Marketing will bauen, Legal bremst: So nutzt du agentic AI trotzdem souverän

Agentic AI übernimmt gerade das Marketing – zumindest laut den Schlagzeilen. 91 Prozent der Marketer nutzen heute AI, so eine Umfrage von Jasper unter 1’400 Marketern. Aber weniger als ein Drittel lässt sie wirklich arbeiten: ganze Abläufe steuern, statt nur einzelne Texte zu schreiben. McKinsey schätzt, dass künftig bis zu zwei Drittel der heutigen Marketingarbeit von Agenten übernommen werden könnten – von Prospecting über Personalisierung an einzelnen Touchpoints bis Lead-Qualifizierung.

Klingt nach einem riesigen Hebel. Ist es auch. Und genau hier entsteht ein Konflikt, den viele Teams kennen: Das Marketing will – oder muss – bauen. CTO und Legal sagen: Vorsicht mit den Daten. Beide haben recht. Die eigentliche Frage ist deshalb nicht, ob man agentic AI nutzt, sondern: Wem gehören die Daten, wenn eine AI Zugriff auf CRM, Kontakte und Kommunikation bekommt?

Was «agentic» wirklich heisst

Es lohnt sich, zwei Stufen zu unterscheiden. Auf der ersten Stufe hilft AI bei einzelnen Inhalten: Man hat eine Idee, trägt den Inhalt stichwortartig zusammen – der Gedanke und der Mehrwert bleiben menschlich – und die AI übernimmt die Ausformulierung und die Umformulierung für viele Kanäle. Früher war das viel Aufwand. Heute übernimmt die AI diese Laufarbeit.

Auf der zweiten Stufe wird es wirklich agentisch: Die AI steuert einen ganzen Ablauf, prüft Konsistenz, überwacht Kennzahlen und schlägt selbstständig nächste Schritte vor. Entscheidend ist dabei ein Punkt, den viele überspringen: Das Denken bleibt beim Menschen. Die AI übernimmt die Ausführung, nicht die Idee.

Der grösste Hebel liegt im Reporting

Die wiederkehrende Aufgabe, die sich zuerst zu automatisieren lohnt, ist nicht «Content» – es ist das Reporting. Das Auswerten vieler Daten über viele Kanäle wird schnell aufwändig. Genau hier kann AI Zahlen laufend überwachen und Vorschläge machen. Bei Aivie haben wir ein Feature gebaut, das die E-Mails der letzten Monate analysiert, erkennt, welche schlechter performen und warum, und konkrete Optimierungen vorschlägt – auf Wunsch setzt die AI sie direkt um.

Die ehrliche Pointe dahinter: Diesen Report gibt es seit Jahren. Das Problem war nie die Verfügbarkeit der Daten, sondern dass man ihn zu selten wirklich anschaut und dann konkret etwas ändert. Genau diese Lücke zwischen Erkenntnis und Handlung schliesst ein Agent – nicht weil er klüger ist, sondern weil er dranbleibt.

Warum Kampagnen an der Datenfrage scheitern

In der Praxis scheitern die spannendsten Kampagnen selten an der Technik. Sie werden ausgebremst, weil sensible Daten in eine Blackbox wandern würden – ein berechtigter Einwand. Marketing will bauen, CTO und Legal mahnen zur Vorsicht. Beide haben recht, und deshalb bleibt vieles liegen, obwohl es einfach machbar wäre.

McKinsey sieht dasselbe Muster in den Zahlen: Fast alle experimentieren mit AI, aber nur rund ein Viertel skaliert agentische Systeme überhaupt – und wenn, dann meist nur in ein oder zwei Bereichen. Die grössten Bremsen sind nicht Budget oder Technik, sondern organisatorische, regulatorische und rechtliche Bedenken. Die Datenfrage ist also kein Nebenschauplatz der AI-Einführung. Sie ist der Hauptschauplatz.

Souverän heisst Wahl und Kontrolle

Die gute Nachricht: Man muss sich nicht zwischen «coole Automation» und «Datenkontrolle» entscheiden. Man muss den Zugriff nur richtig bauen. Bei Aivie gilt dazu ein einfacher Grundsatz: Es sind deine Daten. Wir hosten und betreiben sie nur für dich – eine Haltung, die aus unserer Erfahrung mit Open Source gewachsen ist, und die auch immer mehr Schweizer Organisationen für ihre Infrastruktur wählen.

Daraus folgen zwei Freiheiten. Erstens stellt man granular ein, welche Fähigkeiten und Datenzugriffe die AI überhaupt hat: Darf sie Kontaktdaten sehen, nur bestehende E-Mails oder nur Statistiken? Darf sie nur lesen oder auch schreiben? Die AI bekommt so viel Kontext, wie eine Aufgabe braucht – und keinen Schritt mehr. Zweitens ist man frei, welche AI überhaupt zum Einsatz kommt: unterschiedliche Modelle für unterschiedliche Aufgaben oder sogar ein eigenes – gerade wenn die Preise vieler Anbieter steigen, lohnt sich diese Wahlfreiheit. Die Daten liegen dabei verschlüsselt auf Schweizer Servern, und wo nötig ist ein komplettes Hosting auf Schweizer Infrastruktur möglich. Souverän bedeutet nicht, dass eine bestimmte AI verboten wird – es bedeutet, dass man selbst entscheidet, mit voller Kontrolle darüber, wer was sieht.

Der blinde Fleck: Training auf deinen Daten

Ein Punkt geht in der AI-Euphorie oft unter: Bei vielen Anbietern werden Daten standardmässig zum Training des Modells verwendet. Ein Opt-out ist häufig möglich – aber man muss aktiv daran denken. Die unangenehme Konsequenz: Vertrauliche Kommunikation, etwa eine E-Mail an einen Kunden, kann in ein Modell einfliessen und dort gespeichert sein, ohne dass es einem bewusst ist. Für einen Newsletter mag das egal sein. Für sensible Kundendaten ist es das nicht – gerade wenn agentische Systeme tiefer in die Daten hineingreifen als ein einfacher Chatbot.

Fazit: Erst die Datenfrage, dann die Automation

Agentic AI ist ein echter Hebel. Und man muss sich nicht zwischen «coole Kampagne bauen» und «Daten unter Kontrolle» entscheiden – wenn man die Datenfrage klärt, bevor man automatisiert, nicht danach. Die zwei Drittel, von denen McKinsey spricht, sind kein Hype. Aber sie realisieren sich nur, wenn die Datenfrage vorher geklärt ist.

Bleibt die Frage, die wirklich zählt: Stört es dich, dass deine Daten möglicherweise in die USA gehen und dort zum Training verwendet werden? Oder wärst du lieber sicher, dass sie bei dir bleiben?