Jahrelang haben wir im CRM und E-Mail-Marketing auf mehr Automatisierung, mehr Effizienz und kürzere Projektlaufzeiten hingearbeitet – jetzt rückt genau das in greifbare Nähe. Künstliche Intelligenz löst nicht alle Probleme, aber sie beseitigt einige der größten Bremsklötze, die Marketing- und CRM-Teams in den vergangenen Jahren ausgebremst haben. Ein Blick auf den Status quo, die Praxis und die Grenzen.
Was uns im CRM jahrelang ausgebremst hat
Ein Satz, den ich in den Kundengesprächen unserer E-Mail-Marketing Agentur Saphiron in den letzten Jahren immer wieder gehört habe, lautet sinngemäß: „Im nächsten Jahr führen wir Salesforce ein – jetzt machen wir erstmal gar nichts.“ Salesforce steht hier stellvertretend für jede große Marketing-Cloud. Das Muster ist bekannt: Das operative Marketing wird auf Eis gelegt, weil irgendwann die neue Plattform kommt und dann angeblich alles automatisiert, effizient und beinahe autonom läuft.
Die Realität sah meist anders aus. Erst wird evaluiert, dann migriert, dann integriert, dann werden Menschen geschult und Prozesse definiert. Aus geplanten zwölf Monaten Projektlaufzeit wurden gerne 24 – und wer ein, zwei Jahre nach dem Go-live nachfragte, was das Team denn nun mit der neuen Plattform macht, bekam nicht selten zur Antwort: „Wir versenden damit Newsletter.“ Das konnte man vorher auch schon. Ein echter Effizienzgewinn sieht anders aus.
Dazu kamen weitere strukturelle Blocker: A/B-Testing wird seit 25 Jahren gepredigt, alle nicken – und trotzdem scheiterte es im Alltag oft schlicht am fehlenden Content für zusätzliche Varianten. Hohe Wechselkosten sorgten für einen massiven Lock-in-Effekt: Wer sich einmal für eine CRM-Plattform entschieden hatte, blieb dabei, selbst wenn links und rechts spannendere Anbieter auftauchten. Und taktische Ideen scheiterten häufig an der Aussage: „Mit dem aktuellen Anbieter geht das leider nicht – wir haben die Daten nicht, oder wir kommen nicht an sie heran.“
KI berührt alle Facetten des CRM
Wenn über KI im Marketing gesprochen wird, geht es meist um Content und Assets: Copy, Betreffzeilen, Übersetzungen, Grafiken, kleine GIF-Animationen. Das funktioniert heute skalierbar und gut – Content-Produktion ist im Grunde kein Engpass mehr. Das Spannende ist aber: Das Thema ist deutlich größer. KI berührt praktisch alle Facetten des CRM.
Beim Campaign- und Flow-Building lassen sich Flow-Logiken schneller erstellen. Im Testing können Varianten und Hypothesen in Serie produziert und Testergebnisse mit Tools wie Claude effizienter dokumentiert werden. In Analytics und Prediction erkennen wir systemgestützt schneller Reaktionsmuster – welches Segment reagiert auf welche Ansprache besonders gut? Dafür muss heute niemand mehr ein Excel bauen. Und selbst Migration und Template-Anpassung, lange die größten Kostentreiber beim Plattformwechsel, profitieren erheblich: Ein vorhandenes E-Mail-Template lässt sich KI-gestützt deutlich schneller für ein neues System adaptieren. Es geht nicht per Knopfdruck, es muss weiterhin getestet werden – aber der Aufwand sinkt spürbar. Das Gleiche gilt für Integrationen, Segmentierung und Personalisierung.
Die Konsequenz aus unseren Projekten der letzten Monate: Wir werden schneller, Projekte gehen früher live, und die berüchtigten Lock-in-Effekte werden ein Stück weit kleiner.
Die Plattformfrage wird zur Zukunftsfrage
Zur Wahrheit gehört allerdings auch eine gewisse Plattformabhängigkeit, die weiterhin besteht. Einige KI-Anwendungen lassen sich problemlos außerhalb des CRM-Systems nutzen – etwa Übersetzungen von Kampagnen. Andere Prozesse finden zwangsläufig direkt in der Plattform statt: Campaign- und Flow-Building, Analytics und Predictions, die Arbeit mit Kundendaten.
