Agentic Marketing: Wenn KI selbst handelt · DIEVION KI & Design

Agentic Marketing: Wenn KI nicht nur hilft, sondern handelt

Inhalt
  1. Was Agentic Marketing von normaler Automatisierung unterscheidet
  2. Was 2026 bereits wirklich autonom läuft
  3. Wie deutsche Unternehmen wirklich stehen
  4. Die Risiken, die niemand wegreden sollte
  5. Was die EU-KI-Verordnung und die DSGVO wirklich verlangen
  6. Was ein funktionierendes Setup wirklich braucht
  7. Fazit
  8. Mehr davon? Der Digital Experience Brief.

Dein Marketing-Team nutzt längst KI, ein Textentwurf hier, ein Bildvorschlag dort. Trotzdem landet am Ende jede Zeile noch bei einem Menschen, der liest, korrigiert, freigibt und auf Senden drückt. Genau das soll sich mit Agentic Marketing ändern: KI, die nicht nur vorschlägt, sondern tatsächlich handelt, Kampagnen anpasst, Budgets verschiebt, Inhalte veröffentlicht, ohne dass bei jedem einzelnen Schritt jemand zustimmt. Das klingt nach der nächsten großen Automatisierungswelle, und gleichzeitig sagt Gartner voraus, dass mehr als 40 Prozent aller Agentic-AI-Projekte bis Ende 2027 wieder eingestellt werden. In diesem Artikel liest du, was hinter dem Begriff wirklich steckt, was 2026 bereits real läuft, wo die Risiken liegen und was ein Setup braucht, das tatsächlich funktioniert statt nur zu glänzen.

Auf den Punkt

Agentic Marketing bezeichnet KI-Systeme, denen ein Ziel statt eines starren Workflows vorgegeben wird, woraufhin sie die nötigen Schritte selbst planen, über Schnittstellen tatsächlich ausführen, die Ergebnisse beobachten und ihr Vorgehen anpassen. Das unterscheidet sie sowohl von klassischer regelbasierter Marketing-Automation, die nur vorprogrammierte Wenn-Dann-Abläufe abspult, als auch von generativer KI wie ChatGPT, die auf eine einzelne Anfrage antwortet und dann auf die nächste Anweisung wartet. Laut Gartner sollen bis 2026 bereits 40 Prozent der Unternehmensanwendungen aufgabenspezifische KI-Agenten enthalten, gegenüber unter 5 Prozent 2025. Gleichzeitig mahnt Gartner selbst zur Vorsicht: Mehr als 40 Prozent aller Agentic-AI-Projekte sollen bis Ende 2027 wegen steigender Kosten, unklarem Nutzen oder fehlender Kontrollmechanismen wieder eingestellt werden. Der Unterschied zwischen beiden Lagern liegt fast immer in Datenqualität und Kontrollstrukturen, nicht in der KI-Technologie selbst.

Das Wichtigste in Kürze

  • Ziel statt Workflow: Agentic Marketing bekommt ein Ergebnis vorgegeben und entscheidet selbst über die Schritte dorthin, klassische Automation folgt nur vorgeschriebenen Regeln.
  • Handeln statt nur vorschlagen: Der entscheidende Unterschied zu ChatGPT & Co. ist der echte Werkzeugzugriff, ein Agent sendet die Mail tatsächlich, statt nur den Text zu liefern.
  • Deutscher Mittelstand holt auf: Der Einsatz von KI-Agenten in Mittelstandsunternehmen stieg laut Salesforce und Deutschem Mittelstands-Bund von 8,7 Prozent (2024) auf 16,6 Prozent (2026), fast eine Verdopplung.
  • Scheitern ist eingepreist: Gartner rechnet damit, dass über 40 Prozent der Agentic-AI-Projekte bis Ende 2027 wieder eingestellt werden, meist an Daten- und Kontrollproblemen, nicht an der KI selbst.
  • Rechtlich nicht automatisch Hochrisiko: Ein autonomer Marketing-Agent fällt nicht automatisch unter die höchste Risikostufe der EU-KI-Verordnung, manipulative Personalisierung ist aber unabhängig davon ausdrücklich verboten.
  • Kontrolle entscheidet über Erfolg: Funktionierende Setups geben Autonomie schrittweise frei, mit klaren Budget-, Kanal- und Freigabegrenzen von Anfang an.

