Marketing-Ingenieure: 100x mehr Experimente mit KI-Agenten

Marketing Engineers sind die NEUEN 10x-Mitarbeiter – und die meisten Unternehmen haben noch nicht einmal einen.

Wenn du ein Startup, ein Business oder ein Side Hustle aufbaust, ist es der größte Hebel, den du gerade hast: Werde selbst einer oder stell einen ein. Es ist die spannendste Zeit im Marketing, seit Google AdWords gelauncht hat. Vielleicht sogar die spannendste überhaupt.

20 Jahre lang waren Marketingideen einfach, aber sie umzusetzen war harte Arbeit. Der Vertrieb wusste, warum Deals zustande kamen. Der Support wusste, warum Kunden gingen. Aber jede Idee musste ein Briefing, einen Designer, einen Entwickler, einen Analysten und zwei Meetings überleben – und die meisten starben still und leise in einem Slack-Thread.

Dieser Flaschenhals ist gerade geplatzt!

Heute liest ein Agent die Sales-Calls der letzten Woche in zehn Minuten durch. Ein anderer verwandelt das, was Kunden gesagt haben, in eine Landingpage. Wieder ein anderer schaltet dreißig Ads live und sortiert die Flops aus, während du schläfst. Und am Montag sagt dir ein weiterer Agent genau, welche Kampagne zahlende Kunden gebracht hat. Die Modelle sind mittlerweile so gut, dass auch das Ergebnis stimmt, wenn deine Idee gut ist.

Ein Marketing Engineer verdrahtet diese Agents zu einer Maschine. Halb Marketer, halb Builder. Und die besten kommen oft gar nicht aus dem Marketing: Gründer, Entwickler, Operatoren, Solo-Builder.

Also hol dir deinen Kaffee oder Tee, denn hier kommt das komplette Playbook (15–20 Minuten Lesezeit):

Wie wir hier gelandet sind

In der Mad-Men-Ära, von den 1950ern bis in die 1990er, bedeutete Marketing Print, TV, Radio und Plakate. Der Job bestand aus großen Ideen und großen Budgets. Eine Kampagne kostete Millionen, brauchte Monate in der Produktion, und ob sie funktionierte, erfuhr man mit viel Glück ein Quartal später. Ein großartiger Marketer bekam vielleicht eine Handvoll echte Chancen pro Jahr – deshalb lief die ganze Branche nach Geschmack, Überzeugungskraft und Bauchgefühl.

Dann launchte Google im Jahr 2000 AdWords und Facebook 2007 seine Ads, und plötzlich ließ sich jeder Klick zählen. Der Digital Marketer war geboren. Der Job bestand nun darin, Kanäle wie SEO, Paid Search, E-Mail und Display zu managen. Marketer lebten in Dashboards, und die besten waren diejenigen, die die Plattformen am tiefsten verstanden. Man konnte ein paar Experimente im Monat fahren.

In den 2010ern kam der Growth Hacker – ich werde das nie vergessen. Sean Ellis prägte den Begriff 2010, und die besten Tricks des Jahrzehnts wurden zur Legende. Hotmail packte „P.S. I love you. Get your free email at Hotmail“ ans Ende jeder Nachricht. Dropbox schenkte dir und einem Freund für jede Einladung kostenlosen Speicherplatz. Airbnb ließ Gastgeber ihre Inserate direkt auf Craigslist crossposten. Der Growth Hacker behandelte Marketing wie ein Produkt: mit Funnels, Loops und A/B-Tests. Der Haken: Jede gute Idee brauchte einen Entwickler, und Entwickler gehörten zur Produkt-Roadmap. Growth Hacker verbrachten ihr halbes Leben damit, Tickets zu schreiben und Schlange zu stehen. Ein paar Experimente pro Woche galten als richtig guter Lauf.

Als Ende 2022 ChatGPT auftauchte, bekamen wir den KI-unterstützten Marketer. Copy kam schneller, Bilder kamen schneller, alles andere blieb gleich. Gleiches Organigramm, gleiche Meetings, gleicher Sechs-Wochen-Zyklus – nur mit besseren ersten Entwürfen. Das war quasi die Copilot-Ära der KI. Die meisten Marketingteams stecken genau hier immer noch fest.

Der Marketing Engineer entsteht in dem Moment, in dem die Person mit der Idee und die Person, die sie bauen kann, dieselbe Person werden. Ein einziger Marketer recherchiert den Kunden, baut die Seite, generiert die Creatives, verdrahtet die Daten und startet den Test. Die Arbeitseinheit verschiebt sich von der Kampagne hin zu einem System, das kontinuierlich Kampagnen ausspuckt – und Dutzende Experimente am Tag werden für eine einzelne Person realistisch.

Zoomt man raus, folgt die gesamte Geschichte des Marketings einem einzigen Trend: Die Kosten für ein Experiment fallen immer weiter. Wer die meisten guten Experimente fährt, lernt am schnellsten. Und wer am schnellsten lernt, gewinnt.

Warum das so entscheidend ist

Jedes Unternehmen sitzt auf einem Haufen Gold, den es fast nie nutzt (ich weiß, schwer zu glauben, aber es ist wahr).