Genau deshalb sollte sich jedes Unternehmen die Frage stellen, ob die eigene Plattform wirklich zukunftsfähig ist. Unser Eindruck: Einige Anbieter hinken deutlich hinterher. In jeder Vertriebs-Show wird von KI-Agenten erzählt – aber nicht selten ist davon nichts live. Wenn die einzige KI-Funktion des Anbieters ein Betreffzeilen-Generator ist, den ehrlicherweise niemand braucht, wird das zum Flaschenhals.
Positive Beispiele zeigen, wohin die Reise geht. Moderne Customer-Engagement-Plattformen wie Customer.io integrieren KI tief in die Plattform. Bemerkenswert finde ich etwa den Ansatz des Guided Chat: Anwender stehen nicht vor einem leeren Chat-Interface und müssen sich einen Prompt aus den Fingern saugen, sondern das System macht Vorschläge, weist auf Fehler und Konsequenzen hin und bietet Auswahlmöglichkeiten an. Es visualisiert sogar im Vorfeld, wie der gewünschte Flow aussehen würde. Das ist deutlich sinnvoller, als Nutzer mit einem weißen Bildschirm allein zu lassen – dann wäre der Weg über den Chat nämlich aufwendiger als die manuelle Konfiguration.
MCP: der Übersetzer zwischen KI und Marketing-Plattform
Ein Stichwort, das aus meiner Sicht zu einem zentralen Hebel im CRM und im Marketing insgesamt wird, ist der offene Standard MCP (Model Context Protocol). MCP ist im Grunde ein Übersetzer, der zwischen dem Anwender und der Marketing-Plattform steht: Ich stelle in meinem bevorzugten KI-Assistenten – etwa Claude oder ChatGPT – eine Anfrage in natürlicher Sprache, das System übersetzt sie, und die Marketing-Plattform liefert das Ergebnis zurück, im besten Fall eine fertige Kampagne. Man unterhält sich also mit seiner Marketing-Cloud so, wie man es aus dem Chat mit KI-Assistenten gewohnt ist.
Über Berechtigungen lässt sich präzise steuern, was möglich ist – etwa nur lesender Zugriff auf analytische Daten, ohne dass Kundendaten manipuliert werden können. Der große Vorteil: Die komplette Auswertung liegt direkt im KI-Assistenten. Aus der Kampagnen-Historie wird mit wenigen Klicks eine fertige Präsentation – in Minuten statt in Stunden manueller Arbeit.
Wie weit das schon trägt, zeigt eine Aussage von Customer.io, die mich selbst überrascht hat:
„Einige der besten Kunden öffnen unsere App überhaupt nicht mehr – weil sie das System vollständig über MCP-Server nutzen.“
Von Jahren zu Wochen: Migration in der Praxis
Was bedeutet das konkret? In einem gemeinsamen Projekt für unseren Kunden Hair Haus konnten wir die Migration in vier Wochen live bringen. Wir reden also nicht mehr über Monate oder Jahre – vorausgesetzt, die Plattform passt und die Hausaufgaben sind gemacht. Der eigentliche Punkt dabei ist nicht nur die Geschwindigkeit selbst: Nach vier Wochen sind die ersten Kampagnen live und generieren Umsatz. Wer dagegen ein bis zwei Jahre für eine Migration braucht, produziert Opportunitätskosten und lässt Umsatzpotenzial liegen.
Zur Wahrheit gehört ebenso: Noch längst nicht alles funktioniert. Gerade wenn es komplex wird – bei schlechter Datenqualität, bei anspruchsvollen Kampagnenlogiken – müssen weiterhin Menschen eingreifen. Von einem Autopiloten sind wir weit entfernt, und ob wir da jemals ankommen, ist offen. Der berühmte Human in the Loop bleibt notwendig, ebenso eine durchdachte Strategie und die fachliche Prüfung der Ergebnisse.
