Mitglied
Gesellschaft für Informatik
Verantwortungsvolle Informatik, fachliche Urteilsfähigkeit und ethische Leitlinien.
KI & Automatisierung
Editorial 04 · 7 Min. Lesezeit
OMX & SEOkomm · Management-Learnings
KI als Taktgeber im Online-Marketing: Was Teams aus OMX und SEOkomm mitnehmen
Jede Woche ein neues Tool. Doch der Wettbewerbsvorteil entsteht nicht durch Toolwissen, sondern durch Prozesse, Daten und ein Team, das KI kontrolliert produktiv einsetzen kann.
KR
Kai Radanitsch – Informatiker & Managementberater
Google Certified Generative AI Leader
OMX und SEOkomm 2024 zeigten, wie gleichzeitig KI, Kampagnenautomatisierung, Social Search, Produktfeeds und Barrierefreiheit auf Marketing-Teams einwirken. Für Digital Manager ergibt sich daraus eine klare Aufgabe: Die Tool-Ebene muss austauschbar bleiben. Prozesse und Entscheidungskriterien müssen stabil werden.
Jede Woche ein neues KI-Tool. Aber noch kein belastbares System.
Die OMX am 21. November und die SEOkomm am 22. November 2024 brachten in Salzburg zwei Perspektiven zusammen: operative Marketingpraxis und die Zukunft der Suche. In fast jedem Themenfeld spielte KI eine Rolle – von Content und Video über Kampagnen bis zu Produktfeeds und Analyse.
Für Marketing-Manager entsteht daraus ein neues Problem. Teams können ständig neue Werkzeuge testen, ohne dass sich Arbeitsweise oder Ergebnis nachhaltig verbessern. Toolwissen altert schnell. Ein guter Prozess bleibt.
KI beschleunigt die Arbeit. Ohne klare Qualitätsregeln beschleunigt sie auch Fehler.
Fünf Management-Learnings aus OMX und SEOkomm
Menschen müssen den Wandel verstehen.
Klemens Skibicki stellte in seiner Keynote nicht die Technologie, sondern den Menschen im digitalen Strukturwandel in den Mittelpunkt. Einführung ist deshalb immer auch Kommunikation.
Automatisierung ersetzt kein Experiment.
Internationale Märkte, Meta Ads und neue Funnel-Formate brauchen Hypothesen, kontrollierte Tests und klare Abbruchkriterien – nicht nur mehr Varianten.
Eigene Beziehungen werden wertvoller.
Steigende Akquisekosten und eingeschränktes Tracking erhöhen den Wert von Community, Newsletter und Bestandskundenkommunikation.
Dashboards sind nicht automatisch Wahrheit.
Top-down-Controlling und saubere Webanalyse bleiben notwendig. KI kann nur mit belastbaren Definitionen und Daten sinnvoll priorisieren.
Produktdaten werden zur Marketing-Infrastruktur.
Optimierte Feeds erhöhen nicht nur die Leistung in Google Shopping. Semantisch saubere Produktdaten werden auch für generative Suche und GEO wichtiger.
Vom Tooltest zum austauschbaren KI-Ökosystem
Jan Schoenmakers zeigte die unterschiedlichen Arten künstlicher Intelligenz und deren Zusammenspiel. Genau daraus folgt eine wichtige Architekturentscheidung: Ein Unternehmen sollte seine Arbeitsweise nicht um ein einzelnes Tool herum bauen.
Stabil bleiben müssen Ziel, Eingangsdaten, Qualitätskriterien, Rollen und Freigaben. Austauschbar bleiben dürfen Sprachmodell, Bildgenerator, Automatisierungsplattform oder Analysewerkzeug.
- Use Case definieren. Welcher wiederkehrende Arbeitsschritt kostet heute Zeit, Qualität oder Kampagnenwirkung?
- Eingangsdaten standardisieren. Welche Informationen benötigt der Prozess – und wer verantwortet ihre Qualität?
- Ergebnis messbar machen. Schneller allein reicht nicht. Das Ergebnis muss fachlich besser oder wirtschaftlich wirksamer werden.
- Freigaben festlegen. Welche Ausgaben darf KI vorbereiten, welche darf sie ausführen und wo entscheidet zwingend ein Mensch?
- Toolwechsel ermöglichen. Prompts, Regeln und Wissen gehören in eine dokumentierte Prozessschicht, nicht ausschließlich in ein Herstellerkonto.
