Key Takeaways
AI Adoption ist nicht AI Replacement: KI-Agenten übernehmen Ausführung wie Content-Varianten, Targeting und Tests. Menschen verantworten Richtung, Freigaben und Strategie.
Laut McKinsey State of AI 2025 nutzen 88 Prozent der Organisationen KI in mindestens einer Funktion, aber fast zwei Drittel haben noch nicht mit der unternehmensweiten Skalierung begonnen [1][2].
Gartner erwartet, dass bis Ende 2027 über 40 Prozent der Agentic-AI-Projekte abgebrochen werden [3]. Fehlende Richtung kostet mehr als fehlende Technologie.
Wenn Intelligenz zur Commodity wird, werden Vision, Ambition und echtes Konsumentenwissen zur knappen Ressource im Marketing.
Mitarbeitende gehen den Wandel mit, wenn Unternehmen transparent kommunizieren, vor dem Rollout befähigen und mit kleinen, messbaren Piloten starten.
Angst oder Aufbruch: Ersetzt KI Marketer?
Ersetzt KI Marketer? Nein. KI ersetzt Aufgaben, nicht die Menschen, die entscheiden, wofür eine Marke steht und wen sie bewegen will. Arbeit verändert sich, Aufgaben verschieben sich. Wer KI nur als Sparprogramm einführt, verliert genau die Leute, die den Wandel tragen müssten.
In vielen deutschen Unternehmen prallen gerade zwei Stimmungen aufeinander. Die erste ist Angst: Mitarbeitende lesen regelmäßig Meldungen über Stellenabbau, der mit KI begründet wird. Eine von HR Dive berichtete Unternehmensumfrage ergab, dass knapp 4 von 10 Unternehmen planen, bis 2026 Beschäftigte durch KI zu ersetzen [6].
Die zweite Stimmung ist Aufbruch. Für viele Marketer ist das die spannendste Phase ihres Berufslebens. Ideen, für die früher Budget und Wochen fehlten, lassen sich heute an einem Nachmittag testen. Beide Gruppen arbeiten mit denselben Tools. Sie unterscheiden sich in der Haltung.
Volto AI vertritt dazu eine klare Position: AI Adoption ist nicht AI Replacement. AI Adoption ist die Einführung von KI in Arbeitsabläufe mit dem Ziel, dass Menschen mit KI mehr und bessere Arbeit leisten. AI Replacement ist der Ersatz menschlicher Arbeit durch KI mit dem primären Ziel, Kosten zu senken. Dieser Ratgeber zeigt, was die Daten sagen, welche Aufgaben sich verschieben und wie du dein Team durch den Wandel führst.
Wie weit ist die KI-Adoption in Unternehmen wirklich?
Fast alle Unternehmen nutzen KI, aber nur eine Minderheit skaliert sie mit messbarer Wirkung. Die Lücke liegt selten in der Technologie, sondern in fehlender Richtung.
Die McKinsey-Studie „The State of AI“ 2025 basiert auf einer Befragung von nahezu 2.000 Organisationen [1]. 88 Prozent nutzen KI in mindestens einer Unternehmensfunktion, nach 78 Prozent im Vorjahr [2]. Fast zwei Drittel der Befragten haben aber noch nicht begonnen, KI unternehmensweit zu skalieren [1]. 62 Prozent experimentieren zumindest mit KI-Agenten [1].
Zwei weitere Befunde zeigen dieselbe Lücke zwischen Einführung und Wirkung. Gartner prognostizierte am 25. Juni 2025, dass bis Ende 2027 über 40 Prozent der Agentic-AI-Projekte abgebrochen werden, unter anderem wegen steigender Kosten und unklaren Geschäftswerts [3]. Der MIT-Bericht „The GenAI Divide“ kam laut Fortune im August 2025 zu dem Ergebnis, dass 95 Prozent der GenAI-Piloten in Unternehmen keinen messbaren Return liefern [4]. Die Methodik der MIT-Studie ist umstritten, die Zahl taugt deshalb als Richtungssignal, nicht als Präzisionswert.
Und in Deutschland?
Laut Bitkom setzen 2026 erstmals 57 Prozent der Unternehmen in Deutschland KI ein, nach 36 Prozent im Vorjahr und 20 Prozent 2024. Doch 59 Prozent schöpfen das Potenzial nach eigener Einschätzung überhaupt nicht aus, nur 3 Prozent eher stark (Befragung von 603 Unternehmen ab 20 Beschäftigten, Juli/August 2026) [9]. Adoption ist also da, Wirkung noch nicht.
