Künstliche Intelligenz ist im Marketing längst angekommen – aber die eigentliche Frage lautet: Wie weit sind wir wirklich? Und vor allem: Was heißt das konkret für unsere tägliche Arbeit, unsere Organisation und unsere Rolle als Marketingführungskräfte? Beim Clubabend „Status Quo AI & Agentic AI im Marketing / Retail“ bekamen wir darauf drei sehr unterschiedliche, aber komplementäre Perspektiven:

• den strategisch-provokativen Blick von Prof. Dr. Peter Gentsch (AICONIQ)
• den praxisnahen Branchenfokus von Nino Bergfeld (Retail & Consumer Goods, Salesforce),
• und die konkrete Umsetzungsebene von Michael Polster (Salesforce) mit Live-Demos.

1. Von ChatGPT zu Agenten: KI als digitaler Coworker (Peter Gentsch)

Peter Gentsch spannte den Bogen von klassischer generativer KI hin zu Agentic AI – also Systemen, die nicht nur Texte generieren, sondern als digitale Coworker agieren:

• Assistent / Copilot: reagiert auf unsere Prompts, unterstützt, hilft – aber ohne eigenes Ziel.
• Agent: hat ein Ziel, agiert autonom, lernt aus Ergebnissen und passt seine Strategie an.

Damit verschiebt sich die Rolle der KI: weg vom „besseren Textgenerator“, hin zu einem neuen Teammitglied, das Prozesse übernimmt und Entscheidungen trifft. Gentsch verwies auf Unternehmen wie McKinsey oder NVIDIA, die bereits heute einen Großteil ihrer „Belegschaft“ in Form von AI-Agenten ausweisen.

Besonders relevant fürs Marketing: Der größte Hebel liegt nicht im einzelnen LinkedIn-Post oder Blogartikel, sondern in End-to-End-Prozessketten. Agenten können:

• Kampagnen von der Idee bis zur Auswertung orchestrieren,
• Zielgruppen segmentieren und Varianten testen,
• Content erstellen, ausspielen und optimieren,
• CRM-Prozesse anstoßen und durchziehen.

Damit das funktioniert, brauchen Agenten mehr als nur ein großes Sprachmodell – sie brauchen ein „Corporate Brain“:

• Explizites Wissen: Brand-Guidelines, Personas, Policies, Playbooks (klassisch via RAG eingebunden).
• Implizites Wissen: Erfahrungswerte, Muster, Erfolgsrezepte („Welche Headline funktioniert bei unserer Zielgruppe?“).
• Tacites Wissen: Marktgespür, Bauchgefühl, das wir selbst kaum artikulieren können, aber über KI-gestützte Interviews und Konversationen teilweise extrahiert werden kann.

Gentsch zeigte, wie er sich selbst und andere Marketinggrößen als digitale Klone und Avatare in Kampagnenprozesse einbindet – inklusive einer virtuellen Marketingassistentin „Lisa“, hinter der Dutzende Agenten arbeiten. Diese „virtuellen Kolleg:innen“ sind keine Science-Fiction mehr, sondern experimentelle Realität.

Gleichzeitig bleibt er nicht naiv: Mit Autonomie wächst das Risiko. In Beispielen aus der Praxis reichte das Verhalten von Agenten von kreativer Problemverschiebung bis hin zu Erpressungsversuchen, wenn die Systeme ein gesetztes Ziel durchsetzen wollten.

Seine Botschaft:
Ohne saubere Guardrails, Daten-Governance und klare Ziele ist Agentic AI kein Produktivitäts-Booster, sondern ein unkalkulierbares Risiko – gerade für Marken.

Im Ausblick diskutierte Gentsch die zweite Ebene:

• Verschiebung von Tätigkeiten (weg von repetitiver Operative, hin zu Orchestrierung und Entscheidung).
• Neue Berufe und Skillprofile, aber auch Wegfall klassischer Rollen (z. B. SEO-Fleißarbeit, Standard-Kreativleistungen).
• Eine wachsende Kluft zwischen jenen, die KI aktiv nutzen, und jenen, die sie aussitzen.

Sein Fazit: Agenten sind alternativlos. Die Frage ist nicht, ob sie kommen, sondern wie schnell wir unsere Organisation, unser Wissen und unsere Skills darauf einstellen.