Der Vertrieb hört jede Woche dieselben fünf Einwände. Der Support weiß exakt, welche Versprechen zu Rückerstattungen führen. Der Gründer hat starke Meinungen zur Kategorie, die in seinem Kopf und in ein paar Podcast-Clips leben. Analytics weiß, welche Seiten Kunden bringen, die auch bleiben. All das liegt in verschiedenen Tools, gehört verschiedenen Leuten und schafft es vielleicht einmal im Quartal in eine Kampagne.

Währenddessen verlieren die kleinen Ideen, die dieses Wissen nutzen würden, immer wieder gegen den großen Launch. Ein Preisrechner für eine Nische. Eine Kampagne, gebaut aus den Sales-Calls von gestern. Eine Nachricht an vierzig alte Leads genau an dem Tag, an dem das Feature endlich live geht, das sie sich gewünscht haben. Jede dieser Ideen brauchte einen Designer, einen Entwickler, einen Analysten und zwei Meetings – also landete jede davon für immer im Backlog.

Ein Marketing Engineer erledigt all das an einem Nachmittag. Spezifisches Marketing ist billig geworden. Und wenn Spezifik billig wird, gewinnt das Unternehmen, das seinen Kunden am besten versteht. Agenturen, die Stunden verkaufen, werden das als Erste spüren. Große Marketingteams werden anfangen, wie Komitees zu wirken. Gründer und Solo-Marketer haben plötzlich den Output einer ganzen Abteilung.

Hinweis: Mein Partner hat gerade Boring Funnels gelauncht. Die Idee dahinter: Die größte Chance liegt darin, Unternehmen zu helfen, das, was sie über ihre Kunden wissen, in klare Angebote, nützliche Landingpages und Follow-ups zu verwandeln, die zu Verkäufen führen. Ein Marketing Engineer kann das Ganze bauen, sehen, wo Leute abspringen, und es laufend verbessern, während mehr Kunden durch den Funnel gehen.

Und so baust du es konkret auf.

Schritt 1: Richte deinen Arbeitsplatz ein

Alles beginnt mit einem Agent-Workspace. Claude Code, Codex und Cursor sind die gängigsten. Am einfachsten stellst du dir diese Tools als extrem schnellen Junior-Mitarbeiter vor, der in einem Ordner auf deinem Computer lebt. Er kann jede Datei in diesem Ordner lesen, neue schreiben, Code ausführen und jedes Tool nutzen, das du ihm anbindest.

Genau dieser letzte Punkt ist der eigentliche Zauber. Tools verbinden sich über etwas namens MCP – im Grunde ein Universalstecker für KI. HubSpot, Stripe, Notion, Slack und hunderte andere Tools haben MCP-Server, sodass dein Agent dein CRM lesen oder den Umsatz der letzten Woche abrufen kann, genauso wie du es tun würdest. Wenn ein Tool nur eine API hat, kann der Agent meistens selbst den Code schreiben, um sie aufzurufen.

Außerdem willst du, dass deine Agents laufen, während du schläfst. Vor einem Jahr bedeutete das, alles in Workflow-Tools wie Zapier oder n8n zusammenzubasteln. Heute bittest du einfach deinen Coding-Agenten darum. Sag „Führe das jeden Montag um 7 Uhr aus, poste den Report in Slack und warte auf mein Okay, bevor du etwas verschickst“, und er schreibt den Scheduled Job, die Slack-Nachricht mit Genehmigungsbutton und den Code, der erst aktiv wird, wenn du ihn antippst. Oder du nutzt einen Always-on-Agenten wie Hermes oder OpenClaw, der ohnehin im Hintergrund läuft. So oder so: Es ist dein Code, in deinem Ordner, und du kannst jeden Teil davon mit einem Satz ändern.

Schritt 2: Programmiere das Gehirn

Hier ist der Fehler, den ich immer wieder sehe. Jemand ist Feuer und Flamme, spinnt zehn Agents hoch, bekommt einen Berg generischen Müll zurück und entscheidet: KI-Marketing ist total überhyped.

Die Agents waren völlig in Ordnung, aber der Kontext war zu dünn.

Das ist, als würdest du einen brillanten Marketer einstellen und das Onboarding weglassen. Er wird etwas Kluges über deine Branche schreiben, und es wird exakt klingen wie bei deiner Konkurrenz. Bevor du also einen einzigen Agenten baust, baue das Gehirn: einen Ordner, der dein Business so erklärt, wie du es einem smarten Neuling an seinem ersten Tag erklären würdest.

Ich würde folgende Struktur nutzen:

Sechs Dateien stemmen den Großteil der Arbeit.

1/ START-HERE.md ist die eine Seite, die jeder Agent zuerst liest. Sie erklärt, was das Unternehmen tut, wen es bedient, was die Prioritäten dieses Quartals sind und wo der Rest zu finden ist.

2/ company/customer-fit.md beschreibt, wer kauft, wer bleibt und wen du profitabel bedienen kannst. Sei schmerzhaft spezifisch. „Shopify-Stores mit 1 Mio. bis 10 Mio. USD Jahresumsatz, bei denen der Gründer noch selbst die Bücher macht und schon mal von einem Buchhalter verbrannt wurde“ gibt einem Agenten echtes Futter. „KMUs“ gibt ihm fast nichts.

3/ company/offers.md listet auf, was du verkaufst, was es kostet, was du versprechen darfst und was vorher freigegeben werden muss, bevor es jemand laut ausspricht.

