---
title: "Generative KI im Marketing: Wie ich Chancen und Risiken abwäge"
description: "Generative KI im Marketing: wo sie mir Arbeit abnimmt, wo sie Vertrauen kosten kann und was Studien zu Workflows und Personalisierung zeigen."
author: "Felix Schmitz"
author_url: https://felixshmtz.de/ueber-mich/
published: 2026-11-13
category: "KI & Automation"
canonical: https://felixshmtz.de/artikel/generative-ki-im-marketing/
language: de
---

# Generative KI im Marketing: Wie ich Chancen und Risiken abwäge

Von Felix Schmitz, Digital Growth Hacker aus Köln: Gründer und Geschäftsführer der quik UG, Gründer von ai-website.com, baut den KI-Workspace quik OS.

## Kurz gesagt

- Generative KI im Marketing erzeugt Texte, Bilder, Videos und Anzeigenvarianten, der Nutzen hängt aber am Ablauf zwischen Mensch und Modell.
- Eine Literaturübersicht aus 2026 beschreibt wirksame Nutzung als wiederholten Wechsel: Mensch setzt das Ziel, KI liefert Varianten, Mensch prüft und passt an.
- Mehr Personalisierung ist nicht automatisch besser: In Experimenten zu KI-Anzeigen schnitt ein mittleres Maß am besten ab.
- Infrastruktur, Fähigkeiten und Datenzugang entscheiden laut einer Studie im Journal of Public Policy & Marketing mit, ob aus KI-Nutzung echte Fähigkeiten werden.
- Mein Stand heute: KI für Entwürfe und Varianten nutzen, Ziel, Fakten und Freigabe bei mir behalten.

Generative KI im Marketing bedeutet, dass Sprach- und Bildmodelle Texte, Bilder, Videos und Anzeigenvarianten erzeugen, die früher von Hand entstanden sind. Die Chance liegt in Tempo und Vielfalt, das Risiko in austauschbaren Inhalten, zu viel Personalisierung und verlorenem Vertrauen. Ob das eine oder das andere überwiegt, entscheidet nach meinem Stand weniger das Werkzeug als der Ablauf drumherum: wer das Ziel vorgibt und wer am Ende prüft.

Ich bin bei dem Thema nicht neutral. Mit quik OS baue ich einen Workspace, in dem Claude, ChatGPT oder eigene Agenten mitarbeiten, und bei quik läuft jedes Projekt darin. Gerade deshalb wollte ich wissen, was die Forschung dazu sagt, und habe in meiner Uni-Bibliothek Studien zu generativer KI im Marketing gelesen. Hier ordne ich ein, was ich daraus mitnehme und wo ich selbst noch unsicher bin.

## Was generative KI im Marketing heute leistet

Beim Stichwort generative KI denken viele zuerst an Texte. Das Feld ist breiter. Eine systematische Literaturübersicht von Wiji Utami und Kollegen aus 2026 hat aus anfangs 1.583 Treffern in der Datenbank Scopus 36 Studien ausgewertet. Die Übersicht zeigt, dass generative KI für Text, Bild, Video, Werbung, Influencer-Inhalte und Plattformkommunikation eingesetzt wird, bis hin zur Öffentlichkeitsarbeit von Bibliotheken.

Für mich als Gründer mit kleinem Team sortiere ich die Einsatzfelder so:

- **Entwürfe.** Ein erster Text, eine erste Gliederung, eine erste Bildidee. Der Wert liegt darin, nicht vor einer leeren Seite zu sitzen.
- **Varianten.** Fünf Betreffzeilen statt einer, drei Anzeigentexte für verschiedene Zielgruppen.
- **Anpassung.** Aus einem langen Artikel werden ein Newsletter-Abschnitt und ein LinkedIn-Post.
- **Auswertung.** Rückmeldungen von Kunden zusammenfassen, Muster in Antworten finden.

Die ersten drei Punkte beschleunigen Arbeit, die ohnehin anfällt. Sie ersetzen keine Entscheidung darüber, was ich überhaupt sagen will. Genau diese Trennung halte ich für den Kern.

## Warum der Workflow wichtiger ist als das Tool

Die Literaturübersicht kommt zu einer Aussage, die sich mit meiner Haltung deckt: Wirksame Nutzung hängt nicht bloß an Automatisierung, sondern an wiederholten Abläufen zwischen Mensch und KI. Die Autoren beschreiben eine Arbeitsteilung, die ich mir so notiert habe:

| Schritt | Wer | Was passiert |
|---|---|---|
| Kommunikationsziel festlegen | Mensch | Wen will ich erreichen und was soll danach anders sein? |
| Prompt schreiben | Mensch | Die strategische Absicht wird in eine Anweisung übersetzt, die das Modell versteht |
| Varianten erzeugen | KI | Mehrere Fassungen eines Inhalts |
| Prüfen und anpassen | Mensch | Auswahl, Korrektur, Anpassung an die Plattform |

Das klingt banal. Die Versuchung ist trotzdem groß, Schritt eins zu überspringen und direkt mit einem Prompt anzufangen. Dann entsteht ein sauberer Text ohne Absicht. Er liest sich gut und sagt nichts.

