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 Gesch\u00e4ftsreisender, der am Montag ein Upgrade bucht. Ein Familienkunde, der am Freitag nach einem Wochenend-Sonderangebot sucht. Ein Versicherungsnehmer, der im Oktober seine Police verl\u00e4ngert. 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.<\/p>\n
Wenn ein CDP auf dieser Grundlage eingerichtet wird \u2013 ohne klare Strategie, ohne data governance und ohne festgelegte Zust\u00e4ndigkeiten f\u00fcr die Abgleichlogik und die Profilsemantik \u2013, erhalten Sie keine einheitliche Kundensicht. Sie erhalten stattdessen teures, gut vermarktetes data-Rauschen.<\/p>\n
Das ist keine Theorie. Ich beobachte dies regelm\u00e4\u00dfig in deutschen Unternehmen: Kundendatenbanken mit doppelten Datens\u00e4tzen. 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 \u2013 nicht, weil KI nicht funktioniert, sondern weil die Grundlagen nie geschaffen wurden.<\/p>\n
Es ist kein Zufall, dass sich eine neue Funktion herausbildet: der Chief AI & Digital Products Officer, der eigens eingestellt wurde, um die L\u00fccke zu schlie\u00dfen, die sich zwischen CMO, CRM und IT aufgetan hat.<\/p>\n
Laut Gartner (April 2026) versuchen 81% der Verbraucher aktiv, Werbung auszublenden. In Deutschland ist dies nicht \u00fcberraschend. Rund 40% der Desktop-Nutzer nutzen Werbeblocker (Statista, 2020). YouTube Premium, Spotify Premium, werbefreie Abonnements f\u00fcr den \u201eSpiegel\u201c oder \u201eDie Zeit\u201c \u2013 die Menschen zahlen daf\u00fcr, der Werbung zu entkommen. Branchensch\u00e4tzungen gehen von einem t\u00e4glichen Volumen an Markenbotschaften in die Tausende aus; die genaue Zahl l\u00e4sst sich schwer \u00fcberpr\u00fcfen, doch die Tendenz ist eindeutig.<\/p>\n
Und die Landschaft der bezahlten Medien w\u00e4chst weiter. ChatGPT f\u00fchrte 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 n\u00e4chste bezahlte Kanal, mit h\u00f6heren CPMs und noch unklaren Leistungskennzahlen. Perplexity hat sein Anzeigenmodell im Februar 2026 aufgegeben. Mehr Kan\u00e4le. Mehr L\u00e4rm. H\u00f6here Kosten. Weniger Toleranz.<\/p>\n
Die Schlussfolgerung ist struktureller Natur: Direkte, auf Einwilligung basierende Kundenbeziehungen sind nicht nur strategisch wertvoller; sie sind der einzige Kanal, dessen Wert nicht durch Algorithmus\u00e4nderungen oder \u00c4nderungen der Plattformrichtlinien gemindert werden kann.<\/p>\n
Jede gro\u00dfe 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 untersch\u00e4tzt.<\/p>\n
Ein KI-Agent, der auf einem fehlerhaften data l\u00e4uft, stellt keinen Fortschritt dar. Es handelt sich vielmehr um eine vergr\u00f6\u00dferte Version des Fehlers.<\/strong> Es vermittelt einer gr\u00f6\u00dferen Zahl von Menschen schneller und automatisierter die falsche Botschaft. Und in Deutschland, wo die Verbraucher ohnehin schon \u00e4u\u00dferst skeptisch sind, in unserem \u201cAchten Sie auf die KI-L\u00fccke\u201d<\/em> Laut einer Studie (Artefact \u00d7 MoEngage, \u00fcber 1.000 Verbraucher in Gro\u00dfbritannien, Deutschland und den Niederlanden) antworteten 34% auf die Frage, was sie an KI-gest\u00fctztem Engagement begeistert, mit \u201cNichts davon\u201d; dies ist kein abstraktes Risiko. 41% der Befragten bezeichnen transparente und ethische data-Praktiken als die entscheidende KI-F\u00e4higkeit f\u00fcr die Markentreue.<\/strong> Es geht nicht um die Qualit\u00e4t der Personalisierung. Es geht nicht um die Bandbreite der Kan\u00e4le. Es geht um das Vertrauen in den Umgang mit data. 29% haben das Gef\u00fchl, st\u00e4ndig als Kunden angesprochen zu werden, anstatt wirklich unterst\u00fctzt zu werden. 