Maschinen bereiten vor, Menschen entscheiden: Warum ein AI-first-Marketingteam zuerst Leitlinien braucht

Das Marketing OS – Content Engine · Teil 1 von 6

Den meisten Marketingteams fehlt weder Einsatz noch Technik noch KI. Es fehlt eine klare Antwort auf eine Frage: Wer entscheidet was, und wann? Genau das regeln KI-Leitlinien.

Mit diesem Artikel beginnt eine Serie über das Marketing OS: eine Art, Marketingarbeit so zu organisieren, dass KI-Agenten vorbereiten und verantwortliche Teammitglieder entscheiden.

Viel Arbeit, wenig Wirkung

Marketingteams bespielen mehr Kanäle und Formate als je zuvor, oft mit derselben Teamgröße. Alle haben viel zu tun, und trotzdem hinken Resultate hinterher.

Vier Disziplinen, vier Pläne, ein Publikum. (Illustration: Midjourney / Sebastian Hesse)

Nach meiner Erfahrung liegt das Problem selten bei Motivation und Einsatz, sondern eher bei der Organisation der Arbeit. PR, Marketing, Events und Design planen oft nebeneinander her, jede Disziplin mit eigenem Plan und eigenen Kanälen. Im Raum steht dann die Frage „Was könnten wir auf diesem Kanal posten?“ statt „Was haben wir zu sagen, und wem?“. In meinem eigenen Team habe ich genau das erlebt: vier Disziplinen, vier Pläne, ein Publikum.

Silos sind kein Zeichen für ein schlechtes Team. Die Journalistin und Anthropologin Gillian Tett hält sie für eine notwendige Folge von Größe und Komplexität. Sie warnt aber auch, dass Menschen mit der Zeit beginnen, die Grenzen zwischen den Silos zu verteidigen (Barnett, 2015). Generative KI fügt jedem Team weitere Silos hinzu: Alle öffnen ihren eigenen Chatbot, schreiben ihre eigenen Prompts und pflegen ihren eigenen Kontext. Nichts verbindet die Entwürfe mit einem Plan, einer Tonalität oder einer Entscheidung.

Was ein fehlendes Briefing kostet

Wenn jede Disziplin für sich plant, schreibt niemand das Briefing für alle. Das wird teuer. In einer weltweiten Studie mit mehr als 1.700 Fachleuten aus Marketing und Agenturen gaben 80 % der Marketingverantwortlichen an, gute Briefings zu schreiben. Von den Agenturen sahen das nur 10 % so. Nach Schätzung der Befragten versickert ein Drittel der Marketingbudgets in schwachen Briefings und fehlgeleiteter Arbeit (Madigan, 2021).

Die Projektforschung kommt zum gleichen Ergebnis. In einer Befragung von fast 10.000 Fachleuten aus dem Projektmanagement erreichten Projekte, die ihre Erfolgskriterien vor dem Start festgelegt hatten, einen Netto-Erfolgswert von 41. Projekte ohne solche Kriterien kamen auf 20 (Project Management Institute, 2024).

KI macht ein fehlendes Briefing noch teurer. Sie liefert Entwürfe schneller, als ein Team sie prüfen kann, und ohne Briefing fehlt der Maßstab, an dem man sie prüft. Ein Feldexperiment in der Unternehmensberatung zeigte: KI verbesserte die Arbeit bei Aufgaben, die sie gut beherrscht. Bei Aufgaben außerhalb dieser Grenze lagen die Menschen mit KI häufiger falsch (Dell’Acqua et al., 2026). Jeder Entwurf ohne Briefing wird zur Korrekturschleife, und die Schleifen stapeln sich bei den wenigen, die entscheiden.

Die eigentliche Lücke: Niemand entscheidet im richtigen Moment

Silos, fehlende Briefings und private Chatbots folgen demselben Muster: Die Arbeit läuft weiter, ohne dass jemand im richtigen Moment entscheidet. Im Silo entscheidet jede Disziplin für sich und niemand für das ganze Team. Fehlt das Briefing, hat niemand festgelegt, was ein Beitrag erreichen soll. Ein freier Slot im Kanalplan heißt: Der Kalender hat entschieden, nicht das Team. Ein Entwurf aus dem privaten Chatbot heißt: Die Maschine hat entschieden, was gesagt wird.

