Fachkräfte: Demografie bedroht Firmen stärker als künstliche Intelligenz (Gesponsert)

Sprecherin: Diese Folge wurde vom Arbeitgeber des Interviewpartners gesponsert. heise meets … – Der Entscheider-Talk. Wir besprechen kritische, aktuelle und zukunftsgerichtete Themen aus der Perspektive eines Entscheiders. heise business services begrüßt Persönlichkeiten aus Wirtschaft, Wissenschaft und Politik. Immer aktuell und nah am Geschehen. Julian Kramer zu Gast bei heise meets …

Sprecher: Julian Kramer von Adobe, herzlich willkommen.

Julian Kramer: Ja, lieben Dank. Hi, freut mich.

Sprecher: Wir zeichnen diesen Podcast während der Fußball-WM auf. Ich gehe mal davon aus, bei 84 Millionen Bundestrainern gehören wir auch ein bisschen dazu. Aber unser Thema ist: Wie erreiche ich Aufmerksamkeit? Wie schaffe ich etwas, wenn alle Welt über Fußball redet?

Julian Kramer: Also ich kann zum Glück bei Fußball gar nicht mitreden, deswegen hast du meine Aufmerksamkeit zu 100 Prozent. Aber ja, Aufmerksamkeit ist ein Thema. Insbesondere, wenn alle draußen sind und beim Grillen. Da legt sich die digitalisierte Welt meist ganz schnell schlafen.

Sprecher: Wir wollen aber nicht, dass sie sich schlafen legt. Also Julian, wie erreiche ich Aufmerksamkeit, wenn – egal ob eine Boulevardzeitung, eine seriöse Zeitung, ein Radiosender oder Social Media – alle mich anstrahlen und da sind Bälle, da sind Fußballer, da sind Fußballerbeine, da ist alles dabei? Ich habe aber eine Botschaft mit meinem Thema. Wie komme ich durch?

Julian Kramer: Ja gut, das eine ist natürlich eine klassische uralte Werbefrage: Wie kriege ich die Aufmerksamkeit? Was sich aus meiner Sicht stark verschoben hat, ist tatsächlich, wie wir dann in die nächste Phase gehen. Ein guter Freund von mir sagte mal: Wenn du 100.000 Euro Budget hast, vergräbst du dich am besten am Timmendorfer Strand und sagst das allen, dann hast du ganz viel Aufmerksamkeit in der Presse. Aber dann hat man leider noch keine Marketing-Conversion.

Und da passieren eigentlich gerade zwei spannende Sachen. Du hast auf der einen Seite natürlich eine gewisse Konsolidierung der Aufmerksamkeitsphase in diese ganzen großen klassischen Social Networks, die großen Banner, die YouTube-Pre-Rolls und so weiter. Also ganz klassisches Marketing, kennt man. Die Consideration-Phase, also da, wo ich über das Produkt tatsächlich nachdenke, und mittlerweile auch ein guter Teil der Awareness-Phase, also sprich: Wie entdecke ich neue Produkte, Product Discovery – die werden mittlerweile von diesen Large Language Models, also den Chatbots, den Copilots, den Geminis, den ChatGPTs und wie sie alle heißen, Claude, dahin wandert tatsächlich eine große Menge der Aufmerksamkeit.

Sprecher: Und wie werde ich dann sichtbar? Bei mir muss alles maschinenlesbar sein, oder?

Julian Kramer: Auf der einen Seite brauchst du gute Inhalte, damit diese Large Language Models, wenn sie vorbeikommen und aktiv suchen, die Inhalte auch finden. Dann hast du noch eine technische Komponente. Also nicht nur das, was auf der Seite steht, ist wichtig, sondern auch, wie ich da hinkomme. Denn ganz viel von diesen Seiten wird ja erst im JavaScript geladen. Da kannst du technisch optimieren, dass du deine Seite vorher zusammenfassen und aufbereiten lässt und in ein Content Delivery Network pushen lässt, damit man dort direkt und schnell für die Maschinen findbar ist. Du brauchst also die Menschenseite und die maschinenlesbare Seite. Ganz korrekt.

Sprecher: Was bedeutet das für mich als jemand, der Content anbietet? Wie gehe ich mit der Maschinenlesbarkeit um?

Julian Kramer: Die Maschinenlesbarkeit ist total spannend. Wenn ein Mensch auf eine Seite kommt, dann kann er abstrahieren. Wenn da irgendwie für ein Elektroauto eine Werbebotschaft steht, dann kannst du das ein bisschen ausklammern und suchst dir selber deine Inhalte. Für Marken verändert sich das jetzt insofern – ich nenne das immer die fünf Fs. Drei davon sind extrem wichtig: Facts and Figures. Also was kann das? Du willst nicht, dass irgendein Typ auf Reddit für deine Marke antwortet, sondern dass du am Ende des Tages für die Dinge, die produkt- und markenrelevant sind, die erste verifizierte Quelle bist. Also Facts and Figures: Wie groß ist der Kofferraum, wie lange hält der Akku, wie viele Seiten kann ich drucken, wie gut funktioniert mein Kugellager, mein Getriebe, mein Autoreifen, für welche Gegebenheiten ist der geeignet?