39% w\u00fcnschen sich eine KI, die ihnen eindeutig zugutekommt \u2013 und nicht nur dem Unternehmen.<\/p>\n Deutsche Verbraucher verzeihen es nicht, wenn Inhalte nicht relevant sind. Sie melden sich ab.<\/em><\/p>\n Das Problem, das ich am h\u00e4ufigsten 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 k\u00f6nnen parallel erfolgen):<\/p>\n Zuerst die Strategie.<\/strong> Bevor eine CDP ausgew\u00e4hlt oder ein Engagement-Tool konfiguriert wird, m\u00fcssen folgende Fragen beantwortet werden: Wie definieren wir den Begriff \u201eKunde\u201c \u00fcber alle Marken, Kan\u00e4le und Produktlinien hinweg? Welche Mikropersonas gibt es, und welche Momente der Customer Journey sind entscheidend? Wer in der Organisation ist f\u00fcr diese Definitionen verantwortlich? Ohne diese Antworten wird bei jedem Technologieprojekt Kapital auf einer schwachen Grundlage eingesetzt.<\/p>\n Data Governance \u2013 an zweiter Stelle.<\/strong> Logik zur Kundenprofilabgleichung, Einwilligungsarchitektur gem\u00e4\u00df DSGVO, data-Eigentumsregeln, Qualit\u00e4tsschwellenwerte f\u00fcr das KI-Training \u2013 dies sind keine IT-Entscheidungen. Es handelt sich um gesch\u00e4ftliche Entscheidungen, die von der Unternehmensleitung getroffen werden m\u00fcssen, bevor der erste data-Ingenieur seine Arbeit aufnimmt.<\/p>\n Architektur, dritter Platz.<\/strong> Die entscheidende Frage lautet: Ben\u00f6tigen Sie eine eigenst\u00e4ndige CDP, oder l\u00e4sst sich das Problem mit einer modernen data-Warehouse-Architektur mit Reverse-ETL-Tools wie Hightouch effizienter l\u00f6sen? F\u00fchrende Customer-Engagement-Plattformen wie Braze, MoEngage, Bloomreach und Insider integrieren CDP-Funktionalit\u00e4ten zunehmend selbst in ihre L\u00f6sungen. F\u00fcr viele mittelst\u00e4ndische deutsche Unternehmen ist dies ausreichend, vorausgesetzt, das data foundation-System ist solide.<\/p>\n KI und Agenten kommen zuletzt.<\/strong> Nur auf dieser Grundlage wird die agentische KI zu dem, was die Plattform verspricht: ein System, das Kundenreisen autonom optimiert, in Echtzeit die n\u00e4chstbeste Ma\u00dfnahme ermittelt und kanalspezifische Inhalte generiert \u2013 und zwar auf der Grundlage echter Kundenkenntnisse und nicht auf der Grundlage statistischer Zufallsschwankungen.<\/p>\n Nicht alle CEPs, CDPs und CRM-Systeme sind gleich, und dies gilt insbesondere je nach Branche. Ein CEP, das f\u00fcr den D2C-E-Commerce entwickelt wurde, eignet sich nicht f\u00fcr komplexe B2B2C-Kundenreisen in der Versicherungs- oder Telekommunikationsbranche. Ein CDP mit starken Anbindungen an den Einzelhandel kann in einer Architektur f\u00fcr die Reise- oder FMCG-Branche grundlegende Abgleichprobleme verursachen.<\/p>\n Der h\u00e4ufigste Fehler, den ich bei deutschen Ausschreibungsverfahren beobachte: Unternehmen bewerten Funktionen statt der Eignung. Sie vergleichen Funktionslisten, anstatt die Abdeckung von Anwendungsf\u00e4llen f\u00fcr die spezifische Komplexit\u00e4t ihrer Customer Journey und ihre data-Situation zu pr\u00fcfen. Das Ergebnis: Eine Plattform, die in der Demo gl\u00e4nzt, 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.<\/p>\n MarTech-Ausschreibungsverfahren sind anspruchsvoll. Wer sie jedoch abk\u00fcrzt, zahlt sp\u00e4ter ein Vielfaches daf\u00fcr.<\/p>\n Dies ist die Frage, die in den meisten Pr\u00e4sentationen vor dem Vorstand fehlt.<\/p>\n Einhaltung der Vorschriften.