Alles begann mit einem Blogbeitrag von Anthropic.
https://claude.com/blog/how-anthropic-uses-claude-marketing
Es ist die Geschichte eines "Growth Marketers, der noch nie ein Terminal angefasst hatte, aber jetzt mit Claude Code ganze Marketingabteilungen leitet."
Als ich mich näher damit befasste, fand ich mehr ähnliche Beispiele als erwartet. Basierend auf öffentlich zugänglichen Informationen (Stand April 2026) habe ich diese Fallstudien von Marketern zusammengefasst, die Claude Code nutzen.
Überblick über die Fallstudien
Ich habe hier drei Fälle zusammengefasst, die Marketingfachleute aus internationalen Unternehmen und Einzelpraktiker vorstellen.
Fallstudie 1 | Anthropic selbst – "Eine Person leitet die gesamte Growth-Marketing-Abteilung"
Dies war der erste Fall, den ich las, und er hat mich am meisten überrascht.
Austin Lau, der im Growth-Marketing-Team von Anthropic arbeitet, ging von null Terminal-Erfahrung dazu über, alle folgenden Dinge nur mit Claude Code zu bauen und zu betreiben:
- Automatisierte Generierung von Anzeigenvarianten: Eingabe bestehender Anzeigen-CSVs in Claude → Unter-Agenten, die sich auf Überschriften und Beschreibungen spezialisieren, generieren hunderte Varianten unter strikter Einhaltung der Zeichenbegrenzung.
- Eigenes Figma-Plugin: Baute ein System, um Dutzende von Anzeigenvarianten mit einem Klick in etwa 45–60 Minuten in Figma einzufügen – trotz null Programmiererfahrung.
Der Blog beschreibt auch detailliert, wie er das Figma-Plugin gebaut hat.
Bei Social Ads und App-Store-Assets sind Kombinationen wie 10 Textvarianten × 5 Seitenverhältnisse üblich. Früher bedeutete das, Figma-Frames manuell zu duplizieren und Texte zwischen Google Docs hin und her zu kopieren.
Allein diese Aufgabe nahm früher über 30 Minuten pro Update in Anspruch.
Alles, was Austin zu Claude Code sagte, war dies:
"Claude, ich arbeite in Figma. Ich möchte dieses lästige Kopieren-und-Einfügen-Problem lösen. Kannst du mir helfen, ein Figma-Plugin zu bauen, das das für mich erledigt?"
Claude begann Berichten zufolge sofort damit, einen Prototyp zu bauen, indem es selbstständig die Figma-API-Dokumentation recherchierte.
Die erste Version war nicht perfekt, aber "gut genug für einen Proof of Concept", und von dort aus verbesserte er sie iterativ bis zur Fertigstellung.
Jetzt besteht der Workflow darin, Schlagzeilen aus einem Google Sheet zu kopieren, die Zielframes in Figma auszuwählen und einen Button im Plugin zu klicken.
Alle Varianten, einschließlich verschiedener Seitenverhältnisse, werden automatisch generiert. Mit maximal 100 Elementen pro Batch spart das System jetzt jedes Mal etwa 30 Minuten, wenn ein Update durchgeführt wird.
Noch erstaunlicher ist, dass der Bau dieses Systems nur 45 bis 60 Minuten dauerte.
Indem er nur die Zeit von zwei manuellen Sitzungen in die Automatisierung investierte, reduzierte er alle zukünftigen Arbeitslasten erheblich.
📎 Anthropic Official Internal Document PDF "How the Anthropic Team Uses Claude Code"
Fallstudie 2 | Adam Sandler (Ehemaliger American-Express-Marketer) – Aufbau eines "1-Person-CMO"-Systems
Dies ist eine Fallstudie von Adam Sandler, einem erfahrenen Marketer, der digitales Marketing für Fortune-500-Unternehmen wie American Express und Nestlé betrieben hat.
Er betreibt derzeit sein gesamtes Marketinggeschäft solo, indem er einen Orchestrator-Agenten namens "SLC CMO Agent" gebaut hat.
Wie der SLC CMO Agent funktioniert
Dieser Agent ist auf eine "geführte Erfahrung" ausgelegt. Im Mittelpunkt steht die Kampagnenentwicklung (Marke, Wettbewerber, SNS, Launch, Jahreskampagnen usw.), und er ist so programmiert, dass er alle notwendigen Fragen stellt.
