Eigene Kanäle, echtes data: Warum die CRM-Strategie eine Entscheidung der Führungsspitze sein muss – und warum dies selten der Fall ist

Die meisten CRM- und CDP-Projekte, an denen ich in Deutschland arbeite, scheitern nicht an der Technologie. Sie scheitern bereits, bevor die erste data-Pipeline aufgebaut ist. CMOs steuern die Marketingstrategie nach wie vor weitgehend in Silos: Marke A, Kanal B, Kampagne C. Doch der Kunde nimmt keine Silos wahr. Er ist ein Geschäftsreisender, der am Montag ein Upgrade bucht. Ein Familienkunde, der am Freitag nach einem Wochenend-Sonderangebot sucht. Ein Versicherungsnehmer, der im Oktober seine Police verlängert. Dieselbe Person. Drei unterschiedliche Mikro-Personas. Drei verschiedene Kontaktpunkte. Und in der data-Datenbank: ein flaches Profil mit einem Geburtsdatum und einer Liste aller Transaktionen.

Wenn ein CDP auf dieser Grundlage eingerichtet wird – ohne klare Strategie, ohne data governance und ohne festgelegte Zuständigkeiten für die Abgleichlogik und die Profilsemantik –, erhalten Sie keine einheitliche Kundensicht. Sie erhalten stattdessen teures, gut vermarktetes data-Rauschen.

Das ist keine Theorie. Ich beobachte dies regelmäßig in deutschen Unternehmen: Kundendatenbanken mit doppelten Datensätzen. Verhaltensprofile, die auf Klicks ohne jeglichen Kontext basieren. KI-Modelle, die auf fehlerhaften Daten trainiert wurden und genau falsche Empfehlungen liefern. Und am Ende: eine Personalisierungsinitiative, die stillschweigend eingestellt wird – nicht, weil KI nicht funktioniert, sondern weil die Grundlagen nie geschaffen wurden.

Es ist kein Zufall, dass sich eine neue Funktion herausbildet: der Chief AI & Digital Products Officer, der eigens eingestellt wurde, um die Lücke zu schließen, die sich zwischen CMO, CRM und IT aufgetan hat.

Der Lärm wird immer lauter, und die Geduld der Deutschen geht langsam zu Ende

Laut Gartner (April 2026) versuchen 81% der Verbraucher aktiv, Werbung auszublenden. In Deutschland ist dies nicht überraschend. Rund 40% der Desktop-Nutzer nutzen Werbeblocker (Statista, 2020). YouTube Premium, Spotify Premium, werbefreie Abonnements für den „Spiegel“ oder „Die Zeit“ – die Menschen zahlen dafür, der Werbung zu entkommen. Branchenschätzungen gehen von einem täglichen Volumen an Markenbotschaften in die Tausende aus; die genaue Zahl lässt sich schwer überprüfen, doch die Tendenz ist eindeutig.

Und die Landschaft der bezahlten Medien wächst weiter. ChatGPT führte im Februar 2026 Werbeformate ein und erzielte Berichten zufolge einen annualisierten Umsatz von rund $100M bei einem CPM von $60. Google schaltet Anzeigen in 25,5% KI-generierter Antworten ein. Die KI-Suche ist der nächste bezahlte Kanal, mit höheren CPMs und noch unklaren Leistungskennzahlen. Perplexity hat sein Anzeigenmodell im Februar 2026 aufgegeben. Mehr Kanäle. Mehr Lärm. Höhere Kosten. Weniger Toleranz.

Die Schlussfolgerung ist struktureller Natur: Direkte, auf Einwilligung basierende Kundenbeziehungen sind nicht nur strategisch wertvoller; sie sind der einzige Kanal, dessen Wert nicht durch Algorithmusänderungen oder Änderungen der Plattformrichtlinien gemindert werden kann.

Agentische KI verstärkt entweder das Problem oder die Lösung

Jede große Plattform verspricht mittlerweile KI-Agenten: Salesforce Agentforce, BrazeAI mit Operator und Decisioning Studio, MoEngage mit der Sherpa-KI-Engine (Intelligent Path Optimizer, Merlin AI, Proactive Assistant). Die Versprechen sind real. Die Voraussetzungen werden jedoch fast immer unterschätzt.