Dann die Features. Das ist ein bisschen abstrakter. Da versuche ich die Dinge, die mich im Wettbewerb differenzieren, aufzubereiten. Das sind zwar Facts and Figures, die aber noch mal in Kontext gesetzt werden. Und dann die FAQs. Also was muss ich eigentlich um das Produkt drumherum wissen, und welche Fragen haben denn die Kunden regelmäßig?

Wenn das nicht maschinenlesbar abbildbar ist, dann tauchst du an ganz vielen Stellen gar nicht auf, sondern ein deutlich kleinerer Wettbewerber, der einfach einen besseren Footprint oder eine loyalere Online-Community hat. Marken müssen also schauen, dass diese Informationen zur Verfügung stehen. Und das kannst du mit Tools testen: Wie gut tauchst du auf? Zu welchen Fragen hast du gar keine Antwort? Genau, wo bist du nicht sichtbar? Oder wo ist dein Wettbewerber tatsächlich stärker?

Sprecher: Bevor wir darauf kommen, ich muss noch ganz kurz nachhaken. Du hast gesagt, fünf Fs: Facts and Figures, FAQs, Features. Was haben wir vergessen?

Julian Kramer: Das sind die ersten drei, die muss auf jeden Fall jeder haben: Facts and Figures, FAQs und Features. Und dann gibt es natürlich Marken, die haben es ein bisschen schwieriger. Wenn du im Supermarkt bist oder 100 Wettbewerbsprodukte als Retailer führst, dann kannst du damit nicht so einfach umgehen. Oder wenn du H&M bist und ein Sommerkleid hast, dann kannst du nicht monatelang GEO-optimieren für dieses Sommerkleid. Was soll man für Tomaten GEO-optimieren? Macht nicht wahnsinnig viel Sinn.

Da hast du dann zwei andere Möglichkeiten. Das ist das, was ich Flock und Fight nenne. Flock ist ein bisschen „die zehn besten Sommertrends dieses Jahr", „die zehn schönsten Outfits" – wo du dir über diese Awareness und den Intent die Leute holst und dann dein Portfolio anbietest. Und Fight wird in der Tech-Branche ganz gerne gemacht, wenn es darum geht: Was ist das Beste? Oder: Die fünf Alternativen zu … Da gehst du tatsächlich eher aktiv in die Konkurrenz.

Und dabei nicht vergessen: Manche Marken haben eigene interne Konkurrenz. Ob du jetzt einen Neuwagen oder einen Gebrauchtwagen kaufst, oder innerhalb des Markenverbundes – das ist auch eine Konkurrenz. Da kann man auch noch mal hin optimieren, muss man ein bisschen vorsichtig machen. Das ist insbesondere für die Marken relevant, die sich nicht über die ganz harten Fakten zu sehr austauschbaren Produkten differenzieren können. Aber selbst die wollen ja gefunden und gesehen werden.

Sprecher: Sehr schön. Wenn ich unser Gespräch bis jetzt zusammenfasse: Wir haben eine regelrechte Inflation von Content. Gibst du mir da recht?

Julian Kramer: Wir haben einerseits eine Inflation, weil auf den ganzen Social-Media-Plattformen und feedbasierten Produkten immer mehr geguckt wird. Ich sage mal, die Halbwertszeit des einzelnen Assets ist geringer als die Produktionszeit, und das ist natürlich ein Problem. Du willst diesen qualifizierten Traffic. LLM-Traffic konvertiert irgendwie 31 Prozent besser. Es kommen weniger Leute, aber die, die kommen, sind highly engaged. 31 Prozent höhere Conversions sind super wertvoll.

Wir haben diese Content-Inflation beziehungsweise eher eine Aufmerksamkeitsdeflation. Das heißt, du musst durch pure Frequenz auch viel Sichtbarkeit schaffen. Das verändert, wie wir Content und Assets produzieren. Es gibt die Dinge, die wichtig sind, wo man viel Gehirnschmalz reinpacken muss, die dann wirklich gut konvertieren. Und es gibt die Assets, die einfach Frequenz und Sichtbarkeit bringen. So wie früher der Werbespot im Fernsehen, wo du oft genug das Waschmittel XY gehört hast, dann stieg am Schluss die Wahrscheinlichkeit, dass du das im Supermarkt mitgenommen hast, um vier Prozent.

Damit müssen wir leben. Ich bin nicht unbedingt Fan davon, dass wir einfach nur mehr produzieren, weil die Leute weniger Aufmerksamkeit haben. Aber da kannst du technisch gerade mit AI und solchen Tools wunderbar helfen und einfach viele Varianten anbieten.

Sprecher: Aber am Ende muss ich mehr produzieren.

