Kurz gefasst. KI-gestütztes Marketing heißt: Menschen stoßen jeden Schritt an, das Modell erledigt einzelne Aufgaben. Agentic AI bekommt ein Ziel, legt die Schritte selbst fest, ruft Werkzeuge auf und prüft Zwischenergebnisse. Der Unterschied liegt nicht im Modell, sondern im Prozess. Praktisch entscheidet er darüber, an welcher Stelle deine Freigabe sitzt.
Wo genau verläuft die Grenze zwischen einem Team, das KI benutzt, und einem, das mit KI-Agenten arbeitet? In den meisten Gesprächen verschwimmt sie sofort. Beides wird „AI im Marketing“ genannt, beides landet in derselben Präsentation, und am Ende weiß niemand, worüber gerade entschieden wurde.
Der Unterschied liegt nicht im Modell
Beide Ansätze nutzen dieselben Sprachmodelle. Der Unterschied liegt darin, wer die Schritte festlegt. Bei AI-gestütztem Marketing bleibt der Ablauf beim Menschen. Ein Prompt geht rein, ein Ergebnis kommt raus, jemand entscheidet über den nächsten Schritt.
Bei Agentic AI bekommt das System ein Ziel statt einer Anweisung. Es zerlegt die Aufgabe selbst, ruft Werkzeuge auf, prüft Zwischenergebnisse und korrigiert. Der Ablauf entsteht zur Laufzeit.
Das klingt nach einem kleinen Unterschied. Im Alltag ist es der größte, weil er festlegt, wie oft du hinschaust.
Vier Arbeitsweisen im Vergleich
In der Praxis stehen nicht zwei Optionen nebeneinander, sondern vier. Sie werden regelmäßig durcheinandergeworfen, obwohl sie sich in genau vier Punkten unterscheiden.
| Kriterium | Marketing-Automatisierung | KI-gestützt | KI-Assistent | Agentic AI |
|---|---|---|---|---|
| Wer legt die Schritte fest | du, einmalig als Regel | du, bei jedem Schritt | du gibst den Schritt vor | das System, zur Laufzeit |
| Wer wählt das Werkzeug | fest verdrahtet | du | das System, aus fester Auswahl | das System |
| Wo sitzt deine Freigabe | beim Aufsetzen der Regel | nach jedem Schritt | nach jedem Schritt | am Ergebnis und am Rahmen |
| Bei einer neuen Aufgabe | nichts passiert, die Regel greift nicht | du schreibst einen neuen Prompt | es fragt nach | es plant neu und probiert |
| Typisches Beispiel | wenn Formular ausgefüllt, dann Mail X | Betreffzeilen-Varianten aus einem Prompt | Zusammenfassung eines Meetings | Recherche, Entwurf und Formatierung in einem Durchlauf |
Die Spalten sind keine Rangliste. Für eine Regel, die seit Jahren zuverlässig läuft, ist klassische Marketing-Automatisierung weiterhin die beste Antwort. Ein Agent bringt dort nichts als zusätzliche Unsicherheit.
Woran sich ein Agent erkennen lässt
- Zielvorgabe statt Arbeitsanweisung. Beschrieben wird das gewünschte Ergebnis, nicht der Weg dorthin.
- Eigene Planung. Das System legt die Reihenfolge der Teilschritte selbst fest.
- Werkzeugzugriff. Es kann Dateien lesen, Suchanfragen stellen, Schnittstellen aufrufen.
- Rückkopplung. Ergebnisse werden geprüft und bei Bedarf verworfen.
Wie sich das in der Praxis anfühlt
Theorie hilft hier wenig. Zwei Beispiele aus Versuchen, die ich selbst gefahren und hier dokumentiert habe.
Der Agent plant besser, als er schreibt. Ich habe Claude Cowork einen kompletten Blogartikel-Workflow bauen lassen, ohne einen Ablauf vorzugeben. Der erste Schritt war der interessanteste: Statt zu schreiben, hat der Agent den Ablauf geplant und in Teilaufgaben zerlegt. Die Gliederung war sofort brauchbar. Gescheitert ist er an den Stellen, an denen Urteil nötig war. Quellen hat er zusammengefasst, ohne zu bewerten, wie belastbar sie sind. Der Auftrag „kürze auf die Hälfte“ hat zuverlässig die konkreten Passagen entfernt und die allgemeinen stehen lassen.
Der Gewinn liegt in der Wiederholung. Bei meinem Praxistest mit Perplexity im Account-Based Marketing ging es um sechs Rechercheschritte über zwölf Accounts. Aus einem halben Tag Recherche pro Account wurden rund 45 Minuten, inklusive Prüfung. Bei einem einzelnen Account hätte sich der Aufbau nicht gelohnt. Ab dem fünften schon.