Mit einem neuen Tool ist das nicht gelöst. Es braucht einen gemeinsamen Weg, festzulegen, was gesagt wird, wer entscheidet und wann.

Human-in-the-Loop als Führungsprinzip

Meine Antwort darauf ist ein Prinzip mit langer Geschichte: Human-in-the-Loop. Der Begriff stammt aus der Regelungstechnik. Dort galt der Mensch, der eine Anlage bedient, als Teil des Regelkreises. Heute steht der Begriff meist für die menschliche Aufsicht über KI. Googles Leitlinien für KI-Agenten verlangen zum Beispiel eine klar definierte verantwortliche Person, die den Agenten steuert, und eine ausdrückliche Bestätigung durch einen Menschen bei kritischen Aktionen (Díaz, Kern and Olive, 2025).

Ich verwende den Begriff enger. Der KI-Agent bereitet vor, und an festen Punkten entscheidet ein verantwortliches Teammitglied. Ohne diese Entscheidung geht nichts in den nächsten Schritt. Die Punkte stehen vorher fest, jeder hat eine verantwortliche Person, und jede Entscheidung hat mehr als einen möglichen Ausgang: freigeben, ändern, zurückgeben, ablehnen oder zurückstellen.

Damit ist Human-in-the-Loop mehr als ein Sicherheitsnetz für KI. Es ist ein Führungsprinzip. Es legt fest, wer was entscheidet, wann und auf welcher Grundlage. Und es gilt für das Team, bevor überhaupt KI im Spiel ist: Ein Thema wird vorgeschlagen, gebrieft, geschrieben, freigegeben und ausgewertet, und jede Übergabe ist ein fester Punkt mit definierter Verantwortlichkeit.

Das Marketing OS: eine Basis, eine Governance, viele Module

Damit Mensch und Maschine zusammenarbeiten, beschreibt das Playbook einen Rahmen, den ich Marketing OS nenne, kurz für Marketing Operating System. Es hat drei Ebenen.

Die Basis teilen alle: einen gemeinsamen Arbeitsbereich, in dem das ganze Team plant und arbeitet, und einen gemeinsamen Kontext, aus dem jede Arbeit schöpft, von den Personas und der Positionierung bis zur Tonalität, den Fakten und den Erkenntnissen aus früherer Arbeit.

Die Governance setzt die Prinzipien für alles, was auf der Basis entsteht. Drei davon gelten für jedes Modul: Der KI-Agent bereitet vor, und ein verantwortliches Teammitglied entscheidet. Jede Prüfung hat eine verantwortliche Person, ausgewählt nach Art des Risikos. Und jedes Modul schöpft aus demselben gemeinsamen Kontext.

Die Module erledigen die Arbeit. Jedes Modul bereitet eine Art von Arbeit vor und übersetzt die Prinzipien in eigene Regeln: wer was entscheidet, an welcher Stelle und bis wann.

Diese Trennung ist Absicht. Tools wechseln schneller als die Art, wie ein Team entscheidet. Wird ein KI-Modell oder eine Datenbank ausgetauscht, sollen die Prinzipien und die Verantwortlichen für Freigaben bleiben. Ein neues Modul braucht keine neuen Prinzipien, nur seine eigene Übersetzung davon. Deshalb ist diese Serie Modul für Modul aufgebaut: Jedes Playbook beschreibt ein Modul desselben Marketing OS.

Das Marketing OS: eine gemeinsame Basis, eine Governance, viele Module.

Das erste Modul: die Content Engine

Das erste Playbook beschreibt die Content Engine: das Modul, das den Content eines Teams mit KI steuert und die Entscheidungen bei Menschen lässt. Sie hat drei Ebenen.

• Die Kanalebene: Hier kommt etwas herein (Newsletter, Berichte, Artikel), und hier geht etwas hinaus (Social-Media-Posts, Blogartikel, ein Newsletter).
• Die Inhaltsebene hat vier Stationen in einem Kreislauf: Die Recherche findet, was es wert ist, gesagt zu werden. Die Produktion schreibt es. Die Distribution bereitet es für die Veröffentlichung vor. Die Analyse misst, was angekommen ist.
• Die Kontextebene hat vier Speicher, die mitlernen: eine Wissensbasis, Tonalität und Fakten, die Zielgruppe und ein Lernprotokoll.