4/ brand/voice.md ist der Punkt, an dem die meisten faul werden. „Freundlich, aber professionell“ ist für einen Agenten wertlos. Kopiere drei E-Mails oder Ads rein, die du genial fandest, mit je einem Satz dazu, warum sie funktionieren – und zwei, die du abgelehnt hast, samt Begründung. „Diese haben wir gekillt, weil sie Ergebnisse in 30 Tagen verspricht und wir das nicht garantieren können.“ Agents lernen aus Beispielen deutlich mehr als aus Adjektiven.

5/ brand/founder-opinions.md ist dein unfairer Vorteil. Jeder Konkurrent hat Zugriff auf dieselben Modelle. Nur du hast die Ansichten deines Gründers zur Kategorie, zum Kunden und zum Wettbewerb. Nimm dir zwei Stunden, interviewe deinen Gründer – oder dich selbst – und schreib jede starke Meinung auf. „Die meisten Agenturen in unserem Bereich verlangen zu viel fürs Onboarding.“ „Unsere besten Kunden kommen über Empfehlungen von Steuerberatern.“ Genau diese Meinungen sorgen dafür, dass der Output klingt wie du.

6/ decisions/failed-campaigns.md enthält die Lektionen, die echtes Geld gekostet haben. „Das kostenlose Audit zog Firmen an, die zu klein für uns waren.“ „LinkedIn brachte massenhaft Leads, aber kaum Abschlüsse.“ Eine einzige solche Zeile bewahrt einen Agenten davor, einen 20.000-Dollar-Fehler zu wiederholen.

Eine Regel hält das Gehirn gesund: Agents dürfen Vermutungen in evidence/ ergänzen, aber nur ein Mensch darf etwas nach company/ verschieben. Sonst wird die Ahnung eines Agenten heimlich zur Firmenpolitik.

Schritt 3: Binde deine Daten an

Als Nächstes gibst du dem Gehirn Augen. Verbinde die Orte, an denen die Wahrheit über deine Kunden lebt: Call-Aufnahmen in Gong oder Fathom, Support-Tickets in Intercom oder Zendesk, Deals in HubSpot oder Salesforce, Verhalten in PostHog oder Google Analytics und Umsätze in Stripe.

Starte überall mit Read-only-Zugriff. Ein Agent, der dein CRM lesen kann, ist ab Tag eins nützlich. Ein Agent, der dein CRM bearbeiten darf, muss sich das erst verdienen.

Dann mach das Langweilige, das fast jedes Unternehmen überspringt: Gib jeder Kampagne eine ID und zieh sie überall mit. Pack sie in die UTM-Tags jedes Links, in den Namen jeder Ad, in den Namen jeder E-Mail-Sequenz und in ein Feld bei jedem Deal im CRM. Führe dann eine einfache Tabelle – in Supabase oder anfangs auch in einem Spreadsheet – mit einer Zeile pro Kampagne: ID, Spend, Leads, qualifizierte Calls, Deals, Umsatz und Churn.

Klingt unsexy, ist aber das Wertvollste am gesamten Setup. Die meisten Unternehmen können dir Klicks nach Kampagne und Umsatz nach Kunde nennen, aber nur sehr wenige können beides verbinden. Sobald du diese Tabellen verknüpfst, können deine Agents die Frage beantworten, die wirklich zählt: Welches Marketing hat zahlende Kunden gebracht, die auch geblieben sind?

Schritt 4: Baue deinen ersten Agenten

Baue einen Agenten und mach ihn richtig gut, bevor du einen zweiten baust. Sechs Agents, die an Tag eins miteinander reden, sind der schnellste Weg, dein Wochenende mit dem Debuggen eines Gruppenchats zu verbringen.

Dein erster sollte der Customer-Language-Agent sein, weil alles andere auf dem aufbaut, was er findet. Sein Job: lesen, was Kunden tatsächlich sagen, und exakt die Worte herausziehen, mit denen sie ihre Probleme beschreiben.

Exportiere deine letzten 20 bis 50 Transkripte von Sales-Calls nach evidence/calls/ und gib ihm eine Anweisung wie diese:

Lies jedes Transkript in evidence/calls/.

Lies den Report danach neben deinen eigenen Erinnerungen an diese Calls. Die erste Version wird zu etwa 70 % stimmen. Wahrscheinlich gewichtet sie einen besonders redseligen Kunden zu stark oder benennt die Gruppen in Marketing-Sprech. Jedes Mal, wenn du einen Fehler entdeckst, korrigiere die Anweisung und speichere den Fix in decisions/, damit er bleibt. Nach drei oder vier Runden wird der Agent Calls besser lesen als die meisten in deinem Team.

Hier ist ein Beispiel, was er findet. Angenommen, du verkaufst Terminplanungssoftware an Klempner und SHK-Betriebe. Der Agent merkt, dass Inhaber ständig so etwas sagen wie: „Ich hab keine Lust mehr, beim Abendessen ans Telefon zu gehen.“ Dieser eine Satz ist deine Ad, deine Headline und dein Opener im Verkauf. Er schlägt „automatisierte Terminplanung“ jedes Mal, weil Menschen Situationen kaufen, nicht Features.

Sobald er zuverlässig arbeitet, setz ihn auf einen Zeitplan. Jeden Montag liest er die Calls und Tickets der letzten Woche und legt einen frischen Report in evidence/customer-language/. Ab jetzt läuft dein gesamtes Marketing auf dem, was Kunden letzte Woche gesagt haben – statt auf dem, was irgendjemand letztes Jahr geraten hat.

