Vom Operator zum Orchestrator: Was Marketing-Teams übernehmen, wenn Agenten ausführen

Manche Tätigkeiten, die heute Marketing-Fachleute ausfüllen, werden Agenten übernehmen — vollständig und dauerhaft. Das ist keine Zukunftsvision, das passiert bereits. Die interessante Frage ist eine andere: Was übernehmen Menschen stattdessen? Die Antwort entscheidet darüber, ob ein Team die KI-Transformation im Marketing gestaltet oder von ihr gestaltet wird.

Das Ende des Operators, wie wir ihn kennen

Das Bild des Marketing-Teams hat sich seit Jahrzehnten kaum verändert. Ein Campaign-Manager plant und steuert Kampagnen. Ein Content-Marketer produziert Texte und Grafiken. Ein Analyst zieht Reports und erklärt, was die Zahlen bedeuten. Jeder von ihnen ist ein Operator im besten Sinne: jemand, der Aufgaben ausführt, Prozesse bedient, Werkzeuge benutzt.

Genau diese Arbeit übernehmen Agenten — nicht alle, aber viele. McKinsey schätzt, dass Agentic AI bis zu zwei Drittel der heutigen Marketing-Aktivitäten tragen kann, mit besonders hohen Anteilen bei Content-Erstellung und Kampagnen-Ausführung (Esber et al., 2026). Man kann über die genaue Zahl streiten. Über die Richtung nicht.

Was Menschen stattdessen übernehmen, ist Orchestration. Ein Orchestrator definiert Ziele, legt Leitplanken fest, entscheidet, welche Agenten auf welche Daten zugreifen dürfen, und prüft Ergebnisse auf strategische Konsistenz. Er spielt nicht jede Note selbst — aber er liest die Partitur, interpretiert das Stück und hört, ob der Klang stimmt.

Das klingt nach klassischer Management-Arbeit, und das ist es auch — nur auf einer anderen Ebene. Wer Agenten führt, muss verstehen, was sie tun und warum. Sonst schwingt er den Taktstock, ohne zu wissen, ob das Orchester das richtige Stück spielt.

Welche Fähigkeiten jetzt wertvoller werden

Drei Kompetenzen verschieben sich am stärksten:

Strategisches Urteilen. Agenten können Szenarien entwickeln, aber keine Werte abwägen, keine Prioritäten setzen, keine ethischen Entscheidungen treffen. Ein Mensch, der strategisch klar denkt, entfaltet durch Agenten eine neue Wirksamkeit. Einer, der es nicht kann, verliert sich in einem Strom von Ergebnissen, die er weder einordnen noch steuern kann.

Data Literacy. Agenten operieren auf Daten. Wer nicht beurteilen kann, auf welcher Datenbasis eine Empfehlung entstanden ist — was Kausalität ist und was Korrelation, wo die Lücken im Datenmodell liegen —, kann Agenten-Arbeit weder einschätzen noch steuern. Das erfordert kein Informatikstudium, sondern Neugier, Übung und den Mut, Zahlen zu hinterfragen statt sie zu akzeptieren.

Task Design und Qualitätssicherung. Aufgaben so präzise beschreiben, dass ein Agent weiß, was das Ziel ist, welche Grenzen gelten und wann er eskalieren soll — das ist eine eigene Disziplin. Und weil Agenten Fehler machen, manchmal offensichtliche, manchmal schwer erkennbare, wird die kritische Beurteilung von KI-Outputs zum täglichen Handwerk.

Was konstant bleibt: kreativer Instinkt, Empathie für Zielgruppen, Markenverständnis, das Gespür für den kulturellen Moment. Agenten können das simulieren, aber nicht ersetzen. Was an Bedeutung verliert: manuelle Reporterstellung, Datenaufbereitung, Content-Produktion nach Template, Kampagnen-Setup in Plattformen.