Ein KI-Agent, der auf einem fehlerhaften data läuft, stellt keinen Fortschritt dar. Es handelt sich vielmehr um eine vergrößerte Version des Fehlers. Es vermittelt einer größeren Zahl von Menschen schneller und automatisierter die falsche Botschaft. Und in Deutschland, wo die Verbraucher ohnehin schon äußerst skeptisch sind, in unserem “Achten Sie auf die KI-Lücke” Laut einer Studie (Artefact × MoEngage, über 1.000 Verbraucher in Großbritannien, Deutschland und den Niederlanden) antworteten 34% auf die Frage, was sie an KI-gestütztem Engagement begeistert, mit “Nichts davon”; dies ist kein abstraktes Risiko. 41% der Befragten bezeichnen transparente und ethische data-Praktiken als die entscheidende KI-Fähigkeit für die Markentreue. Es geht nicht um die Qualität der Personalisierung. Es geht nicht um die Bandbreite der Kanäle. Es geht um das Vertrauen in den Umgang mit data. 29% haben das Gefühl, ständig als Kunden angesprochen zu werden, anstatt wirklich unterstützt zu werden. 39% wünschen sich eine KI, die ihnen eindeutig zugutekommt – und nicht nur dem Unternehmen.

Deutsche Verbraucher verzeihen es nicht, wenn Inhalte nicht relevant sind. Sie melden sich ab.

Was funktioniert und in welcher Reihenfolge?

Das Problem, das ich am häufigsten beobachte, hat nichts mit der Bereitschaft zu tun. Es geht vielmehr um die Abfolge. Die richtige Reihenfolge sieht in etwa so aus (nicht in linearer Reihenfolge; Strategie und data governance-Einrichtung können parallel erfolgen):

Zuerst die Strategie. Bevor eine CDP ausgewählt oder ein Engagement-Tool konfiguriert wird, müssen folgende Fragen beantwortet werden: Wie definieren wir den Begriff „Kunde“ über alle Marken, Kanäle und Produktlinien hinweg? Welche Mikropersonas gibt es, und welche Momente der Customer Journey sind entscheidend? Wer in der Organisation ist für diese Definitionen verantwortlich? Ohne diese Antworten wird bei jedem Technologieprojekt Kapital auf einer schwachen Grundlage eingesetzt.

Data Governance – an zweiter Stelle. Logik zur Kundenprofilabgleichung, Einwilligungsarchitektur gemäß DSGVO, data-Eigentumsregeln, Qualitätsschwellenwerte für das KI-Training – dies sind keine IT-Entscheidungen. Es handelt sich um geschäftliche Entscheidungen, die von der Unternehmensleitung getroffen werden müssen, bevor der erste data-Ingenieur seine Arbeit aufnimmt.

Architektur, dritter Platz. Die entscheidende Frage lautet: Benötigen Sie eine eigenständige CDP, oder lässt sich das Problem mit einer modernen data-Warehouse-Architektur mit Reverse-ETL-Tools wie Hightouch effizienter lösen? Führende Customer-Engagement-Plattformen wie Braze, MoEngage, Bloomreach und Insider integrieren CDP-Funktionalitäten zunehmend selbst in ihre Lösungen. Für viele mittelständische deutsche Unternehmen ist dies ausreichend, vorausgesetzt, das data foundation-System ist solide.

KI und Agenten kommen zuletzt. Nur auf dieser Grundlage wird die agentische KI zu dem, was die Plattform verspricht: ein System, das Kundenreisen autonom optimiert, in Echtzeit die nächstbeste Maßnahme ermittelt und kanalspezifische Inhalte generiert – und zwar auf der Grundlage echter Kundenkenntnisse und nicht auf der Grundlage statistischer Zufallsschwankungen.

Ein Hinweis zur Toolauswahl und zu Ausschreibungen

Nicht alle CEPs, CDPs und CRM-Systeme sind gleich, und dies gilt insbesondere je nach Branche. Ein CEP, das für den D2C-E-Commerce entwickelt wurde, eignet sich nicht für komplexe B2B2C-Kundenreisen in der Versicherungs- oder Telekommunikationsbranche. Ein CDP mit starken Anbindungen an den Einzelhandel kann in einer Architektur für die Reise- oder FMCG-Branche grundlegende Abgleichprobleme verursachen.

