Analysten schätzen, dass rund 85 Prozent aller KI-Vorhaben scheitern. Ganz oben in der Ursachenliste steht dabei fehlendes fachliches Verständnis. Anlass genug mit einem weit verbreiteten Missverständnis aufzuräumen: Agentic AI hebt Marketing und Vertrieb auf ein neues Level. Grundsätzlich mag das richtig sein. Es gibt dabei nur zwei Probleme. Zum einen ist das meiste, was als Agentic AI verkauft wird, in Wahrheit ein zusammengestöpselter Workflow. Zum anderen werden Agenten, die auf Marketing und Vertrieb losgelassen werden, weiteres Geld versenken, sodass die Enttäuschung Desillusionierung am Ende noch größer sind. Ein Meinungsbeitrag von Sascha Albrink, Gründer und Geschäftsführer der sixclicks GmbH
Mitte August hat Ralf Strauß Zahlen aus dem Marketing Tech Monitor 2026 veröffentlicht, für den rund 1.600 Entscheider in der DACH-Region befragt wurden. Demnach bringt knapp ein Drittel der Multi-Agenten-Systeme nicht die angestrebten Ergebnisse. Als eine der Hauptursachen für das Scheitern von Projekten führt die Studie unzureichendes fachliches Know-how zu Prozessabläufen an. Es folgen „too much, too soon“ und fehlende oder unklare Zielsetzungen. Ist die Zeit für Agentic AI also wirklich reif?
Ich sag mal so: Das Zitat von Strauß aus dem t3n-Beitrag würde ich mir einrahmen und an die Eingangstüren für Marketing und Vertrieb hängen: „Es kann nur das automatisiert werden, was vorher (prozessual) standardisiert wurde.“
Genau deshalb halte ich es für einen Fehler, ausgerechnet jetzt Marketing und Vertrieb an Agentic AI zu hängen.
Wie nennt man einen Agenten, der nicht autark arbeitet: Workflow!
Fangen wir bei den Begriffen an, weil dort schon der erste Etikettenschwindel steckt. Eine E-Mail geht vorne rein, eine Analyse bestimmt die Stimmungslage, der Wert kommt hinten wieder raus. Das ist Automatisierung. Zwei ChatGPT-Knoten hintereinander, einer recherchiert, einer schreibt den Landingpage-Text – auch das ist kein KI-Agent. Da hat niemand entschieden, das sind einfach zwei Anweisungen, nacheinander ausgeführt. Ein Agent aber trifft eine Entscheidung, die ich vorher nicht kannte – und handelt danach.
Was mir als Agentic AI verkauft wird, erfüllt diese Bedingung selten. Wem kommen solche Pitches bekannt vor: eine Gruppe von Workflow-Knoten, ein Rahmen drumherum und darüber steht „LinkedIn-Agent“? Im Marketing wird es besonders sportlich, weil sich der Kontext ständig ändert. Also gibst du dem „Agenten“ für eine Landingpage 50 Parameter mit, damit am Ende herauskommt, was herauskommen soll. Das aber ist ein Masterprompt mit Variablen. Das eigentlich Interessante daran: Du hast dasselbe Ergebnis in zwei Minuten auch ohne Agentenarchitektur.
In Marketing, Vertrieb und CRM landen die Fehler beim Kunden – und zwar sofort
Buchhaltung, Datenanalyse, Telefonie am Empfang: Da funktioniert Agentic AI, weil der Prozess stabil ist und dauerhaft anfällt. Ein Telefonagent muss wirklich entscheiden, weil er nicht weiß, was der Mensch am anderen Ende sagt. Ob das auch immer klappt, darf jeder gern selbst mal überprüfen.
Marketing und Vertrieb sind anders gebaut. Selbst wenn dein Agent in 80 Prozent der Fälle richtig liegt, bleiben immer noch 20 Prozent Fail-Potenzial. Und das mit dramatischen Folgen. Beispiel: Ein ehemaliger Kunde fragt per Mail, ob er seinen Vertrag verlängern kann und erhält zur Antwort, er habe gar keinen aktiven Vertrag. Damit ist das Thema tot. Dabei hätte jeder im Unternehmen gewusst, dass mit ihm vor ein paar Monaten per Handschlag vereinbart wurde, lediglich zu pausieren, bis er sich meldet. Dieser Handschlag steht in keinem System. Kein Kontextfenster der Welt bildet ihn ab.