Julian Kramer: Ja, wir sehen das selber bei unseren eigenen Marketingkampagnen, die wir für unsere Kreativprodukte fahren. Die Aufmerksamkeit nimmt nach 15 Tagen fürs gleiche Asset ab. Das heißt, es muss einfach nur anders aussehen, dann hast du die Aufmerksamkeit wieder. Das ist ein ganz anderer Produktionsprozess, als du früher klassisch in der Agenturwelt ein Ding produziert hast, das dann auch mal für ein paar Monate gut war. Die Zeiten sind leider vorbei.

Sprecher: Im Vorfeld unseres Gesprächs habe ich mit Enrique geredet. Enrique ist im Marketing von Continental, ist Spanier, und die sind mit ihren Reifen weltweit unterwegs. Ich spiele das jetzt mal ein, ich hoffe, du hörst das alles.

Originalton Enrique: Früher haben wir sehr viel Zeit gebraucht, weil wir die Märkte einzeln kontaktieren mussten. Sie sagten uns: „Okay, wir wollen das für Österreich einsetzen und auch für Brasilien." Wir mussten mit den Märkten sprechen, Übersetzungen und Anpassungen vornehmen. Heute sind wir viel schneller und produktiver. Wir machen das mit einer KI. Wir sagen: „Bitte gib mir die Übersetzungen und die Anpassungen." Wir bekommen alle Outputs, setzen sie ein und fragen dann die Märkte: „Wir haben das für euch gemacht, was denkt ihr? Gibt es etwas, das wir nicht bedacht haben? Klingt irgendetwas seltsam für den Markt?" Wir machen die Dinge viel schneller und mit höherer Qualität im Allgemeinen.

Sprecher: Da schließt sich meine Frage an Enrique an: Ist KI die Lösung für das, was wir vorher beschrieben haben – immer mehr Content?

Julian Kramer: Teilweise. Die Idee muss immer noch gut sein. Resonanz entsteht durch Empathie. Gleichzeitig hilft genau das, was Enrique beschrieben hat, unglaublich, wenn es um Varianten geht. Die KI hilft beim Übersetzen, beim Banner zurechtschneiden und animieren. Da ist sie super in der Produktion, in der Werkbank. Du brauchst dann, wie er es auch beschrieben hat, immer noch jemanden, der einen Sanity-Check macht, der noch mal drüber guckt. Diese Quality Control ist extrem wichtig, gerade wenn es um kulturelle Sensibilitäten und andere Länder geht.

Aber was er auch beschrieben hat, ist ein ganz wichtiger Punkt für jemanden, der nicht tief im Marketing drin ist: Jede Firma hat Prioritätenländer. Dort, wo der Markt besonders groß ist, wo der Absatz besonders stark ist, wird normalerweise die Aufmerksamkeit hingelenkt. Und ein kleineres Land wie zum Beispiel Österreich, wo der Markt logischerweise kleiner ist, wo trotzdem spezifische Geschmäcke herrschen und wo man den Leuten auch etwas Gutes tun will – Österreich kann man immer noch mit den deutschen Assets ein bisschen helfen. Aber spätestens wenn du nach Osteuropa gehst, da gibt es sehr spitze Geschmäcker, sehr spitze Produkte, die gut laufen, und andere nicht.

Diese Märkte haben früher nie Kampagnen bekommen. Für die hat nie einer etwas gemacht, weil sie nicht wichtig genug waren.

Heute zu sagen: „Ich jage genau diesen Teil, der limitiert war, durch die Maschine, und die macht das extrem gut, und dann gucken wir noch mal drüber" – das hilft auf einmal, in all diesen Märkten vertreten und präsent zu sein, angepasst an die Gegebenheiten, an die Produktwünsche und Geschmäcker. Das ist eigentlich die große Revolution. Früher war das schlichtweg nicht möglich. Das zu automatisieren ist ein riesiger Game Changer. Es hilft unglaublich vielen Firmen, deutlich mehr Frequenz zu schaffen, aber auch Präsenz. Das finde ich ganz wichtig. In der Realität hat das nie einer gemacht. Jetzt ist es möglich. Und allein das bringt noch mal deutlich mehr Footprint, mehr Reichweite und macht auch das Arbeiten ein bisschen spaßiger – für den lokalen Marketingmanager in Österreich oder in Brasilien oder irgendwo.

Sprecher: Völlig klar, da gehe ich mit dir mit. Aber am Ende muss das Ergebnis zählen, nicht nur der Spaß bei der Arbeit. Ich will noch mal auf diese Inflation hinaus: Erschlagen wir möglicherweise auch Leute?