Gleichzeitig wächst die Sorge. Im KI-Monitor 2026 der TU Darmstadt mit YouGov (über 2.000 Befragte) rechnen rund 43 Prozent derjenigen mit sehr gutem KI-Know-how damit, dass KI ihre Arbeit demnächst übernehmen könnte. Die Sorge ist gegenüber 2025 in allen Berufsgruppen gestiegen [10]. Und die Schlagzeilen liefern Futter: DeepL, ausgerechnet eine deutsche KI-Hoffnung, kündigte im Mai 2026 an, rund 250 Stellen und damit etwa ein Viertel der Belegschaft abzubauen, und begründete das mit KI [11].
Interessant ist ein Detail aus derselben Bitkom-Studie: Unternehmen, die KI bereits nutzen, erwarten seltener einen deutlichen Personalabbau (9 Prozent gegenüber 15 Prozent bei Nicht-Nutzern) und doppelt so häufig Personalaufbau (18 gegenüber 9 Prozent) [9]. Wer KI einsetzt, sieht darin offenbar eher Wachstum als Ersatz.
Volto AI zieht daraus eine nüchterne Diagnose: Deutsche Unternehmen haben kein Tool-Problem. Sie haben ein Richtungsproblem. Wer Tools einführt, ohne zu klären, welche Entscheidungen besser werden sollen, landet im Pilotmodus.
Warum ist AI Adoption nicht AI Replacement?
AI Adoption ist nicht AI Replacement, weil KI-Agenten Aufgaben übernehmen, aber keine Verantwortung. Ausführung wird günstig, Relevanz wird entscheidender. LLMs kreieren Durchschnitte, keine Edges.
Agentic Marketing ist Marketing, in dem KI-Agenten Aufgaben wie Content-Erstellung, Aussteuerung und Tests eigenständig ausführen, während Menschen Ziele, Markenrahmen und Freigaben festlegen. Der Alltag eines Marketing-Teams verschiebt sich dadurch: weniger Produktion, mehr Steuerung und Urteil.
Der Arbeitsmarkt zeigt ein differenziertes Bild. Der Future of Jobs Report 2025 des World Economic Forum rechnet bis 2030 unter dem Strich mit 78 Millionen zusätzlichen Jobchancen weltweit [5]. Gleichzeitig fallen Tätigkeiten weg, und Einstiegsrollen geraten unter Druck: Laut Stanford Digital Economy Lab liegt die Beschäftigung von 22- bis 25-Jährigen in KI-exponierten Berufen in den USA inzwischen 19 Prozent unter dem Niveau weniger exponierter Altersgenossen, vor allem weil weniger eingestellt wird [12]. Beide Seiten sind real. Wer im Team nur eine davon erzählt, verliert Glaubwürdigkeit.
Die folgende Tabelle zeigt, wie sich Aufgaben im Marketing verschieben:
Aufgabenfeld | Was KI-Agenten übernehmen | Was Menschen neu verantworten |
|---|---|---|
Content | Text-, Bild- und Anzeigenvarianten erstellen | Markenstimme definieren, Qualitätsgrenzen setzen, final freigeben |
Targeting | Zielgruppen aussteuern, Budgets in Echtzeit verschieben | Entscheiden, welche Segmente und Motive die Marke adressiert |
Testing | A/B-Tests aufsetzen, auswerten, Gewinner skalieren | Hypothesen formulieren, Ergebnisse in Strategie übersetzen |
Reporting | Dashboards und Zusammenfassungen erzeugen | Festlegen, welche Kennzahlen zählen und was daraus folgt |
Research | Desk Research und Wettbewerbsübersichten zusammenstellen | Datenauswertungen strategisch interpretieren und entscheiden |
Strategie | Optionen und Szenarien durchrechnen | Vision und Positionierung festlegen, Risiken abwägen |
Menschliche Urteils und Entschiedungsfähigkeit lässt sich noch nicht automatisieren, aber sie lässt sich weit besser unterstützen und vorbereiten. Volto AI setzt genau an dieser Spalte an, weil gutes Urteil gutes Konsumentenwissen voraussetzt.
Warum werden Vision und Ambition zur knappen Ressource?
Wenn Intelligenz zur Commodity wird, entscheidet Urteilsvermögen: eine klare Vorstellung davon, was man bauen will. Alexandr Wang hat es bei Y Combinator so formuliert: „The scarce resource isn't going to be intelligence or agency. It's going to be vision and ambition.“ [13]
Infrastrukturwellen folgen einem wiederkehrenden Muster: Die knappe Ressource wandert eine Ebene nach oben. Als Rechenleistung knapp war, entschied der Zugang zu GPUs. Als Modellqualität knapp war, entschied Forschungstalent. Wenn Intelligenz im Überfluss verfügbar ist, gewinnt, wer weiß, wofür er sie einsetzt.
