KI im CRM-Marketing: Entscheidungen statt Prozesse

„Nutzen wir KI im CRM?" ist eine Frage, die in fast jedem Marketing-Team mit Ja beantwortet wird und trotzdem fast nichts aussagt. Texte entstehen schneller, Bilder auch, irgendwo läuft ein Scoring mit. Die Frage, an der sich etwas entscheidet, lautet anders: Welche Entscheidung triffst du mit KI anders als vorher?

Dieser Guide zieht deshalb eine Trennlinie, die im CRM den ganzen Unterschied macht. Prozesse automatisieren ist Handwerk, und das meiste davon ist seit Jahren möglich. Entscheidungen automatisieren ist eine andere Liga, mit anderen Voraussetzungen und anderen Risiken.

Als Praxisquelle dient ein Gespräch aus unserem Podcast. Laurens Mauquoi, Chief Digital Officer von nexeye, verantwortet Marketing und Produktmanagement für drei Marken in fünf Ländern und über 800 Läden in Europa. Im Reyo-Podcast 360 Marketing & CRM hat er beschrieben, wo KI im CRM bei ihm wirklich arbeitet und wo sie überschätzt wird. Seine Zahlen und Einschätzungen sind seine Aussagen, keine Benchmarks.

Prozess oder Entscheidung: die einzige Trennlinie, die zählt

In den letzten zehn Jahren hat das Marketing vor allem Prozesse automatisiert: Willkommensstrecke, Warenkorbabbrecher, Geburtstagsmail, Reaktivierung. Und selbst das haben laut Mauquoi nur eine Minderheit der Firmen wirklich getan. Die nächste Stufe betrifft nicht den Versand, sondern die Wahl.

„Was KI in Zukunft machen wird, ist nicht, die Marketing-Prozesse zu automatisieren, sondern die Marketing-Entscheidungen", sagt er im Podcast. Der Satz ist mehr als eine Formulierung, weil er Projekte sortiert. Eine Strecke, die nach einem Ereignis eine Vorlage verschickt, automatisiert einen Prozess. Ein System, das je Person wählt, über welchen Kanal und mit welchem Inhalt der nächste Kontakt läuft, automatisiert eine Entscheidung.

Die Spalten sind keine Stufenleiter, auf der man die linke Seite abschließt und dann die rechte beginnt. Sie sind zwei verschiedene Baustellen. Wer die rechte Spalte angeht, ohne die linke zu beherrschen, automatisiert eine Entscheidung, die anschließend von Hand ausgeführt wird. Wie die linke Seite technisch aufgesetzt wird, steht im Guide zur Marketing-Automation im E-Commerce.

Ohne Forecasting bringt KI im CRM nichts

Der nüchternste Satz des Gesprächs ist auch der nützlichste: „KI wird fast immer überschätzt. Am Ende ist der größte Gewinn im CRM immer: Machst du Forecasting oder nicht? Machst du Personalisierung oder nicht?" Nach Mauquois Erfahrung macht KI danach ein paar Prozentpunkte Unterschied, weil sie eine Ebene genauer trifft. Die beiden Schalter davor sind nicht graduell, sondern an oder aus.

Das ist eine gute Nachricht für jedes Team ohne Data-Science-Abteilung, denn beide Schalter lassen sich ohne Modell umlegen. Forecasting im CRM beginnt als Rechnung auf dem, was du schon weißt:

1. Kaufabstand je Kategorie. Die mittlere Zahl der Tage zwischen erstem und zweitem Kauf.
2. Die typische Folgekategorie. Was Menschen nach einem bestimmten Artikel als nächstes kaufen.
3. Die Überfälligkeit. Wie weit jemand über dem eigenen üblichen Abstand liegt.
4. Der Moment. Aus den drei Zahlen folgt je Person ein Datum und ein Inhalt.

Für die Frage, welche Promotion jemand kauft, braucht es laut Mauquoi gar keine KI: Bei Hunderttausenden bis Millionen bekannter Kund*innen zeigt die Historie selbst, wann sie wiederkommen und was sie dann wahrscheinlich tun. KI schärft diese Rechnung, sie ersetzt sie nicht. Für Shops mit kleinerer Historie gilt dasselbe in Grenzen: Je dünner die Datenbasis, desto gröber die Prognose, und desto wichtiger wird die Prüfung durch Menschen. Die Stufe, die auf dieser Rechnung aufbaut, beschreibt der Guide zur Hyperpersonalisierung im CRM.

Die vier Entscheidungen, die sich wirklich verlagern lassen

Nicht jede Entscheidung im CRM taugt für die Verlagerung. Brauchbar sind die, die oft vorkommen, bei denen eine Fehlentscheidung begrenzt wirkt und bei denen du das Ergebnis in Tagen und nicht in Quartalen siehst.

