Dein Marketingteam nutzt ein Dutzend Tools. Wahrscheinlich sogar noch mehr. Jedes einzelne davon wurde aus gutem Grund angeschafft: um deine Kunden ein bisschen besser zu verstehen und ihre Fragen ein bisschen schneller zu beantworten.

Warum führen mehr Tools dann so oft dazu, dass man am Ende mehr Dashboards und weniger echte Antworten hat? Und warum greifen genau an diesem Punkt alle auf KI zurück, um das Problem zu lösen? Das zu klären, ist das eigentliche Ziel der Martech-Stack-Konsolidierung – und genau diesen Schritt überspringen die meisten Teams, kurz bevor sie die Situation noch verschlimmern.

Zunächst mal eine kurze Erklärung, denn nicht jeder kennt sich in dieser Welt aus. Dein Martech-Stack ist einfach die Gesamtheit der Software, mit der dein Marketing arbeitet. Die Analysetools, die E-Mail-Plattform, das CRM, die Werbetools, die Dutzend Dashboards, an deren Anschaffung sich niemand mehr so richtig erinnern kann. Zusammengenommen ist dieser Haufen dein Stack.

Wie dir dein Martech-Stack aus der Hand geglitten ist

Niemand hat von vornherein vor, ein Dutzend Tools zu nutzen. Das sammelt sich einfach so an. Man fängt mit zwei oder drei an, die ihren Platz eindeutig verdient haben, dann kommt eins dazu, das ein dringendes Problem lösen sollte, und dann noch eins, von dem ein Anbieter geschworen hat, dass es das vorherige wieder in Ordnung bringen würde. Scott Brinkers Branchenübersicht Mittlerweile stehen dort mehr als 15.000 Marketing-Tools zur Auswahl, sodass es immer einen gut begründeten nächsten Kauf gibt.

Jede Entscheidung für sich genommen macht Sinn. In der Summe jedoch nicht. Gartner hat herausgefunden, dass Marketingfachleute weniger als die Hälfte der Software nutzen, für die sie bezahlen. Meiner Erfahrung nach wollen Käufer, die von der Unübersichtlichkeit genervt sind, mittlerweile weniger Anbieter, nicht mehr. Was übrig bleibt, ist ein System, das niemand mehr vollständig versteht.

Niemand kauft absichtlich einen überladenen Stack.
Du baust es Stück für Stück auf, mit jedem vernünftigen „Ja“.

Warum KI einen chaotischen Stack noch schlimmer macht, statt ihn zu verbessern

Hier kommt der unangenehme Teil. Garbage in, garbage out. Sh*t in, sh*t out. Du kennst die Regel. Du hast sie nur noch nie auf deine eigenen Tools angewendet.

KI räumt keinen fragmentierten Datenbestand auf. Sie läuft mit dem, was du ihr zuführst – und wenn das doppelte Datensätze, drei widersprüchliche Informationsquellen und Definitionen sind, auf die sich niemand geeinigt hat, liefert dir das Modell mit großer Sicherheit Unsinn, und zwar schneller und in großem Maßstab. KI verstärkt die Kohärenz, die du bereits hast. Wenn du keine hast, verstärkt sie das Chaos.

KI behebt keine Fragmentierung des Stacks.
Dadurch kannst du einfach schneller Fehler machen – und das in großem Stil.

Meine Entscheidung für die Konsolidierung (und der Teil, den ich noch einmal überdenken würde)

Während meiner Zeit in der Unternehmenswelt, erst bei L’Oréal und später bei EnBW, habe ich immer wieder auf dasselbe Konzept gesetzt. Wir haben so viel wie möglich auf Google verlagert. Ein Ökosystem, ein Login, eine einheitliche Datenbasis. Und es hat funktioniert. Die Berichterstattung wurde schneller. Das Team stritt sich nicht mehr darüber, welches Dashboard die Wahrheit sagte.

Würde ich heute genau dieselbe Entscheidung treffen? Ich bin mir ehrlich gesagt nicht sicher. Konsolidierung bringt dir Kohärenz. Sie bringt dir aber auch Bindung. Die zentrale Informationsquelle, die uns schnell gemacht hat, hat uns gleichzeitig von der Roadmap und der Preisgestaltung eines einzigen Unternehmens abhängig gemacht. Dieser Kompromiss ist real, und jeder, der dir “einfach alles vereinfachen” verkauft, lässt die ehrliche Hälfte des Gesprächs aus.

Bei der Konsolidierung des Martech-Stacks geht es um Kohärenz, nicht um weniger Logos

Das Ziel ist also nicht, aus Eitelkeit weniger Tools zu nutzen. Sechs Logos zu streichen, nur um den Eindruck von Schlankheit zu erwecken, ist reine Show. Das Ziel ist Kohärenz: Deine Mitarbeiter und deine zukünftige KI arbeiten mit denselben klaren Eingaben, denselben Definitionen und derselben einzigen Antwort auf die eine Frage deiner Kunden. Das ist die Art der Martech-Stack-Konsolidierung, die sich lohnt, und genau diese Art von unspektakulärer Vorarbeit leiste ich letztendlich mit meinen Kunden, bevor irgendetwas Raffiniertes in Gang gesetzt wird. Mehr darüber, wie ich arbeite, findest du auf der Service-Seite.

