Warum vertrauenswürdige Identität, Geschäftskontext und Closed-Loop-Messung das Fundament für AI-Agenten sind, die Marketingentscheidungen verbessern und ihren Wert beweisen
von Elena Tesser und Alexandra Haefele
Marketingverantwortliche stehen heute vor einer größeren Komplexität als je zuvor. Sie arbeiten mit mehr Kundendaten, mehr Kanälen und mehr Messwerkzeugen als zu jedem anderen Zeitpunkt in der Geschichte dieser Disziplin. Gleichzeitig verlaufen Customer Journeys immer seltener linear, und Identitätssignale verlieren schnell an Gültigkeit, wenn Menschen ihre Geräte und Kontaktdaten wechseln. Marketingfachleute haben die letzten zwei Jahrzehnte damit verbracht, kommerzielle Martech-Tools aufzubauen, um Schritt zu halten – laut Schätzungen von Martech-Experten sind es mittlerweile über 15.000, ohne die unzähligen MCP-Integrationen für Agenten (State of Martech 2026). Das Vertrauen in die Wirksamkeit der Maßnahmen konnte jedoch nicht Schritt halten, da jedes neue System eine weitere Kopie der Kundendaten, neue Definitionen und eine zusätzliche Übergabe zwischen den Teams mit sich bringt.
Unterdessen verändern sich auch die wirtschaftlichen Rahmenbedingungen im Marketing. Der Wert verlagert sich von einer Impression-Währung, bei der der Erfolg an Reichweite und Frequenz gemessen wird, hin zu einer Prediction Economy – einem neuen Modell, das „die Fähigkeit belohnt, vorherzusagen, was ein Kunde braucht, im selben Moment danach zu handeln, diese personalisierte Botschaft zu übermitteln, das dadurch erzielte Geschäftsergebnis nachzuweisen und dies dann als Beschleuniger für die nächsten Schritte zu nutzen“, erklärt Jake LaDuke, Global GTM Lead für Media, Entertainment & Advertising bei Databricks. Gleichzeitig beginnen Verbraucher, eigene AI-Agenten zu nutzen, um Optionen zu vergleichen und in Sekundenschnelle zu kaufen. Dadurch schrumpft das Zeitfenster für Marken, um Ergebnisse vorherzusagen, zu handeln und zu messen.
Doch trotz dieses wachsenden Drucks muss die Finanzabteilung weiterhin wissen, ob die Marketingausgaben zu inkrementellem Umsatz und einer höheren Marge geführt haben – und ob der nächste Euro im Marketing bleiben, in einen anderen Wachstumshebel fließen oder dem Nettoergebnis zugutekommen sollte. Für Marketingfachleute stellt sich die Frage, wie sie diese Komplexität durchbrechen können, um verlässliche Antworten zu liefern.
Da sich AI und Agenten in allen Branchen und Geschäftsbereichen rasant verbreiten, bieten sie Marketingfachleuten eine hervorragende Möglichkeit, diese Klarheit zu schaffen. Mit dem richtigen Kunden-, Geschäfts- und Entscheidungskontext können Agenten nahezu in Echtzeit die nächste beste Maßnahme (Next Best Action) für jeden Kunden empfehlen oder ergreifen – und das innerhalb der von den Marketingverantwortlichen selbst definierten Ziele und Leitplanken. Jede Maßnahme wird daran gemessen, was ohne sie passiert wäre, und dieses Ergebnis fließt direkt wieder in den Kontext für die nächste Entscheidung ein. Das Endergebnis sind bessere, konsistente Entscheidungen in Millionen von Kundenmomenten sowie eine klare Messung, die zeigt, dass diese Entscheidungen eine inkrementelle Wirkung erzielt haben.
