Jede Marketing-Funktion hat einen Prozess-Teil, der Wiederholung ist — und einen Urteils-Teil, der Erfahrung braucht. Die letzten zehn Jahre haben wir versucht, den ersten Teil mit "Tools" zu lösen: Zapier, Workflows, Regel-Engines. Das skaliert, solange die Regeln einfach bleiben. Sobald Kontext oder Sprache reinkommt, bricht das Modell.
AI Agents verändern hier die Spielregeln. Nicht, weil sie magisch "denken" — sondern weil sie zwischen Prozess und Urteil sitzen. Sie können Input interpretieren, Entscheidungen treffen und nachfragen, ohne dass du jede Verzweigung vorher modellieren musst.
Was ein AI Agent von einer Automation unterscheidet
Eine klassische Automation ist deterministisch: Input X → Output Y. Kein Graubereich. Ein Agent kann mit unstrukturiertem Input umgehen, Tools aufrufen, Zwischenergebnisse bewerten und iterieren.
Konkret: Ein Cold-Email-Workflow in Zapier kann "Send email when lead fills form" ausführen. Ein Agent kann den LinkedIn-Post des Leads lesen, eine passende erste Zeile schreiben, prüfen ob sie holprig klingt, und wenn ja nochmal neu formulieren — bevor die Mail rausgeht.
Drei Stellen, an denen sich der Einsatz heute lohnt
1. Outbound-Recherche. Pro Lead lesen Agents öffentliche Profile, Company-Pages und Nachrichten, und liefern einen strukturierten "Why now"-Trigger. Menschen machen das in 8 Minuten, Agents in 30 Sekunden — bei vergleichbarer Qualität, wenn die Prompts gut sind.
2. Nurture-Sequenzen. Statt statischer Drip-Kampagnen bauen Agents pro Lead einen individuellen Follow-up-Rhythmus. Bricht jemand nach Mail 2 aus dem Pattern aus, reagiert der Agent darauf — ohne dass du 40 Branching-Flows pflegen musst.
3. Content-Drafts. Nicht Endprodukt, aber First-Draft-Faktor. Ein gut gebauter Content-Agent liefert dir 80% eines Artikels, LinkedIn-Posts oder Ad-Copys. Die letzten 20% — Positionierung, Ton, Konkretes — bleiben Mensch. Aber der Hebel liegt in den 80%.
Was NICHT funktioniert
Wir haben genug Projekte gesehen, wo Teams glaubten, ein einziger "Marketing Agent" würde das ganze Funnel-Management übernehmen. Das funktioniert nicht. Agents sind keine General-Manager, sondern Spezialisten. Ein Research-Agent, ein Copy-Agent, ein QA-Agent — die zusammenarbeiten wie ein kleines Team.
Die zweite häufige Falle: Agents ohne Human-in-the-Loop live schalten. Ein halluziniertes Faktum in einer Cold-Email ist teurer als die ganze Automation wert war. Für alles, was extern rausgeht, braucht es entweder einen letzten menschlichen Check oder extrem harte Guardrails.
Wie wir das bei Attention Fox einsetzen
Bei uns intern laufen aktuell sieben Agents parallel — von Lead-Scoring über LinkedIn-Posts bis Invoice-Drafts. Für Kundenprojekte sind zwei bis drei Agents pro Use Case der Standard-Scope. Mehr wird komplex, weniger ist meist zu schwach.
Wenn du überlegst, wo in deinem Stack der erste Agent sinnvoll ist: Fang bei der Aufgabe an, die dein bester Mensch einmal pro Tag wiederholt. Nicht bei der, die niemand macht, weil sie zu nervig ist.