top of page

Wenn der Algorithmus textet: Wo KI-Agenten im Marketing wirklich funktionieren – und wo nicht

Klarna führte im Februar 2024 einen KI-Assistenten ein, der binnen eines Monats 2,3 Millionen Gespräche übernahm, zwei Drittel des gesamten Kundenservice. Bearbeitungszeit: unter zwei Minuten statt vorher elf. Wiederholungsanfragen minus 25 Prozent. CEO Sebastian Siemiatkowski verkaufte das als Beweis, dass KI menschliche Arbeit im grossen Stil ersetzen kann.


Im Mai 2025 ruderte er zurück. Gegenüber Bloomberg sagte er, Kosten seien „a too predominant evaluation factor" gewesen, die Qualität habe gelitten, und echte Investition in menschlichen Support sei „the way of the future". Kein sauberer Rückzug, kein Scheitern über die ganze Linie. Die Volumen-Zahlen stimmten weiterhin. Was brach, war die Qualität an den Rändern, bei komplexen, mehrstufigen, emotional aufgeladenen Fällen. Klarna fährt heute ein hybrides Modell.


Diese eine Geschichte enthält fast alles, was man über KI-Agenten im Marketing 2026 wissen muss. Sie funktionieren zuverlässig bei eng abgegrenzten, messbaren Aufgaben. Sie brechen bei allem, was Urteilsvermögen, Nuance oder echte Verantwortung verlangt. Und wer nur die erste Pressemitteilung liest, bekommt die halbe Wahrheit.


Key Takeaways


  • KI-Agenten funktionieren zuverlässig bei eng abgegrenzten, messbaren Aufgaben – Ad-Targeting, Erstentwürfe, einfache Support-Triage – und scheitern bei allem, was Urteilsvermögen, Nuance oder echte Verantwortung verlangt

  • Über 40% der agentischen KI-Projekte sollen laut Gartner bis Ende 2027 wieder eingestellt werden – nicht wegen schwacher Modelle, sondern wegen Kosten, unklarem Geschäftswert und fehlender Risikokontrolle

  • 88% der Agenten-Piloten erreichen laut Forrester/Anaconda nie die Produktion; MIT-Forschung zeigt 95% ohne messbaren P&L-Effekt

  • KI-SDRs sind die teuerste Enttäuschung: Nur 15% Konversion zu qualifizierten Opportunities gegenüber 25% bei menschlichen Vertrieblern, plus erhöhtes Spam- und Reputationsrisiko

  • Sichtbar KI-generierter Marketing-Content kostet eher Vertrauen als er welches aufbaut – Transparenz-Kennzeichnung macht Bewertungen kritischer, nicht positiver

  • Human-in-the-loop ist kein Übergangsstadium bis die Modelle besser werden, sondern aktuell das Modell, das konsistent gewinnt


Zerspringende Metallkugel als Sinnbild für die Kluft zwischen KI-Agenten-Hype und Praxisrealität im Marketing
Glänzende Oberfläche, brüchiger Kern: Warum KI-Agenten im Marketing oft weniger halten, als die erste Pressemitteilung verspricht.

Die Zahlen zeigen eine Kluft, keine Kurve


86,4 Prozent der Marketing-Teams nutzen laut HubSpots State of Marketing Report 2026 KI in mindestens einem Bereich, ein Sprung von 41 Prozent im Jahr 2024. Adoption ist durch. Erfolg nicht. Gartner rechnet damit, dass über 40 Prozent der agentischen KI-Projekte bis Ende 2027 wieder eingestellt werden. Nicht wegen schwacher Modelle, sondern wegen explodierender Kosten, unklarem Geschäftswert und fehlender Risikokontrolle. Forrester und Anaconda kommen in einer gemeinsamen Erhebung auf 88 Prozent der Agenten-Piloten, die nie in Produktion gehen. Die grössten Blocker: Lücken in der Evaluation, Governance-Reibung, unzuverlässige Modelle, in dieser Reihenfolge.


Eine vielzitierte MIT-Studie (Project NANDA, Sommer 2025) behauptet, 95 Prozent der GenAI-Piloten zeigten keinen messbaren P&L-Effekt. Die Zahl kursiert seither in jeder zweiten LinkedIn-Analyse. Sie beruht auf 52 Interviews und rund 300 öffentlichen Deployments, mit einer eng gefassten Erfolgsdefinition („ROI binnen sechs Monaten"). Man sollte sie zitieren können, aber nicht als erwiesene Tatsache verkaufen. Genau das passiert gerade branchenweit, und es ist selbst ein kleines Beispiel für den Hype, den dieser Artikel eigentlich seziert.



