KI im Marketing: 10 Aufgaben, die heute schon ein Prompt erledigt

KI im Marketing ist längst kein Experiment mehr, sondern das Feld mit dem größten Bedarf an geschulten Anwendern. Als das Handelsblatt im September 2026 Indeed-Daten zum KI-Arbeitsmarkt auswertete, zeigte sich: Unternehmen suchen vor allem Menschen, die KI im Fachbereich sicher einsetzen, und zwar besonders in Marketing und Vertrieb. Der Grund liegt nahe. Kaum eine Abteilung produziert so viel Text, so viele Varianten und so viele Auswertungen wie das Marketing, und genau dort spielen Sprachmodelle ihre Stärke aus.

Die folgenden zehn KI-Marketing-Aufgaben sind keine Zukunftsmusik, sondern Alltag in Teams, die einmal strukturiert gelernt haben, wie man promptet, prüft und verankert. Zu jeder Aufgabe nennen wir den Prompt-Ansatz und die Leitplanke, die den Unterschied zwischen Produktivität und Peinlichkeit macht. Drei Aufgaben zeigen wir mit einem konkreten Prompt-Beispiel.

KI-Marketing-Aufgaben 1–3: Produkt-, Kategorie- und Meta-Texte

1. Produkttexte aus strukturierten Daten

Der Klassiker im E-Commerce. Aus Attributen, Maßen und USPs erzeugt ein Sprachmodell konsistente Beschreibungen in Ihrer Markensprache, auf Wunsch in mehreren Tonalitäten für B2B und B2C. Prompt-Ansatz: Tonalitäts-Guide und drei Beispieltexte als Kontext, dann die Attribute als Tabelle aus dem PIM oder Shopsystem.

Prompt-Beispiel: „Rolle: Texter für einen Online-Shop für Gartenbedarf. Tonalität: sachlich, freundlich, keine Superlative. Hier sind drei freigegebene Produkttexte als Stilvorlage: [Texte]. Schreibe für das folgende Produkt eine Beschreibung mit 80 bis 120 Wörtern, drei Bullet-Points zu den wichtigsten Vorteilen und einer Zeile zur Anwendung. Verwende ausschließlich die Angaben aus dieser Tabelle und erfinde keine Eigenschaften: [Attributtabelle]."

Leitplanke: Jede sachliche Angabe wird gegen die Stammdaten geprüft, bevor sie live geht. Ein erfundenes Feature ist ein Gewährleistungsfall.

2. Kategorie- und SEO-Texte

Kategorieseiten brauchen Text, der Suchintention und Sortiment verbindet. Ein Modell erstellt aus Keyword-Set, Sortimentsübersicht und Zielgruppe einen strukturierten Entwurf mit Zwischenüberschriften und beantwortet dabei die Fragen, die Nutzer zu dieser Kategorie tatsächlich stellen. Leitplanke: Keine Keyword-Dichte-Vorgaben in den Prompt, sondern Nutzerfragen. Der Text muss einem Menschen helfen, sonst hilft er auch Google nicht.

3. Meta-Titles und Descriptions in Serie

Hunderte Seiten, jede braucht einen Title mit maximal 60 Zeichen und eine Description mit rund 150 Zeichen. Das ist Fließbandarbeit, die ein Modell in Minuten erledigt. Prompt-Ansatz: URL, H1, erster Absatz und Hauptkeyword als Input, Längenvorgabe strikt, Ausgabe als Tabelle zum Import. Leitplanke: Zehn Prozent Stichprobe lesen, Zeichenlängen automatisch prüfen.

Aufgaben 4–6: Kampagnen und Kanäle

4. Newsletter-Varianten und Betreffzeilen

Aus einem Kernthema entstehen fünf Betreffzeilen, zwei Preheader und Varianten für Bestands- und Neukunden. Der A/B-Test entscheidet, nicht das Bauchgefühl. Leitplanke: Keine Kundendaten in den Prompt. Segmentbeschreibungen ja, Namen, E-Mail-Adressen oder Kaufhistorien nein.

5. Kampagnen-Briefings und Anzeigentexte

Für Google Ads, Meta und LinkedIn braucht jede Kampagne Dutzende Textbausteine in unterschiedlichen Längen. Ein gut gebrieftes Modell liefert die Matrix aus Headlines, Descriptions und Call-to-Actions, das Team kuratiert.

Prompt-Beispiel: „Erstelle für eine Google-Ads-Kampagne zum Produkt [Name] 15 Headlines mit maximal 30 Zeichen und 4 Descriptions mit maximal 90 Zeichen. Zielgruppe: [Beschreibung]. Kernnutzen: [drei Punkte aus dem Briefing]. Verwende keine Superlative und keine Aussagen, die nicht in diesem Briefing stehen. Gib das Ergebnis als Tabelle mit Zeichenzahl je Zeile aus."

Leitplanke: Werbliche Aussagen wie „Testsieger“ oder „günstigster Preis“ nur, wenn sie belegbar sind. Das Modell weiß nicht, was Sie beweisen können.

6. Social-Media-Posts aus Blogbeiträgen

Ein Fachbeitrag wird zu einem LinkedIn-Post, drei Kurzformaten und einer Karussell-Struktur. Das Modell extrahiert Kernaussagen und passt Tonalität und Länge an die Plattform an. Leitplanke: Zahlen und Zitate nur aus dem Originaltext, nichts hinzuerfinden.