Der häufigste Fehler, den ich bei deutschen Ausschreibungsverfahren beobachte: Unternehmen bewerten Funktionen statt der Eignung. Sie vergleichen Funktionslisten, anstatt die Abdeckung von Anwendungsfällen für die spezifische Komplexität ihrer Customer Journey und ihre data-Situation zu prüfen. Das Ergebnis: Eine Plattform, die in der Demo glänzt, im Produktivbetrieb jedoch versagt, weil das data-Modell nicht passt, weil dem Team die vom Tool vorausgesetzten Verantwortungsstrukturen fehlen oder weil Zusatzkosten (KI-Module, Kanalvolumina, API-Aufrufe) den Business Case bereits im zweiten Jahr halbieren.

MarTech-Ausschreibungsverfahren sind anspruchsvoll. Wer sie jedoch abkürzt, zahlt später ein Vielfaches dafür.

Was passiert, wenn Sie dies nicht richtig machen?

Dies ist die Frage, die in den meisten Präsentationen vor dem Vorstand fehlt.

Einhaltung der Vorschriften. Das EU-KI-Gesetz und das deutsche KI-MIG (in Kraft seit Februar 2026) verschärfen die Anforderungen an KI-gestütztes Profiling und automatisierte Entscheidungsfindung. Einwilligungsmodelle, die bereits im Rahmen der DSGVO nur unzureichend waren, werden unter diesen Rahmenbedingungen zu einem Compliance-Risiko. Geldbußen sind keine hypothetische Gefahr; sie stehen für Unternehmen mit nachweislich mangelhaften data-Verfahren unmittelbar bevor.

Vertrauen in die Marke. Wenn ein KI-Agent in Deutschland eine irrelevante, zum falschen Zeitpunkt versendete oder über den falschen Kanal gesendete Nachricht auslöst – wo bereits 34% der Verbraucher auf KI-Interaktionen mit “Keine der genannten” antworten, wo WhatsApp als privater Kanal betrachtet wird und Push-Benachrichtigungen eher als ertragen denn als willkommen angesehen werden –, sind die Abmelderaten hoch und die Rücklaufquoten niedrig. Das durch schlechte KI zerstörte Vertrauen lässt sich nur langsam wieder aufbauen.

Wettbewerbsverlust. Marken, die jetzt in sauberes first-party data, eine auf Einwilligung basierende Personalisierung und eine solide CDP-Architektur investieren, werden sich in den nächsten 24 Monaten einen strukturellen Vorteil verschaffen, den kein Budget für bezahlte Medien jemals aufholen kann. RCS erreicht in Deutschland bereits eine Smartphone-Durchdringung von 88% – ein Kanal, der Marken mit sauberem Opt-in eine neue Qualität der direkten Kommunikation eröffnet. Wer nicht über das Opt-in verfügt, kann diesen Kanal nicht nutzen, ganz gleich, wie gut sein Technologie-Stack auch sein mag.

Das Fazit

CRM ist kein E-Mail-Tool. CDP ist nicht das database-Projekt. Und agentische KI ist kein Automatisierungs-Upgrade, sondern ein Multiplikator. Ein Multiplikator für das, was bereits vorhanden ist. Unternehmen mit mangelhaftem data, fehlender Governance und einer fragmentierten Customer-Journey-Strategie werden genau diese Situation weiter verschärfen.

Die Frage für CMOs und CRM-Verantwortliche in Deutschland lautet nicht: “Welche Plattform sollen wir kaufen?”, sondern: “Verfügen wir über die strategische Klarheit, das data governance und die organisatorische Eigenverantwortung, die diese Plattformen voraussetzen?”

Wer diese Frage ehrlich mit “Nein” beantwortet und die Technologie dennoch erwirbt, sollte sich nicht wundern, wenn zwei Jahre später ein Chief AI & Digital Products Officer eingestellt wird, um die Trümmer zu beseitigen.