Die ersten beiden Zeilen sind die, die Mauquoi ausdrücklich nennt: Kanalwahl je Person, bis hin zum Brief oder Anruf für Menschen, die Mails nicht öffnen, und Inhalt je Person. Zeitpunkt und Angebotstiefe sind die naheliegende Fortsetzung, und die vierte Zeile ist die, bei der du am längsten die Hand drauf lässt. Die Rabatthöhe wirkt direkt auf die Marge, und ein Fehler fällt erst in der Abrechnung auf. Wie tief der Markt dabei geht, steht im Guide zur Rabattstrategie im E-Commerce.

Jemand muss die Prognosen monitoren

Machine-Learning-Prognosen stecken in Marketing-Plattformen schon seit Jahren. Neu ist nicht die Technik, sondern dass sie bedienbar geworden ist. Genau deshalb entsteht eine Rolle und verschwindet nicht.

„Es braucht trotzdem jemanden, der das gesamtheitlich versteht und die KI monitort: Diese Predictions machen Sinn, und diese sind zu wild, weil die Datengrundlage nicht ausreicht", sagt Mauquoi. Analytische Routinearbeit im CRM fällt weg, die Beurteilung nicht.

In der Praxis ist das eine wiederkehrende halbe Stunde, keine neue Stelle. Vier Fragen tragen sie:

• Steht hinter jeder Prognose genug? Eine Vorhersage auf elf Bestellungen in einer Kategorie ist eine Vermutung mit Dezimalstellen.
• Wo ist das Ergebnis zu eindeutig? Wenn eine Strecke plötzlich fast allen dasselbe empfiehlt, hat meist ein Feld seinen Inhalt verloren.
• Was passiert bei Grenzfällen? Neue Konten ohne Historie, Rückgaben, Geschenkkäufe. Für jede dieser Gruppen braucht es einen definierten Rückfall.
• Was wäre ohne die Prognose passiert? Die einzige Frage, die den Nutzen belegt, und die einzige, die eine Kontrollgruppe braucht.

Wer dafür Zugänge und Rechte sauber regeln will, findet die Bausteine in den KI-Richtlinien fürs Marketing. Und wo die Grenze zwischen festem Ablauf und eigenständigem Agenten liegt, zeigt der Guide zu KI-Agenten im Marketing.

Segmentierung verfällt, der Lebenszyklus bleibt

Mauquois Prognose für die Zunft ist unbequem: Segmentierung nach alter Schule „wird verfallen", weil Personalisierung je Person deutlich stärker ist als jede Schublade. Fünf erfundene Segmente mit fünf Claims beschreiben einen Zustand, aber keinen Verlauf, und derselbe Mensch fällt je Schnitt in ein anderes Segment.

Das heißt nicht, dass Segmente sofort aus dem Werkzeugkasten fliegen. Sie bleiben als Arbeitsmittel brauchbar: für Reporting, für die Frage, wo etwas klemmt, und als Rückfall, wenn eine Prognose nicht trägt. Was verfällt, ist die Vorstellung, Segmente seien das Ziel. Der Lebenszyklus bleibt, weil er den Verlauf beschreibt, und auf ihm sitzt die Prognose. Wie du die Steuerung darunter aufbaust, von den Feldern über Segmente bis zu den Phasen, steht im Guide zum CRM-Marketing im E-Commerce.

CRM wird zum Gespräch

Der Trend, über den laut Mauquoi kaum jemand spricht: CRM wird conversational. Bisher war CRM eine Einbahnstraße zum Kunden hin, Kampagne raus, Reaktion messen. Mit Sprachmodellen wird echte Kommunikation in zwei Richtungen möglich, mit deutlich höherem Engagement und einer anderen Form von Loyalität.

Die Lesart dazu ist eine Kanalfrage. Mauquoi beobachtet, dass ein Wettbewerber einen Messenger-Kanal genau so bedient wie einen Newsletter-Kanal, und nennt das „völlig falsch", weil ein Messenger in beide Richtungen funktioniert, ähnlich wie Social Media. nexeye ist dort nach seinen Worten selbst noch nicht.

Für dein Team folgen daraus drei nüchterne Konsequenzen, bevor überhaupt ein Kanal dazukommt. Antworten brauchen eine zuständige Person und eine Reaktionszeit, sonst entsteht ein Rückkanal ohne Empfänger. Jede Antwort ist Datenmaterial und gehört ins Konto, nicht nur in ein Support-Postfach. Und der Ton muss hinterlegt sein, bevor ein Modell antwortet, denn ein Rückkanal verzeiht weniger als eine Massenmail.

Marktdaten als Input für die Entscheidungen

Die eigenen Daten sagen dir, was deine Kund*innen getan haben. Sie sagen dir nicht, welches Angebot zur selben Zeit im Postfach daneben lag. Für Entscheidungen über Zeitpunkt und Angebotstiefe ist das die fehlende Hälfte, und keine Prognose auf eigener Historie ersetzt sie.