Die Content Engine: drei Ebenen, vier Stationen und an jedem Checkpoint ein Mensch.

Zwischen den Stationen liegen vier Checkpoints: Sie wählen aus, Sie geben frei, Sie posten, Sie werten aus. In jeder Runde kommt der Kreislauf viermal an einem Menschen vorbei. Der KI-Agent recherchiert, schreibt Entwürfe und sammelt Ergebnisse. Menschen entscheiden, welche Idee weiterverfolgt wird, ob ein Entwurf hinausgehen darf, wann und wo er erscheint und was die Ergebnisse bedeuten.

Warum genau dort? Weil ein Mensch für das einsteht, was das Team veröffentlicht. Ein Modell lässt sich für eine falsche Zahl oder eine schädliche Aussage nicht zur Verantwortung ziehen, die Person mit ihrem Namen unter dem Beitrag schon. Und Mensch und Maschine erzielen nicht automatisch bessere Ergebnisse, nur weil sie zusammenarbeiten. Eine Metaanalyse von mehr als hundert Experimenten ergab, dass Mensch-KI-Kombinationen im Schnitt schlechter abschnitten als der jeweils stärkere Teil allein. Gewinne zeigten sich vor allem bei Aufgaben, in denen Inhalte entstehen (Vaccaro, Almaatouq and Malone, 2024). Ob sich die Gewinne einstellen, hängt davon ab, wer was übernimmt. Die Rollen müssen gestaltet werden.

Erst festlegen, wie entschieden wird, dann automatisieren

Daraus ergibt sich die Reihenfolge des Playbooks. AI-first heißt: KI bei jedem Prozess mitdenken und bei jeder Aufgabe eine Frage stellen: Soll ein KI-Agent sie vorbereiten, soll ein Teammitglied sie entscheiden, oder beides? Die Governance beantwortet diese Frage, bevor die erste KI läuft.

Deshalb beginnt das Playbook mit der Governance: Planung von den Unternehmenszielen bis zum Kanal, schriftliche Standards, Verantwortliche für Freigaben nach Art des Risikos, klare Regeln für KI und eine wöchentliche Redaktionskonferenz. Danach folgt ein gemeinsamer Arbeitsbereich, in dem alle Arbeit sichtbar ist. Erst dann kommt die Content Engine, Station für Station. Ein Team kann diese drei Schritte in rund 90 Tagen gehen, mit dem ganzen Team.

Für eine Teamleitung bringt das Richtung und Abstimmung im Team, klare Entscheidungsrechte und weniger Engpässe. Für alle, die es umsetzen wollen, ist es ein Bauplan, den sie mit den Tools nachbauen können, die ihr Team schon nutzt.

Erst festlegen, wie entschieden wird, dann automatisieren: die ersten 90 Tage.

Worum es in dieser Serie geht

Die nächsten fünf Artikel folgen dem Playbook. Weitere Beiträge finden Sie in der Kategorie KI im Marketing.

1. Erst das Thema: Inhalte von den Unternehmenszielen her planen und das Produkt die Fragen der Zielgruppe beantworten lassen.
2. Freigabe nach Art des Risikos: warum nicht jede Freigabe an die Spitze gehört, und fünf Regeln für den Einsatz von KI.
3. Ein Meeting, klare Verantwortliche: wie ein Team das System Woche für Woche führt.
4. Ein Blick in die Content Engine: warum der Kontext vor dem Inhalt kommt und wie jede Station arbeitet.
5. Die ersten 90 Tage: erst festlegen, wie entschieden wird, zuletzt automatisieren.

Quellen

• Barnett, P. (2015) ‚Breaking bad barriers‘, strategy+business, 20 Oct.
• Dell’Acqua, F. et al. (2026) ‚Navigating the jagged technological frontier‘, Organization Science, 37(2), pp. 403–423.
• Díaz, S., Kern, C. and Olive, K. (2025) Google’s approach for secure AI agents: an introduction. Google.
• Madigan, M. (2021) ‚The BetterBriefs Project finds 33% of marketing budgets wasted due to poor briefs‘, B&T, 13 Oct.
• Project Management Institute (2024) Maximizing project success.
• Vaccaro, M., Almaatouq, A. and Malone, T. (2024) ‚When combinations of humans and AI are useful‘, Nature Human Behaviour, 8(12), pp. 2293–2303.