Schritt 5: Füge die anderen fünf Agents hinzu

Sobald dein erster Agent solide läuft, fügst du den Rest einzeln hinzu. Jeder bekommt seinen eigenen Ordner in workflows/, eigene Anweisungen und einen eigenen Zeitplan.

Der Buying-Trigger-Agent achtet auf Momente, die über Nacht Nachfrage erzeugen. Ein Unternehmen eröffnet einen zweiten Standort. Eine Marke steigt in den Wholesale ein. Ein Startup schließt eine Runde ab und postet fünf Sales-Jobs. Ein Tool, mit dem du integriert bist, bringt ein neues Feature. Am einfachsten baust du das in Clay. Zieh eine Liste von Accounts, die zu customer-fit.md passen, und füge Spalten hinzu, die auf Trigger prüfen: neue Stellenanzeigen, Funding-News, neue Standorte oder neue Seiten auf deren Website. Für Kontaktdaten ist Apollo praktisch.

Für jeden Account mit einem frischen Trigger prüft der Agent das CRM, um alle zu überspringen, mit denen dein Team schon spricht, und vervollständigt dann einen Satz: „Dieses Ereignis erzeugt dieses Problem, und unser Produkt löst es auf genau diese Weise.“ Wird der Satz schwammig, wartet der Account. Wird er scharf, entwirft der Agent eine kurze E-Mail, die mit dem Ereignis einsteigt, und speichert sie als Draft für dich. Genau dieser Ein-Satz-Filter sorgt dafür, dass Outreach sich wie perfektes Timing anfühlt und nicht wie Spam.

Der Search-Agent findet die Fragen, die Menschen stellen, kurz bevor sie kaufen, und baut für jede die beste Seite im Internet. Füttere ihn mit drei Quellen: deinen Search-Console-Daten, den Fragen aus Sales-Calls und dem, was ChatGPT, Claude und Perplexity antworten, wenn du sie nach deiner Kategorie fragst. Letzteres ist neu und wird massiv unterschätzt. Frag die KI-Engines jede Woche die Fragen deiner Käufer und notiere, welche Unternehmen und Quellen sie empfehlen. Das zeigt dir, welchen Marken die Modelle vertrauen und wo du unsichtbar bist.

Baue dann Seiten, die nützlicher sind als alles andere da draußen, denn KI-Suche belohnt die nützlichste Seite stärker als die am besten optimierte. Ein Gastro-Großhändler, der einen Guide zur Eröffnung deines ersten Restaurants baut – inklusive Rechner, welches Equipment zu Raum und Budget passt –, rankt, wird von den KI-Engines zitiert und von Käufern gespeichert, die wiederkommen, wenn sie bereit sind. Dein Agent kann diesen Rechner an einem Nachmittag schreiben und auf Next.js und Vercel veröffentlichen – oder auf Framer, wenn es schnell gehen soll.

Der Creative-Agent erstellt und testet Ads. Gib ihm den neuesten Customer-Language-Report, die freigegebenen Claims aus offers.md, echtes Produktmaterial, Screenshots und einen Ordner mit Ads, die du liebst. Frag ihn nach unterschiedlichen Kaufgründen, statt nach fünfzig Versionen derselben Headline: eine Ad, die ein durchgerechnetes Beispiel zeigt, eine, die eine Kundengeschichte erzählt, eine, die ein rohes Demo des Produkts ist. Bildmodelle wie Nano Banana und Videomodelle wie Veo machen die Produktion nahezu kostenlos.

Benenne jede Ad nach dem, was sie testet, z. B. BK014_dinner-angle_ugc_v2, sodass Kampagnen-ID, Idee und Format direkt im Namen stecken. Einen Monat später ist „der Dinner-Angle hat den Preis-Angle geschlagen“ eine Lektion, die du überall nutzen kannst. „video_final_7 hat gewonnen“ ist reines Trivia-Wissen.

Der Agent lädt die Ads über die Meta Ads API pausiert hoch, sodass ein Mensch auf Start drückt. Dann prüft ein kleines Skript jeden Morgen die Ergebnisse und pausiert alles unter 1 % CTR nach einem definierten Spend. Leg deine Messlatte vor dem Launch fest: Wie viel Spend, wie viele Tage, was gilt als Gewinn? Überspringst du das, liefern dir 200 Ads einfach 200 nicht aussagekräftige Experimente.

Der Closed-Lost-Agent ist derjenige, der alles andere finanziert. Zieh jeden verlorenen Deal aus deinem CRM, inklusive Notizen und Call-Transkripten. „Kein Interesse“ ist eine faule Zusammenfassung eines echten Gesprächs, also lass den Agenten jedes einzelne neu lesen und den tatsächlichen Grund plus eine Bedingung für die Wiederaufnahme notieren. „Hat sich für einen Wettbewerber entschieden, Vertrag verlängert sich im März.“ „Braucht SSO.“ „Champion hat das Unternehmen verlassen.“

Dann achtet er auf genau diese Bedingungen. An dem Tag, an dem dein Changelog meldet, dass SSO live ist, bekommt jeder Interessent, der danach gefragt hat, einen persönlichen Entwurf, der seinen ursprünglichen Call zitiert. Nähert sich das Verlängerungsdatum, tauchst du auf. Landet der Champion bei einem neuen Unternehmen, gratulierst du und stellst dich neu vor. Respektiere Opt-outs und Kontaktpräferenzen, und du wirst merken: Die meisten Unternehmen haben einen Haufen ungenutzten Umsatz in ihrem eigenen CRM liegen.