Julian Kramer: Ja, das Interessante ist: Der große Trend in den Netzwerken – auf Webseiten sind wir banal gewohnt, welches Banner da geht, ist ja egal, das sind halt immer da, es ist immer irgendwas Buntes. In den Social Networks, wo es viel stärker um Affinity geht, also Dinge, die die Leute interessieren, hast du natürlich einen höheren Druck auf der Pipeline. Denn die Leute reagieren nur bedingt positiv darauf, wenn du noch mehr Advertising ausspielst. Je resonierender und relevanter das Advertising-Asset ist, desto besser. Irgendwann gehen die Leute aus Facebook und Instagram und Co. raus, weil es ihnen zu viel Werbung ist. Da hat jeder eine eigene Schmerzgrenze.

Das Interessante ist: Der Trend geht dahin, die Feeds algorithmisch zu sortieren. Das wird oft kritisiert, dass es stärker auf den einzelnen Nutzer geht. Die Personalisierung findet ganz oft im ausspielenden Medium statt. Wenn du da die richtige Menge an Assets hast, die relativ schnell durchgetestet werden kann, dann ist es auch wieder okay. Es gibt eine obere Grenze an Werbemitteln, die ein Nutzer auf seiner Plattform toleriert, bevor er sich abwendet. Je relevanter das ist und je besser sie vorsortiert sind, desto nützlicher. Aber du brauchst die Varianten, weil die Zielgruppen immer kleiner oder nischiger werden. Was resoniert, ist ein stärkeres A-B-Testing. Man betrachtet es nicht als A-B-Testing, aber algorithmisch sortierte Feeds sind nichts anderes als ein starkes A-B-Testing.

Sprecher: Ihr sagt A-B-Testing, ihr sagt auch: McDonald's hat den Italiener um die Ecke nicht getötet. Finde ich ein wunderbares Zitat.

Julian Kramer: Da stoßen zwei Dinge aufeinander. Es ist immer die Frage, was ich will. Brauche ich viel Aufmerksamkeit? Brauche ich viel Resonanz? Brauche ich hohe Frequenz? Wenn ich mir das leisten kann, wenn das funktioniert, wenn ich das mit Media Buying unterstützen kann, dann ist das ganz wunderbar. Aber manchmal braucht es eben – und hier kommt die große Big Idea, die kreative Idee zurück – nicht nur ein Banner, das sagt „billig" oder „heute Sale" oder irgend so ein Kram in 25 Varianten, sondern Dinge, die resonieren.

Das ist ganz interessant, weil die Gauß-Kurve sich verschiebt. Einerseits die Gauß-Kurve dessen, was technisch möglich ist – das haben wir gerade von Continental gehört. Und andererseits: Wenn alle das jetzt können und alles gut A-B-getestet ist, dann brauchen wir wieder das, was seit 20 Jahren scheinbar nicht mehr so relevant ist: die Big Idea, nannte man das in der Werbung immer. Wir wollen aus der Masse herausstechen. Da braucht es menschliches Judgment, gute Kreativität. Die Execution wird einfacher durch diese automatisierten Tools.

Das ist der Italiener um die Ecke. Für manche Dinge brauchst du Frequenz, das muss nur schnell gehen. Ich bin gerade auf der Autobahn, es ist nachts um drei, ich habe noch schnell Hunger. Gib mir einen Cheeseburger, ich weiß, mir ist danach schlecht, aber es ist das notwendige Übel. Und der Italiener um die Ecke – da willst du, dass die Pasta so langsam wie möglich gerührt wird und du Zeit hast, dich mit einer Begleitung im schummrigen Kerzenlicht zu unterhalten. Das ist der USP.

Ich glaube, das passiert auch in dieser sehr schnelldrehenden Contentwelt. Wir werden einerseits eine Beschleunigung erleben, was die Produktion angeht. Und gleichzeitig einen höheren Bedarf an Empathie und Resonanz in dieser schnelldrehenden Welt sehen.

Vielleicht ein kleines Beispiel. Ein Freund von mir hat eine große Inhouse-Agentur für einen amerikanischen Versicherer. Die nutzen diese ganzen KI-Tools, weil ihre Marke sehr stark auf Humor aufgebaut ist. Humor, ihr wisst das selber, ist komplett persönlich und feinfühlig, gerade in den USA als große Firma noch schwieriger. Die nutzen diese KI-Tools, um die Vorvisualisierung ihrer Werbespots und die Witze und ihre Ideen marktzutesten. Die gehen gar nicht mehr in die klassische Produktion, sondern nutzen KI-generierte Inhalte, um in die Marktforschung zu gehen und zu testen. Dann lassen sie mit ein bisschen KI-Unterstützung, aber auch mit ganz viel klassischem Handwerk, die bestgetesteten Spots sauber und hochqualitativ produzieren.

Das ist natürlich schön, wenn man auf Humor testet und nicht nur auf Look and Feel oder generische Marketingbotschaften. Das ist der Shift. Einerseits verändert sich die Gauß-Kurve technisch. Andererseits wollen wir alle immer rechts außerhalb der Gauß-Kurve ganz weit oben sein und dort zu unseren Kunden durchdringen. Signal versus Noise. Dafür braucht es wieder ganz viel menschliches Judgment.