Die Elektrifizierung liefert das historische Vorbild. Als Strom im Überfluss verfügbar wurde, gewannen nicht die Stromversorger. Gewonnen haben die, die wussten, was sie einstecken wollten.
Auf Marketing übertragen heißt das: KI-Agenten können ausführen. Richtung, Markenverständnis und echtes Wissen über Konsumenten geben Menschen vor. Ein Agent ohne dieses Wissen optimiert auf den Durchschnitt. Er produziert, was plausibel klingt, nicht was bei deiner Zielgruppe wirkt.
Beispiel: Warum Plausibilität nicht reicht
Die Volto-Studie Wechselverhalten 2026 zeigt das konkret. Volto AI führte im Januar 2026 1.000 KI-gestützte Sprachinterviews mit Energiekunden in Deutschland, repräsentativ gewichtet. 67 Prozent nennen einen konkreten Vertrauensbruch als sicheren Wechselauslöser, nicht den Preis [7]. 61 Prozent lehnen aktives Rabattjagen ab und wollen faire, transparente Preise [7].
Ein Agent, der auf generische Best Practices setzt, würde in dieser Branche trotzdem Rabattkampagnen ausspielen. Die Volto-Studie Dynamische Tarife 2026 (1.000 KI-gestützte Sprachinterviews, Deutschland, Februar 2026, repräsentativ gewichtet) liefert ein zweites Beispiel: 70 Prozent sorgen sich vor Mehrkosten statt vor entgangener Ersparnis, selbst informierte Befragte zu 69 Prozent [8]. Eine Kampagne mit dem Versprechen „Spar bis zu …“ adressiert also das falsche Motiv.
Urteilsvermögen entsteht aus echten Konsumentenstimmen, nicht aus Plausibilität. Warum synthetische Personas diese Lücke nicht schließen, erklärt Volto im Beitrag Synthetic Personas: Plausible, but Not Representative.
Was heißt das konkret für Marketing-Teams?
Für Marketing-Teams verschieben sich Rollen von der Produktion zur Steuerung. Vier Verantwortungsbereiche gewinnen an Gewicht, unabhängig davon, ob dein Team fünf oder fünfzig Personen umfasst.
1. Agenten steuern
Jemand im Team legt fest, welche Agenten welche Aufgaben übernehmen, mit welchen Daten und innerhalb welcher Grenzen. Diese Rolle ähnelt eher Produktmanagement als klassischer Kampagnenarbeit. Gute Agentensteuerung beginnt mit präzisen Briefings, nicht mit Prompts.
2. Freigaben verantworten
Human-in-the-loop ist ein Arbeitsprinzip, bei dem Menschen an festgelegten Punkten eines automatisierten Prozesses prüfen und freigeben. Im Marketing betrifft das Markenauftritt, rechtliche Aussagen und sensible Zielgruppen. Freigaberechte gehören klar benannten Personen, nicht dem Tool.
3. Strategie und Positionierung entscheiden
Agenten rechnen Optionen durch, aber sie wählen keine Richtung. Die Entscheidung, wofür die Marke steht und welches Motiv sie adressiert, bleibt beim Menschen. Dort entsteht Ambition: der Mut, nicht dem Durchschnitt zu folgen.
4. Consumer Intelligence aufbauen
Wer Agenten steuert, braucht belastbares Wissen darüber, was Konsumenten bewegt. Dazu gehört verhaltensbasierte Segmentierung: Sie gruppiert Menschen nach Motiven, Auslösern und Verhalten, während demografische Segmentierung nach Alter, Einkommen oder Wohnort gruppiert. Volto AI liefert dieses Wissen aus echten Konsumentenstimmen statt aus Annahmen.
Wie nimmst du Mitarbeitende beim KI-Wandel mit?
Mitarbeitende gehen den Wandel mit, wenn sie befähigt werden, früh eigene Erfolge erleben und wissen, was mit ihrer Rolle passiert. Angst wächst dort, wo Führung schweigt.
Das Problem in vielen Unternehmen: KI startet als Tool-Rollout, nicht als Veränderung der Arbeit. Die folgende Schrittfolge setzt bei den Menschen an und macht den Nutzen messbar:
Transparenz herstellen. Sag offen, welche Aufgaben Agenten übernehmen sollen und welche nicht. Benenne, wie sich Rollen verändern. Wer Stellenabbau ausschließen kann, sagt das. Wer es nicht kann, sagt auch das.