Mauquoi formuliert das Prinzip klar: „Jeder Händler sollte wissen, wer seine Konkurrenten sind und was deren Aktionen sind. Nicht, um sie zu kopieren, das sollte man nicht. Eine starke Marke schöpft ihre Kraft aus der eigenen Positionierung. Nichtsdestotrotz müssen wir verstehen, was die Konkurrenz an Angeboten hat." Interessant ist dabei nicht die Sendefrequenz der anderen, sondern deren Hauptpromotion.

Genau diese Außensicht liefert Reyo. Das Wettbewerber-Monitoring erfasst, welche Aktionen und Mechaniken im Markt laufen, die Marktprognosen ordnen sie in den Jahresverlauf ein, die Marketing-Empfehlungen machen daraus konkrete Vorschläge, und im Kampagnenplaner landet, was dein Team daraus beschließt. Zwei Grenzen gehören dazu, und sie gelten auch für jeden Automatismus, der auf diesen Daten sitzt: Wir sehen, was gesendet wurde, nicht wie es gelaufen ist, denn Öffnungen, Klicks und Umsätze anderer Shops liegen niemandem vor. Und die Shops nennen wir nicht beim Namen, es geht um die Muster, nicht um die Absender.

Wenn die Entscheidung selbst in deinem KI-Client fallen soll, ist Reyo MCP die Schnittstelle dafür. Dein eigener Client, zum Beispiel Claude, ChatGPT oder Claude Code, liest die Kampagnen und Mails deiner Wettbewerber, legt Einträge im Kampagnenplaner an und schreibt Kommentare, immer nur in deinem Konto. Enthalten ist der Zugang ab dem Plan Professional, und die Anleitung zeigt die Schritte je Client.

Wie diese Außensicht in die eigene Planung kommt, beschreibt der Guide zur Wettbewerbsbeobachtung im E-Commerce. Den Begriffsrahmen dahinter klärt Was ist Marketing Intelligence?, und wohin sich das Feld bewegt, ordnen die Marketing-Intelligence-Trends 2026 ein.

In welcher Reihenfolge du anfängst

Die Reihenfolge ist nicht beliebig. Schritt eins und zwei kosten Tage und wirken dauerhaft, Schritt drei kostet Wochen und bringt den ersten echten Zugewinn, Schritt vier verhindert, dass die Schritte davor still kaputtgehen. Wer bei Schritt drei beginnt, verlagert eine Entscheidung, deren Grundlage noch nicht existiert.

Wie der Rollout über mehrere Teams läuft, steht im Guide zu KI im Marketing einführen.

Fünf Fehler, die du leicht vermeidest

• KI kaufen, bevor Forecasting steht. Ohne Prognose auf eigener Historie verbessert das Modell eine Entscheidung, die niemand trifft.
• Die Kampagne am eigenen Umsatz messen. Jeder Nachlass macht irgendwie Umsatz. Zählt nur der zusätzliche, also der Unterschied zur Kontrollgruppe.
• Prognosen ohne Prüfinstanz laufen lassen. Eine wilde Vorhersage auf dünner Datenbasis sendet genauso zuverlässig wie eine gute.
• Den Rückkanal wie einen Sendekanal behandeln. Wer in beide Richtungen kommuniziert, braucht Zuständigkeit und Reaktionszeit, nicht nur eine Vorlage.
• Die Außensicht weglassen. Zeitpunkt und Angebotstiefe entscheidest du gegen ein Umfeld, das deine eigenen Daten nicht kennen.

Fazit

KI im CRM-Marketing lohnt sich an der Stelle, an der sie unsichtbar ist. Nicht beim Text und nicht beim Bild, sondern bei der Wahl von Kanal, Inhalt und Zeitpunkt je Person. Davor liegen zwei Schalter, die kein Modell für dich umlegt: Forecasting ja oder nein, Personalisierung ja oder nein. Beide gehen ohne KI, und beide bringen mehr als jedes Modell darüber.

Wenn du diese Woche eine Sache tust, dann rechne den mittleren Kaufabstand deiner größten Kategorie aus und schau nach, wie viele Menschen gerade deutlich darüber liegen. Das ist deine erste Prognose, sie braucht kein Modell, und sie sagt dir heute, wen du morgen anschreibst.

Der zweite Blick lohnt sich im Podcast: Folge 3 mit Laurens Mauquoi behandelt Bundles, Omnichannel und Hyperpersonalisierung, Folge 1 mit Dr. Markus Wübben nimmt CRM und KI im Marketing grundsätzlich auseinander. Beide Folgen liegen auf der Podcast-Seite.

Stand: 8. November 2026. Die Aussagen und Zitate von Laurens Mauquoi stammen aus Folge 3 des Reyo-Podcasts 360 Marketing & CRM, veröffentlicht am 14. Oktober 2026; seine Zahlen sind seine Angaben, keine Reyo-Daten.