KI im Marketing: Wie Unternehmen künstliche Intelligenz sinnvoll und sicher einsetzen
Stand: Juli 2026 · Autor: Roger Basler de Roca
Künstliche Intelligenz (KI) im Marketing ist der Einsatz generativer KI-Werkzeuge für Texte, Recherche, Design, Analyse und Automatisierung. Entscheidend ist nicht das Modell, sondern der Kontext: eigene Daten, eigenes Wissen, klare Regeln. Wirksam wird KI im Marketing durch drei Kompetenzen, nämlich Datenkompetenz, Promptkompetenz und Prüfkompetenz.
Was bedeutet KI im Marketing konkret?
KI im Marketing verändert weniger die Ziele als die Arbeitsweise. Routineaufgaben wandern an die Maschine, Urteil und Verantwortung bleiben beim Menschen. In der Praxis scheitert der Einsatz selten an der Technik, sondern an fehlenden Grundlagen. Fünf Bausteine bilden das Fundament:
- KI-Regeln: verbindliche Leitplanken, welche Tools mit welchen Daten genutzt werden dürfen
- Use Cases: dokumentierte Anwendungsfälle mit messbarem Nutzen statt Einzelexperimenten
- Prompt-Kataloge: geprüfte, wiederverwendbare Prompts für wiederkehrende Aufgaben
- CustomGPTs bzw. Agenten: auf eigene Daten und Aufgaben zugeschnittene Assistenten
- (KI-)Automationen: verkettete Abläufe, die ohne manuelles Zutun laufen
Warum ist der Kontext wichtiger als das KI-Modell?
Weil das Modell fast alles kennt, nur nicht das eigene Geschäft. Ein Sprachmodell wie GPT (Generative Pre-trained Transformer) kann Sprache zuverlässig imitieren, weiss aber nicht, was es nicht weiss. Erst der Kontext, also die Verbindung zu eigenen Unterlagen, Zahlen und Regeln, macht Ergebnisse brauchbar. Die eigenen Kontextdaten sind damit der eigentliche Wettbewerbsvorteil, nicht das Grundmodell.
Als Faustregel aus der Praxis, nicht als Messwert: Arbeitsmaterialien wie aktuelle Fakten und unternehmensspezifisches Wissen bestimmen rund die Hälfte der Ergebnisqualität, das allgemeine Modellwissen rund ein Drittel, der Prompt den Rest. Daraus folgt die Arbeitsformel: Datenkompetenz plus Promptkompetenz plus Prüfkompetenz. Was danach noch übrig bleibt, übernehmen Agenten.
Welche Use Cases und Tools gibt es für KI im Marketing?
Im Marketing haben sich sechs wiederkehrende Anwendungsfelder etabliert. Die genannten Tools sind Beispiele und keine Empfehlung; der Markt verändert sich schnell (Stand: Juli 2026).
| Use Case | Beispiel-Tools | Wofür |
|---|---|---|
| Texte | Langdock, Claude | Texte, Dokumente, E-Mails |
| Recherche | Perplexity, Gemini | Recherche inklusive News¹ |
| Design | Canva, Adobe | Grafik und Social Media |
| «Vibe Coding» | Lovable, Claude Code | einfache Anwendungen und Prototypen |
| Automation | Make.com | Abläufe automatisieren |
| Data Layer | Google Workspace, Obsidian | Ablage als Wissensgrundlage |
KI-Agenten (englisch AI agents) sind Systeme mit delegierter Handlungsmacht. Sie eignen sich, um Daten einzugeben, abzugleichen und zu ordnen und um wiederkehrende Aufgaben zu erledigen, die sonst manuell über Interfaces erledigt werden. Entscheidend bleibt der Kontext, der ihnen mitgegeben wird. Ein typisches Beispiel aus dem Marketing: ein Agent, der eingehende Leads anreichert, im CRM anlegt und dem zuständigen Team meldet.
Wie schreibt man einen wirksamen Prompt?