Fünf Dinge, die du prüfen solltest, bevor du KI an deinen Code lässt

Genug der Theorie. Hier kommt der praktische Teil. Bevor ich einem Kunden erlaube, KI einfach so in sein Marketing einzubauen, führen wir immer dieselben fünf Prüfschritte durch. Keiner davon ist besonders glamourös. Aber sie alle entscheiden darüber, ob KI dich scharfsinniger macht oder ob du dadurch nur schneller falsch liegst.

1. Eine einzige zuverlässige Informationsquelle für den Kunden. Nenne das eine System, das den tatsächlichen Überblick über einen Kunden bietet. Wenn drei Tools jeweils behaupten, genau das zu leisten, hast du gar keines.
2. Zahlen, die übereinstimmen. Ruf dieselbe Kennzahl – zum Beispiel den Umsatz des letzten Monats – aus zwei verschiedenen Tools ab. Wenn die Werte nicht übereinstimmen, ist dein Bericht reine Fiktion, und die KI wird diese Fiktion nur noch weiter ausbauen.
3. Werkzeuge, die jemand tatsächlich benutzt. Nenne für jedes Tool die Person, die sich jede Woche einloggt, und die Entscheidung, die dadurch getroffen wird. Kein Name und keine Entscheidung bedeuten, dass es sich um ein Abonnement handelt, nicht um ein Tool.
4. Saubere Übergaben. Verfolge jeden Punkt, an dem Daten manuell weitergegeben werden: Exportieren, neu formatieren, wieder importieren. Bei jedem manuellen Übergang geht die Wahrheit still und leise verloren.
5. Für jedes Werkzeug gibt es einen guten Grund. Wenn die ehrliche Antwort auf die Frage “Warum haben wir das überhaupt?” lautet: “Ein Anbieter hat gesagt, er würde das letzte Problem beheben”, dann hast du gerade den ersten Punkt gefunden, den du streichen kannst.

Wenn du diese fünf Punkte ehrlich durcharbeitest, wirst du wissen, was du konsolidieren und was du abschalten solltest – lange bevor du auch nur einen Cent für KI ausgibst. Wenn du einen zweiten Blick auf deine Arbeit haben möchtest, Das ist ein Gespräch, das ich gerne führe.

Dein Kunde hat immer noch nur eine Frage. Bau eine Lösung, die diese Frage beantworten kann. Wenn das bei dir einen Nerv getroffen hat, Lass uns reden, oder schau einfach mal bei mir vorbei auf LinkedIn, wo ich fast jede Woche laut darüber nachdenke.

Allgemeine Fragen

The post All these tools. No answers. And now AI. So what now? appeared first on Linelia.io.

In letzter Zeit hatte ich einige Momente in Projekten, in denen ich mich beim Denken ertappt habe:

Vor ein paar Jahren hätte man dafür noch ein ganzes Team gebraucht.

Jetzt geht es um ein Gespräch, ein paar Wiederholungen ... und schon geht es weiter. Nicht, weil wir an der falschen Stelle sparen würden.

Aber weil die KI einen Großteil der Arbeit abnimmt, die früher große Teams rechtfertigte.

Dieser Wandel verändert die KI-Beratung im Vergleich zur traditionellen Beratung bereits auf sehr praktische Weise.

Und das ändert etwas Grundlegendes:

Was Unternehmen wirklich von Beratern brauchen.

5 Dinge, die sich im Moment verändern

1. Mehr Menschen bedeuten nicht mehr Fortschritt

Lange Zeit war das Hinzufügen von Menschen die Standardantwort.

• Mehr Analysten.
• Mehr Folien.
• Mehr Kapazität.

Heute ist ein großer Teil dieser Arbeit einfach... weg.
Oder zumindest massiv komprimiert.

Das führt zu einer etwas unbequemen Wahrheit:
Mehr Menschen bedeuten oft einfach mehr Koordination.

Und Koordination bringt die Dinge selten voran.

2. “Viele Unternehmen gesehen zu haben” ist nicht dasselbe wie eines geleitet zu haben

Das ist wahrscheinlich die größte Lücke, die ich sehe.

Du kannst an Dutzenden von Projekten arbeiten...
und trotzdem nie erfahren, was es wirklich bedeutet, Verantwortung in einer Organisation zu tragen.

Denn im Inneren sieht es anders aus.

Entscheidungen sind nicht sauber.
Die Kompromisse sind real.
Politik ist Teil des Spiels.
Und wenn etwas schief geht, gehst du nicht zum nächsten Projekt über.

Du bleibst dabei.

Das verändert dein Denken.

Und das zeigt sich sehr schnell in den Empfehlungen, die du aussprichst.