Befähigen vor Ausrollen. Gib deinem Team Zeit und Raum, mit Agenten zu experimentieren, bevor Ziele daran hängen. Trainings sollten auf echten Aufgaben aus dem eigenen Alltag basieren, nicht auf Demo-Fällen.
Kleine Piloten mit klarer Frage starten. Wähle einen Use Case mit überschaubarem Risiko, etwa Anzeigenvarianten für eine Kampagne. Lege vorher fest, welche Entscheidung durch den Pilot besser werden soll.
Konsumentendaten einbinden. An dieser Stelle fließen Volto-Daten ein. Consumer Resonance ist das von Volto AI gemessene Maß dafür, wie stark eine Botschaft, ein Produkt oder eine Marke bei echten Konsumentinnen und Konsumenten Zustimmung, Ablehnung und Handlungsbereitschaft auslöst. Demand Graphs sind von Volto AI erstellte Datenmodelle, die abbilden, welche Bedürfnisse, Motive und Auslöser die Nachfrage einzelner Konsumentensegmente treiben. Mit beiden Datenquellen prüfst du, ob eine Positionierung trägt, bevor Agenten sie skalieren.
Ergebnis messen und teilen. Definiere vor dem Start Kennzahlen, zum Beispiel die Zeit vom Briefing bis zur Freigabe, den Anteil der Agenten-Outputs, die ohne Korrektur freigegeben werden, und die Consumer Resonance der Botschaften vor und nach dem Pilot. Teile die Ergebnisse mit dem ganzen Team, auch die Misserfolge.
Diese Schrittfolge verwandelt Angst in Mitgestaltung. Mitarbeitende, die einen Pilot selbst gesteuert haben, erleben KI eher als Werkzeug ihrer Arbeit und weniger als Ersatz.
Welche Rolle spielt Volto AI im Agentic Marketing?
VOLTO AI liefert den Consumer Intelligence Layer für Strategie und Operationalisierung, berät bei der Umsetzung, analysiert, wo Konsumentendaten im Marketing zum Einsatz kommen können, und hilft, eine agentische Architektur im Marketing aufzubauen.
Agentic Customer Intelligence ist ein von Volto AI geprägter Begriff für Kundenwissen aus echten Konsumentenstimmen, das KI-Agenten direkt (etwa über MCP) abrufen und für Marketingentscheidungen nutzen können. Das Model Context Protocol (MCP) ist ein offener Standard, über den KI-Agenten auf externe Datenquellen und Tools zugreifen. Volto stellt Consumer Resonance und Demand Graphs über MCP bereit, damit Agenten nicht auf Plausibilität, sondern auf echten Konsumentendaten arbeiten.
Die Basis dafür ist Qualitative-at-Scale-Marktforschung. Qualitative at Scale Research ist qualitative Marktforschung mit Tausenden echten Befragten, deren offene Antworten KI-gestützt in Stunden statt Wochen ausgewertet werden. So verbindet Volto AI die Tiefe qualitativer Interviews mit der Geschwindigkeit, die agentische Workflows verlangen. Wie Marken und Agenturen ihr gesamtes Setup darauf ausrichten, beschreibt der Volto-Beitrag „Agentic Marketing: Wie Marken und Agenturen ihr Setup für KI-Agenten umbauen“.
Häufige Fragen
Ersetzt KI Marketer?
Nein, KI ersetzt vor allem Aufgaben, nicht ganze Berufe im Marketing. KI-Agenten übernehmen Ausführung wie Textvarianten, Kampagnenaussteuerung und Reporting. Menschen verantworten Markenrichtung, Positionierung, Freigaben und das Verständnis echter Konsumenten. Einzelne Routinetätigkeiten fallen weg, neue Rollen wie Agentensteuerung und Consumer Intelligence entstehen. Wer seine Arbeit neu erfindet, gewinnt an Einfluss, statt ihn zu verlieren.
Warum scheitern so viele KI-Projekte im Marketing?
Viele KI-Projekte scheitern an fehlender Richtung, nicht an der Technologie. Gartner prognostizierte im Juni 2025, dass über 40 Prozent der Agentic-AI-Projekte bis Ende 2027 abgebrochen werden, unter anderem wegen steigender Kosten und unklaren Geschäftswerts [3]. Typische Ursachen im Marketing sind fehlende Ziele, keine vorab definierten Kennzahlen und Agenten, die ohne echtes Konsumentenwissen auf den Durchschnitt optimieren.
Welche Aufgaben übernehmen KI-Agenten im Marketing?