> Die KI liefert Varianten. Was ich sagen will und ob es stimmt, muss ich selbst wissen.

Deshalb halte ich es für sinnvoll, das Ziel eines Inhalts aufzuschreiben, bevor ein Modell ins Spiel kommt. Ein Satz reicht. Wie ich Inhalte grundsätzlich plane, steht in [Content Marketing als Wachstumsmotor](https://felixshmtz.de/artikel/content-marketing-als-wachstumsmotor/). Generative KI ändert an diesem Plan wenig. Sie macht die Umsetzung schneller.

## Was ein Unternehmen braucht, damit generative KI im Marketing wirkt

Im Journal of Public Policy & Marketing haben Kumar, Kotler, Gupta und Rajan 2025 einen Ordnungsrahmen vorgestellt. Sie beschreiben den Weg von der Nutzung zur Wirkung als Kette: Handlung, Fähigkeiten, Transformation, Wirkung. Ein Unternehmen setzt generative KI ein, baut daraus technologiegestützte Fähigkeiten auf, verändert damit sein Geschäft, und daraus entstehen Versprechen und Gefahren für die Gesellschaft.

Spannend finde ich, was laut den Autoren dazwischen wirkt:

- **Technische Infrastruktur, qualifizierte Leute und Datenzugang** beeinflussen, wie gut ein Unternehmen aus der Nutzung Fähigkeiten aufbauen kann.
- **Anpassungsfähige Führung und Managementstrategien** beeinflussen, wie stark diese Fähigkeiten das Geschäft tatsächlich verändern.

Für ein kleines Team übersetze ich diese Voraussetzungen in drei schlichte Fragen. Infrastruktur: Liegen meine Unterlagen so vor, dass ein Modell sie lesen kann, oder stecken sie in Köpfen und Postfächern? Fähigkeiten: Kann jemand im Team eine gute Anweisung schreiben und ein Ergebnis fachlich beurteilen? Datenzugang: Weiß ich, welche Daten ich einem Werkzeug geben darf und welche nicht? Wenn eine der drei Antworten nein lautet, würde ich dort ansetzen, bevor ich ein weiteres Werkzeug ausprobiere.

Die Studie blickt aus der Perspektive öffentlicher Politik auf das Thema, nach eigener Aussage als erste. Sie liefert einen Rahmen für Unternehmen allgemein und ist nicht speziell auf kleine Unternehmen zugeschnitten. Ich kann sie also nur übertragen. Meine Übertragung: Ein Abo für ein KI-Werkzeug ist die Handlung. Eine Fähigkeit wird daraus erst, wenn ich eigene Daten, eigenes Wissen und feste Abläufe damit verbinde.

Das ist auch der Grund, warum ich Wissen an einem Ort sammeln will. Ein Modell, das meine Angebote, meinen Ton und frühere Entscheidungen nicht kennt, schreibt für irgendwen. In [quik OS](https://quik-os.com/) liegen Boards und Wissen im selben Workspace, in dem auch die KI mitarbeitet, damit sie auf dem aufbaut, was schon da ist. Wie viel das im Einzelfall ausmacht, kann ich nicht in Zahlen belegen. Es ist meine Arbeitsweise, kein Messergebnis.

## Risiko 1: Zu viel Personalisierung

Generative KI macht es billig, Anzeigen für jede einzelne Person umzuschreiben. Die naheliegende Annahme ist: je persönlicher, desto besser. Sun, Xie und Sun haben das 2025 im Journal of Advertising Research für KI-generierte Anzeigen geprüft. In drei Experimenten führte ein mittleres Maß an Personalisierung zu den besten Einstellungen der Verbraucher, besser als wenig und besser als viel. Die Autoren sprechen von einem umgekehrten U.

Ihre Erklärung leuchtet mir ein. Personalisierung hat einen wahrgenommenen Nutzen und eine wahrgenommene Bedrohung. Entscheidend ist die Differenz aus beidem, und die ist bei mittlerer Personalisierung am größten. Datenschutzbedenken beeinflussen diesen Mechanismus zusätzlich.