Ein Agent kann nur so gut agieren, wie es der ihm zur Verfügung stehende Kontext erlaubt. Die Identität hält diesen Kontext zusammen. Zachary Van Doren, SVP of Product Strategy and Ecosystem bei Acxiom, formuliert es so: „Identität treibt das Handeln an.“ Ohne dieses Identitätsfundament, so Van Doren, „gibt es keinen einsatzbereiten Kontext, den Agenten nutzen können“. Identity Resolution wird oft als reines Profilerstellungsprojekt mit einem festen Endziel behandelt. In einem agentenbasierten Modell liegt ihr Zweck jedoch im Handeln: der Fähigkeit, Kunden über alle Kanäle hinweg konsistent zu erkennen, anzusprechen, zu messen und erneut zu binden. Ein perfekt erstelltes Profil, das diese Schritte nicht unterstützt, kann keine optimalen Ergebnisse liefern.
Die Herausforderung besteht jedoch darin, dass sich Identitäten ständig weiterentwickeln. Menschen ziehen um, wechseln ihre Geräte und E-Mail-Adressen, und ihr Verhalten ändert sich mit ihren Lebensumständen. Daher muss die Identität kontinuierlich gepflegt werden, anstatt sie nur einmal aufzulösen und dann sich selbst zu überlassen. Zudem müssen Marken bekannte Kundendaten mit pseudonymen Absichtssignalen (Intent-Signalen) wie anonymen App-Sitzungen oder Werbekontakten verknüpfen, ohne dabei den Datenschutz, die Governance oder das Vertrauen der Verbraucher zu gefährden.
Selbst mit einem starken Identitätsfundament reicht es nicht aus, Signale einfach mit einem dauerhaft gespeicherten Profil zu verknüpfen. Derselbe Kunde erfordert unter Umständen völlig unterschiedliche Maßnahmen – je nach Timing, aktuellem Verhalten, Kanal, vorheriger Werbeberührung und dem jeweiligen Geschäftsziel. Wo und wie jemand interagiert, ist ebenso wichtig wie die Frage, wer diese Person ist. Deshalb weicht die alte Entscheidung zwischen personenbezogenem und inhaltsbasiertem Targeting der Notwendigkeit, beides zu nutzen. Die effektivsten Identitätsstrategien konzentrieren sich darauf, einen besseren Kontext für Entscheidungen zu schaffen, wobei ein verknüpftes und persistentes Profil diesem Ziel dient.
Acxiom bietet ein gutes Beispiel dafür, wie dieses Fundament modernisiert wird. In Zusammenarbeit mit Lovelytics hat Acxiom seine Daten- und Identitätsdienste als native Anwendungsschicht auf Databricks neu aufgebaut. Dadurch wurde die Time-to-Market für direkt nutzbare Kundenerkenntnisse um rund 30 % verkürzt und die Betriebskosten wurden um etwa 15 % gesenkt. Die Real ID Identity Resolution Engine von Acxiom läuft jetzt ebenfalls nativ in Databricks. So können Marken Kundendaten direkt dort auflösen und anreichern, wo sie sich bereits befinden, anstatt sie in eine separate Umgebung exportieren zu müssen.
„Jeder von uns bringt einen anderen Baustein ein“, sagt Jay Goebel, Practice Lead für Communications und Media bei Lovelytics. „Databricks stellt die Plattform bereit, Acxiom liefert die vertrauenswürdige Identität und Lovelytics bringt die Implementierungserfahrung ein, um das Ganze in die Praxis umzusetzen. Als frühe Launch-Partner für CustomerLake arbeiten wir zusammen, damit Marketingverantwortliche auf Basis des Kundenkontexts handeln und den Wert dieser Maßnahmen nachweisen können.“
Ein herkömmlicher Kundendatensatz erfasst, wer jemand ist und was diese Person getan hat. Damit ein Agent eine Entscheidung treffen kann, die ein Marketingverantwortlicher voll und ganz unterstützt, benötigt er vier Arten von Kontext.
Das Volumen dieses Kontexts summiert sich schnell. Eine einzige Transaktion kann 30 bis 50 Metadatenparameter enthalten, sodass ein einzelnes Kundenprofil leicht Tausende von Kontextspalten umfassen kann – weit mehr, als ein Marketingverantwortlicher ohne Unterstützung bewältigen kann.