Die Idee, KI mache Marketing-Teams überflüssig, geht bislang nicht auf. Etliche Unternehmen, die Mitarbeiter mit der Begründung „das macht jetzt die KI“ entlassen haben, haben inzwischen wieder Personal aufgebaut. Eine Schlagzeile bringt es ironisch auf den Punkt: Angestellte nutzen die mit KI gesparte Zeit, um KI-Ergebnisse zu korrigieren (Quelle). Es geht also nicht darum, dass wir uns zurücklehnen können – sondern darum, dass wir schneller und effizienter werden und uns mehr Zeit für Strategie nehmen können. Oder, wie Scott Brinker es formuliert: Wer die KI einfach nur losschickt, produziert digitalen Müll – Content ohne Relevanz und ohne Mehrwert.
Strategische Souveränität behalten
Ein weiterer Punkt, der wir im Hinterkopf behalten sollten, ist die strategische Souveränität. Wer mit Google Ads arbeitet, kennt die KI-gestützten Empfehlungen der Plattform – „Ihnen ist Traffic entgangen, weil Ihre Kampagne durch das Budget eingeschränkt ist. Eine Anpassung des Budgets kann Abhilfe schaffen.“ Die ganz und gar neutrale Empfehlung der KI lautet also: mehr Geld in Richtung Google überweisen. Genau deshalb sollten wir KI-Empfehlungen kritisch hinterfragen – und auch dafür braucht es Menschen.
Die Anforderungen verschieben sich: Es geht immer weniger darum, wie ich ein System bediene, und immer mehr um die Frage, was ich eigentlich erreichen will. Gefragt sind strategisches Urteilsvermögen und die Fähigkeit zu priorisieren – gerade weil wir heute so viel mehr Möglichkeiten haben, müssen wir entscheiden, was wirklich Wert schafft. Dazu kommen eine hohe Datenkompetenz – ohne gute Datenqualität nützen die schönsten Automationen nichts – und die Fähigkeit, wie ein Architekt oder Dirigent über mehrere Plattformen und Kanäle hinweg zu orchestrieren: klare Prompts definieren, Ergebnisse prüfen, Qualität sichern.
Perspektivisch arbeiten wir vermutlich ohnehin nicht mehr mit der einen großen Plattform, sondern bauen uns – Stichwort Composable Martech – wie ein Architekt die passende Infrastruktur aus Best-of-Breed-Komponenten zusammen: Der KI-Assistent übernimmt eine Rolle, die Marketing-Cloud eine andere, das Reporting läuft vielleicht in einem BI-Tool – und MCP verbindet die Systeme. Einzelne Komponenten lassen sich dann agil austauschen, wenn sie den eigenen Anforderungen nicht mehr genügen.
Und noch ein Gedanke zum Wettbewerbsvorteil von morgen: Wenn am Ende alle Unternehmen dieselben KI-Modelle nutzen, produzieren alle sehr ähnliche Kampagnen. Differenzieren wird sich, wer über eigene, sehr spezifische Daten verfügt – etwa durch Nachprofilierung – und seine KI-Systeme darauf aufbauen lässt. Dann entsteht Kommunikation, die wirklich spezifisch und relevant ist.
Drei Empfehlungen für die nächsten zwölf Monate
Erstens: Setzt auf schnell steuerbare Technologie und Composable Martech – nicht das eine monolithische System, sondern ein Puzzle aus Komponenten, das sich flexibel weiterentwickeln lässt.
Zweitens: Behaltet die strategische Hoheit. KI kann hervorragend unterstützen, aber Empfehlungen und Ergebnisse gehören geprüft und kritisch hinterfragt. Drittens: Entwickelt eine klare Datenstrategie – welche Daten haben wir heute, welche hätten wir morgen gerne?
Und vielleicht die wichtigste Binsenweisheit zum Schluss, die trotzdem vernachlässigt wird: Nehmt euch Zeit für die Strategie. Die Strategie sollte nicht lauten „wir machen jetzt irgendwas mit KI, um irgendwas mit KI zu machen“.
Die entscheidende Frage sollte vielmehr sein: Welches Problem wollen wir eigentlich lösen? Schlechte Datenqualität, zu wenige Adressen, schwache Kampagnen-Performance? Erst wenn das klar definiert ist, lassen sich klare Taktiken entwickeln und Kampagnen an den Start bringen, die wirklich Impact haben.