Für mich heißt das: Relevanz ja, aber ich muss nicht alles zeigen, was ich über jemanden weiß. Eine Anzeige, die zur Branche passt, hilft. Eine Anzeige, die zeigt, dass ich den letzten Seitenbesuch kenne, wirkt schnell unheimlich. Die Beispiele sind meine, nicht die der Studie. Außerdem betreffen die Experimente Anzeigen, nicht E-Mails oder Websites. Ob die Kurve dort genauso verläuft, weiß ich nicht. Dem Spannungsfeld selbst widme ich einen eigenen Artikel über [Personalisierung und Datenschutz](https://felixshmtz.de/artikel/personalisierung-und-datenschutz/).

## Risiko 2: Verantwortung, die niemand übernimmt

Wer steht dafür gerade, wenn ein KI-Text etwas Falsches behauptet oder ein Bild fremde Rechte verletzt? In großen Unternehmen gibt es dafür Abteilungen. In kleinen gibt es den Gründer.

Tran, Nguyen und Tam haben 2026 den verantwortungsvollen Einsatz generativer KI im Marketing kleiner Unternehmen im Mekong-Delta in Vietnam untersucht. Nach Interviews mit Fachleuten befragten sie 187 Marketing-Beschäftigte aus Kleinst- und Kleinunternehmen. Ihr Modell erklärt ethische KI-Nutzung über sechs Faktoren, und laut Abstract erklärt es einen bedeutenden Teil der Unterschiede:

- Transparenz
- Schutz der Privatsphäre
- Fairness
- Respekt vor geistigem Eigentum
- menschliche Aufsicht
- Ethik-Klima und Schulung im Unternehmen

Welcher Faktor am stärksten wirkt, kann ich aus dem Abstract nicht sicher sagen, deshalb lasse ich es offen. Dazu kommen klare Grenzen: ein anderes Land, eine Stichprobe über ein Schneeballverfahren, ein Konferenzbeitrag. Ich nutze die Liste trotzdem, und zwar als Prüfliste. Sechs Fragen, die ich mir vor einer Veröffentlichung stellen kann, sind besser als ein vages Gefühl.

## Risiko 3: Alles klingt gleich

Dieses Risiko stammt nicht aus einer Studie, sondern aus meiner eigenen Überlegung. Wenn alle dieselben Modelle mit ähnlichen Prompts nutzen, nähern sich die Ergebnisse vermutlich an. Der Text ist korrekt und austauschbar.

Dazu kommt ein zweiter Punkt, bei dem ich nur vermuten kann. Wenn Inhalte fast nichts mehr kosten, steigt ihre Menge. Dann wird Aufmerksamkeit knapper und Vertrauen wichtiger. Ich glaube deshalb, dass ein erkennbarer Mensch hinter einem Inhalt eher wertvoller wird. Belegen kann ich das mit den Studien, die ich gelesen habe, nicht.

Für mich ist das vor allem ein Argument für eigene Substanz. Ein Modell kann nur umformulieren, was ich hineingebe oder was es allgemein gelernt hat. Eigene Erfahrung, eigene Zahlen und eine klare Haltung kann es nicht liefern, und es sollte sie auch nicht erfinden. Das wird wichtiger, weil immer mehr Menschen Antworten direkt von KI-Systemen bekommen. Was ich bisher darüber gelernt habe, wie Inhalte dort zitiert werden, steht in [Answer Engine Optimization](https://felixshmtz.de/artikel/answer-engine-optimization/).

## Was ich daraus mitnehme

Mein Vorgehen ist kein fertiges System. Es ist der Stand, mit dem ich heute arbeite, und ich würde so anfangen:

1. **Ziel vor Prompt.** Ein Satz dazu, wen der Inhalt erreichen soll und was danach passieren soll.
2. **Eigenes Material hineingeben.** Notizen, Angebotsbeschreibung, frühere Texte. Je mehr Eigenes, desto weniger Einheitsbrei.
3. **Varianten statt Endfassung verlangen.** Mehrere Fassungen geben lassen und auswählen, statt die erste zu übernehmen.
4. **Fakten selbst prüfen.** Jede Zahl, jeder Name und jedes Zitat wird nachgeschlagen oder gestrichen.
5. **Personalisierung dosieren.** Auf Branche und Anliegen eingehen, nicht auf alles, was technisch möglich ist.
6. **Die sechs Fragen durchgehen.** Transparenz, Privatsphäre, Fairness, geistiges Eigentum, menschliche Aufsicht und die Frage, ob alle im Team die Regeln kennen.

