Marketers kauften die KI. Das Vertrauen blieb im Warenkorb.
Zwei im April veröffentlichte Studien zeigen: Marketer nutzen KI überall – vertrauen ihr aber kaum. Die Lücke ist kein Reifeproblem, sondern der Preis dafür, die Ergebnisse des Modells zu überprüfen.
Neritus Vale
Zwei im April veröffentlichte Studien beschreiben dieselbe Lücke – von entgegengesetzten Seiten: Die meisten haben KI gekauft, wenige ihr die Erlaubnis gegeben, selbstständig zu handeln. Digiday+ Research, gestützt auf Feldforschung aus dem vierten Quartal 2025, ermittelte, dass 82 % der Fach- und Agenturleute KI für die Kreativproduktion einsetzen; der Supermetrics 2026 Marketing Data Report, der 435 Marketer in fünf Märkten befragte, stellte fest, dass lediglich 6 % sie vollständig in ihre Abläufe integriert haben. Die eine Zahl misst die Nutzung, die andere die Befugnis. Dazwischen liegt eine Frage zur Überprüfbarkeit, die drei Jahre Marketing-KI-Werbung nicht beantworten musste. Die Grenze für KI im Marketing ist nicht mehr das Modell selbst – sondern wie viel von dem, was das Modell produziert, ein Marketer vertreten kann.
Der Druck, die Lücke zu schließen, kommt von oben. Supermetrics stellte fest, dass 80 % der Marketer Druck verspüren, KI einzuführen. Wer Marketing-KI kauft und wer sie bedient, sind zwei verschiedene Personen – und die Bedienenden tragen den Überprüfungsaufwand. Das Management sieht Nutzungszahlen; der Marketer sieht die veröffentlichte Arbeit. Diese Asymmetrie zeigte sich bereits bei CRM, Attribution und Personalisierung. Was in diesem Zyklus neu ist, ist die Geschwindigkeit, mit der die Führungsebene an den Vorbehalten der Operativen vorbeigelassen wird.
Die Einführungsdaten spiegeln den Prüfaufwand fast eins zu eins wider. Digiday ermittelte, dass 82 % KI für die Kreativproduktion nutzen – ein Bereich, in dem jeder Entwurf vor dem Versand geprüft wird – und dass 54 % noch keine agentischen Systeme einsetzen, die unbeaufsichtigt laufen würden. Der Einsatz steigt dort, wo Menschen prüfen können, und sinkt dort, wo sie es nicht können. Das Muster ist konsistent: Je höher der Aufwand, eine Aufgabe zu kontrollieren, desto geringer die Übernahme. KI ist willkommen, wo ein Marketer die Hausaufgaben korrigieren kann – und selten dort, wo das nicht möglich ist.
Vertrauen ist in diesem Bild keine weiche Variable; es ist ein Budgetposten für die Zeit, die ein Marketer braucht, um die Arbeit zu lesen.
Die Standardantwort lautet, die Lücke sei ein Reifeproblem, kein strukturelles. Supermetrics’ eigener Report macht Dateneigentümerschaft für den Rückstand verantwortlich: 52 % der Marketing-Teams kontrollieren ihre Datenstrategie nicht, und die Umsetzungszahl wird als Kurve dargestellt, die jedes Team irgendwann durchlaufen wird. Dieses Argument hat Gewicht; Eigentümerschaft und Integration drosseln die Einführung, und die Kurve hat sich bei Analytics, Attribution und Personalisierung schon früher gebogen. Doch das Argument verkennt, was Überprüfung in agentischen Systemen bedeutet. Sobald ein Agent fünf Aufgaben ohne menschliche Zwischenkontrolle aneinanderreiht, ersetzt kein nachträglich geschriebenes Protokoll das, was ein Marketer mittendrin geprüft hätte. Der Bruchpunkt in einer agentischen Kette liegt genau dort, wo die Überprüfung endet – und keine Reifekurve schließt ihn.
Der CMO Council näherte sich derselben Lücke von der entgegengesetzten Seite. Seine Befragung von 371 Marketing-Führungskräften zeigte eine 51-Punkte-Differenz beim ROI zwischen Teams, die er „Power Partners” und „Emerging Partners” nannte, und schrieb den Unterschied eher dem Redesign von Workflows als dem Tool-Budget zu. Die erfolgreichen Teams setzen nicht mehr Modelle ein, sondern bauen Überprüfungspunkte gezielt in ihre Arbeit ein. Wo Supermetrics „Eigentümerschaft” liest, liest der CMO Council „Urteilsvermögen”. Beide messen dasselbe: wie viel vom Output der KI ein Mensch verantworten will.
Mode-Marketer haben von der Generierung am meisten zu gewinnen und tragen beim Review den steilsten Preis. Unilevers Selina Sykes sagte Digiday aus ihrer Rolle in der Beauty-and-Wellbeing-Sparte: „Früher haben wir 20 Assets pro Kampagne erstellt, jetzt sind es Hunderte.” Die Produktionsschranke fiel – und der Engpass verlagerte sich zur Prüfung. Dieselbe Dynamik gilt in der Mode: Gap, das im CMO-Council-Report unter den Marken mit Führungsperspektiven genannt wird, verkauft in einer Kategorie, in der ein falsch gestyltes Lookbook die Conversion für eine ganze Saison untergraben kann. Der Prüfaufwand wächst mit jedem Asset, weil die Marke im Asset steckt; agentische Systeme, die Kreatives ohne Checkpoint ausliefern, setzen die Marke mit der Geschwindigkeit der Generierung aufs Spiel. Mode-Teams halten den Menschen zwischen Modell und Markt – selbst wenn sie bereits für die Autonomie bezahlt haben.
Die Grenze hält, weil Überprüfung, anders als Rechenleistung, mit Skalierung nicht günstiger wird. Ein doppelt so leistungsfähiges Modell produziert doppelt so viel für denselben Menschen zu lesen – und der Tag des Marketers verdoppelt sich nicht dazu. Wenn die nächste Generation von Marketing-KI keinen eigenen Prüfpfad liefern kann – einen, den ein Mensch stichprobenartig kontrollieren kann, statt ihn vollständig neu zu lesen –, wird die Einführung langsam bleiben. Denn Vertrauen braucht Belege, die die Technologie noch nicht liefert. Die Anbieter, die diese Runde gewinnen, sind jene, deren Ergebnisse eine Marke in einem einzigen Durchgang verteidigen kann. Der Kauf war der einfache Teil. Was im Warenkorb bleibt, ist die Erlaubnis.