Sprecher: Ja, aber ist jetzt nicht zwingend unser Thema: Wie testet man Humor mit einer KI? Das finde ich doch spannend.

Julian Kramer: Das Team schreibt die Witze. Manchmal sagen die auch: „Gib mir eine Metapher" oder „Wie sage ich das noch mal anders?" – dann nutzen sie das als Sparringspartner. Sie sagen jetzt nicht: „Schreib mir fünf Witze", weil da nur generische Daten rauskommen.

Sprecher: Eben.

Julian Kramer: Das funktioniert nicht. Sondern die haben wirklich brillante Kreative, die genau das machen. Die nutzen das ein bisschen im Sparring. In der Marktforschung nutzen sie tatsächlich, dass du mit den Videogeneratoren viel vorvisualisieren kannst. Sie haben ihr Markenmaskottchen als Asset in der KI mit einem Custom Model vortrainiert, damit alles ein bisschen wie sie aussieht und die Leute nicht verwirrt sind. Und dann visualisieren sie mit fünf Prompts, wie sie es sonst in Werbespots hätten.

Sprecher: Wir haben einerseits das Budget, das dir manchmal Fesseln anlegt, und andererseits die Möglichkeit, durch AI zu testen: Geht das, was wir uns ausgedacht haben? Ein schönes Beispiel, finde ich.

Julian Kramer: Es gibt zwei Zitate, die mich an der Stelle immer faszinieren, wenn es um diese ganze KI-Welt geht. Die Execution wird gut, das siehst du in allen Studien. Aber man darf natürlich das kritische Denken, Empathie, Humor und all diese Dinge nicht außen vor lassen. Das wird zunehmend wichtiger, weil diese Beurteilungsfähigkeit – Shit in, Shit out – wichtig ist. Wenn ich einen Prompt für Fotografie mit 20 Jahren Fotografie-Erfahrung schreibe, dann ist der anders, als wenn du sagst: „Mach mir ein Bild XY." Diese Bewertungs-, Empathie- und Kulturkompetenz wird deutlich wichtiger.

Da gibt es zwei wunderbare Zitate, die mir im Kopf bleiben. Das eine ist tatsächlich von Picasso: „Die Computer sind langweilig, sie können dir nur die Antworten geben." Das finde ich total spannend. Und ein zweites Zitat, das ich die Tage gehört habe – da habe ich leider die Quelle vergessen – ist wunderbar: In der Zeit, wo die Kosten für eine Antwort gegen null gehen, also sprich der Output, der durch dein ChatGPT, deinen KI-Generator, deine Video Engine generiert wird – in der Zeit, wo die Kosten für Output gegen null gehen, steigt der Wert der Frage exponentiell.

Das finde ich wahnsinnig schön, weil das das klassische Shit in, Shit out bezeichnet. Der Computer kann nur den Durchschnitt des Internets von gestern tatsächlich neu generieren. Gerade in der Werbung, wo wir Veränderung wollen, wo wir was anderes wollen, wo wir Aufmerksamkeit wollen – wie steche ich durch die Masse raus? Der Input, ich sage ganz bewusst nicht Prompt Engineering, mit all der Empathie, mit all dem menschlichen Verständnis, dem Humor – das wird wichtiger. Und die Produktion wird einfacher. Die Kosten gehen nicht ganz gegen null, das hat immer noch Kosten. Aber sie werden deutlich geringer, insbesondere in Zeit. Time to Market, Stückkosten, wenn man Kreativarbeit als Stückkosten betrachten möchte. Am Schluss brauchen wir trotzdem 15 Banner. Das verändert sich dramatisch.

Sprecher: Du hast das mit Zitaten belegt. Es gibt auch Untersuchungen dazu, die ihr habt. Die Zahlen sprechen eine deutliche Sprache.

Julian Kramer: Ja, die Adoption von Kreativtools ist exponentiell. Wir sehen das sowohl in unserem Umsatz durch KI als auch in der Menge der Nutzung. Shantanu, unser CEO, hat vor zwei Jahren schon in einem Podcast gesagt: In Photoshop werden diese generativen KI-Tools ungefähr so oft verwendet wie Layers. Jetzt für die weniger kreativ Versierten: Das ist eines der wichtigsten Features in Photoshop, also verschiedene Ebenen, auf denen Dinge passieren. Das ist eine Grundfunktion. Und Photoshop als Goldstandard – da kann man sich ungefähr ausmalen, wie wichtig generative KI tatsächlich an vielen Stellen ist.

Sprecher: Lass uns mal ein bisschen in die Zukunft schauen. Wir stehen ja noch ganz am Anfang dieser Entwicklung. Wenn wir beide in die Glaskugel schauen: Was siehst du als Erstes?

Julian Kramer: Ich sehe eine ganz spannende Veränderung. Zu der normalen KI, die früher Big-Data-Probleme gelöst hat, und der generativen KI, die Produktionsoutputs erhöht hat, kommt jetzt am Horizont in den ersten Werkzeugen das Thema der agentischen KI. Das wird noch mal dramatisch verändern, wie wir arbeiten, was wir in Zukunft alles können und wie einfach das wird. Das sehe ich als den größten Shift.