Das ist das Muster: KI-gestütztes Arbeiten zahlt sich sofort aus, agentisches Arbeiten erst ab Wiederholung.
Warum die Unterscheidung praktisch wichtig ist
AI-gestütztes Arbeiten lässt sich in bestehende Prozesse einschieben. Agentische Systeme greifen tiefer. Sobald ein System Schritte selbst wählt, verschiebt sich der Prüfpunkt: Kontrolliert wird nicht mehr jede Zwischenstufe, sondern das Ergebnis und der Rahmen, innerhalb dessen der Agent arbeiten darf.
Genau das ist der Punkt, an dem die Unterscheidung aufhört, akademisch zu sein. Wer jeden Zwischenschritt freigibt, braucht keine neue Governance. Wer nur noch das Ergebnis freigibt, schon.
In der Praxis heißt das: Bevor ein Agent losläuft, muss feststehen, was er darf, worauf er zugreift und wer das Ergebnis abnimmt. Diese drei Fragen kosten zehn Minuten. Ohne sie entsteht der Zustand, den ich in den Chancen, Risiken und Grenzen beschrieben habe: Abläufe, die nie beschrieben und nie freigegeben wurden, aber längst laufen.
Was das für B2B-Marketing heißt
Der agentische Schritt lohnt sich dort, wo eine Aufgabe regelmäßig anfällt, aus mehreren Teilschritten besteht und am Ende einen klaren Prüfpunkt hat. Kampagnen-Reporting, Recherche-Aufbereitung, Content-Adaption über Formate hinweg. Das sind die Kandidaten.
Als Faustregel nutze ich drei Fragen:
- Fällt die Aufgabe mindestens wöchentlich an?
- Besteht sie aus mehr als drei Teilschritten?
- Gibt es am Ende einen Punkt, an dem ein Mensch klar Ja oder Nein sagen kann?
Dreimal Ja, dann lohnt der Aufbau. Zweimal Ja, dann reicht ein guter Prompt. Einmal Ja, dann mach es von Hand.
Mein Newsletter-Prozess ist das Beispiel, an dem ich das selbst durchgespielt habe. Themenideen spreche ich unterwegs ein, sie landen strukturiert in einem Themenspeicher, und zum Stichtag liegt ein Entwurf vor. Die reine Produktionszeit hat sich halbiert. Der größere Gewinn liegt woanders: Die frei gewordene Zeit fließt in bessere Betreffzeilen und saubere Segmentierung statt in hektische Recherche. Welche Werkzeuge dafür in den Stack gehören, habe ich separat sortiert.
Häufige Fragen
Was ist der Unterschied zwischen Agentic AI und Marketing-Automatisierung?
Marketing-Automatisierung führt vordefinierte Regeln aus: Wenn Bedingung X eintritt, wird Aktion Y ausgeführt. Agentic AI bekommt stattdessen ein Ziel und entscheidet zur Laufzeit selbst, welche Schritte nötig sind. Der Gewinn ist Flexibilität bei neuartigen Aufgaben, der Preis ist geringere Vorhersagbarkeit.
Ist ein KI-Assistent schon ein KI-Agent?
Nein. Ein Assistent füllt einen Schritt aus, den du vorgibst, und fragt nach, wenn etwas unklar ist. Ein Agent bekommt ein Ziel und legt die Schritte selbst fest. Der Übergang ist fließend, das Unterscheidungsmerkmal ist die Frage, wer die Reihenfolge bestimmt.
Braucht Agentic AI ein anderes Modell als KI-gestütztes Arbeiten?
Nein. Beide Ansätze nutzen dieselben Sprachmodelle. Der Unterschied liegt in der Steuerung drumherum: Werkzeugzugriff, eigene Planung und die Möglichkeit, Zwischenergebnisse zu verwerfen.
Wo sollte die menschliche Freigabe bei einem agentischen Workflow sitzen?
Vor allem dort, wo etwas nach außen geht oder wo Kundendaten berührt werden. Innerhalb des Ablaufs reicht es meist, das Ergebnis und den Rahmen zu prüfen. Wer jede Zwischenstufe freigibt, hat faktisch keinen Agenten, sondern eine langsame Variante von KI-gestütztem Arbeiten.
Womit fängt man am besten an?
Mit einer Aufgabe, die regelmäßig anfällt und heute unter Zeitdruck leidet. Recherche-Aufbereitung und Reporting sind gute erste Kandidaten, weil beide viele Teilschritte haben und am Ende einen klaren Prüfpunkt.
Wie weit bist du selbst? Der Agent-o-Meter zeigt dir in 60 Sekunden, wo du beim Thema agentisches Marketing stehst.