Die KI-Kompetenzlücke und die bittere Wahrheit über Kompetenzen
Vielen Unternehmen fehlen nach wie vor die passenden Kompetenzen, die technologische Infrastruktur und das Vertrauen der Verbraucher, damit sich KI-Investitionen in echten Erträgen niederschlagen
Führungskräfte im Marketing investieren mit wachsendem Vertrauen in künstliche Intelligenz. Vielen Unternehmen fehlen jedoch nach wie vor die passenden Kompetenzen, die technologische Infrastruktur und das Vertrauen der Verbraucher, damit sich diese Investitionen in echten Erträgen niederschlagen.
Die meisten CMOs können generative KI nicht von Prognosemodellen unterscheiden
Das Problem beginnt mit dem Begriff „KI” selbst, der häufig viel zu weit gefasst und als Sammelbezeichnung für alles Mögliche verwendet wird – von generativen Sprachmodellen bis hin zu prädiktiven Analysesystemen und maschinellem Lernen. Das führt wiederum zu Vereinfachungen wie „Das hat die KI gemacht”, obwohl in der Praxis konkrete Werkzeuge und Daten zum Einsatz kommen und Menschen damit arbeiten.
„KI” entwickelt sich zu einem Sammelbegriff für alles von der Texterstellung bis hin zur Modellierung medizinischer Daten. Für die Medien mag das praktisch sein, doch dadurch wird zu stark vereinfacht und der Unterschied zwischen einem Automatisierungswerkzeug und einem Prognosesystem verwischt, das wissenschaftliche Entdeckungen unterstützt.
KI-Kompetenzen unter CMOs: die bittere Wahrheit
Untersuchungen von Findem und CMO Huddles zufolge verfügen 26 % der neu eingestellten CMOs über gewisse KI-Kenntnisse. Bei denjenigen, die das Amt seit mehr als vier Jahren bekleiden, sind es dagegen nur 9 %. Unternehmen suchen eindeutig nach Führungskräften, die neue Technologien verstehen. Den meisten amtierenden Marketingchefs fehlt jedoch noch einiges, um dieses Niveau zu erreichen.
In vielen Unternehmen beginnen und enden „KI-Kompetenzen” leider mit der Fähigkeit, einen Prompt zu formulieren und ein Bild oder einen Text zu generieren. Das ist nützlich, aber noch keine echte KI-Kompetenz. Es ähnelt eher der Bedienung einer Benutzeroberfläche als dem Verständnis des Systems: seiner Daten und Modelle, seiner Grenzen, des Fehlerrisikos, des Datenschutzes, der Ergebnisqualität und der Frage, wann generative statt prädiktiver KI benötigt wird.
The technology itself is also not ready for widespread implementation. In a global study by Lippincott and Bloomberg Media, only 11% of marketing leaders rated their organization as “excellent” at implementing and innovating in marketing technology. Just 7% rated it as “poor,” suggesting that most companies fall somewhere in the middle: they have the tools, but not yet the full ability to put them to work.
Ambitionen bei KI-Investitionen
Die Investitionsambitionen bleiben jedoch hoch. Laut Gartners CMO Spend Survey 2026 planen bis zu 75 % der leitenden Marketingverantwortlichen, ihre Ausgaben für KI-Assistenten im kommenden Jahr zu erhöhen.
Doch auch hier werden Kategorien verwechselt: Ein generativer Assistent, ein Empfehlungssystem, ein Prognosemodell und ein Analysewerkzeug sind nicht dasselbe. „Kampagnenpersonalisierung” entsteht in der Regel nicht durch einen Prompt, sondern setzt funktionierende Daten, Integrationen und Prognosemodelle voraus. Genau solche Lösungen stehen häufig hinter der wirksamen Anpassung von Kommunikation an unterschiedliche Zielgruppen.
Ein weiterer Faktor ist das Vertrauen der Verbraucher. Kantar Media Reactions 2026 zeigt, dass nur 23 % der Verbraucher Empfehlungen von KI-Assistenten vertrauen. Das ist wichtig, denn selbst die beste Automatisierung führt nicht automatisch zu Markenvertrauen oder Geschäftsergebnissen. Empfehlungen von KI-Assistenten beruhen auf öffentlich verfügbaren Daten; Prognosemodelle kommen dabei nicht zum Einsatz. KI kann die Datenanalyse unterstützen und Prozesse verbessern, doch allein der Verweis auf „KI” garantiert weder fundierte Entscheidungen noch einen Wettbewerbsvorteil.
KI-Kompetenzen Schritt für Schritt aufbauen
Deshalb geht es bei einer wirksamen Strategie nicht darum, KI überall gleichzeitig einzuführen. Kompetenzen lassen sich besser Schritt für Schritt aufbauen: durch die Schulung von Teams, eine klare Unterscheidung zwischen generativer, prädiktiver und analytischer KI, den Einstieg mit risikoarmen Anwendungen und die Messung geschäftlicher Ergebnisse statt nur der eingesparten Zeit. In Bereichen mit direktem Kundenkontakt sollte ein Mensch weiterhin das letzte Wort haben – nicht, weil KI nutzlos wäre, sondern weil sich Markenvertrauen nicht automatisch erzeugen lässt.
KI verändert das Marketing tatsächlich, aber nur dann, wenn Unternehmen verstehen, welche Art von KI sie einsetzen. CMOs, die nicht alles unter einer praktischen Sammelbezeichnung zusammenfassen, sind besser darauf vorbereitet, aus Technologie echte Ergebnisse zu erzielen.
