Agent-basierte KI hat für die meisten Marketing-Teams oberste Priorität – denn sie geht weit über die reine Content-Generierung und Empfehlungen hinaus. Sie kann eigenständig agieren, um schneller auf die Kundschaft zu reagieren – und das in einem Umfang, den Teams manuell nicht erreichen könnten.
Marketing-Verantwortliche sind von dieser Fähigkeit begeistert. Ihre IT-Kolleginnen und -Kollegen hingegen sind aus genau diesem Grund deutlich vorsichtiger.
AI Agents können auf Unternehmensdaten zugreifen, Systeme miteinander verbinden und eigenständig Aktionen im Namen der Nutzenden ausführen – und bringen damit ein grundlegend anderes Risikoniveau mit sich. IT-Teams prüfen deshalb genauer, welche Tools mit Agent-basierter KI sie freigeben, und stellen klare Anforderungen daran, was sie vorab sehen müssen.
Das Ergebnis: Viele vielversprechende Use Cases kommen nie bis zur Umsetzung. Laut dem 2026 State of AI Readiness report von Adobe schaffen es nur 47 von 100 vorgeschlagenen KI-Initiativen durch die IT- und Sicherheitsprüfung. Und wenn Teams diese dann in bestehende Systeme und Workflows integrieren müssen, sinkt diese Zahl weiter auf 33.
Für Marketer bedeutet das: Ein überzeugender Use Case ist nur ein Teil der Argumentation für eine bestimmte Lösung mit Agent-basierter KI. Ebenso wichtig ist es zu wissen, welche Fragen ein CIO stellen wird – und darauf vorbereitet zu sein. Die fünf Fragen, die dabei am häufigsten aufkommen, sind unten aufgeführt.
1. Sind die Daten, auf die die Agent-basierte Lösung setzt, vertrauenswürdig?
Marketer möchten ein Tool, das sich nahtlos in ihre Content-Bibliotheken, Kundendaten und Kampagnendaten integriert – und einfach funktioniert. CIOs brauchen Vertrauen sowohl in die Daten hinter der Lösung als auch in den Umgang mit den eigenen Unternehmensdaten. Sind diese Grundlagen unklar oder unzureichend kontrolliert, kann der Agent Risiken genauso schnell skalieren wie Mehrwert.
Datentransparenz sollte deshalb eines der ersten Themen sein, die ihr klärt, bevor ihr mit der IT an den Tisch kommt. Holt von den Anbietern auf eurer Shortlist klare Antworten zu folgenden Punkten:
- Welche Daten werden für das Training oder Grounding dieses Systems genutzt? Besteht auf einer verständlichen Erklärung dazu, wie die Daten bezogen werden, und klärt, ob es Urheber- oder Lizenzrechtsbeschränkungen gibt.
- Werden eure Daten jemals ohne eure Zustimmung für das Training des zugrunde liegenden Modells verwendet? Verlangt eine eindeutige Antwort: Ja oder Nein. Ihr solltet selbst darüber entscheiden können.
- Arbeitet die Lösung mit Daten, die ihr selbst verwaltet, und sind diese mit dem richtigen Kontext versehen? Achtet darauf, dass das KI-Modell die von euch festgelegten Zugriffskontrollen, Freigaben und Einschränkungen erkennen und durchsetzen kann.
Am Ende dieses Gesprächs sollte keinerlei Unklarheit mehr darüber bestehen, auf welche Daten die Agent-basierte Lösung zurückgreift – und welche Regelungen für den Umgang mit euren eigenen Daten gelten.
2. Behaltet ihr den Überblick und die Steuerung über die Agent-basierte Lösung?
Wenn ein Agent eine falsche E-Mail an 10.000 Personen sendet oder das falsche Kundensegment in eine laufende Kampagne lädt – wer bemerkt das, und wie schnell? Das ist die eigentliche Sorge, die hinter allem steckt, was ein CIO beim Thema Kontrolle wissen möchte.