Der Performance-Agent liest jeden Montag deine Kampagnentabelle und schreibt dir ein kurzes Memo, so wie ein smarter Analyst es tun würde. „Die Profitabilitäts-Review-Seite konvertierte mit 4 %, und die Hälfte der Leads war zu klein für uns. Die Dinner-Ad hat die niedrigsten Kosten pro qualifiziertem Call. Retargeting hat 3.000 USD ausgegeben und zwei Sales-Gespräche erzeugt.“ Jede Zeile endet mit einer Entscheidung für dich: behalten, killen, ändern oder testen.

Verdrahte ihn bis hin zu Retention, Refunds und Profit. Eine Kampagne, die billige Kunden bringt, die nach sechzig Tagen churnen, sieht im Dashboard fantastisch aus und verbrennt heimlich dein Geld. Dieser Agent fängt das ab.

Schritt 6: Baue Leitplanken in die Tools

Der schnellste Weg, sich die Finger zu verbrennen: einem Satz im Prompt vertrauen. „Frag mich immer, bevor du etwas sendest“ ist für ein Modell eine höfliche Empfehlung. Echte Leitplanken leben in den Tools.

Gib jedem Agenten das absolut minimale Set an Berechtigungen. Der Outreach-Agent bekommt nur Draft-Zugriff auf E-Mails. Der Ads-Agent erstellt Ads im pausierten Zustand, und die Budgets bleiben bei dir. Freigabeschritte leben direkt im Code, etwa als Slack-Nachricht mit Genehmigungsbutton, auf die die Aktion wartet. Nutze klassischen Code für harte Regeln wie Spend-Limits, Suppression-Listen und Deduplizierung, und heb dir das Modell für Ermessensfragen auf – ob ein Account passt oder eine Nachricht nach dir klingt.

Schreib dann jedem Agenten einen kurzen Vertrag, quasi eine Stellenbeschreibung mit Leitplanken. Hier einer für den Buying-Trigger-Agenten:

„Fertig“ bedeutet: Er hat jede Quelle innerhalb seiner Limits geprüft und dir gemeldet, was kaputt war. Ein Agent, der sagt „diese Quelle ist heute ausgefallen“, ist zehn wert, die sie heimlich überspringen.

Schritt 7: Fahr eine Kampagne End-to-End

So sieht es aus, wenn alles zusammenspielt. Stell dir eine Buchhaltungsagentur vor, die mehr E-Commerce-Kunden will.

Am Montag zeigt der Customer-Language-Report, dass Store-Inhaber ständig dasselbe sagen: „Ich weiß nie, ob ich nach Retouren, Versand und Gebühren wirklich Geld verdient habe.“ Elf verschiedene Kunden sagten das im letzten Monat. Du gehst damit zu der Person, die den Service liefert, und fragst, ob die Agentur das wirklich lösen kann. Sie sagt ja – und dass es das Erste ist, was sie bei jedem neuen Kunden repariert. Du gibst ein Angebot in offers.md frei: eine kostenlose Profitabilitätsprüfung für Stores mit 1 Mio. bis 10 Mio. USD Jahresumsatz.

Die Kampagne bekommt eine ID, BK014, und ab hier trägt alles diese ID.

Am Dienstag baut der Creative-Agent drei Angles aus den Worten der Kunden: wo dein Profit verschwindet, ein Beispiel-Monatsreport und eine kurze Story eines echten Kunden. Der Search-Agent baut eine Seite mit einem simplen Profit-Rechner, der Zahlen nutzt, die die Agentur geprüft hat. Der Closed-Lost-Agent findet 60 alte Leads, die „vielleicht nach Jahresende“ sagten, und entwirft für jeden eine persönliche Nachricht. Der Buying-Trigger-Agent markiert Stores, die gerade auf Amazon gestartet sind, weil Multichannel-Verkauf die Bücher chaotischer macht.

Am Mittwoch reviewst du alles in einem Rutsch. Du streichst eine Ad, die Ersparnisse verspricht, die die Agentur nicht garantieren kann, gibst den Rest frei und startest einen 2.000-USD-Test.

Zwei Wochen später verknüpft der Performance-Agent den Spend mit gebuchten Reviews und die Reviews mit unterschriebenen Verträgen. Die Rechner-Seite konvertiert am besten. Die Amazon-Trigger-Liste bucht die meisten Calls. Er erinnert dich auch daran, dass die Stichprobe noch klein ist.

Dir wird auffallen, dass die Originalworte des Kunden jeden Schritt überlebt haben. Normalerweise wandert ein starker Insight durch Research-Summary, Briefing und fünf Feedbackrunden – und klingt am Ende wie jede andere Buchhaltungs-Ad im Netz. Hier reisten die Zitate im Kampagnenordner mit, sodass jeder Agent sie sah.

Schritt 8: Fahr die wöchentliche Schleife

Sobald die Maschine steht, fühlt sich der Job viel mehr nach Editieren an als nach Machen.