Was Agentic Marketing von normaler Automatisierung unterscheidet

Der Begriff wird gerade inflationär benutzt, deshalb lohnt sich eine klare Abgrenzung. Klassische Marketing-Automation führt aus, was ein Mensch vorher als Regel festgelegt hat: Meldet sich jemand zum Newsletter an, startet Mail eins, nach drei Tagen Mail zwei. Kein Urteilsvermögen, keine Anpassung an unvorhergesehene Situationen. Generative KI wie ChatGPT antwortet auf eine einzelne Anfrage und hält dann an, bis der nächste Prompt kommt, sie verfolgt kein eigenständiges Ziel über mehrere Schritte hinweg.

Ein echter Agent macht etwas anderes: Er bekommt ein Ziel, etwa „steigere die qualifizierten Leads aus dieser Kampagne“, zerlegt es selbst in Teilschritte, nutzt Schnittstellen zu anderen Systemen, um tatsächlich zu handeln, nicht nur zu beraten, beobachtet die Ergebnisse und passt sein Vorgehen entsprechend an. Dieser Kreislauf aus Planen, Handeln, Beobachten und Anpassen ist der eigentliche Kern. Eine nützliche Warnung aus der Marktbeobachtung: Mehrere Chatbots hintereinanderzuschalten macht noch kein agentisches System, dafür braucht es echte zielgerichtete Planung und Koordination, nicht nur KI-Technik, die irgendwo eingebaut wurde. Diese Unterscheidung lohnt sich im Gespräch mit Anbietern, die ihr Produkt gerade gerne als „agentisch“ bewerben, ob zu Recht oder nicht.

Was 2026 bereits wirklich autonom läuft

Das ist kein reines Zukunftsthema mehr, mehrere große Anbieter haben 2026 konkrete Produkte dafür ausgerollt. Salesforce positioniert seine Agentforce-Agenten im Marketing-Bereich als autonome Systeme, die auf Basis von Echtzeitdaten selbst handeln sollen, statt nur verzögerte Berichte zu liefern. HubSpot hat mit Breeze eine eigene Agenten-Ebene eingeführt, darunter einen Content-Agenten, der aus CRM-Daten und bisherigem Content eigenständig Blogartikel und Landingpages entwirft. Adobe stellte im Juni 2026 seinen „CX Enterprise Coworker“ vor, eine Reihe von Agenten, die den gesamten Marketing-Lebenszyklus auf Basis einer gemeinsamen, governance-gestützten Datenbasis abdecken sollen. Google baut mit „Ask Advisor“ und „Ask Ad Manager“ eigene KI-Agenten in seine Werbeplattformen ein, über die Marketer Performance abfragen und direkt in Handlungen übersetzen können.

Was diese Systeme eint, ist der Übergang vom reinen Vorschlag zur tatsächlichen Ausführung. Das ist zugleich der Grund, warum Kontrollmechanismen bei diesem Thema kein optionales Extra sind, sondern Grundvoraussetzung, dazu später mehr.

Einstieg in Agentic Marketing prüfen

Du überlegst, wo in eurem Marketing ein Agent wirklich etwas bringt und wo lieber ein Mensch entscheidet? Schick uns deine Ausgangslage, wir sagen dir ehrlich, was sich lohnt und was noch warten kann.

Einschätzung anfragen →

Wie deutsche Unternehmen wirklich stehen

Die belastbarste Zahl für den deutschen Mittelstand stammt aus dem „KI-Index Mittelstand 2026“ von Salesforce und dem Deutschen Mittelstands-Bund, einer Befragung von rund 700 Unternehmen im November 2025. Demnach nutzen inzwischen 16,6 Prozent der befragten Mittelständler KI-Agenten, gegenüber 8,7 Prozent im Vorjahr, fast eine Verdopplung. KI insgesamt setzen oder testen bereits 51,2 Prozent ein, 2024 waren es noch 33,1 Prozent. 37 Prozent planen für 2026 ausdrücklich den Ein- oder Ausbau von KI, der Anteil ohne jegliche KI-Pläne sank von über 40 auf 31 Prozent.