2. Vom Hype zur Umsetzung: KI-Wellen, Retail-Realität und CMO-Rolle (Nino Bergfeld)

Im zweiten Teil holte Nino Bergfeld das Thema aus der Theorie in die Unternehmensrealität – mit einem klaren Fokus auf Handel und Customer Experience. Er ordnete die Entwicklung in vier Wellen ein:

1. Predictive AI – klassische Prognosen und Scores
   Öffnungsraten, Next Best Offer, Churn-Wahrscheinlichkeiten: wenige Inputfaktoren, klarer Output.
2. Generative AI – Content in allen Formaten
   Sprachmodelle erzeugen Texte, Bilder, Videos. Nino zeigte das Beispiel KI-generierter Fashion-Ads (Vogue/GUESS): ein Vorgeschmack darauf, wie stark sich Kreativprozesse, Budgets und Agenturmodelle verändern werden.
3. Agentic AI – KI handelt mit Ziel und Plan
   Agenten übernehmen Abläufe, z. B. im Customer Service: Bestellungen stornieren, Reisen umbuchen, komplexe Self-Service-Fälle lösen – und dabei selbst entscheiden, wie sie das Ziel erreichen.
4. Robotics + KI – die physische Welt wird agentisch
   Autonome Taxis (Waymo), Service-Roboter im Handel: KI-Modelle werden zum „Gehirn“ von Geräten, die unsere reale Umgebung wahrnehmen und darin handeln.

Parallel dazu machte Nino deutlich: Die Messlatte kommt aus der Konsumentenwelt. Wir gewöhnen uns privat an:

• KI-basierte Dating- und Social-Plattformen, die vorfiltern und empfehlen,
• AI-Coaches und mentale Begleiter, die immer verfügbar sind,
• smarte Devices und Autos, die wir per Sprache steuern,
• Shopping-Erlebnisse, die eher wie ein personalisierter Discovery-Feed als wie eine Suchliste funktionieren.

Mit diesen Erwartungen treten Kund:innen an Marken heran. Und sie unterscheiden dabei nicht zwischen „Consumer-Tool“ und „Enterprise-Software“ – sie erwarten das gleiche Niveau an Komfort, Relevanz und Geschwindigkeit.

Nino zeigte anhand der Salesforce-Studie „State of Marketing“, wie sich die Rolle des CMO dadurch verändert:

• Der CMO ist weiterhin Markenverantwortliche:r – aber zusätzlich:
  Datenversteher, Tech-Orchestrator, AI-Treiber und Change-Manager.
• Top-Priorität der Marketingverantwortlichen: KI implementieren und operationalisieren.
  Gleichzeitig ist genau das die größte Herausforderung.

Wichtige Marketing-Use-Cases, die heute schon funktionieren:

• Personaliserte Kundenreisen über Kanäle hinweg,
• Kampagnen-Performance-Prognosen,
• Generierung und Anpassung von Content in großem Maßstab,
• Self-Service-Automatisierung und „Deflection“ im Customer Service,
• SEO/GEO-Optimierung zur Sichtbarkeit in ChatGPT & Co.

Die größten Stolpersteine:

• Content-Bottleneck: Ohne ausreichend relevanten Content bleibt Hyperpersonalisierung ein Buzzword.
• Datensilos: Fragmentierte Daten führen zu schlechten KI-Ergebnissen und Halluzinationen.
• Change & Skills: Technologie ist verfügbar, aber Organisation, Mindset und Fähigkeiten hängen hinterher.

3. Konkrete Umsetzung: Personalisierung & Agenten im Retail (Michael Polster)

Michael Polster machte das Zusammenspiel von Predictive AI und Generative/Agentic AI an einem konkreten Beispiel greifbar: dem fiktiven Outdoor-Händler Northern Trail Outfitters (NTO). Aus Sicht eines Kunden „Robert“ sah das so aus:

1. Anonymer Website-Besuch
   Robert plant am Wochenende eine Wanderung, hat aber keine passende Regenjacke oder Schuhe. Er besucht die NTO-Website – zunächst anonym, ohne Login.
   • Sein Klickverhalten (Kategorie „Regenjacken“, „Hiking Boots“) wird erfasst.
   • Erste Empfehlungen basieren auf historischen Daten: „Kunden, die dieses Produkt ansahen, interessierten sich auch für …“ (Predictive AI).
2. KI-gestützter Beratungschat
   Ein integrierter Chat-Agent hilft ihm, passende Schuhe zu finden – ein erstes Beispiel für Agentic Logik:
   • Der Agent versteht Sprache,
   • greift auf Produktdaten und Kontext zu,
   • und führt Robert in Richtung Kaufentscheidung.
3. Dynamische Personalisierung der Seite
   Nach kurzer Unterbrechung lädt Robert die Seite neu – diesmal sieht er eine personaliserte Startseite:
   • Fokus auf Regenjacken und Wanderschuhe,
   • ggf. zusätzliche Empfehlungen, die zum Wanderkontext passen.
4. Conversion zum bekannten Kunden
   Ein Incentive (z. B. Rabatt) motiviert zum Login oder zur Registrierung.
   • Aus einem anonymen Profil wird eine bekannte Person.
   • Alle bisherigen Aktivitäten werden zusammengeführt.
5. Sichtbare Kundensicht im CRM
   Auf Seiten des Unternehmens sieht der Marketer nun:
   • Echtzeitaktivitäten,
   • Produktinteressen und Affinitäten,
   • empfohlene Nächste-Beste-Aktionen.
     Diese Informationen fließen in Automatisierungen (Journeys, E-Mails, Kampagnen).
6. Nächster Schritt: AI-gestützte Kampagnenplanung
   In einem weiteren Schritt – skizziert von Nino – kann ein AI-Companion der Marketingabteilung Vorschläge für Kampagnen machen:
   • Zielgruppen vorschlagen,
   • Inhalte generieren (Texte, Bilder),
   • Kanäle, Zeitpunkte und Budgets priorisieren,
   • und die Performance fortlaufend analysieren.

Damit wurde sichtbar, wie sich Gentschs Vision des „agentischen Teams“ mit konkreten Tools, Daten und Journeys füllen lässt.

4. Was bleibt für Marketingführungskräfte?

Aus Sicht einer Marketing- und Kommunikationsverantwortung lassen sich aus diesem Abend einige klare Linien ziehen:

1. Vom Tool zur Teamlogik denken
   KI nicht mehr nur als „Tool in der Werkzeugkiste“ sehen, sondern als Teammitglied, das Aufgaben und Prozessketten übernimmt – und orchestriert werden will.
2. Corporate Brain aufbauen
   Wer heute seine Marken-Guidelines, Playbooks und Erfahrungswerte nicht strukturiert, kann morgen keine sinnvollen Agenten betreiben.
   Brand-DNA, Policies, Personas und learnings müssen maschinenlesbar werden.
3. Guardrails definieren
   Autonome Agenten ohne definierten Rahmen sind für Marken gefährlich.
   Verantwortlich für diesen Rahmen ist nicht die IT, sondern auch – und vor allem – das Marketing.
4. Prozessketten identifizieren, nicht nur Prompts optimieren
   Die spannende Frage lautet: Welche End-to-End-Prozesse in meinem Marketing eignen sich für Agenten?
   Klassische Kandidaten: Kampagnenprozesse, Content-Factory, CRM-Strecken, Reporting.
5. Skills und Mindset aktiv entwickeln
   Es geht nicht um „KI ersetzt Marketer“, sondern um Marketer mit KI vs. Marketer ohne KI.
   KI-Kompetenz, Datenverständnis und Orchestrierungsfähigkeiten werden zum Kernprofil im Marketing.

Persönliche Note

Der Abend bei Salesforce im Arnulfpark war in mehrfacher Hinsicht „über den Dächern“: nicht nur räumlich, sondern auch gedanklich. Peter Gentsch hat uns die strategische Flughöhe und die Dringlichkeit vor Augen geführt. Nino und Michael haben die Landebahn gezeigt – mit realen Use Cases, konkreten Demos und sehr klaren Botschaften für die Praxis. Für uns im Marketing Club München – und für jede Marketingführungskraft – bleibt die Erkenntnis:

Wir stehen nicht mehr am Anfang von KI im Marketing. Wir stehen mitten in der Frage, wie wir Agenten so gestalten, dass sie unsere Arbeit besser, nicht beliebiger machen.

Die gute Nachricht: Wir können dabei im Driver’s Seat bleiben – wenn wir jetzt beginnen, Wissen zu strukturieren, Guardrails zu definieren und unsere Teams auf „Agentic Marketing“ vorzubereiten.

Text: Alex Wunschel