Die Transformation ist dabei weniger binär, als sie klingt. Wer heute exzellente Kampagnen-Reviews macht, wird morgen exzellente Agent-Output-Reviews machen. Wer heute gute Briefings schreibt, wird morgen gute Prompts schreiben. Die Fähigkeiten verschieben sich — sie verschwinden nicht.

Was passiert, wenn das Gleichgewicht kippt

Wie ernst diese Verschiebung ist, zeigt der bekannteste Fall der letzten Jahre: Klarna führte Anfang 2024 einen KI-Agenten im Kundenservice ein, der im ersten Monat 2,3 Millionen Gespräche übernahm — die Arbeit von rund 700 Vollzeitkräften. Dann kam die Korrektur: Kunden beschwerten sich über mangelnde menschliche Erreichbarkeit, und ab 2025 stellte Klarna wieder Menschen ein.

Wirtschaftlich blieb das System beeindruckend — Ende 2025 entsprach die KI der Arbeit von über 850 Mitarbeitenden, bei rund 60 Millionen US-Dollar Kosteneinsparung. Bemerkenswert ist die andere Seite: Die Belegschaft halbierte sich fast, primär über natürliche Fluktuation, und das durchschnittliche Gehalt der Verbleibenden stieg im selben Zeitraum um rund 60 Prozent. Weniger operative Routine, mehr ökonomischer Spielraum für die Tätigkeiten, in denen Menschen Maschinen schlagen — auf dem Papier exakt das Versprechen orchestrierter Systeme.

Die Lektion daraus ist nicht „weniger Automatisierung”. Sie lautet: Die Arbeitsteilung zwischen Agenten und Menschen muss bewusst gestaltet werden. Standardfälle beim Agenten, Ausnahmen und Urteil beim Menschen — als Designprinzip, nicht als Rückschritt.

Was das für dein Team konkret heißt

Vier Schritte, mit denen du anfangen kannst — ohne neue Stellen, ohne Reorganisation:

Beantworte die Ownership-Frage. Wer verantwortet die Agenten, die ihr heute schon einsetzt? Wer reviewt ihre Outputs? Die meisten Teams beantworten diese Fragen gar nicht. Genau das ist der Einstieg — eine neue Haltung, keine neue Stelle.

Sei ehrlich zur Kaffeeküchen-Frage. „Ersetzt KI meinen Job?” wird gestellt, meist nicht im Meeting. „KI ersetzt keine Jobs” ist als Antwort ebenso unbrauchbar wie apokalyptische Szenarien. Benenne, welche Aufgaben sich verändern, was das für die konkrete Person bedeutet — und was die Organisation an Unterstützung beiträgt.

Baue Data Literacy als Routine auf, nicht als Workshop. Eine wöchentliche Runde, in der das Team gemeinsam Daten anschaut und Hypothesen diskutiert, wirkt mehr als jedes One-time-Training. Tandems zwischen denen, die schon gut mit Agenten arbeiten, und denen, die es lernen, skalieren Wissen schneller als jedes Trainingsprogramm.

Schütze Lernzeit explizit. Das größte Upskilling-Hindernis ist selten mangelnde Bereitschaft — meistens fehlt schlicht die Zeit. Wer Entwicklung fordert, aber keine Stunde pro Woche dafür einräumt, sendet eine unmissverständliche Botschaft: Es ist nicht wirklich wichtig.

Die Teams, die diese Verschiebung heute aktiv gestalten, haben in zwei Jahren einen Vorsprung, der sich nicht mehr aufholen lässt. Nicht weil sie bessere Tools gekauft haben — sondern weil sie gelernt haben, hybride Teams aus Menschen und Agenten zu führen.

---

Kapitel 3 des Buchs behandelt die Zukunft von Marketing-Teams im Detail: neue Rollenprofile vom Agent Trainer bis zum Governance Lead, Team-Strukturen im Wandel und Change Management, das ohne Beschönigung auskommt.

→ Zum Buch