3. Geschwindigkeit kommt nicht mehr von Kapazität. Sie kommt von der Klarheit.

Die alte Art der Beratung:
→ mehr (jüngere) Leute = schnellerer Fortschritt

Die Realität:
→ mehr Menschen = mehr Ausrichtungsschleifen
→ KI nimmt dir einen Großteil der Arbeit ab.

Was jetzt noch übrig ist, ist:
- Das Problem verstehen
- Entscheidungen treffen
- Vorwärtskommen

Und das lässt sich nicht gut mit der Teamgröße skalieren.

4. Bei vielen “Beratungsarbeiten” ging es nie wirklich um die Lösung des Problems

Wenn wir ehrlich sind, geht ein großer Teil der traditionellen Projektarbeit in Dinge wie:

• interne Ausrichtung
• Statusaktualisierungen
• Folien formatieren
• Vorbereitung der nächsten Lenkung

Notwendig? Oft ja.
Das Problem direkt lösen? Nicht wirklich.

In schlanken Systemen verschwindet das meiste davon.

Und plötzlich siehst du ganz klar, was wirklich wichtig ist.

5. Auswirkungen werden viel schneller sichtbar

Letztendlich ist die Frage ganz einfach:

Ändert sich tatsächlich etwas?

Nein:
- wie beeindruckend das Deck aussieht
- wie strukturiert der Rahmen ist

Aber:
- sind Entscheidungen, die
- sind die Dinge in Bewegung
- hat die Organisation das Gefühl, dass sie

Mit weniger Schichten und schnelleren Zyklen wird das sehr schnell sichtbar.

Und es ist viel schwieriger, sich hinter Prozessen zu verstecken.

Hier wird der Unterschied zwischen KI-Beratung und traditioneller Beratung in realen Projekten sehr deutlich.

Wo KI wirklich ins Spiel kommt

KI ersetzt die Beratung nicht.

Aber es fällt vieles weg, was früher große Strukturen und massive Kosten rechtfertigte.

KI kann:
- Strukturiere chaotische Themen in Minuten
- erste Versionen sofort erstellen
- Szenarien ohne lange Vorbereitung erkunden

Das bedeutet:

Weniger Produktion, mehr Urteilsvermögen.

Und genau da kommt es auf die Erfahrung an.

Tools, die dies in der Praxis möglich machen

All das klingt abstrakt, bis du es in deinem Arbeitsalltag tatsächlich anwendest.

Es gibt ein paar Tools, auf die ich mich im Moment sehr verlasse:

n8n
Zur Automatisierung von Arbeitsabläufen, die früher manuell durchgeführt werden mussten.
Du verbindest Tools, stößt Prozesse an und verschiebst Daten, ohne zweimal darüber nachzudenken.

Onepage
Damit du sehr schnell von einer Idee zu etwas Greifbarem kommst.
Landing Pages, MVPs, einfache Setups, die dir helfen, zu testen und zu handeln, anstatt zu viel nachzudenken.

LeChat, Claude und ChatGPT (inkl. benutzerdefinierter GPTs)
Um Gedanken zu strukturieren, erste Versionen zu entwerfen, Optionen zu erkunden und Ideen unter Druck zu testen.
Benutzerdefinierte GPTs helfen mir vor allem dabei, Muster, Frameworks und Denkweisen projektübergreifend wiederzuverwenden.

Idee
Als zentraler Ort, um Ideen, Notizen und laufende Arbeiten zu strukturieren.
Es geht weniger um die Dokumentation, sondern mehr darum, die Dinge miteinander zu verbinden und zugänglich zu machen.

PopAi (oder schön.ai, wenn du das möchtest)
So werden aus groben Ideen schnell saubere, strukturierte Präsentationen.
Nicht, um “perfekte Folien” zu erstellen, sondern um zu einem Punkt zu kommen, an dem du über etwas Reales diskutieren kannst.

Keines dieser Werkzeuge ist magisch.
Aber zusammen mit der Erfahrung beseitigen sie eine Menge Reibung.

Und genau das verändert, wie schnell du dich bewegen kannst.

P.S.: Wenn du mehr über mein technisches Setup erfahren möchtest, solltest du dir auch diesen Beitrag ansehen: Die ersten 150 Tage

Warum das für mich wichtig ist

Denn das ist genau der Grund, warum ich mein jetziges System so sehr mag.

Eine schlanke Struktur.
Echte Erfahrungen aus dem Inneren von Organisationen.
Und Tools, die eine Menge Overhead beseitigen.

Es schafft eine Arbeitsweise, die sich viel näher an der Realität anfühlt.

Und, um ehrlich zu sein, viel schwieriger zu fälschen.

Wenn du einen direkteren, praktischen Weg suchst, um Themen voranzubringen, kannst du hier mehr darüber erfahren, wie ich arbeite: Linelias Dienstleistungen.

Und wenn du dich mit mir austauschen oder eine mögliche Zusammenarbeit ausloten möchtest, kannst du dich gerne über meine Kontaktseite oder verbinde dich mit mir auf LinkedIn.

The post Why Small, Senior Teams Are Winning in the Age of AI appeared first on Linelia.io.