Ein wirksamer Prompt beantwortet vier Fragen, bevor die KI zu arbeiten beginnt:
| Baustein | Leitfrage |
|---|---|
| Ziel | Wohin soll es gehen? Was soll konkret erreicht werden? |
| Kontext | Was ist wichtig zu wissen (z. B. Region, Zielgruppe, Aufgabe)? |
| Erwartung | In welchem Format soll die Antwort sein? |
| Quelle | Welche Daten, Dokumente oder Referenzen sollen einfliessen? |
Dieses Schema lässt sich auf typische Marketingaufgaben anwenden, etwa Content-Strategie, Zielgruppen-Personas, SEM/SEO-Strategie, Conversion-Funnel, E-Mail-Serien oder ein Social-Media-Playbook.
Beispiel: «Erstelle einen Redaktionsplan für vier Wochen (Ziel). Wir sind ein Schweizer KMU im Maschinenbau und sprechen technische Einkäufer an (Kontext). Liefere eine Tabelle mit Datum, Kanal, Thema und Kernbotschaft (Erwartung). Nutze ausschliesslich die angehängte Positionierung und die letzten drei Newsletter (Quelle).»
Wie prüft man KI-Antworten auf Qualität? Der CRAP-Check
KI-Antworten sind nicht automatisch korrekt. In der Studie «News Integrity in AI Assistants» der Europäischen Rundfunkunion (EBU) und der BBC prüften rund 270 Journalistinnen und Journalisten aus 18 Ländern über 3000 Antworten von ChatGPT, Copilot, Gemini und Perplexity. 45 Prozent enthielten mindestens einen erheblichen Fehler, rund ein Drittel wies Mängel bei den Quellenangaben auf.2 Die Zahlen beziehen sich auf Nachrichtenfragen, das Muster gilt aber ebenso für Marktrecherchen und Wettbewerbsanalysen. Entsprechend gehören KI-Resultate erst nach Prüfung in die Öffentlichkeit. Für die Quellenprüfung dient der CRAP-Check:3
- Currency (Aktualität): Wann wurde die Information veröffentlicht?
- Reliability (Zuverlässigkeit): Handelt es sich um primäre oder sekundäre Informationen?
- Authority (Autorität): Wer hat veröffentlicht?
- Purpose (Absicht): Mit welcher Sichtweise wurde veröffentlicht?
Was gilt beim Datenschutz und beim EU AI Act?
Im Umgang mit KI-Tools gilt der Schutz von VIP-Daten, also vertraulichen, internen und personenbezogenen Daten. Solche Daten gehören nicht in offene KI-Tools; im Zweifel werden Personen, Firmen und Kennzahlen anonymisiert. Für Schweizer Unternehmen gilt das revidierte Datenschutzgesetz (revDSG), in Kraft seit 1. September 2023; wer Personendaten aus dem EWR bearbeitet, fällt zusätzlich unter die DSGVO. Ergänzend regelt der EU AI Act den Einsatz von KI risikobasiert.
- Keine vertraulichen, internen oder personenbezogenen Daten in offene KI-Tools eingeben; im Zweifel anonymisieren.
- Datenschutz-Einstellungen der Tools kennen und bei Unsicherheit nachfragen.
- KI-generierte Resultate nur nach Prüfung veröffentlichen und als KI-generiert kennzeichnen.
- EU AI Act: in Kraft seit 1. August 2024, Verbote und KI-Kompetenzpflicht seit 2. Februar 2025, Pflichten für Allzweck-KI seit 2. August 2025. Ab 2. August 2026 greifen die Transparenzpflichten nach Artikel 50, unter anderem die Kennzeichnung KI-generierter Inhalte. Die Pflichten für Hochrisiko-Systeme wurden mit dem Digital Omnibus (politische Einigung vom 7. Mai 2026) auf den 2. Dezember 2027 verschoben.4
- Der EU AI Act betrifft auch Schweizer Unternehmen, sobald ihre KI-Ergebnisse in der EU verwendet werden.