Mein Beispiel dazu ist der Softwareanwender. Der war früher wie der Hufschmied im Dorf. Der hat mit seiner eigenen Muskelkraft irgendwie auf ein Stück Eisen gehauen, und da wurde ein Hufeisen draus. Jeder, der jemals Excel oder Photoshop bedienen musste, weiß, wie sich das anfühlt: mehrere Stunden die Menüs kloppen. Das, was wir gerade diskutiert haben, ist ein bisschen der Mann an der Maschine. Du musst nicht mehr an der Drehbank stehen, du musst nicht mehr mit deiner eigenen Muskelkraft irgendwas in die richtige Form hämmern, sondern die Maschine macht das für dich. Du musst noch daneben stehen, du musst beaufsichtigen, aber dein Output wird deutlich höher. Das ist generative KI für mich: E-Mails schreiben, Banner bauen und so weiter.

Das Dritte und Spannendste ist tatsächlich diese agentische KI. Das muss man sich so vorstellen: Du hast nicht mehr die Maschine, sondern du baust eine komplette Produktionsstraße. Der Experte trägt nicht mehr das Werkstück von links nach rechts und lässt es an verschiedenen Maschinen bearbeiten, sondern er stellt die Produktionsstraße auf. Er schaut, dass die Inputs sauber in die Maschine gefüttert werden. Er schaut, dass jedes Kettenglied und jeder Roboter irgendwie die Toleranzen einhält und sauber von links nach rechts übergibt, die Maschinen gut geölt sind, und passt auf die Produktionsstraße auf.

In unserem Beispiel mit den Bannern muss man sich das so vorstellen: Der Kreative baut nicht mehr das einzelne Banner, das läuft durch die Produktionsstraße. Sondern er stellt sicher, dass zum Beispiel die Brand Intelligence für die Marke richtig gefüttert ist. Also das Governance-System, das schaut: Ist das Logo an der richtigen Ecke? Wird die richtige Schriftart verwendet? Passt das zur Tone of Voice? Passt das zum Produkt? Er schaut, dass die Templates richtig aufgesetzt sind, dass die Prompts – DIN-A4-Seitenprompts, die diese Maschine füttern – sauber strukturiert und angepasst sind.

Die Kreativarbeit verändert sich auf Expertenebene. Andere Leute können das vielleicht aus ihrem Job kennen: Reports ziehen. Es gibt eine Funktion, die hat Datenzugriff, und dann brauchst du einen richtigen Report. Der Data Analyst geht los und baut dir ein PDF mit irgendwelchen Daten. Was er eigentlich machen wollte und sollte und viel besser kann, ist zu schauen, dass die richtigen Datenquellen angebunden sind, dass die Datenqualität super ist. Aber zwei Drittel seines Jobs werden damit verplempert, dass er PDFs ziehen muss.

Sprecher: Ist ja so, ne?

Julian Kramer: Ist so, klar. Das kennt jeder. Wie viele Kreative schneiden Turnschuhe aus für irgendeinen Katalog oder eine Website? Das ist keine Kreativarbeit. Das wollten die auch nie machen. Die wollten eigentlich Ideen haben. Und nachdem der Wert der Idee steigt, nach der guten Frage, kannst du dieses Zeug wunderbar outsourcen.

Das führt auch dazu, dass in unserem Fall – wir machen Marketingsoftware und Kreativsoftware – mehrere Marketingmanager jetzt komplette Kampagnen durch einzelne Prompts durch so eine Werkstraße durchsteuern können. Vom Audience-Suchen über Kampagnenplanung, Journey Management, Asset Creation, Ausspielen, wo geht das hin, Erfolgsmessung – das kannst du jetzt mit mehreren Prompts durch diese Blueprints, durch diese Produktionsstraßen durchfahren. Es braucht immer noch ganz viel Human Judgment entlang der Produktionsstraße. Aber die Profis können sich auf andere Jobs konzentrieren. Sie konzentrieren sich auf Datenqualität, Templates, das Training eigener KI-Modelle, die die Marke super wiedergeben – und nicht auf Pixelzellen im Banner. Das machen sie nicht mehr.

Das verändert dramatisch, wie wir unsere Teams aufstellen können, welche Experten wir zum Beispiel im Haus haben. Früher hast du alles nach draußen gegeben, hattest mehr Projektmanager intern. Da kannst du jetzt einen Teil ins Haus holen. Und das wird spannend, weil das Maschinenstraßenbauen deutlich kognitiv interessanter und komplexer ist als Pixelzellen im Banner.

Sprecher: Würdest du mir zustimmen, dass wir sagen: Bei allem Blick auf die Kosten werden wir nicht Personal freisetzen, sondern wir werden mit dem frei werdenden Personal viel mehr Kreativität haben. Kann man das so zusammenfassen?