Bei den berichteten Effekten führt interne Effizienz mit 54,4 Prozent, gefolgt von Produktivität mit 44 Prozent und Kosteneinsparungen mit 41,1 Prozent, jeweils deutlich höher als im Vorjahr. Auf der Seite der Hürden stehen fehlendes Wissen über konkrete Anwendungsfälle mit 39,9 Prozent ganz oben, dicht gefolgt vom Schutz von Daten und Geschäftsgeheimnissen mit 32 Prozent und rechtlicher Unsicherheit mit 26,6 Prozent. Marketing und Vertrieb werden in der Studie als bevorzugte Einsatzfelder genannt, neben Kundensupport und Planung, eine marketingspezifische Einzelzahl liefert die Untersuchung allerdings nicht.

DX Brief. 1× im Monat ein UX-Teardown, direkt ins Postfach. Mehr über Newsletter →

Double-Opt-in, Abmelden mit 1 Klick. Mit dem Abonnieren akzeptierst du die Datenschutzerklärung.

Die Risiken, die niemand wegreden sollte

Die Effizienzzahlen sind real, das ist die eine Seite. Die andere Seite: Google stuft seit Jahren konsequent massenhaft produzierte KI-Inhalte ohne erkennbare redaktionelle Kontrolle als minderwertig ein und sanktioniert das in seinen Qualitäts-Updates, zuletzt auch 2026 erneut sichtbar. Wer einen Agenten einfach frei Inhalte produzieren und veröffentlichen lässt, ohne redaktionelle Kontrolle, riskiert also nicht nur schwache Texte, sondern Sichtbarkeit, die er sich über Jahre aufgebaut hat. Das betrifft direkt die Frage, wie weit Autonomie bei Content-Agenten sinnvoll reicht, dazu mehr im Abschnitt zu Kontrollstrukturen.

Auch beim Personal ist die Debatte ehrlicher, als mancher Hype-Artikel suggeriert. Forrester rechnet damit, dass 2026 rund 15 Prozent der Stellen in Marketing-Agenturen wegfallen, vor allem in einfacheren, sich wiederholenden Aufgaben. Gleichzeitig zeigt der „2026 State of Marketing Careers“-Report der American Marketing Association einen Widerspruch, der aufhorchen lässt: Fähigkeiten wie Anpassungsfähigkeit, kritisches Denken und Zusammenarbeit wurden von befragten Marketern 2026 als weniger wichtig eingestuft als noch 2025, obwohl KI-Systeme bei genau diesen Fähigkeiten am schlechtesten abschneiden. Wer Agentic Marketing einführt, sollte sich genau diese Lücke bewusst machen, denn sie verschwindet nicht automatisch mit der Technik.

Was die EU-KI-Verordnung und die DSGVO wirklich verlangen

Ein eigenständiger Risiko-Begriff „Agentic AI“ existiert in der EU-KI-Verordnung nicht, maßgeblich ist der konkrete Einsatzzweck, nicht der Grad der Autonomie. Ein Marketing-Agent ist also nicht automatisch Hochrisiko-KI, nur weil er eigenständig handelt. Zwei Stellen sind für Marketing trotzdem direkt relevant. Erstens das grundsätzliche Verbot manipulativer Praktiken und der gezielten Ausnutzung von Schutzbedürftigkeit, etwa aufgrund von Alter, Behinderung oder wirtschaftlicher Lage, das gilt unabhängig von jeder Risikoeinstufung. Eine überaggressive, auf Schwächen zielende Personalisierung bleibt also verboten, egal wie autonom der Agent arbeitet, der sie erzeugt. Zweitens Transparenzpflichten für KI-generierte Inhalte und für die Kennzeichnung, wenn Nutzer mit einem KI-System statt mit einem Menschen interagieren.

