen und Branchen auch sein mögen: Ihr Erfolg hat oft vier Gründe:

1. ein tiefes Verständnis der Customer Journey (outside-in, auf Datenbasis),
2. ein eindeutig definiertes und unternehmensweit verankertes Zielbild,
3. daraus abgeleitete Capabilities – also die erforderlichen Fähigkeiten (ohne direkten Bezug zu einzelnen IT-Anwendungen)
4. und die auf dieser inhaltlich-konzeptionellen Grundlage priorisierten Use Cases.

Im Mittelpunkt steht damit nicht die IT-Anwendung oder KI als Mittel zum Zweck und damit als Enabler, sondern der konkrete Business-Benefit über alle Kundeninteraktionen hinweg.

Perception Gap: Mitarbeitende sind offener für KI, als Führungskräfte glauben

Historisch gewachsene Organisationsstrukturen sorgen dafür, dass aus Sicht der Führungskräfte insgesamt eine eher niedrige Akzeptanz für neue Ansätze und Technologien vorherrscht. Es zeigt sich im Abgleich mit den Mitarbeitenden ein „Perception Gap“ in Bezug auf die Wahrnehmung der Akzeptanz neuer Technologien: Führungskräfte attestieren häufig den Mitarbeitenden eine eher niedrige Akzeptanz (45 Prozent). Bei der Befragung von 2.800 Mitarbeitenden dreht sich das Bild komplett. Lediglich 12 Prozent gestehen sich eine echte Ablehnung ein.

Das wahre Problem liegt ganz woanders: 50 Prozent fühlen sich schlichtweg unsicher oder überfordert. Weitere 39 Prozent befinden sich in einer Unentschieden-Warteschleife. Vom Management werden diese Personen häufig bereits als Ablehner einsortiert, obwohl sie das größte Aktivierungspotenzial in der Organisation repräsentieren, etwa durch Trainings oder fokussiertes Change-Management. Statt sie einzubinden oder für neue Technologien zu gewinnen, werden sie von den Führungskräften jedoch ignoriert oder als Ablehner behandelt. Damit riskieren sie, dass diese Gruppe durch mangelnden Support in echte Ablehnung abgleitet und damit dauerhaft verloren geht.

Die Kunst: den Perception Gap in einen echten Steuerungsimpuls umzuwandeln. Dies erfordert skalierbar verfügbares Know-how in der Organisation. Während die Ansprache externer Kunden oft fein ausgesteuert wird (Targeting), dominiert in der Weiterentwicklung der eigenen Organisation meist der „One Size Fits All“-Ansatz: generische Schulungen für alle Mitarbeitenden, mit wenig Differenzierung in Bezug auf einzelne Rollen und Funktionen oder auch das bereits bestehende, individuelle Know-how. Immerhin 67 Prozent der Führungskräfte geben selbst zu, dass der Nutzen neuer Tools oft nicht klar genug kommuniziert wird.

Von Pilotprojekten zum datengetriebenen, KI-nativen Marketing

KI ist kein Zauberstab, sondern vielmehr ein Hochleistungssportler. Sie entfaltet ihr Potenzial nur mit dem richtigen Training und einem intakten Umfeld. Dazu gehören klare Projektstrukturen, belastbare Daten und das gezielte Abholen der Mitarbeitenden jenseits von pauschalen Vorwürfen und Vorurteilen. Wer diese konzeptionellen Hausaufgaben macht, führt seine Organisation aus der Pilotfalle heraus – hinein in ein datengetriebenes, KI-natives Marketing.

Startseite