Aufgaben 7–10: Analyse und Recherche

7. Bewertungen und Kundenfeedback auswerten

Hunderte Rezensionen, Support-Tickets und Umfrageantworten lassen sich in Themen clustern, nach Stimmung sortieren und in eine Prioritätenliste übersetzen. Das ist einer der wertvollsten Einsätze überhaupt, weil er Produkt- und Serviceprobleme sichtbar macht, die im Tagesgeschäft untergehen.

Prompt-Beispiel: „Hier sind 200 anonymisierte Produktbewertungen als Liste. Ordne jede Bewertung einem der folgenden Themen zu: Lieferung, Produktqualität, Bedienung, Preis-Leistung, Kundenservice, Sonstiges. Gib pro Thema die Anzahl, die durchschnittliche Sternebewertung und die drei häufigsten konkreten Kritikpunkte mit je einem wörtlichen Beispiel aus."

Leitplanke: Rezensionen anonymisieren, bevor sie in ein externes Tool gehen. Für regelmäßige Auswertungen lohnt sich ein Setup auf eigener Infrastruktur, wie im Beitrag zu DSGVO-konformer KI-Automation beschrieben.

8. Wettbewerbs- und Marktrecherche strukturieren

Aus Wettbewerber-Websites, Preislisten und Pressemeldungen entsteht eine strukturierte Übersicht mit Positionierung, Preisrange und Botschaften. Leitplanke: Jede Aussage über einen Wettbewerber mit Quelle belegen lassen und stichprobenartig prüfen. Modelle neigen dazu, plausible Lücken zu füllen.

9. Bildbeschreibungen und Alt-Texte

Multimodale Modelle beschreiben Produktbilder und erzeugen Alt-Texte für Barrierefreiheit und SEO, über ganze Kataloge hinweg. Leitplanke: Produktbilder mit erkennbaren Personen nur mit Einwilligung verarbeiten, generierte Beschreibungen gegen die Artikelstammdaten abgleichen.

10. Reporting-Zusammenfassungen für die Geschäftsführung

Aus Analytics-Exporten, Kampagnendaten und Shop-Kennzahlen entsteht ein einseitiger Bericht mit Kernaussagen, Abweichungen und Empfehlungen. Prompt-Ansatz: Kennzahlen als Tabelle, Vergleichszeitraum benennen, Format vorgeben. Leitplanke: Das Modell darf beschreiben und einordnen, aber die Zahlen selbst kommen aus dem System, nicht aus dem Modell.

Was ein Marketing-Team nicht an KI delegieren sollte

Drei Dinge bleiben Menschensache. Die Positionierung, weil ein Modell nur reproduziert, was es kennt, und Ihre Marke gerade dort stark ist, wo sie sich vom Durchschnitt unterscheidet. Die Freigabe, weil Verantwortung nicht delegierbar ist und jede veröffentlichte Aussage jemandem zugerechnet wird. Und alles, was Kundendaten enthält, solange kein Tool mit Auftragsverarbeitung und klaren Regeln im Einsatz ist.

Ein vierter Punkt wird gern unterschätzt: das Briefing. Wer einem Modell nicht erklären kann, was einen guten Produkttext von einem schlechten unterscheidet, bekommt Durchschnitt zurück. Die Qualität der Ergebnisse spiegelt die Qualität der Vorgaben, und die kommen vom Team.

Der gemeinsame Nenner: Prompten, prüfen, verankern

Alle zehn Aufgaben folgen demselben Muster. Ein guter Prompt liefert Rolle, Kontext, Beispiele und Format, wie im Lexikon unter Prompt Engineering beschrieben. Eine Prüfung stellt sicher, dass Fakten, Tonalität und Recht stimmen. Und eine Prompt-Bibliothek sorgt dafür, dass das Wissen nicht bei einer Person bleibt, sondern im Team, inklusive der Kontextvorlagen und Prüflisten je Aufgabe.

Genau diese drei Fähigkeiten sind der Kern von AI Literacy, und genau das verlangt seit Februar 2025 auch Art. 4 der KI-Verordnung von jedem Unternehmen, das KI einsetzt. Wie Sie diese Pflicht praktisch umsetzen und dokumentieren, zeigt der Beitrag KI-Kompetenz-Pflicht umsetzen: Art. 4 KI-Verordnung im Shop-Alltag.

Fazit: Der Engpass ist die Routine, nicht die Technik

Teams, die einen Tag investieren, um Prompts, Prüfregeln und Nutzungsrichtlinie an den eigenen Aufgaben zu lernen, sparen anschließend jede Woche Stunden. Nebenbei lösen sie das Problem, das der Arbeitsmarkt nicht löst: KI-Fachkräfte lassen sich kaum einstellen, aber im eigenen Team aufbauen. Wie ein solcher Tag aussieht, zeigt unser KI-Kompetenz-Training mit dem Modul Marketing & Content.

Haftungsausschluss: Dieser Beitrag dient der allgemeinen Information (Stand September 2026) und stellt keine Rechtsberatung dar. Für die Angaben zu rechtlichen Pflichten übernehmen wir keine Gewähr; die verbindliche Bewertung Ihres Einzelfalls klären Sie bitte mit einer Rechtsanwältin oder einem Rechtsanwalt.

Wenn aus einzelnen Aufgaben ein dauerhafter Assistent für das Team werden soll, lohnt ein Blick auf KI-Agenten und KI-Assistenten.