Experteninterview mit Roger Basler de Roca
KI nimmt niemandem den Job weg, aber wer sie nicht nutzt und mitdenkt, verliert an Tempo. Für Marketingteams heisst das, KI als Werkzeug zu verstehen, das Routine abnimmt, während der Fokus aufs Wesentliche bleibt.
Am besten beim Fundament: klare KI-Regeln, ein paar konkrete Use Cases und ein Prompt-Katalog. Erst danach folgen CustomGPTs, Agenten und Automationen. Die wenigsten Firmen haben das heute, genau darin liegt der schnelle Hebel.
Das Grundmodell kennt Weltwissen, aber nicht das eigene Geschäft. Wertvoll werden Antworten erst durch Kontext, also eigene Daten und eigenes Wissen. Grob liefern Arbeitsmaterialien rund die Hälfte des Ergebnisses, das Modell etwa ein Drittel und der Prompt den Rest.
Ein guter Prompt beantwortet vier Dinge: Ziel, Kontext, Erwartung und Quelle. Mit diesem Schema werden die Ergebnisse deutlich präziser und wiederholbar, weil die KI weiss, wohin es gehen soll und worauf sie sich stützen darf.
KI kann sich irren, und sie tut es überzeugend. Deshalb lohnt sich der CRAP-Check, der Quellen auf Aktualität, Zuverlässigkeit, Autorität und Absicht prüft, am besten mit einer Belegtabelle. Veröffentlicht wird nur, was geprüft ist.
KI-Agenten sind Systeme mit delegierter Handlungsmacht. Sie eignen sich, um Daten einzugeben, abzugleichen und zu ordnen und um wiederkehrende Aufgaben zu erledigen. Wichtig bleibt der Kontext, den sie mitbekommen.
Grundregel: keine vertraulichen, internen oder personenbezogenen Daten in offene KI-Tools, im Zweifel anonymisieren. Für Schweizer Firmen gilt das revDSG, bei EWR-Daten zusätzlich die DSGVO. Beim EU AI Act ist für das Marketing vor allem der 2. August 2026 relevant: ab dann müssen KI-generierte Inhalte gekennzeichnet werden.
Roger Basler de Roca
Unternehmer, Keynote-Speaker und Dozent, MSc Digital Business, PhD Candidate mit Forschungsschwerpunkt Cognitive Offloading. Er begleitet über 60 Unternehmen beim praktischen Einsatz von KI, von Use Cases und Prompting über Agenten bis zu Datenschutz und Governance, und lehrt unter anderem an HWZ, ZHAW und FHNW. Im CAS Digital Marketing der ZHAW unterrichtet er das Thema KI im Marketing und reichert den Kurs mit seinem Praxiswissen an.
Quellen
1. Stiftung Warentest. (2026). KI-Chatbots im Test. test.de. https://www.test.de/KI-Chatbots-im-Test-Perplexity-schlaegt-ChatGPT-und-Meta-AI-6275046-0/
2. European Broadcasting Union & BBC. (2025). News Integrity in AI Assistants. EBU, Genf. www.ebu.ch/Report/MIS-BBC/NI_AI_2025.pdf — Schweizer Einordnung: SRF. (2025). Neue Studie: Fast jede dritte KI-Antwort enthält Fehler. https://www.srf.ch/news/gesellschaft/neue-studie-fast-jede-dritte-ki-antwort-enthaelt-fehler
3. Blakeslee, S. (2004). The CRAAP Test. Meriam Library, California State University, Chico. Der hier verwendete CRAP-Check ist eine gekürzte Variante davon. Tool: https://crapcheck.ai/
4. Europäisches Parlament und Rat. (2024). Verordnung (EU) 2024/1689 (KI-Verordnung, AI Act). EUR-Lex. Ergänzend: Europäische Kommission (2025/2026), Digital Omnibus on AI, politische Einigung vom 7. Mai 2026. https://eur-lex.europa.eu/eli/reg/2024/1689/oj