Julian Kramer: Absolut. Du wirst in der aktuellen wirtschaftlichen Zeit natürlich ein paar Unternehmen haben, die sagen: „Alles, was ich mir sparen kann, versuche ich zu sparen." Aber daher kommen auch diese ganzen Statistiken zum Scheitern von KI-Systemen. Bei McDonald's hast du die Leute am Drive-in durch eine KI ersetzt, und dann wunderst du dich, dass die Leute 6.000 Chicken McNuggets ordern. Das sind so typische Cases, die es gab. Oder Chicken McNuggets mit Eis. So ein absurder Fall ging neulich durch die Presse.

Ich verstehe den Reflex der Unternehmen. Aber wenn du 50 Prozent eines Jobs automatisieren kannst, kannst du nicht 50 Prozent der Stellen rationalisieren. Das ist ein Irrglaube. Du brauchst genau diese Kompetenzen, also Input- und Output-Bewertungskompetenzen. Wenn du es richtig machst und nicht unter fürchterlichem finanziellen Druck stehst, gibt es zwei Vorteile.

Das eine: Du kannst Kapazitätslöcher stopfen oder Capability Gaps. Die wenigsten Unternehmen machen wirklich ein gutes A-B-Testing dauerhaft. Wenn du die Kompetenz nicht im Haus hast, kannst du die einer KI geben und mit „good enough Output" von der immer noch mehr tun, als du vorher konntest. Gleichzeitig kannst du mehr Märkten einen größeren Service Level geben. Wir zum Beispiel nutzen das für uns selber und konnten früher nur die Hälfte unserer Kreativprodukte in unserem Direktkundengeschäft bewerben. Jetzt können wir alle bewerben, weil wir auf einmal 50 Prozent mehr Kapazität in der Pipeline haben.

Die Bewertungskompetenz ist wichtiger. Und gleichzeitig kannst du eher wachsen bei den gleichen Kosten oder Capability Gaps stopfen. Das halte ich für einen viel interessanteren Ansatz.

Zumal wir zu einem anderen Punkt kommen, den die Leute gerne vergessen: Wir haben im deutschsprachigen Raum mit einer Bevölkerungspyramide zu kämpfen. In Deutschland gehen uns in den nächsten theoretisch acht Jahren knapp zehn Millionen Vollzeit-Arbeitskräfte in Rente – verdientermaßen. Die Hälfte davon geht in Vorruhestand. Das heißt, spätestens in vier Jahren sind wir schon vier Millionen von diesen Leuten in Anführungszeichen los, die institutionelles Wissen mitnehmen, die ganz viele Kompetenzen haben. Wir müssen diesen Schwund an Arbeitskraft auffangen.

Wenn du mit dem IT-Minister von Japan sprichst – ich hatte das Vergnügen vor ein paar Jahren –, dann sagt er: Das Renteneintrittsalter ist eine größere Bedrohung für unseren Arbeitsmarkt als die Automatisierung durch KI. Da ist ganz viel Wahres dran, weil die Japaner uns alterstechnisch knapp zehn bis 15 Jahre voraus sind. Die Leute, die nachkommen, wollen stärker automatisiert arbeiten. Die wollen nicht in starren Prozessen im Bergwerk die Pixel aus dem Stein kloppen. Wir brauchen diese Leute, um höherwertige Aufgaben zu übernehmen, weil uns ein wahnsinniger Schwund in der Senior-Ebene tatsächlich erreichen wird.

Für mich ist diese ganze KI-Welt und die Automatisierung die einzige Möglichkeit, wie wir überhaupt die Lichter anlassen, um mindestens auf dem Status quo weiterzuarbeiten oder vielleicht noch zu wachsen. So sehe ich das. Ich weiß, dass der Schnappreflex ein anderer ist, wenn du die KI-Tools hörst und wie die ROI-Kalkulationen dahinter gerne mal gemacht werden. Aber ich glaube, da muss man feinfühliger und cleverer sein, weil man eigentlich für Probleme in drei Jahren schon vorbereitet ist – und nicht jetzt kurzfristig für ein Quartal die Bilanz frisiert, nur um danach die Leute wieder einstellen zu müssen. Das ist Quatsch. Es gibt an kleinen, einfachen Stellen etwas, aber das wird nicht die Masse der Leute sein. Da bin ich sehr zuversichtlich.

Sprecher: Julian, du hast noch den interessanten Aspekt mit der Bevölkerungspyramide reingebracht. Höre ich relativ selten. Aber für euch ist das mittlerweile schon alltäglich, wenn wir in die Glaskugel gucken, oder?