<\/strong> Das EU-KI-Gesetz und das deutsche KI-MIG (in Kraft seit Februar 2026) versch\u00e4rfen die Anforderungen an KI-gest\u00fctztes Profiling und automatisierte Entscheidungsfindung. Einwilligungsmodelle, die bereits im Rahmen der DSGVO nur unzureichend waren, werden unter diesen Rahmenbedingungen zu einem Compliance-Risiko. Geldbu\u00dfen sind keine hypothetische Gefahr; sie stehen f\u00fcr Unternehmen mit nachweislich mangelhaften data-Verfahren unmittelbar bevor.<\/p>\n Vertrauen in die Marke.<\/strong> Wenn ein KI-Agent in Deutschland eine irrelevante, zum falschen Zeitpunkt versendete oder \u00fcber den falschen Kanal gesendete Nachricht ausl\u00f6st \u2013 wo bereits 34% der Verbraucher auf KI-Interaktionen mit \u201cKeine der genannten\u201d antworten, wo WhatsApp als privater Kanal betrachtet wird und Push-Benachrichtigungen eher als ertragen denn als willkommen angesehen werden \u2013, sind die Abmelderaten hoch und die R\u00fccklaufquoten niedrig. Das durch schlechte KI zerst\u00f6rte Vertrauen l\u00e4sst sich nur langsam wieder aufbauen.<\/p>\n Wettbewerbsverlust.<\/strong> Marken, die jetzt in sauberes first-party data, eine auf Einwilligung basierende Personalisierung und eine solide CDP-Architektur investieren, werden sich in den n\u00e4chsten 24 Monaten einen strukturellen Vorteil verschaffen, den kein Budget f\u00fcr bezahlte Medien jemals aufholen kann. RCS erreicht in Deutschland bereits eine Smartphone-Durchdringung von 88% \u2013 ein Kanal, der Marken mit sauberem Opt-in eine neue Qualit\u00e4t der direkten Kommunikation er\u00f6ffnet. Wer nicht \u00fcber das Opt-in verf\u00fcgt, kann diesen Kanal nicht nutzen, ganz gleich, wie gut sein Technologie-Stack auch sein mag.<\/p>\n CRM ist kein E-Mail-Tool. CDP ist nicht das database-Projekt. Und agentische KI ist kein Automatisierungs-Upgrade, sondern ein Multiplikator. Ein Multiplikator f\u00fcr das, was bereits vorhanden ist. Unternehmen mit mangelhaftem data, fehlender Governance und einer fragmentierten Customer-Journey-Strategie werden genau diese Situation weiter versch\u00e4rfen.<\/p>\n Die Frage f\u00fcr CMOs und CRM-Verantwortliche in Deutschland lautet nicht: \u201cWelche Plattform sollen wir kaufen?\u201d, sondern: \u201cVerf\u00fcgen wir \u00fcber die strategische Klarheit, das data governance und die organisatorische Eigenverantwortung, die diese Plattformen voraussetzen?\u201d<\/p>\n Wer diese Frage ehrlich mit \u201cNein\u201d beantwortet und die Technologie dennoch erwirbt, sollte sich nicht wundern, wenn zwei Jahre sp\u00e4ter ein Chief AI & Digital Products Officer eingestellt wird, um die Tr\u00fcmmer zu beseitigen.<\/p>","protected":false},"excerpt":{"rendered":" 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 Gesch\u00e4ftsreisender, der am Montag ein Upgrade bucht. Ein Familienkunde, der am Freitag nach einem Wochenend-Sonderangebot sucht. Ein Versicherungsnehmer, der im Oktober seine Police verl\u00e4ngert. 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.<\/p>","protected":false},"featured_media":1083987,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995],"blog-language":[2991],"class_list":["post-1289057","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog\/1289057","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media\/1083987"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media?parent=1289057"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-category?post=1289057"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-language?post=1289057"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Was funktioniert und in welcher Reihenfolge?<\/h2>\n
Ein Hinweis zur Toolauswahl und zu Ausschreibungen<\/h2>\n
Was passiert, wenn Sie dies nicht richtig machen?<\/h2>\n
Das Fazit<\/h2>\n