Wo es funktioniert


Ad-Targeting und Budget-Allokation sind der unspektakulärste, aber solideste Fall. Metas Advantage+ liefert nach eigenen Angaben im Schnitt 22 Prozent höheren ROAS. Diese Zahl kommt vom Anbieter, keine Frage, aber der unabhängige Praktiker-Konsens bestätigt zumindest die Richtung: Targeting-Automatisierung funktioniert, Kreativ-Automatisierung noch nicht. Erfahrene Advertiser lassen Meta über Gebote und Zielgruppen entscheiden und behalten die Kreation selbst in der Hand.


Kundenservice-Triage auf Tier-1-Niveau ist der zweite belastbare Fall, mit Klarna als Positiv- und Negativbeispiel zugleich. Salesforce meldet für Agentforce beeindruckende Referenzen: 1-800Accountant mit 90 Prozent Case-Deflection in der Steuersaison, Reddit mit 46 Prozent Deflection und einer Antwortzeit, die von 8,9 auf 1,4 Minuten fiel, OpenTable mit 70 Prozent autonom gelöster Anfragen. Alles Vendor-Zahlen. Salesforces eigener CRMArena-Pro-Benchmark misst für einen unangepassten Agentforce-Agenten aber nur rund 35 Prozent Genauigkeit, und unabhängige Schätzungen gehen davon aus, dass unter zehn Prozent der Kunden über den Pilotstatus hinausskaliert haben. Die branchenweite Median-Deflection für Tier-1-Support liegt 2026 bei etwa 41 Prozent, im Top-Quartil bei knapp 59 Prozent. Der stärkste Erfolgsfaktor ist banal: wie viele Systeme der Agent live einsehen kann. Nur Wissensdatenbank: rund 28 Prozent Deflection. Wissensdatenbank plus CRM: rund 38 Prozent. Wer die Integrationsarbeit scheut, bekommt auch nicht die Vorzeigezahlen.


Erstentwürfe für Content sind der dritte Fall und der am wenigsten umstrittene. McKinsey beziffert den ROI für KI-gestütztes Content-Drafting mit 3,2x, für Personalisierung mit 2,7x. HubSpot misst rund 6,1 gesparte Stunden pro Woche und Marketer. Das deckt sich mit dem, was in jeder Redaktion inzwischen Standard ist: KI liefert die erste Version, ein Mensch redigiert, kürzt, korrigiert den Ton. Als Zuarbeiter brauchbar, als Autopilot nicht.



Wo es scheitert


KI-SDRs, also automatisiertes B2B-Outreach, sind die teuerste Enttäuschung des Jahres. Der Markt wuchs schnell: Der Anbieter 11x sammelte eine 50-Millionen-Dollar-Series-B von a16z ein, das Marktvolumen für KI-SDR-Tools überschritt 2025 die Vier-Milliarden-Dollar-Marke. Die unabhängigen Ergebnisse zeichnen ein anderes Bild. KI-SDRs konvertieren gebuchte Meetings zu qualifizierten Opportunities mit etwa 15 Prozent, menschliche SDRs mit rund 25 Prozent. In direkten Vergleichstests generierten menschliche Vertriebsmitarbeiter das 2,6-Fache an Umsatz und erreichten deutlich höhere Show-Rates. Dazu kommt ein Reputationsproblem, das viele unterschätzen: KI-generierte E-Mails landen mit rund acht Prozent im Spam, menschliche mit rund drei Prozent, und Domains mit KI-Outbound in Produktionsvolumen verlieren binnen 90 Tagen etwa 38 Reputationspunkte. Ergebnis: Zwischen 40 und 60 Prozent der KI-SDR-Piloten sterben innerhalb von drei Monaten, teils mit Domain-Schäden, die man nur durch den Kauf einer neuen, gealterten Domain wieder ausbügelt. Autonome Agenten optimieren auf Volumen. Volumen jenseits einer bestimmten Schwelle zerstört Zustellbarkeit, und zwar exponentiell, nicht linear.