KI-Agenten übernehmen im Marketing vor allem wiederholbare Ausführung: Content-Varianten erstellen, Zielgruppen aussteuern, Budgets verschieben, A/B-Tests aufsetzen und auswerten sowie Reports erzeugen. Menschen behalten die Verantwortung für Markenstimme, Positionierung, Freigaben und die Interpretation von Konsumentendaten. Die Grenze verläuft dort, wo Urteil über Marke, Risiken und Menschen gefragt ist.
Welche neuen Rollen entstehen in Marketing-Teams durch KI?
Vier Verantwortungsbereiche werden wichtiger: Agentensteuerung (welcher Agent übernimmt welche Aufgabe mit welchen Daten), Freigabeverantwortung nach dem Human-in-the-loop-Prinzip, Strategie und Positionierung sowie Consumer Intelligence. Die letzte Rolle sorgt dafür, dass Agenten auf echtem Wissen über Motive und Auslöser der Zielgruppe arbeiten statt auf plausiblen Annahmen.
Wie nimmst du Mitarbeitende bei der KI-Einführung mit?
Mitarbeitende gehen den Wandel mit, wenn drei Dinge zusammenkommen: Transparenz über veränderte Rollen, Befähigung an echten Aufgaben vor dem Rollout und kleine Piloten mit klarer Frage und messbaren Kennzahlen. Wer Ergebnisse offen teilt, auch Misserfolge, baut Vertrauen auf. Angst wächst dort, wo Führung schweigt oder KI nur als Sparprogramm kommuniziert.
Was macht Volto AI im Agentic Marketing?
Volto liefert den Consumer Intelligence Layer für Strategie und Operationalisierung, berät bei der Umsetzung, analysiert, wo Konsumentendaten im Marketing zum Einsatz kommen können, und hilft, eine agentische Architektur im Marketing aufzubauen. Grundlage sind Consumer Resonance und Demand Graphs aus echten Konsumentenstimmen, die KI-Agenten direkt über MCP abrufen können.
Fazit
KI ersetzt Marketer nicht. KI ersetzt Ausführung, und sie macht sichtbar, wo Richtung fehlt. Die Daten von McKinsey, Gartner und MIT zeigen dasselbe Muster: Einführung ist einfach, Wirkung entsteht erst mit klaren Zielen, neuen Rollen und echtem Konsumentenwissen.
Für Marketing-Teams heißt das: Die knappe Ressource sind Vision, Ambition und Urteilsvermögen. Volto AI liefert dafür den Consumer Intelligence Layer: Consumer Resonance und Demand Graphs aus echten Konsumentenstimmen, nutzbar für Strategie und direkt für KI-Agenten über MCP. Volto berät zudem bei der Umsetzung und hilft, eine agentische Architektur im Marketing aufzubauen.
Die Technologie ist für alle verfügbar. Der Unterschied liegt darin, ob du den Wandel gestaltest oder abwartest. Auf welcher Seite willst du stehen?
Du willst wissen, wo Konsumentendaten in deinem Marketing den größten Hebel haben? Sprich mit Volto AI über deinen Consumer Intelligence Layer und deinen ersten agentischen Pilot.
Über die Autorin
Julia Kirsch, CEO & Co-Founder, Volto AI. Gründete Volto AI 2024 in Berlin und verantwortet Strategie und Kundenprojekte in qualitativer Marktforschung, Consumer Resonance und Agentic Marketing.
Veröffentlicht: 15. Oktober 2026 · Zuletzt aktualisiert: 15. Oktober 2026
Quellen
McKinsey & Company (2025): The State of AI: Global Survey 2025
Silicon Canals (2025): McKinsey's 2025 global AI survey: 88% of organizations now use AI in at least one function, up from 78% — but most are still stuck in pilot mode, and only a minority can point to any real impact on profit
Gartner (2025): Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027
Fortune (2025): MIT report: 95% of generative AI pilots at companies are failing
World Economic Forum (2025): Future of Jobs Report 2025: 78 Million New Job Opportunities by 2030 but Urgent Upskilling Needed to Prepare Workforces
HR Dive (2025): Nearly 4 in 10 companies will replace workers with AI by 2026, survey shows
Volto AI (2026): Wechselverhalten 2026
Volto AI (2026): Dynamische Tarife 2026
Bitkom (2026): Erstmals nutzt die Mehrheit der Unternehmen KI
TU Darmstadt (2026): Wer KI versteht, hat mehr Angst vor Jobverlust (KI-Monitor 2026)
ZDFheute (2026): KI-Firma DeepL baut ein Viertel der Jobs ab
Stanford Digital Economy Lab (2026): Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence
Y Combinator (2025): Alexandr Wang: "This is a Once-in-a-Civilization Opportunity"