Montag liest du das Performance-Memo und triffst die Keep-, Kill- und Change-Entscheidungen. Dienstag und Mittwoch baust du, reparierst die Workflows, die letzte Woche schwachen Output geliefert haben, und startest neue Tests. Donnerstag gehst du in Calls mit Sales und Support, denn dort verstecken sich die besten Ideen für nächste Woche. Freitag reviewst du, was die Agents gebaut haben, und aktualisierst die Dateien.

Das Herzstück des Ganzen ist eine Review-Queue. Jeder Punkt darin sollte in unter einer Minute zu entscheiden sein. „Gib dieses überarbeitete Angebot frei. Es ändert diese zwei Ads und diese E-Mail.“ Zeig die Änderung, was sie berührt und welche Daten dahinterstecken.

Und das System wird nur schlauer, wenn du seine Inputs änderst. Jedes Mal, wenn du etwas ablehnst, schreib auf, warum, und leg es dort ab, wo der nächste Run es sieht. Eine Ad abgelehnt, weil sie Businesses anzieht, die zu klein für euch sind? Update customer-fit.md. Ein Lead hat ein Angebot falsch verstanden? Bau eine Prüfung dafür ein. Führ ein Experiment-Log: was du getestet hast, warum, was passiert ist und was du als Nächstes tust. Halt für jeden Agenten zehn Beispiel-Inputs mit dem erwarteten Output bereit und lass sie jedes Mal neu laufen, wenn du eine Anweisung änderst – so merkst du sofort, ob etwas schlechter geworden ist.

Wenn du den ganzen Tag damit verbringst, Agent-Output zu reparieren, liegt das Problem weiter oben. Fast immer ist es das Gehirn oder der Vertrag.

Die Creative Engine

Das haben die meisten noch nicht auf dem Schirm: Creative ist das neue Targeting.

Meta hat komplett umgebaut, wie es entscheidet, welche Ads gezeigt werden. Das neue System namens Andromeda wurde Ende 2025 global ausgerollt und liest die Ad selbst, um herauszufinden, wer sie sehen soll. Dein Bild, dein Hook und dein Skript übernehmen jetzt den Job, den früher das Interessen-Targeting gemacht hat. Eine Nebenwirkung ist brutal für faule Werbetreibende: Andromeda gruppiert Ads, die sich ähnlich sehen, und behandelt sie als eine. Fünfzig Versionen derselben Headline bringen dir also ungefähr die Reichweite einer einzigen Ad. Und Gewinner-Ads brennen jetzt in zwei bis drei Wochen durch statt in sechs.

Der Job ist also ein stetiger Strom wirklich unterschiedlicher Ideen. Bis vor Kurzem brauchte man dafür ein Produktionsteam. Jetzt braucht man eine Creative Engine – und so würde ich eine aufsetzen.

Starte mit den Worten. Lade voice.md und den neuesten Customer-Language-Report in ein Frontier-Modell wie Claude oder GPT und lass es Skripte für 8 bis 12 klar getrennte Konzepte schreiben: einen Pain Point, ein durchgerechnetes Beispiel, eine Kundengeschichte, einen Founder-Rant, einen Vergleich, einen Mythos, den du zerstörst. Gib jedem Konzept zwei oder drei Hooks. Die Strategie steckt in diesem Schritt, also investier hier deine Zeit.

Ein Shortcut, der enorm hilft: Starte mit einem Funnel, der bereits funktioniert.

Mein Partner hat bisher nicht viel öffentlich darüber gesprochen, aber @BoringMarketer hat gerade Boring Funnels gelauncht. Dort wird jede Woche ein echter, live laufender Funnel zerlegt – von der Ad bis zur letzten E-Mail – und jeder Schritt in einen Prompt verwandelt, den du deinem Coding-Agenten geben kannst. Ein deutlich besserer Startpunkt als ein leeres Blatt.

Dann mach die Bilder. Nano Banana, GPT Image und Midjourney liefern mittlerweile Produktshots, Lifestyle-Szenen und Static Ads, die auf einem Handybildschirm bestehen. Der Trick: Füttere sie mit deinen echten Produktfotos, damit das Produkt korrekt bleibt, und lass das Modell alles drumherum verändern.

Dann mach das Video. Veo, Kling und fal verwandeln ein Skript oder ein Standbild in einen kurzen Clip. Für Talking-Head-Ads generieren Arcads, HeyGen und Creatify KI-Schauspieler, die dein Skript in dutzenden Sprachen vorlesen. ElevenLabs übernimmt Voiceover, CapCut oder Captions den Schnitt.

Nutze KI-Schauspieler zum Testen, bezahle Menschen zum Gewinnen. Das ist die Geheimzutat bei AI UGC. Mit KI-Schauspielern testest du zwanzig Skripte an einem Tag zum Preis eines einzigen Creator-Videos. Sobald du weißt, welches Skript funktioniert, performt ein echter Mensch, der es spricht, meist noch besser, baut mehr Vertrauen auf und hält dich auf der sicheren Seite bei Plattformen, die KI-Content kennzeichnen lassen wollen.

Lass den Agenten die Schleife laufen lassen. Er startet jedes Konzept pausiert, ein Mensch drückt auf Start, ein Skript stoppt die Verlierer nach einem festgelegten Budget, und jeden Montag sagt dir der Performance-Agent, welche Konzepte gewonnen haben und welche Hooks du als Nächstes testen solltest. Deine Aufgabe besteht nur noch darin, Ideen auszuwählen und Geschmack zu beweisen – den Rest erledigt die Maschine.