Content in der Fläche ist der zweite Fall, und Google hat 2026 klargestellt, wie es das bewertet. Das Spam-Update vom 24. März 2026, mit unter 20 Stunden das schnellste je bestätigte Rollout, traf programmatische SEO-Seiten mit dünnem KI-Content hart: Traffic-Verluste zwischen 60 und 80 Prozent, in Einzelfällen mehr. Google straft nicht KI an sich ab, sondern das, was intern „scaled content abuse" heisst, Masse ohne redaktionelle Aufsicht. Seiten, die KI als Werkzeug innerhalb eines redaktionellen Prozesses nutzten, blieben weitgehend unberührt. Selbst prominente Marken traf es. Schätzungen zufolge verlor HubSpots eigener Blog 70 bis 80 Prozent seines organischen Traffics, nachdem er im Volumen weit über seine Kernkompetenz hinaus publizierte.


Komplexer, emotionaler Kundenservice ist der dritte Fall. 75 Prozent der Kunden berichten, dass Chatbots bei komplexen Anliegen scheitern. Ein Anliegen mit medizinischem Kontext, einer Beschwerde und einem Abrechnungsfehler in einer einzigen Nachricht überfordert die meisten Systeme zuverlässig.



Die Blamagen, die hängen bleiben


DPD musste im Januar 2024 seinen Chatbot abschalten, nachdem ein Kunde ihn dazu brachte, zu fluchen und ein Gedicht zu verfassen, das DPD als „worst delivery firm in the world" bezeichnete. Der Post erreichte 1,3 Millionen Aufrufe. Coca-Cola brachte 2024 und 2025 KI-generierte Weihnachtswerbung heraus, beide Male von Kritikern als seelenlos abgetan; laut CARMA-Sentimentanalyse fiel die Zustimmung von 23,8 auf 10,2 Prozent. McDonald's Niederlande zog seine KI-Weihnachtswerbung zurück, nachdem am Tag der Veröffentlichung über 37.000 Posts allein mit dem Vorwurf „AI slop" erschienen. Deloitte Australien musste Teile eines Regierungsauftrags zurückerstatten, weil ein KI-assistierter Bericht erfundene Quellen enthielt, die durch mehrere Review-Schichten rutschten. Ein kanadisches Schiedsgericht verurteilte Air Canada zu einer Entschädigung, weil ihr Chatbot falsche Auskünfte zu Trauertarifen gab. Die Verteidigung, der Bot sei eine „separate legal entity", wurde verworfen.



Das Vertrauensproblem, das niemand löst


Nur sieben Prozent der Verbraucher sagen, sichtbar KI-generierter Marketing-Content stärke ihr Vertrauen in eine Marke. 31 Prozent sagen das Gegenteil. Der Anteil der Menschen, die einer stark KI-nutzenden Marke weniger vertrauen, stieg innerhalb eines Jahres von 20 auf 39 Prozent. Über 80 Prozent wollen KI-Content als solchen gekennzeichnet sehen. Genau hier liegt die Falle, die eine Studie des Nürnberger Instituts für Marktentscheidungen aufgedeckt hat: Die blosse Kennzeichnung als KI-generiert macht die Bewertung kritischer, nicht vertrauensvoller. Identische Anzeigen wurden als weniger natürlich und weniger nützlich eingeschätzt, sobald ein KI-Label daneben stand. Transparenz schafft hier kein Vertrauen, sie kostet Engagement. Für den europäischen Markt, wo eine Kennzeichnungspflicht kommt, ist das keine Randnotiz.



Was das für die Praxis heisst


Andrej Karpathy, KI-Forscher und OpenAI-Mitgründer, hat es im Oktober 2025 so formuliert: „They just don't work. They don't have enough intelligence, they're not multimodal enough, they can't do computer use and all this stuff. They don't have continual learning… They're cognitively lacking and it's just not working." Er nennt das kommende Jahrzehnt „the decade of agents", nicht das Jahr. Gartner-Analystin Anushree Verma sieht die meisten agentischen Projekte als „early-stage experiments or proof of concepts that are mostly driven by hype and are often misapplied". Von tausenden Anbietern, die sich „agentisch" nennen, erfüllen nach Gartners Einschätzung nur wenige Hundert diesen Anspruch tatsächlich.


Die praktische Konsequenz ist unspektakulär, aber belastbar. KI-Agenten gehören dorthin, wo Aufgaben eng, regelbasiert und mit sauberen Daten hinterlegt sind: Erstentwürfe, Reporting, Ad-Targeting, einfache Support-Triage. Sie gehören nicht dorthin, wo finales kreatives Urteil, Markenstimme, komplexe Verkaufsgespräche oder echte emotionale Situationen gefragt sind. Wer Menschen aus diesen Bereichen herausrationalisiert, weil ein Pilot gute Volumenzahlen zeigte, wiederholt Klarnas ersten Fehler. Human-in-the-loop ist dabei kein Übergangsstadium, bis die Modelle besser werden, sondern schlicht das Modell, das aktuell konsistent gewinnt. Und wer KI sichtbar in kundengerichteten Content einbaut, sollte wissen, dass er damit eher Vertrauen kostet als gewinnt.