Adam iteriert ständig, um seine eigene Marketingerfahrung und Intuition im Verhalten des Agenten abzubilden. Er verfolgt einen Ansatz des "Korrigierens der KI auf der Stelle, wenn die Ausgabe nicht stimmt, um so die Denkmuster des Agenten anzupassen."
Konkret macht er Folgendes:
- Automatisierte Generierung von Wettbewerbsanalysen als CSV – Er gibt die Anweisung: "Recherchiere diesen Wettbewerber und speichere die Ergebnisse als strukturierte CSV." Sobald eine Vorlage erstellt ist, kann sie für die nächste Wettbewerbsanalyse verwendet werden, und mit zunehmenden Daten kann sie iterativ zu Trendanalysen und E-Mail-Kampagnen ausgebaut werden.
- Parallele Content-Erstellung (mit Unter-Agenten) – Wenn er 10 Blogbeiträge schreiben möchte, laufen 10 Unter-Agenten gleichzeitig parallel. 10 Beiträge sind in der Zeit fertig, die man für einen braucht. Diese Unter-Agenten sind "wegwerfbar", haben jeweils einen unabhängigen Kontextfenster und werden verworfen, sobald die Aufgabe erledigt ist.
- Strenge Anwendung der Markenstimme – Er sammelt Anruf- und Video-Transkripte von Kunden, um individuelle "Persona-Fähigkeiten" aufzubauen. Er trainiert die KI darauf, die spezifische Sprechweise, Formulierungen und den Stil dieser Person zu reproduzieren.
- MCP-Integration mit Google Analytics & Search Console – Er hat benutzerdefinierte MCP-Tools gebaut, um GA/GSC-Daten direkt aus Claude Code abzurufen. Durch einen einfachen Sprachbefehl wie "Schau dir die aktuellen Leistungsdaten an und schlage 10 Blogbeiträge basierend auf Trends vor" erhält er Vorschläge auf Basis von Echtzeitdaten.
- Onboarding-Prozess – Beim Einrichten einer neuen Marke legt er einfach Marken-Assets in einen Ordner, und der Agent organisiert sie. Es führt sogar automatisch eine Markenanalyse mit Marketing-Frameworks wie dem Golden Circle oder dem Blue Ocean durch.
Er erledigt das alles allein.
Ein weiterer beeindruckender Punkt war seine Philosophie zum Kontextmanagement.
Er beschreibt es als "chirurgisches Verwalten dessen, was in einer Sitzung gezeigt und was nicht gezeigt werden soll." Er betonte, dass das Einmischen von irrelevantem Kontext zu Halluzinationen führt, weshalb die bewusste Eingrenzung des Umfangs entscheidend sei.
Er empfiehlt auch dringend die Spracheingabe (er liebt Super Whisper) und stellt fest, dass "es nicht nur um die Tippeffizienz geht; die geistige Umstellung, Dinge laut zu erklären, verbessert die Qualität der Ausgabe." Das scheint perfekt zu den Verbalisierungsfähigkeiten eines Marketers zu passen.
📎 Quelle: Persönliche Website "The Viable Edge" (Verkauft und veröffentlicht 14 Arten von KI-Marketing-Spezialistensystemen mit Claude Code)
Fallstudie 3 | Zapier – Product-Marketing-Team nutzt Claude Cowork und Code vollumfänglich für tägliche Aufgaben
Von Einzelfällen geht es nun zu Team- und Unternehmensbeispielen.
Bei Zapier nutzen Joe Stych (Head of Product Marketing), Matt Brown (Senior Manager of Influencer Marketing) und Larisa Cavallaro (AI Automation Engineer) Claude Cowork, um tatsächliche Aufgaben zu delegieren.
Ich fand Joe Stychs Geschichte besonders interessant.
Er recherchiert Berichten zufolge die Produktdatenbank des Unternehmens, erstellt Messaging-Materialien und vervollständigt eine Landing Page – alles innerhalb derselben Arbeitssitzung.
Früher erforderte dieser Ablauf die Abstimmung mit drei verschiedenen Teams.
Joe hat drei Informationsquellen vorab mit Cowork verbunden:
① Die bestehende Homepage des Unternehmens
② Team-spezifische "Skills" (Ein wiederverwendbarer Satz von Anweisungen, der die Schreibregeln, Messaging-Richtlinien und Betriebsannahmen des Product-Marketing-Teams zusammenfasst)
③ Interne Tools über Zapier MCP (Slack-Threads, das interne Suchtool Glean, Jira usw. – alles, was benötigt wird, kann eingebunden werden)
Durch die vorherige Integration der Team-Philosophie und Bewertungskriterien in das Tool vermeidet er es, jedes Mal alles von Grund auf neu erklären zu müssen.
