Marketing mit oder für Agenten: Welche Perspektiven von Agentic AI sollten Unternehmen berücksichtigen?

Agentic AI ist der Schritt von der antwortenden zur handelnden KI. Generative KI erstellt auf Anfrage Texte oder Bilder; ein KI-Agent ist nach Bornet et al. (2025) dagegen ein System, das mit KI und Werkzeugen selbstständig handelt, um ein Ziel zu erreichen (S. 15). Vier Fähigkeiten greifen dabei ineinander: wahrnehmen, also Daten aus unterschiedlichen Quellen erfassen; planen, wie sich das Ziel erreichen lässt; handeln, also die nötigen Aktionen ausführen; und reflektieren, also aus dem Ergebnis lernen und den nächsten Durchlauf anpassen (S. 64–66). Wie weit diese Selbstständigkeit reicht, beschreiben die Autoren in fünf Stufen von regelbasierter Automatisierung bis zur vollen Autonomie; aktuell stehen Agenten meist auf Stufe 2 oder 3 (S. 72–76). Entscheidend ist zudem ein für Agenten bereites Unternehmensumfeld: Viele Projekte scheitern nicht am Agent, sondern daran, dass die Systeme um ihn herum – Datenqualität, Workflow-Integration, Nutzerakzeptanz – noch nicht parat sind (S. 21).

Grundsätzlich ergeben sich bei Agentic AI zwei Stossrichtungen, die sich ergänzen: nach innen der Einsatz von Agenten in den eigenen Abläufen, nach aussen die Sichtbarkeit gegenüber Agenten, die für die Kundschaft suchen und kaufen.

Marketing mit Agenten beginnt dort, wo Abläufe wiederkehren und Daten vorliegen: Marktbeobachtung, Zusammenführen von Daten aus CRM und Analytics, Berichtserstellung. Welches Potenzial darin liegt, zeigt eine Fallstudie: Beim Start-up Leaders of AI erstellen mehrere Agenten mit klaren Rollen die Inhalte für LinkedIn, Newsletter und Podcast. Die LinkedIn-Präsenz des Gründers wuchs in 18 Monaten von rund 3.000 auf 20.000 Follower, eine fünfminütige Podcast-Episode kostet 2,41 Euro – ein Einzelfall, nicht kausal interpretierbar (Eckert et al., 2026). Voraussetzung dafür sind klare Rollen und Prozesse, definierte Qualitätskriterien und eine verankerte menschliche Freigabe (Human-in-the-Loop). Empfehlenswert ist zudem eine Business- oder Enterprise-Lizenz, bei der Firmendaten nicht ins Modelltraining fliessen; sobald vertrauliche Betriebs- und Personendaten verarbeitet werden, ist sie praktisch unverzichtbar (OpenAI, 2026).

Marketing für Agenten dreht die Perspektive. Das Suchverhalten verschiebt sich bereits: Erscheint in der Suche eine KI-Zusammenfassung, klicken Nutzende nur in 8 statt 15 % der Fälle auf ein Ergebnis (Pew Research Center, 2025). Mit dem Agentic Commerce Protocol von OpenAI und Stripe schliessen Agenten Käufe direkt beim Händler ab (OpenAI, 2025). Sichtbar bleibt, wer maschinenlesbare, belegbare Inhalte bereitstellt: Generative Engine Optimization erhöht die Präsenz in KI-Antworten um bis zu 40 % (Aggarwal et al., 2024). Ein Besitzstand ist diese Sichtbarkeit allerdings nicht, denn Agenten bündeln die Nachfrage auf wenige Produkte und reagieren stark darauf, an welcher Stelle einer Liste ein Angebot erscheint (Allouah et al., 2026). Wer eigene Kanäle, Kundenbeziehungen und Daten pflegt, bleibt deshalb auch dann erreichbar, wenn sich die Spielregeln der Plattformen ändern.

Literatur:

Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., & Deshpande, A. (2024). GEO: Generative engine optimization. In Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (S. 5–16). Association for Computing Machinery. https://doi.org/10.1145/3637528.3671900 

Allouah, A., Besbes, O., Figueroa, J. D., Kanoria, Y., & Kumar, A. (2026). What is your AI agent buying? Evaluation, biases, model dependence, & emerging implications of agentic e-commerce. In Proceedings of the ACM Web Conference 2026 (S. 8697–8700). Association for Computing Machinery. https://doi.org/10.1145/3774904.3792943 

Bornet, P., Wirtz, J., Davenport, T. H., De Cremer, D., Evergreen, B., Fersht, P., Gohel, R., & Khiyara, S. (2025). Agentic artificial intelligence: Harnessing AI agents to reinvent business, work, and life. Selbstverlag. ISBN 979-8-9928336-4-5. 

Eckert, F., Imschloß, M., & von Proeck, D. (2026). Multi-Agenten-Systeme in der Marketingkommunikation. Marketing Review St. Gallen, 1/2026, 14–20.

OpenAI. (2025, 29. September). Buy it in ChatGPT: Instant Checkout and the Agentic Commerce Protocol. https://openai.com/index/buy-it-in-chatgpt/ 

OpenAI. (2026). Enterprise privacy at OpenAI. Abgerufen am 9. September 2026 von https://openai.com/enterprise-privacy/ 

Pew Research Center. (2025, 22. Juli). Google users are less likely to click on links when an AI summary appears in the results. https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/