Je mehr Autonomie ein Agent-basiertes System hat, desto wichtiger ist es, dass Überwachungsmechanismen von Anfang an eingebaut sind. CIOs müssen darauf vertrauen können, dass das System keine Black Box wird, sobald es Workflows übergreifend agiert. Damit werden Transparenz und Steuerung zum entscheidenden Praxistest. Sucht nach klaren Antworten auf drei Fragen:
- Könnt ihr nachvollziehen, wie der Agent zu einem Ergebnis gekommen ist – und nicht nur das Ergebnis selbst sehen? Prüft, ob er die Quellen und die Begründungslogik hinter seinen Ergebnissen offenlegen kann und klar kommuniziert, wo seine Grenzen liegen.
- Kann ein Mensch eingreifen, bevor der Agent riskante Aktionen ausführt? Nur 5 % der Führungskräfte lassen Agenten wichtige Entscheidungen ohne Überprüfung treffen – achtet daher auf klar definierte Freigabepunkte.
- Wenn etwas schiefläuft: Könnt ihr nachvollziehen, was passiert ist und warum? Ihr solltet in der Lage sein, einzelne Interaktionen zu verfolgen – nicht nur aggregierte Berichte zu sehen –, damit klar wird, wo und warum der Workflow unterbrochen wurde.
Diese Antworten zeigen euch, ob ihr ein Gespräch mit dem CIO in dem Bewusstsein angehen könnt, dass Fehler erkannt werden, bevor sie sich ausweiten.
3. Lässt sich die Agent-basierte Lösung in euren Stapel integrieren – oder fragmentiert sie ihn weiter?
IT-Teams haben jahrelang daran gearbeitet, den Marketing-Tech-Stapel zu konsolidieren – und Agent-basierte KI stellt diese Disziplin jetzt auf die Probe. Jedes neue Agent-basierte Tool kann neue Funktionen, Berechtigungen und Datenintegrationen mit sich bringen. Es überrascht daher kaum, dass 94 % der IT-Führungskräfte bestätigen, dass KI-Wildwuchs bereits die Komplexität und das Risiko erhöht, während nur 12 % eine zentrale Möglichkeit haben, dies zu steuern.
Für CIOs lautet die Frage, ob das Tool in die bestehende Infrastruktur passt, ohne zusätzliche Fragmentierung zu verursachen. Marketer können das anhand zweier Punkte gut einschätzen.
- Lässt sich der Agent in eure Systeme und Workflows integrieren? Eine gute Lösung sollte sich nahtlos in eure vorhandenen Plattformen einbinden und Übergaben reduzieren – statt eine weitere Ebene hinzuzufügen, die verwaltet werden muss.
- Gelten eure bestehenden Berechtigungen und Governance-Regeln auch dann noch, wenn der Agent handelt? Der Agent sollte nur auf das zugreifen, was ihm erlaubt ist – mit denselben Berechtigungen und Richtlinien, die bei jedem Schritt des Workflows durchgesetzt werden.
Wenn beide Punkte zutreffen, wird das Gespräch mit dem CIO deutlich einfacher – denn der Agent bleibt im Rahmen der Marketing-Systeme und -Kontrollmechanismen, die die IT bereits verwaltet.
4. Kann die Agent-basierte Lösung ihren Marketing-Mehrwert unter Beweis stellen?
Wenn Marketing-Teams gefragt werden, wie eine Agent-basierte Lösung abschneidet, haben sie oft nur Nutzungssignale wie Logins und tägliche Aktivität als Grundlage. Laut dem 2026 KI- und Digital-Trends-Report von Adobe verfügen lediglich 31 % der Unternehmen über ein Messframework für Agent-basierte KI.
Diese Lücke zu schließen beginnt mit der Wahl von Lösungen, die die Erfolgsmessung vereinfachen. Damit Marketing- und IT-Verantwortliche die nötige Transparenz erhalten, solltet ihr prüfen, ob ihr nachverfolgen könnt, was Agent-basierte Workflows leisten und wie hoch deren Betriebskosten sind.
- Kann das Tool Auswirkungen auf Ergebnisebene zeigen? Prüft, ob ihr Agent-basierte Aktivitäten mit Conversions, Kampagnen-Performance, Effizienz oder anderen Geschäftsergebnissen verknüpfen könnt – und nicht nur mit dem Nutzungsvolumen.