Aus Sicht des Marketingverantwortlichen zahlt sich ein vollständigeres Profil erst dann aus, wenn es eine Entscheidung verbessert. Bei dieser Entscheidung geht es meist darum, ob überhaupt eine Interaktion stattfinden soll, welche Botschaft oder welches Angebot am relevantesten ist, welcher Kanal genutzt werden soll und ob die Maßnahme einen Mehrwert schaffen kann, ohne das Kundenerlebnis, die Wirtschaftlichkeit des Angebots oder die Einwilligung des Kunden zu beeinträchtigen.
Stellen Sie sich einen Stammkunden einer QSR-Marke vor, der nichts mehr bestellt hat, aber vor Kurzem die App geöffnet hat, um darin zu stöbern. Die reflexartige Reaktion wäre, einen weiteren Rabatt zu senden. Ein besserer Ansatz beginnt mit der Entscheidung, die die Marke eigentlich treffen möchte. Er umfasst fünf Überlegungen:
Verschiedene Kunden erfordern in dieser Situation unterschiedliche Reaktionen. Wenn ein Kunde, der normalerweise jeden Freitag bestellt, eine Woche auslässt und dann am Donnerstag seine übliche Bestellung ansieht, reicht eine rechtzeitige Erinnerung möglicherweise aus. Wenn derselbe Kunde seit sechs Wochen nicht bestellt hat und sich ein Familienmenü ansieht, ohne die Bestellung abzuschließen, kann ein Anreiz für ein Bundle oder eine kostenlose Beilage helfen, die Gewohnheit wieder aufzubauen. Ein Kunde, der wiederholt Nachrichten gesehen hat, ohne zu reagieren, signalisiert möglicherweise, dass die Marke die Botschaft ändern, den Kanal wechseln oder die Ausgaben für ihn vorerst einstellen sollte.
Ein kompetentes Marketingteam kann all dies für einen einzelnen Kunden durchdenken, aber kein Team kann täglich Millionen von Kundenmomenten manuell mit derselben Sorgfalt bearbeiten. Agentisches Marketing soll diese Lücke schließen, indem es konsistente, fundierte Entscheidungen in großem Maßstab trifft, die Leitplanken in menschlicher Hand behält und aus jedem Ergebnis lernt.
In der Customer Data Platform ist diese Veränderung im Marketing-Stack am deutlichsten sichtbar. Traditionelle CDPs helfen dabei, Profile zu vereinheitlichen und Zielgruppen zu aktivieren, aber sie befinden sich in der Regel außerhalb der zentralen Daten- und AI-Plattform eines Unternehmens. Dadurch entsteht eine weitere Kopie sensibler Kundendaten, die integriert, gesichert und abgeglichen werden muss. Agenten benötigen an einem zentralen Ort kontrollierten Zugriff auf Identitäten, prädiktive Modelle, Geschäftslogik, Aktivierungsendpunkte und Leistungssignale.
Das ist das Prinzip hinter CustomerLake, der Agentic CDP von Databricks. CustomerLake ist in das Databricks Lakehouse eingebettet und wird von Unity Catalog verwaltet, sodass Marketing-Engagement und Personalisierung auf derselben Daten- und AI-Basis arbeiten, auf die sich auch der Rest des Unternehmens verlässt. Sie ist um zwei Arten von Agenten herum organisiert.
Marketer können natürliche Sprache verwenden, um den Kundenkontext zu untersuchen und über Genie Zielgruppen aufzubauen. Dadurch müssen sie seltener auf benutzerdefinierte Datenabfragen warten. Sie definieren die Strategie, Ziele und Leitplanken, die die Ausführung durch die Agenten steuern.