Die Marketing Engineers, die aktuell im Paid Social gewinnen, veröffentlichen Dutzende wirklich unterschiedliche Konzepte pro Monat – und das ganz ohne Produktionsteam.

Die Social-Maschine

Paid bekommt die ganze Aufmerksamkeit, aber im organischen Social Media bauen Marketing Engineers still und heimlich einen unfairen Vorteil auf. Es ist kostenlose Reichweite und gleichzeitig das günstigste Kreativ-Testlabor, das je erfunden wurde.

Nutze Organic als deine Testküche. Poste zehn Hooks als organische TikToks, Reels oder X-Posts, schau, welche der Algorithmus aufgreift, und stecke erst dann Geld in die Gewinner. So findest du kostenlos heraus, was funktioniert, und dein Werbebudget fließt nur in Ideen, die sich bereits bewiesen haben.

Clippe alles. Ein langer Content-Baustein – wie ein Podcast, ein Webinar oder ein spontaner Rant des Gründers beim Spazierengehen – kann zu zwanzig kurzen Clips werden. Tools wie Opus Clip finden die besten Momente und versehen sie mit Untertiteln, und ein Agent kann sie plattformübergreifend planen. Genau so wachsen die meisten der größten Podcasts.

Nutze Formate, die ohne Gesicht skalieren. Slideshows und Karussells auf TikTok und Instagram, erstellt aus deinem Kunden-Sprachbericht, gehören zu den einfachsten Posts überhaupt – und zu denen, die am häufigsten gespeichert werden. Ein Agent schreibt die Slides, ein Modell generiert die Bilder, und du gibst den Batch am Sonntag frei.

Hör zu, bevor du sprichst. Lass einen Agenten Reddit, X, TikTok-Kommentare und die Bewertungen deiner Konkurrenz beobachten und dir wöchentlich berichten, worüber sich Leute beschweren, was sie sich wünschen und wofür sie brennen. Lass ihn dann hilfreiche Antworten für Threads entwerfen, in denen dein Produkt wirklich weiterhilft, und poste sie selbst. Gerade auf Reddit schlägt eine nützliche Antwort von einer echten Person jede Anzeige – und Spam führt direkt zum Bann.

Setz den Gründer ein. Wenn jede Marke Content generieren kann, ist das Seltenste im Feed ein echter Mensch mit echten Meinungen. Mach founder-opinions.md zu deiner Content-Maschine: Der Agent entwirft täglich einen Post aus deinen Ansichten, du feilst ihn in deinem Tonfall zurecht und klickst auf „Veröffentlichen“. KI macht den Gründer wertvoller, denn er ist das Einzige, was niemand sonst generieren kann.

Zwei Regeln halten das Ganze sauber. Kennzeichne KI-generierte Personen und Szenen überall dort, wo die Plattform es verlangt, und lass immer einen Menschen den Veröffentlichen-Button drücken.

Wie du zu den Top 1 % der Marketing Engineers gehörst

Sobald die Grundlagen von allein laufen, wird es richtig spannend.

Erstens: Entscheidungshilfen bauen. Ein Verpackungsunternehmen baut einen Rechner, der zeigt, welche Kartongröße deine Versandkosten senkt. Ein Softwareunternehmen baut einen Migrations-Checker, der dein Setup scannt und exakt anzeigt, was sich problemlos übertragen lässt. Früher waren das sechsmonatige Entwicklungsprojekte, deshalb wurden sie selten umgesetzt. Heute kann ein Marketing Engineer innerhalb einer Woche eine pragmatische Version live bringen – und potenzielle Käufer setzen sich ein Lesezeichen und kommen genau dann zurück, wenn sie kaufbereit sind.

Zweitens: Marketing für die Menschen machen, die die Kaufentscheidung beeinflussen. Der Steuerberater, der vierzig Mandanten eine Software empfiehlt. Die Agentur, die Tools für ihre Kunden auswählt. Der IT-Mitarbeiter, der gefragt wird: „Ist das sicher?“ Bau eine Kampagne nur für sie, mit genau dem Material, das sie brauchen, um Ja zu sagen.

Drittens: Akquise direkt im Onboarding reparieren. Manchmal funktionieren die Ads perfekt, und neue Kunden springen trotzdem ab, weil die erste Woche verwirrend ist. Ein Agent, der Onboarding-Tickets liest und erkennt, wo Nutzer hängen bleiben, kann mehr für dein Wachstum tun als dein nächstes Ad-Set.

Viertens: Jedem Kanal seine eigene Aufgabe geben. Search beantwortet Fragen. Social startet Gespräche. E-Mail meldet sich im perfekten Moment. Wenn jeder Kanal dieselbe Botschaft wiederholt, bezahlst du fünfmal für denselben Eindruck.

Der Stack

Hier ist das komplette Toolkit, sortiert nach Aufgaben. Tools wechseln alle paar Monate, also lerne die Kategorien kennen und tausche die Namen bei Bedarf aus.