Anderes Beispiel: Einer unserer Kunden hatte sich eine automatisierte Google-Ads-Analyse gebaut. Sie empfahl, bestimmte Keywords zu streichen, weil sie nicht mehr relevant seien. Es war der eigene Markenname. Bemerkt hat das jemand rund zwei Tage später.
Bullshit in, Bullshit out – on steroids!
Der Befund aus dem „Marketing Tech Monitor“ deckt sich mit dem, was ich täglich sehe. Die Systeme, auf die alle jetzt ihre Agenten setzen wollen, sind selten in dem Zustand, den ein Agent braucht. Ordner werden angelegt, nicht beschriftet, wieder gelöscht und niemand sagt oder weiß Bescheid. Kontakte sind halb gepflegt. Absprachen finden sich nur in den Köpfen.
Du kannst diese Unordnung von KI analysieren lassen, das geht erstaunlich gut. Nur verbrennt das so viele Token, dass die ersten Unternehmen ihre KI-Systeme schon wieder abschalten, weil sie die Rechnung nicht mehr zahlen wollen. Setzt du den Agenten trotzdem obendrauf, skalierst du jede Nachlässigkeit – und zwar nach draußen. Wir haben aktuell keinen einzigen Kunden, der einen Marketingagenten vollautomatisiert laufen lässt. Die Funktion ist in den gängigen CRM-Systemen da, der Haken bei der manuellen Prüfung bleibt trotzdem gesetzt. Bei allen.
Der Einwand ist berechtigt, gilt aber für ein anderes Spielfeld
Nun kommen die ersten Adtech-Manager in Spiel, die behaupten, agentische Workflows würden Standard. Für Programmatic Advertising unterschreibe ich das sofort. Dort sind die Eingangsdaten strukturiert, die Entscheidungen laufen gegen klare Zielwerte und ein Fehler kostet maximal Media-Budget, aber keine Kundenbeziehung.
Schon klar: Wer wartet, bis alles sauber ist, fängt nie an, denn Erfahrung entsteht nur im Betrieb. Wer heute nichts ausprobiert, diskutiert in zwei Jahren aus der Position dessen, der es nie versucht hat. Stimmt. Nur wird daraus in vielen Unternehmen die Freigabe, den Agenten sofort auf die Kundenkommunikation loszulassen. Und wenn ich jeden Output ohnehin prüfen muss, damit nichts anbrennt, ist der versprochene Vorteil weg. Dann schreibe ich auch die Mail am besten gleich selbst.
Vertrauen entsteht nicht durch Software-Updates
Wie lässt sich Agentic AI denn nun tatsächlich einführen? Erst die Automatisierung, dann eine Stufe, die nur Vorschläge macht und deren Ergebnisse ein Mensch wochenlang korrigiert, bis sie passen – und zwar nicht zu 80, sondern zu 100 Prozent. Danach eine Prüfinstanz, die selbst erkennt, welcher Fall sauber gelöst ist. Und die Sonderfälle behält der Mensch. Anfangen würde ich ganz am Ende: beim Rechnungspostfach. Der Erstkontakt kommt zuletzt.
Strauß hat den volkswirtschaftlichen Schaden aus gescheiterten IT- und KI-Projekten für 2026 mal hochgerechnet und mit rund 21 Milliarden Euro beziffert. Wer jetzt im Marketing oder Vertrieb einen KI-Agenten auf mangelhafte Prozesse und lückenhafte Daten am besten noch mit vager Zielsetzung aufbaut, wird schneller in dieser Schadensbilanz auftauchen als ihm lieb ist. Also: Erstmal Hausaufgaben machen. Es gibt genug zu verbessern und zu automatisieren – auch ohne Token zu verbrennen.
Der Autor: Sascha Albrink ist Gründer und Geschäftsführer der sixclicks GmbH in Recklinghausen und gilt als Pionier für Revenue Marketing im deutschsprachigen Raum. Er arbeitet seit über 20 Jahren im B2B-Umfeld. Sein Buch „Think Marketing ReveNEW“ ist ein Denkanstoß für Entscheider und Marketer, die B2B-Marketing konsequent auf Umsatz fokussieren wollen.