Bei der Datenschutz-Grundverordnung hängt der Aufwand davon ab, ob personenbezogene Daten verarbeitet werden, nicht vom Werkzeug selbst. Fasst ein Agent Kundendaten zusammen oder personalisiert er auf Basis individueller Profile, ist in den meisten Fällen eine Datenschutz-Folgenabschätzung nach Artikel 35 DSGVO erforderlich, und Nutzer müssen proaktiv erfahren, dass sie mit einer KI interagieren. In der Praxis bewährt sich eine einfache Regel: Keine rohen Kundenlisten in frei zugängliche KI-Tools laden, stattdessen Unternehmensversionen mit Auftragsverarbeitungsvertrag nutzen oder Daten vorab pseudonymisieren. Wichtig dabei: Selbst ohne ausgegebenen Namen kann ein Datensatz wieder identifizierbar werden, sobald er mit Informationen aus anderen Systemen kombiniert wird, gerade bei CRM-angebundenen Agenten ein Punkt, der leicht übersehen wird.

Was ein funktionierendes Setup wirklich braucht

Gartners eigene Begründung für die vielen abgebrochenen Projekte lautet nicht „die KI funktioniert nicht“, sondern steigende Kosten, unklarer Geschäftsnutzen und unzureichende Risikokontrollen. Das sind Infrastruktur- und Steuerungsprobleme, keine Technikprobleme, und genau da liegt der Hebel.

  • Eine einheitliche Datenbasis: Ein Agent ist nur so gut wie die Daten, auf die er zugreift. CRM, Website, App und Transaktionsdaten müssen zusammengeführt sein, bevor ein Agent sinnvoll autonom entscheiden kann, sonst arbeitet er mit Bruchstücken.
  • Ein klares Erfolgssignal: Ohne eine Rückmeldung, was tatsächlich zu Umsatz oder Pipeline geführt hat, kann sich ein Agent nicht selbst verbessern. Das ist auch der Grund, warum viele Unternehmen Mühe haben, den Effekt von KI überhaupt sauber zu messen.
  • Autonomie in Stufen, nicht auf einmal: Bewährt hat sich ein dreistufiges Modell: Zuerst schlägt der Agent nur vor, ein Mensch bestätigt jede Aktion. Dann handelt er innerhalb klar gesetzter Grenzen selbstständig, etwa Budgetobergrenzen, erlaubte Kanäle, Frequenzgrenzen. Erst danach optimiert er seine Strategie eigenständig, mit regelmäßiger statt lückenloser menschlicher Prüfung.
  • Feste Freigabepunkte für heikle Entscheidungen: Menschliche Prüfung bleibt Pflicht bei Angebotsberechtigung, Ansprachefrequenz, jeder Budgetverschiebung über einer festgelegten Schwelle und bei der Ansprache besonders wertvoller Kundensegmente.
  • Geringstmögliche Rechte: Zugänge und API-Schlüssel eines Agenten sollten so eng wie möglich begrenzt sein, denn ein Agent mit echtem Werkzeugzugriff kann auch echten Schaden anrichten, wenn etwas schiefläuft.

Eine einfache Faustregel aus der Praxis trifft es gut: Behandle einen neuen Agenten wie eine neue Mitarbeiterin. Ziele klar definieren, anfangs eng begleiten, Zugriffsrechte bewusst vergeben und Autonomie erst ausweiten, wenn sich Vertrauen aufgebaut hat. Wer genau diese Struktur von Anfang an mitdenkt, reduziert das Risiko, in die Gruppe der 40 Prozent abgebrochenen Projekte zu fallen, erheblich. Wie dieser Aufbau konkret für Prozesse im Mittelstand aussieht, unabhängig vom Marketing-Spezialfall, haben wir in KI-Automatisierung im Mittelstand beschrieben, und was ein KI-Agent auf der eigenen Website kostet, steht in Was kostet ein KI-Agent.