• Agent Workspace: Claude Code, Codex, Cursor, Google AI Studio
• Always-on-Agents: Hermes, GrokBot, Codex
• Texte und Strategie: Claude, ChatGPT, Gemini
• Bilder: Nano Banana, GPT Image, Midjourney
• Video: Veo, Sora, Kling, Runway, Fal
• KI-Darsteller und UGC: Arcads, HeyGen, Creatify
• Stimme: ElevenLabs
• Funnels: BoringFunnels.com
• Schnitt und Clipping: CapCut, Captions, Opus Clip
• Kundenstimme: Gong, Fathom, Intercom, Zendesk, G2
• CRM: HubSpot, Salesforce
• Signale und Datenanreicherung: Clay, Apollo
• Suche und KI-Sichtbarkeit: Ahrefs, Semrush, Google Search Console
• Ads: Meta Ads API, Google Ads API
• E-Mail und Outbound: Customer.io, Resend, Instantly
• Web: Next.js auf Vercel, Framer, Webflow
• Messung: PostHog, Stripe, Supabase

Was du lernen musst

Der Job ist halb Marketer, halb Builder – und du brauchst beide Hälften.

Die Marketer-Hälfte ist das, was großartige Marketer schon immer wussten. Wie man ein Kundeninterview führt und genau den Satz hört, der zählt. Wie man ein Produkt so positioniert, dass die richtigen Leute das Gefühl haben, es sei für sie gemacht. Wie man ein Angebot baut, das ein echter Kaufgrund ist – und kein Rabatt im Kostüm. Wie man eine Headline schreibt, die den Scroll stoppt. Wie jeder Kanal entscheidet, wer was sieht. Und genug Statistik, um zu erkennen, wann ein Ergebnis echt ist und wann nur Zufall.

Die Builder-Hälfte ist neuer und viel leichter zu lernen, als viele denken. Du musst Kontext so formulieren, dass ein Agent ihn tatsächlich nutzen kann – die unterschätzteste Fähigkeit auf dieser ganzen Liste. Du musst Code gut genug lesen können, um zu beurteilen, ob er tut, was du verlangt hast, denn der Agent schreibt ihn, aber du trägst die Verantwortung. Du musst verstehen, wie APIs und MCP Tools verbinden, grundlegendes SQL schreiben können, um deine eigenen Zahlen zu ziehen, eine Seite live bringen, git nutzen, Testfälle schreiben und ungefähr wissen, was dich jeder Agent-Lauf kostet.

Der schnellste Weg, die Builder-Hälfte zu lernen: Bring dieses Wochenende mit einem KI-Coding-Tool eine hässliche Landingpage live. Eine veröffentlichte Seite bringt dir mehr als zehn Kurse.

Wohin die Reise geht

Wenn ich diese Woche neu starten müsste, würde ich Folgendes tun. Wenn du Marketer bist, baue den Kunden-Sprach-Agenten und lass ihn über deine letzten 20 Sales-Calls laufen. Wenn du Entwickler bist, setz dich in fünf Sales-Calls dazu und bau dann einen Rechner für eine Kundengruppe. Wenn du Gründer bist, block dir dieses Wochenende zwei Stunden und schreib founder-opinions.md – denn jeder Agent, den du danach baust, wird dadurch präziser.

Halte Veröffentlichungen, Outreach und Budgetfreigaben zurück, bis jeder Workflow dein Vertrauen verdient hat. Mach erst einen Workflow zuverlässig, bevor du den nächsten hinzufügst. Ein chaotischer Workflow, der jeden Morgen läuft, liefert dir nur zuverlässig Chaos.

Fast die gesamte Geschichte des Marketings lang gewann, wer das größte Budget und die meisten Mitarbeiter hatte. Ich glaube, das nächste Jahrzehnt gehört denen, die ihre Kunden am besten verstehen und am schnellsten handeln können. Meine Prognose: Bis 2028 werden die besten Marketing-Teams aus ein oder zwei Marketing Engineers bestehen, die Dutzende Agents steuern – und sie werden Abteilungen überholen, die zehnmal so groß sind.

Die meisten dieser Leute sitzen gerade in Growth-, Content- und Ops-Rollen. Sie sind nur ein Wochenende Tüfteln davon entfernt, selbst einer zu werden.

Wenn du tiefer einsteigen willst: Ich habe eine komplette Folge über Marketing Engineers im Podcast @startupideaspod aufgenommen: https://youtube.com/watch?v=8ZC1G1ezN5o

Schreib mir eine DM, wenn ich dir irgendwie helfen kann. Ich kann nicht allen antworten, aber einigen schon!

Ich drücke dir die Daumen.

Greg Isenberg

Übrigens, so könnten wir zusammenarbeiten:

1. Beauftrage LCA. Wir sind die führende Produktdesign-Agentur für KI. Wenn dein KI-Produkt Weltklasse aussehen und sich so anfühlen soll, melde dich. Strategie, Design, Produkt, Entwicklung – das volle Programm.
2. Nutze Ideabrowser.com. Finde deine nächste Startup-Idee, gestützt auf echte Daten. Über 200.000 Gründer nutzen es bereits.
3. Probier Boring Funnels. Mein Partner hat gerade Boring Funnels gelauncht. Jede Woche wird dort ein echter, funktionierender Funnel zerlegt und in Prompts für deinen Coding-Agenten verwandelt.
4. @startupideaspod – hör rein auf Spotify, Apple und YouTube für Startup-Ideen, Growth-Taktiken und praxisnahe KI-Tutorials.