- Gibt es eine integrierte Möglichkeit, den ROI speziell für Agent-basierte Workflows zu messen? Achtet auf Reporting auf Workflow-Ebene, das Ergebnisse mit dem Credit-Verbrauch und den Kosten des Agenten verknüpft.
- Spricht der Anbieter über Verantwortlichkeit für Ergebnisse? Fragt, wie Erfolg definiert wird, wer die Verantwortung für das Ergebnis trägt und wie ihr erkennen könnt, welche Workflows skaliert, angepasst oder eingestellt werden sollten.
Marketing und IT erhalten so eine fundierte Grundlage, um zu entscheiden, welche Workflows skaliert werden sollen und welche Lösungen mehr Ressourcen verdienen.
5. Wurde die Agent-basierte Lösung auf eine sichere und markenkonforme Darstellung geprüft?
Die Hälfte der Unternehmen in einer aktuellen Umfrage gab an, bereits einen AI Agent eingesetzt zu haben, der interne Tests bestanden hatte, aber dann Fehler auf Kundenseite verursachte. Zu diesem Zeitpunkt hatten Teams bereits Workflows rund um das Tool aufgebaut – was es deutlich schwieriger macht, Qualitäts- und Sicherheitslücken zu isolieren und zu beheben.
Das macht die Qualität der Bewertung entscheidend. Ihr müsst wissen, was der Anbieter getestet hat, welche Probleme dabei aufgedeckt wurden und wie diese Erkenntnisse das System vor dem Launch verändert haben. Dafür braucht es einige gezielte Fragen.
- Kann der Anbieter Belege für Bias-Tests vorweisen? Fragt, welche demografischen Gruppen und Szenarien getestet wurden, welche Ungleichheiten dabei zutage traten und welche Änderungen daraufhin vorgenommen wurden.
- Welche Maßnahmen wurden ergriffen, um schädliche oder nicht markenkonforme Ausgaben zu verhindern?Prüft, welche Fehlerszenarien beim Testen identifiziert wurden und welche Sicherheitsvorkehrungen vor dem Go-live eingeführt wurden.
- Wird die Qualitätskontrolle auch nach dem Go-live fortgesetzt? Prüft, ob menschliche Feedback-Schleifen sowie Fehler aus dem realen Betrieb dazu beitragen, wie das Modell verwaltet und verbessert wird.
Das Einfordern dieser konkreten Anforderungen hilft Marketing und IT dabei zu beurteilen, ob Qualität, Fairness und Sicherheit durch echte Tests, Schutzmaßnahmen und kontinuierliche Rückmeldungen abgesichert sind – und ob das System bereit ist, die Marke konsistent über Kampagnen und Märkte hinweg zu vertreten.
Was Marketing will und IT braucht – auf einen Nenner gebracht.
Alle fünf Fragen führen zum selben Maßstab: Eine Agent-basierte KI-Lösung muss in die bereits genutzten Systeme der Marketer integrierbar sein, Governance und menschliche Kontrolle im gesamten Workflow sicherstellen und dabei stets im Marken- und Unternehmenskontext der Organisation verankert bleiben.
Sobald eine Agent-basierte Lösung in aktive Workflows eingebunden ist, lassen sich Lücken bei der Kontrolle, Messung oder Markensicherheit kaum noch beheben. Marketer, die diese Punkte bereits bei der Bewertung einer Lösung berücksichtigen, sind besser aufgestellt, Agent-basierte KI so zu skalieren, dass sie die Unternehmensergebnisse nachhaltig verbessert.
Adobe CX Enterprise Coworker ist nach genau diesem Modell konzipiert. Die Lösung hält Arbeitsprozesse am Laufen und leitet Genehmigungen weiter, sobald menschliches Urteilsvermögen gefragt ist. Jede Aktion bleibt an die Unternehmensziele der Teams gebunden und bewegt sich innerhalb der Berechtigungen, die Nutzende bereits in den verbundenen Adobe CX Enterprise-Anwendungen besitzen. Marketer gewinnen dadurch an Geschwindigkeit und Eigenständigkeit – ohne die Kontrolle einzubüßen, die IT erwartet.
Wenn ihr sehen wollt, wie ein gesteuerter, vernetzter KI-Assistent in der Praxis aussieht, entdeckt jetzt CX Enterprise Coworker.