So entsteht aus vielen KI-Experimenten ein steuerbares System. Das Team kann neue Modelle nutzen, ohne bei jeder Produktänderung wieder bei null anzufangen.
Suche ist keine einzelne Ergebnisliste mehr
Die SEOkomm machte sichtbar, wie stark sich Suche auffächert. Google bleibt wichtig, doch YouTube, Pinterest, TikTok, Shopping-Systeme und KI-Antworten werden ebenfalls zu Recherche- und Entscheidungsebenen.
Technisches SEO bleibt dafür die Grundlage. Query, Crawling, Indexing, Rendering und Ranking müssen funktionieren. Für E-Commerce kommt eine zweite Ebene hinzu: Produktfeeds, strukturierte Daten und verständlicher Kontext müssen dieselbe Produktwahrheit transportieren.
Maschinen müssen die Seite verstehen.
Saubere Überschriften, Sections, Navigation, Autorenschaft und technische Semantik geben Inhalten eine eindeutige Struktur.
Produktdaten müssen belastbar sein.
Attribute, Taxonomie, Schema.org und Feeds brauchen konsistente Begriffe statt kanalabhängiger Einzellösungen.
Produkte brauchen Entscheidungskontext.
UX, Natural Language, Behavior Patterns und zusätzliche Antworten unterstützen die Query-Fan-outs realer Kundenfragen.
Diese drei Ebenen bilden auch die Grundlage des eBusinessLab-Fahrplans für GEO-Optimierung im E-Commerce.
Automatisierung findet Hinweise. Expertise bewertet das Risiko.
Der Vortrag von Kai Radanitsch zeigte das am Beispiel eines Accessibility-Audits mit Screaming Frog. Automatisierte Prüfungen erkennen viele technische Auffälligkeiten schnell. Sie können jedoch nicht zuverlässig beurteilen, ob ein Interface verständlich, mit Hilfsmitteln sinnvoll bedienbar und im Nutzungskontext tatsächlich barrierefrei ist.
Das Prinzip gilt weit über Barrierefreiheit hinaus. KI kann Varianten erzeugen, Daten clustern und Auffälligkeiten markieren. Die Bewertung braucht weiterhin Fachwissen, Zielgruppenverständnis und klare wirtschaftliche Prioritäten.
Ein realistischer KI-Fahrplan für Marketing-Teams
Aus den Konferenzimpulsen ergeben sich fünf Schritte, mit denen Marketing-Manager KI vom Experiment in die produktive Arbeit bringen:
- Engpass auswählen. Nicht mit einer Toolliste beginnen, sondern mit einem häufigen und wirtschaftlich relevanten Problem.
- Ist-Prozess sichtbar machen. Eingangsdaten, Übergaben, Agenturen, Freigaben und Qualitätsprobleme dokumentieren.
- Kleinen Pilot aufsetzen. Einen realen Use Case mit einem Team, einem Ziel und einer überprüfbaren Kennzahl testen.
- Qualität absichern. Review-Regeln, Datenschutz, Markenstimme und fachliche Grenzen verbindlich festlegen.
- Wissen skalieren. Erfolgreiche Abläufe als Vorlagen, Checklisten und Schulungen im Unternehmen verankern.
Das Ergebnis ist kein einmaliger KI-Workshop. Es ist eine Arbeitsweise, mit der Teams neue Modelle schneller beurteilen und produktiv einsetzen können.
Mehr dazu zeigt die Leistungsseite KI im Online-Marketing. Dort werden Zielgruppenanalyse, Google- und Meta-Ads-Landingpages sowie die Einführung in Teams zu einem gemeinsamen Fahrplan verbunden.
Autor & fachliche Einordnung
Unser Geschäftsführer Kai Radanitsch – Informatiker.
Kai Radanitsch verbindet Conversion-Rate-Optimierung, User Experience und KI zu belastbaren Entscheidungs- und Arbeitsmodellen für Digital Manager. Seine technische Perspektive hilft, Trends von tragfähigen Prozessen zu unterscheiden und Maßnahmen nach wirtschaftlicher Wirkung zu priorisieren.
Google Certified Generative AI Leader
Mehr über die Expertise →KI im Online Marketing
Neue Tools sind kein Fahrplan. Ein belastbarer Prozess schon.
eBusinessLab begleitet Marketing-Manager dabei, KI-Auswahl, Zielgruppenanalyse und conversionstarke Landingpages als steuerbares System im Team zu etablieren.