CustomerLake treibt das an, was Databricks als „Infinity Campaigns“ bezeichnet – Always-on-Engagement-Schleifen, die den Zyklus aus Erstellung, Start und Neuerstellung von Einmalkampagnen ersetzen. Ein Marketer beginnt mit einem Ziel, wie der Reaktivierung inaktiver Kunden. Agenten identifizieren dann die richtige Zielgruppe, berücksichtigen Berechtigungs- oder Bestandsbeschränkungen, empfehlen das beste nächste Angebot oder den besten Kanal, aktivieren über verschiedene Kanäle hinweg und optimieren oder unterdrücken basierend auf der Performance.
CustomerLake ist außerdem so konzipiert, dass es mit den Partnern für Identität, Aktivierung, Messung und Customer Experience zusammenarbeitet, die Marken bereits nutzen. So kann vertrauenswürdiger Kundenkontext über Kanäle hinweg fließen, ohne dass ein neues Silo entsteht. Es wurde mit einem offenen Partner-Ökosystem gestartet, zu dem auch Acxiom gehört, und wird von Dienstleistungspartnern wie Lovelytics unterstützt.
In vielen Unternehmen erfolgt die Messung erst im Nachhinein als Bericht darüber, was eine Kampagne gebracht hat. In einem agentischen Modell wird die Messung Teil der Entscheidungsschleife. Was die Marke über eine Zielgruppe, ein Angebot, einen Kanal oder das Investitionsvolumen lernt, prägt direkt die nächste Entscheidung.
Das Konzept der Inkrementalität treibt dieses Schwungrad an und ist zudem die nützlichste gemeinsame Sprache zwischen Marketing und Finanzen. Es trennt die Ergebnisse, die mit Marketingaktivitäten in Verbindung gebracht wurden, von den Ergebnissen, die sich tatsächlich geändert haben, weil die Marke gehandelt hat. Attribution, Inkrementalitätstests und Marketing-Mix-Modellierung tragen jeweils einen Teil zum Gesamtbild bei, und Conversational Analytics kann Teams dabei helfen, zu untersuchen, was passiert ist und warum, ohne in einer Warteschlange auf benutzerdefinierte Analysen warten zu müssen. Kontinuierliches Lernen macht es außerdem einfacher, Sättigung und sinkende Erträge zu erkennen und festzustellen, wann Investitionen verlagert oder Aktivitäten eingestellt werden sollten.
Wenn die Finanzabteilung abwägt, ob der nächste Euro in Marketing, Verkaufsförderung, einen anderen Wachstumshebel oder das Unternehmensergebnis fließen soll, müssen CMOs im Allgemeinen fünf Dinge nachweisen.
Eine auf diesen Fragen aufbauende Messgrundlage bietet Marketing, Vertrieb und Finanzen eine gemeinsame Sichtweise darüber, was Wert schafft und wo der nächste Euro am effektivsten eingesetzt werden kann. Wie Dedra Berg, Value Realization Leader bei Lovelytics, es ausdrückt: „Diese Teams können jetzt auf derselben vertrauenswürdigen Basis aufbauen, anstatt die Hälfte des Meetings mit dem Abgleich von Zahlen zu verbringen. Das Ziel ist nicht zu beweisen, dass das Marketing immer gewinnen sollte. Es geht darum zu zeigen, wo der nächste Euro den größten inkrementellen Umsatz und die größte Marge für das Unternehmen erzielen kann.“
Die Identität ist das letzte Puzzleteil. Wenn dasselbe Identitäts-Framework Kontakt (Exposure), Engagement und Ergebnis miteinander verknüpft, kann ein Ergebnis auf den Kunden und die Entscheidung, die es hervorgerufen hat, zurückgeführt werden, wodurch sich der Attributionskreis schließt.
Nur wenige Unternehmen verfügen zu Beginn bereits über eine einheitliche Identität, saubere Kundendaten und eine ausgereifte Messung – und darauf zu warten, dass alle drei vorhanden sind, ist selten sinnvoll. Der praktischste Ausgangspunkt ist eine einzelne, bedeutende Entscheidung, bei der ein besserer Kontext und schnelleres Handeln messbaren Wert schaffen können. Die Reaktivierung inaktiver Kunden ist eine beliebte Wahl. Weitere Optionen sind das Unterdrücken von Angeboten, die Käufe subventionieren, die Kunden ohnehin getätigt hätten, oder die Verlagerung von Budget weg von Zielgruppen, die bereits eine Sättigung erreicht haben.