Fazit

Agentic Marketing ist kein Marketingbegriff ohne Substanz, die Systeme von Salesforce, HubSpot, Adobe und Google zeigen, dass echte Autonomie 2026 bereits Produktrealität ist, kein Versprechen für übermorgen. Gleichzeitig ist die Warnung von Gartner ernst zu nehmen: Mehr als jedes dritte Projekt scheitert, und fast immer an Daten, Steuerung und unklaren Zielen, nicht an der KI selbst. Wer vorher eine saubere Datenbasis schafft, Autonomie in Stufen freigibt und feste Freigabepunkte für heikle Entscheidungen setzt, holt aus Agentic Marketing echten Nutzen. Wer einen Agenten einfach machen lässt, riskiert genau die Probleme, die Google bei Inhalten, Forrester bei Arbeitsplätzen und Gartner bei ganzen Projekten längst dokumentiert haben. Genau diese Verbindung aus KI & Automation und Growth & SEO ist Teil unserer Arbeit, einen Überblick über alle Leistungen findest du in den Services.

Struktur statt Experiment

Wir bauen KI-Agenten und Automatisierung mit genau der Kontrollstruktur, die den Unterschied zwischen funktionierendem Einsatz und abgebrochenem Projekt ausmacht. Von der Datenbasis bis zu den Freigabegrenzen.

Erstgespräch vereinbaren →
Was ist der Unterschied zwischen Agentic Marketing und normaler Marketing-Automation?
Klassische Automation führt vorprogrammierte Regeln aus, etwa eine E-Mail-Serie nach der Anmeldung. Ein KI-Agent bekommt stattdessen ein Ziel, plant die nötigen Schritte selbst, führt sie über Schnittstellen tatsächlich aus und passt sein Vorgehen anhand der Ergebnisse an. Der zentrale Unterschied ist echtes Handeln statt reinem Befolgen vorgegebener Regeln.
Ist Agentic Marketing nur ein neuer Name für ChatGPT im Marketing?
Nein. Generative KI wie ChatGPT beantwortet eine einzelne Anfrage und wartet dann auf die nächste Anweisung. Ein Agent verfolgt ein Ziel über mehrere Schritte hinweg, nutzt dabei Werkzeuge und Schnittstellen zu anderen Systemen und wird selbst aktiv, zum Beispiel indem er eine Kampagne tatsächlich anpasst statt nur einen Vorschlag zu liefern.
Wie viele Mittelstandsunternehmen in Deutschland nutzen bereits KI-Agenten?
Laut dem KI-Index Mittelstand 2026 von Salesforce und dem Deutschen Mittelstands-Bund setzen 16,6 Prozent der befragten Unternehmen bereits KI-Agenten ein, gegenüber 8,7 Prozent im Jahr zuvor. Insgesamt nutzen oder testen 51,2 Prozent KI in irgendeiner Form, Tendenz deutlich steigend.
Warum scheitern so viele Agentic-AI-Projekte?
Gartner rechnet damit, dass bis Ende 2027 mehr als 40 Prozent aller Agentic-AI-Projekte wieder eingestellt werden. Als Gründe werden steigende Kosten, unklarer Geschäftsnutzen und unzureichende Risikokontrollen genannt, also Infrastruktur- und Steuerungsprobleme, nicht Schwächen der KI-Technologie selbst.
Braucht ein autonomer Marketing-Agent eine Datenschutz-Folgenabschätzung?
In den meisten Fällen ja, sobald personenbezogene Daten verarbeitet werden, etwa für individuelle Personalisierung. Artikel 35 DSGVO verlangt dann eine Folgenabschätzung, zusätzlich müssen Nutzer proaktiv erfahren, dass sie mit einer KI interagieren. Entscheidend ist dabei nicht das Werkzeug, sondern ob personenbezogene Daten im Spiel sind.
Viktor Ditler
Gründer, DIEVION · Digital Experience · UX Studio · AI Agency · Sankt Augustin

Viktor verbindet seit über 15 Jahren Design, Technologie und KI zu digitalen Erlebnissen, die messbar wirken. Mit DIEVION holt er das Niveau großer Studios zu mittelständischen und lokalen Unternehmen: persönlich, direkt und ohne Umwege.

Weiterlesen

Mehr aus den Insights.

Bereit für eine Digital Experience, die verkauft?

Projekt starten
Zu wild, zu bunt oder der Rechner zu langsam? Klick mich, dann wird’s ruhig. :)