Wenn du gerade erst anfängst, würde ich mit einem einzigen wiederkehrenden Inhalt starten, etwa dem Newsletter oder den Anzeigentexten, und den Ablauf dort sauber aufsetzen. Wer das auf feste Abläufe ausweiten will, findet in [Marketing Automation](https://felixshmtz.de/artikel/marketing-automation/) meine Sicht dazu. Was ich beim Bauen mit KI insgesamt gelernt habe, beschreibe ich in [Startup mit KI gründen](https://felixshmtz.de/artikel/startup-mit-ki-gruenden/).

Unsicher bin ich bei der Kennzeichnung. Ob und wie deutlich ich KI-Unterstützung bei einem Text ausweisen sollte, den ich selbst geplant, geprüft und überarbeitet habe, beantworten die Studien, die ich gelesen habe, nicht eindeutig. Transparenz steht dort als Faktor, aber nicht als fertige Regel. Mein Grundsatz: Wenn jemand fragt, sage ich es offen.

Ein Sonderfall ist der direkte Kontakt mit Kunden. Wann ein [Chatbot im Kundenservice](https://felixshmtz.de/artikel/chatbots-im-kundenservice/) aus meiner Sicht hilft und wann er nervt, steht in einem eigenen Artikel.

## Fazit

Generative KI im Marketing ist für mich ein Verstärker. Sie macht einen guten Ablauf schneller und einen schlechten lauter. Die Studien, die ich gelesen habe, zeigen in dieselbe Richtung: Der Mensch setzt das Ziel und prüft das Ergebnis, mittlere Personalisierung schlägt maximale, und ohne Fähigkeiten im Unternehmen bleibt vom Werkzeug wenig übrig.

Mein Vorschlag für den nächsten Schritt: Nimm einen Inhalt, den du regelmäßig erstellst, und schreib den Ablauf in vier Zeilen auf, von Ziel bis Freigabe. Welche Experimente ich selbst mit KI im Marketing mache, teile ich in den [Unternehmer Thoughts](https://felixshmtz.de/unternehmer-thoughts/).

## Häufige Fragen

### Was ist generative KI im Marketing?

Generative KI im Marketing bedeutet, dass Sprach- und Bildmodelle Inhalte wie Texte, Bilder, Videos oder Anzeigenvarianten erzeugen. Sie ersetzt nicht die Strategie, sondern beschleunigt Entwürfe und Varianten. Ziel, Prüfung und Freigabe bleiben Aufgaben von Menschen.

### Welche Chancen bietet generative KI im Marketing?

Die größten Chancen sehe ich bei Tempo, Varianten und der Anpassung eines Inhalts an verschiedene Kanäle. Kleine Teams können damit Dinge umsetzen, für die früher Budget oder Zeit fehlte. Voraussetzung ist ein klarer Ablauf mit menschlicher Prüfung.

### Welche Risiken hat generative KI im Marketing?

Typische Risiken sind austauschbare Inhalte, falsche Fakten, zu starke Personalisierung und unklare Verantwortung für Datenschutz und Urheberrecht. In Experimenten zu KI-generierten Anzeigen führte hohe Personalisierung zu schlechteren Einstellungen der Verbraucher als mittlere.

### Lohnt sich generative KI für kleine Unternehmen?

Aus meiner Sicht ja, wenn du klein anfängst und einen festen Prüfschritt einbaust. Studien deuten darauf hin, dass Infrastruktur, Fähigkeiten im Team und Datenzugang mitentscheiden, wie viel am Ende ankommt. Ein Werkzeug allein reicht also nicht.

## Quellen

- [Kumar, Kotler, Gupta, Rajan (2025): Generative AI in Marketing: Promises, Perils, and Public Policy Implications. Journal of Public Policy & Marketing](https://doi.org/10.1177/07439156241286499)
- [Wiji Utami, Andari, Deva Satrio, Khaidzir (2026): Human-AI Co-Creation in Generative AI-Driven Social Media and Digital Marketing Content Production: A Systematic Literature Review. International Conference on ICT for Smart Society (ICISS)](https://doi.org/10.1109/ICISS71466.2026.11715162)
- [Sun, Xie, Sun (2025): The Inverted U-Shaped Effect of Personalization on Consumer Attitudes in AI-Generated Ads. Journal of Advertising Research](https://doi.org/10.1080/00218499.2025.2462405)
- [Tran, Nguyen, Tam (2026): Responsible Use of Generative AI Tools in SME Marketing: Evidence from the Mekong Delta, Vietnam. IEEE International Conference on Quantum Photonics, Artificial Intelligence & Networking (QPAIN)](https://doi.org/10.1109/QPAIN69676.2026.11545558)

Quelle: https://felixshmtz.de/artikel/generative-ki-im-marketing/