Der Ablauf danach ist recht konsistent. Definieren Sie die Entscheidung und das Geschäftsergebnis, das sie beeinflussen soll, und tragen Sie dann den erforderlichen Kunden- und Geschäftskontext zusammen. Legen Sie die Leitplanken fest und die Punkte, an denen Menschen involviert bleiben. Einigen Sie sich im Voraus darauf, wie der inkrementelle Wert gemessen wird, und nutzen Sie Ihre Erkenntnisse, um die nächste Entscheidung zu verbessern, bevor Sie den Ansatz auf einen anderen Anwendungsfall ausweiten. Frühe Anwender von CustomerLake folgen einem ähnlichen Muster: Sie legen fest, wo Agenten zuerst eingesetzt werden, und erweitern den Automatisierungsgrad, sobald Vertrauen und Ergebnisse wachsen.
Die organisatorische Arbeit ist ebenso wichtig wie die Technologie. Agentisches Marketing ist meist dann erfolgreich, wenn Marketing, Finanzen, Technologie, Analytik, Datenschutz und Vertrieb eng zusammenarbeiten, wenn die Zuständigkeiten für Kundenentscheidungen, Leitplanken und Messungen klar geregelt sind und wenn Teams von isolierten Pilotprojekten zu wiederholbaren, an Geschäftsergebnisse gekoppelten Workflows übergehen.
Um mehr darüber zu erfahren, wie Sie Ihre Marke mit agentischem Marketing transformieren können, sehen Sie sich das On-Demand-Webinar an → Know Your Audience. Act with Relevance. Measure What Matters
Was ist der Unterschied zwischen agentischem Marketing und Marketing-Automatisierung? Marketing-Automatisierung führt Regeln und Journeys aus, die Menschen im Voraus entwerfen. Agentisches Marketing nutzt AI-Agenten, die den aktuellen Kunden- und Geschäftskontext bewerten, um innerhalb von Menschen definierter Leitplanken die beste nächste Aktion auszuwählen – einschließlich der Option, keine Aktion zu ergreifen –, und nutzt gemessene Ergebnisse, um zukünftige Entscheidungen zu verbessern.
Warum ist die Identitätsauflösung für AI-Agenten im Marketing wichtig? Agenten treffen Entscheidungen auf der Grundlage des ihnen zur Verfügung stehenden Kontexts. Eine kontinuierliche Identitätsauflösung verknüpft bekannte und pseudonyme Signale wie Transaktionen, App-Verhalten und Mediakontakte zu einer kohärenten Sicht auf jeden Kunden. Dies macht die Empfehlungen der Agenten zuverlässiger und ihre Ergebnisse messbar.
Was ist eine agentische CDP? Eine agentische Customer Data Platform kombiniert Kernfunktionen einer CDP, einschließlich Identitätsauflösung, Zielgruppenaufbau und Aktivierung, mit AI-Agenten, die Kundensignale analysieren, über die besten nächsten Aktionen entscheiden und kanalübergreifend agieren. Databricks CustomerLake ist eine agentische CDP, die in das Databricks Lakehouse eingebettet ist und von Unity Catalog verwaltet wird.
Wie misst man den ROI von agentischem Marketing? Das zuverlässigste Maß ist die Inkrementalität, also der Unterschied bei Umsatz, Marge oder Kundenverhalten im Vergleich dazu, keine Maßnahmen zu ergreifen. Attribution, Inkrementalitätstests und Marketing-Mix-Modellierung tragen jeweils dazu bei, die Performance zu erklären. Das Zurückspielen dieser Ergebnisse in den Kundenkontext ermöglicht es, dass jede Entscheidung die nächste verbessert.
(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag
Abonnieren Sie unseren Blog und erhalten Sie die neuesten Beiträge direkt in Ihren Posteingang.