Künstliche Intelligenz verändert, wie Unternehmen Entscheidungen treffen – besonders im Marketing. Neue Zahlen und Praxisbeispiele zeigen: Governance und Compliance treiben Entscheidungsprozesse, während technologische Trends wie autonome KI-Agenten die Frage nach echter Autonomie neu stellen. Unternehmen stehen zwischen regulatorischem Druck, hohen Governance-Kosten und dem Versprechen schnellerer Datenanalyse und Automatisierung.

Wie EU-Vorgaben und Governance die Entscheidungsprozesse im Marketing prägen

Mit dem EU AI Act wird die Nutzung von KI in Unternehmen zu einer dokumentierten Governance-Aufgabe. Aktuelle Erhebungen zeigen, dass rund 77 Prozent der Organisationen bereits KI-Governance-Programme aufbauen.

Der Markt für Beratungen und Tools wächst erheblich: Eine jährliche Wachstumsrate von 36,7 Prozent führt zu einem prognostizierten Volumen von 29,6 Milliarden Dollar bis 2033. Das verschiebt Entscheidungen auf Vorstandsebene: 47 Prozent nennen KI-Governance als strategische Priorität.

Konsequenzen für Marketing und Digitalisierung

Für Marketing-Teams bedeutet das: Entscheidungen sind nicht mehr nur technikorientiert, sondern müssen regulatorisch verteidigt werden. Die Folge sind längere Entscheidungszyklen und höhere Projektkosten. Durchschnittliche Compliance-Kosten liegen bei etwa 344.000 Euro, während F&E bei 150.000 Euro anzusetzen ist – eine Governance-Last, die knapp 229 Prozent über den Entwicklungsaufwendungen liegt.

Praxis: Zwei Fallstudien zeigen Chancen und Grenzen der Automatisierung im Marketing

Ein Berliner E‑Commerce-Unternehmen mit etwa 500 Mitarbeitenden nutzte ein strukturiertes Entscheidungsmodell: Erkundung, Standardisierung, Integration und Transformation. Die Entscheidungsphase dauerte acht Monate, gefolgt von einem Pilotprojekt zur Routenoptimierung.

Nach insgesamt 14 Monaten ergaben die Pilotdaten messbare Effekte: 18 Prozent weniger Lieferzeit und 12 Prozent geringere Logistikkosten. Das Unternehmen priorisierte vier Use Cases: Routenoptimierung, Bestandsvorhersage, Kundenservice-Automatisierung und Betrugserkennung.

Multinationale Skalierung und zentrale Plattform-Entscheidungen

Die zweite Fallstudie einer Unternehmensholding mit über 80 Tochtergesellschaften zeigt andere Herausforderungen. Die Entscheidungsfindung dauerte neun Monate, weil Reifegrade stark auseinanderliefen. Es wurden über 80 Use Cases eingereicht und eine zentrale Plattform eingeführt.

Innerhalb eines Jahres ließen sich mehr als 400 Stunden pro Monat einsparen, als 60 Prozent der Tochterfirmen aktiv wurden. Der Fall illustriert: Skalierte Automatisierung gelingt mit zentraler Koordination, aber erfordert erheblichen Abstimmungsaufwand.

Warum viele KI-Projekte im Marketing dennoch scheitern — und was das für Innovation bedeutet

Empirisch bleibt die Erfolgsquote von KI-Initiativen niedrig: Schätzungen weisen darauf hin, dass bis zu 80 Prozent der Projekte scheitern. Die Ursachen sind meist prozessual: unklare Zielsetzungen, mangelhafte Datenqualität und fehlendes Change-Management.

Aktuelle Erfahrungswerte zeigen, dass zwischen 60 und 80 Prozent des Budgets in die Datenaufbereitung fließen. Ohne diesen Schritt geraten Projekte schnell in Zeit- und Kostenüberschreitung.

Ausblick: Agentic AI, Demokratisierung und gemischte Verantwortlichkeiten

Die nächste Welle heißt agentic AI: KI-Agenten, die nicht nur empfehlen, sondern handeln. Gartner prognostiziert, dass bis 2028 etwa 33 Prozent der Unternehmensanwendungen Agenten integrieren werden. Das erhöht die Anforderungen an Governance und macht die Rolle menschlicher Entscheidungsträger zentraler.

Parallel treibt die Demokratisierung durch No‑Code-Tools die dezentrale Nutzung in Fachbereichen voran. Für Marketing bedeutet das: schnellere Experimentierzyklen, aber auch größere Kontrollmechanismen für Algorithmus‑Entscheidungen und das beobachtbare Kundenverhalten.

Die Lehre für Unternehmen ist klar: Digitalisierung und Innovation im Marketing brauchen rigorose, dokumentierte Entscheidungsprozesse. Wer die sieben Phasen von der Strategie bis zur Stakeholder‑Mobilisierung ernst nimmt, erhöht die Chance, dass KI-Projekte nicht nur automatisieren, sondern echten Mehrwert liefern.