Hier ist der tatsächliche Workflow:
Er gibt Cowork nur zwei Dinge: "Die aktuelle Unternehmens-Homepage" und "Die Messaging-Richtlinie für dieses Projekt."
Claude öffnet die tatsächliche Website im Browser, liest die Seitenelemente wie Header, Hero-Bereich und Feature-Beschreibungen und gibt einen überarbeiteten Homepage-Vorschlag als prototypische HTML-Seite aus, die auf das neue Messaging abgestimmt ist.
Es produziert etwas, das man sofort anderen zeigen kann, ohne dass ein Designer für die erste Übergabe benötigt wird.
Außerdem: Während Claude arbeitet, kann Joe sich auf andere Aufgaben konzentrieren. Das Ergebnis: Die Zeit, die benötigt wird, um den Entwurf mit dem CMO oder CEO für Feedback zu teilen, beträgt nur etwa 15 Minuten!
Früher konnten sie die Richtung nicht einmal bewerten, ohne sie zuerst an einen Designer zu übergeben, was mehrere Tage dauerte. Das Tempo ist ein völlig anderes.
Ein weiterer auffälliger Punkt war Joe's Philosophie, "Sitzungen nicht als Wegwerfprodukte zu betrachten."
Am Ende jeder Sitzung fragt er Claude: "Was sollten wir uns aus dieser Sitzung merken?", um Erkenntnisse zu sammeln.
Außerdem hat Influencer-Marketer Matt Brown mit Claude Cowork selbstständig ein ROI-Dashboard gebaut (ein Echtzeit-Visualisierungs-Dashboard auf GitHub Pages, das sich täglich aktualisiert).
Die Vorstellung, dass ein Marketer "sich selbst ein Dashboard baut", wäre früher wahrscheinlich nicht vorgekommen.
Wenn man so viel kann, scheint es unmöglich, ohne KI weiterzuarbeiten.
📎 Zapier Blog "What is Claude Cowork?" (Funktionserklärungsartikel)
Erkenntnisse aus den Fallstudien
① "Ich kann nicht programmieren" ist keine Ausrede mehr
Sowohl Austin Lau als auch Adam Sandler starteten ohne Erfahrung mit Terminals oder Programmierung. Der Ansatz, "mit der KI zu sprechen, als würde man einem Kollegen ein Problem erklären", führt direkt zur Entwicklung von Workflows.
② Die "Struktur" ist für Einzelpersonen und große Unternehmen gleich
Ob Einzelfall (Adam Sandler) oder Teamfall (Zapier) – das Wesentliche, was sie tun, ist dasselbe. Sie weisen Unter-Agenten Rollen für die parallele Verarbeitung zu, während sich Menschen auf die Überprüfung und Entscheidungsfindung konzentrieren. Zu wissen, dass die Struktur unabhängig vom Maßstab reproduzierbar ist, macht es einfacher, "klein anzufangen."
③ Wie weit darf man "Menschliche Überprüfung nur für die finale Bestätigung" gehen?
Ich habe noch keine klare Antwort, aber die Kriterien dafür, wie viel man der KI überlässt, werden je nach Branche, Marke und Phase stark variieren. Wir müssen unsere eigenen Grenzen bedenken, während wir uns diese Beispiele ansehen.
Gründung einer Praxis-Community für "KI x Marketing"
Für diejenigen, die an der Praxis interessiert sind, "die Marketingarbeit mit KI zu verändern", wie in diesem Artikel vorgestellt:
"aimark" ist eine Community, in der wir praktisches Wissen über KI x Marketing teilen und gemeinsam durch Tun lernen.
- "Ich nutze KI-Tools, weiß aber nicht, wie ich sie in der tatsächlichen Arbeit anwenden soll."
- "Ich habe niemanden in meinem Umfeld, mit dem ich über KI x Marketing sprechen kann."
- "Ich möchte nicht nur Beispiele sehen, sondern sie selbst nachbauen."
Dieser Ort wird für solche Leute empfohlen. Durch Herausforderungen und Diskussionen legen wir Wert darauf, nicht nur Input zu erhalten, sondern ein Niveau zu erreichen, auf dem es im tatsächlichen Geschäft eingesetzt werden kann.
Wir rekrutieren derzeit die erste Charge von Mitgliedern bis zum 14. April. Wenn Sie interessiert sind, schauen Sie doch mal vorbei.