FAQ: KI-Agenten im Marketing


Wo funktionieren KI-Agenten im Marketing am zuverlässigsten?

Bei eng abgegrenzten, regelbasierten Aufgaben mit sauberen Daten: Ad-Targeting, Erstentwürfe für Content, Reporting und einfache Support-Triage. Meta Advantage+ liefert im Schnitt 22% höheren ROAS, McKinsey beziffert den ROI für KI-gestütztes Content-Drafting mit 3,2x.


Warum scheitern so viele agentische KI-Projekte?

Nicht wegen schwacher Modelle. Gartner nennt explodierende Kosten, unklaren Geschäftswert und fehlende Risikokontrolle als Hauptgründe – über 40% der Projekte sollen bis Ende 2027 eingestellt werden. Forrester und Anaconda gehen davon aus, dass 88% der Agenten-Piloten nie in Produktion gehen.


Was ist aus dem Klarna-Beispiel zu lernen?

Klarnas KI-Assistent übernahm 2024 zwei Drittel des Kundenservice bei guten Volumenzahlen, brach aber bei komplexen, emotional aufgeladenen Fällen. 2025 investierte Klarna wieder gezielt in menschlichen Support – ein hybrides Modell statt Vollautomatisierung.


Funktionieren KI-SDRs im B2B-Vertrieb?

Kaum zuverlässig. KI-SDRs konvertieren gebuchte Meetings nur mit rund 15% zu qualifizierten Opportunities, menschliche SDRs mit rund 25%. Zusätzlich landen KI-generierte E-Mails deutlich häufiger im Spam, was die Domain-Reputation gefährdet.


Schadet sichtbar KI-generierter Marketing-Content dem Markenvertrauen?

Tendenziell ja. Nur 7% der Verbraucher sagen, sichtbare KI-Kennzeichnung stärke ihr Vertrauen, 31% sagen das Gegenteil. Die blosse Kennzeichnung als KI-generiert macht Bewertungen kritischer statt vertrauensvoller.


Was bedeutet das für den Einsatz von KI-Agenten in der Praxis?

KI-Agenten gehören dorthin, wo Aufgaben eng, regelbasiert und mit sauberen Daten hinterlegt sind. Sie ersetzen kein finales kreatives Urteil, keine Markenstimme und keine komplexen, emotionalen Kundensituationen. Human-in-the-loop ist aktuell kein Übergangsstadium, sondern das Modell, das konsistent gewinnt.



Über den Autor


Lucas Blochberger ist Gründer und CEO von Blck Alpaca OG, einer Wiener Agentur für Data-Driven Marketing und KI-Agent-Integration. Mit einem Drei-Personen-Team baut er KI-Systeme für Enterprise-Kunden im DACH-Raum, von SEO-Automatisierung bis zu individueller Agenten-Architektur. Sein Blick auf KI im Marketing ist nüchtern. Er kommt selbst aus der technischen Umsetzung, kennt die Differenz zwischen Vendor-Zahlen und Produktionsrealität und schreibt darüber, was tatsächlich funktioniert, nicht, was sich gut verkaufen lässt.


Mehr von Lucas: blckalpaca.at



Quellen


Klarna-Kurswechsel: Klarna flips from AI-first to hiring people again (Fortune, Mai 2025)

MIT Project NANDA: MIT Report Finds 95% of AI Pilots Fail to Deliver ROI (Zusammenfassung; Originalbericht "The GenAI Divide: State of AI in Business 2025")

Salesforce: Better LLM Agents for CRM Tasks (CRMArena-Pro-Benchmark)

11x-Finanzierung: 11x.ai raises $50M Series B led by A16Z (TechCrunch)

AI-SDR-Konversionsraten: AI SDR vs. Human SDR: What the Data Says (Autobound, SuperAGI-Analyse)

Google-Spam-Update: Google Begins Rolling Out The March 2026 Spam Update (Search Engine Journal)

DPD-Chatbot: DPD Disables AI Chatbot After It Swears At Customer (Silicon UK, Jan. 2024)

Andrej Karpathy: OpenAI cofounder Andrej Karpathy says it will take a decade before AI agents actually work (Business Insider via AOL, Okt. 2025; Original: Dwarkesh Podcast)

Kommentare

bottom of page