Julian Kramer: Ja, absolut. Wir versuchen sogar anders zu bewerten, wie wir die Leute mittlerweile einstellen. Früher hast du gesagt: „Hier ist mal eine Case Study, macht die mal richtig." Das ist total interessant: Die ist seit Neuestem immer richtig. Immer. Warum? Weil die Leute die einfach sauber mit KI vorbereiten. Und wir wollen ja, dass die Leute das auch machen. Manchmal merkst du: Es ist generisch, halt Basiswissen, was die aus der KI rausschütteln. Wenn du einen schlechten Prompt schreibst, kriegst du auch nur ein mittelmäßig okayes Ergebnis.

Wir überlegen uns verschiedene Sachen. Einerseits lassen wir die Leute live Probleme lösen. Das wäre die Variante, um zu sehen, ob sie wirklich selber was können. Das Zweite: Wir fragen viel stärker nach den Metaskills und testen die. Was sind Metaskills? Hardskills, Softskills, und Metaskills sitzen dazwischen. Das sind abstrakte Begriffe wie Kreativität, Entrepreneurship, Neugier, Resilienz.

Wir haben zum Beispiel jemanden eingestellt, wo der Case gut war, aber die Person hat uns an fünf, sechs Stellen gezeigt, wie sie sich mit ganz neuen Werkzeugen auseinandergesetzt hat, die sie noch nie verwendet hat. Und das Ergebnis war extrem gut. Das ist Entrepreneurship: „Ich mache jetzt einfach mal, ich bin neugierig, ich probiere aus." Der Drive dahinter stürzt hinter der Person.

Das Zweite: Die Person hatte ein riesen Problem, sich mit unserem Konferenzsystem zu verbinden. Da ist alles schiefgegangen. Lag an uns, weil die Technik so fürchterlich war. Aber die Person ist total cool geblieben. Genau dieser Resilienzfaktor: „Okay, da funktioniert jetzt irgendwas nicht, aber wir kriegen das gleich hin." Brichst du da in Schweiß und Panik aus, was eine völlig realistische Reaktion ist? Aber für jemanden, den ich regelmäßig auf die Bühne stelle, ist dieses Coolbleiben viel wertvoller als ein bisschen Technik. Denn die Person hat schon demonstriert, dass sie sich darauf einlassen kann.

Da verändert sich einiges. Wir gucken nach ganz anderen Faktoren. Und ich glaube, das wird für Unternehmen zunehmend wichtiger. Da kann man natürlich über das Bildungswesen sprechen, das primär die Hardskills versucht: Prompten als Unterrichtsfach.

Sprecher: Genau, Prompten als Unterrichtsfach.

Julian Kramer: Hier ist wieder ein Curriculum, das in dem Moment, wo wir es ausgerollt haben, zwei Jahre zu alt ist. Da werden wieder die Hardskills trainiert. Und auch klassisch, wenn wir einstellen – nicht nur bei uns, sondern in allen Unternehmen – haben wir noch dieses „Meister und Gesellen"-Ding. In Zukunft wird der, der mehrere KI-Agents steuert, eine viel höhere Soft-Skill-Komponente brauchen. Die musst du coachen, mentoren, die sind wie Junior-Employees. Auch da gibt es wieder diesen typischen Industrie-Schnappreflex: „Jetzt brauchen wir keine Junioren mehr einstellen." Kann man aber auch anders betrachten. Wenn ich diese automatisierten Produktionsstraßen einmal aufstelle: Wie viel davon ist dann noch Senior-Erfahrungswissen? An wie vielen Stellen kann ich sagen: „Ein paar Junioren, die fit in so was sind, können mir drei Viertel dieser Arbeit gleichzeitig machen." Aber wie kriegen sie noch diese Hands-on-Erfahrung und bewachen nicht einfach nur eine Maschine? Das ist eine ganz spannende Herausforderung in der Arbeitswelt.

Meine Freude ist immer, wenn mir einer unserer Koryphäen im Unternehmen mal wieder ein Claude-Skill schickt und einfach sagt: „Du, ich habe das mal ein bisschen kodifiziert, dieses Fachwissen, das ich habe. Das wird nie so gut sein wie ich, aber dir hilft es gerade. Du bist dadurch unglaublich viel stärker." Diese Idee ist total toll, weil sie Software eigentlich aufbricht, wenn man philosophisch drüber nachdenkt.

Wir denken – vielleicht so ein bisschen aus der internen Küche erzählt – über drei Dinge nach: User Interfaces, Capabilities, Daten und Tools. Wir schauen, dass alle Datenquellen und Tools agentisch über MCPs, Agent-to-Agent-Protokolle und Co. angebunden werden können. Und beim User Interface sagen wir: Für die Experten gibt es noch das Photoshop-User-Interface. Aber für alle anderen können sich mit einem Prompt oder einem multimodalen Input in Zukunft schon erste Ergebnisse ziehen und müssen gar nicht mehr dieses Geheimwissen von dem Tool ziehen, das 30 Jahre alt ist. Mit allen Ebenen und so weiter.

Sprecher: Mit allen Untermenüs und allen Fragestellungen und Begriffen, die du noch nie gehört hast, weil du ja einen Grillabend haben willst.

Julian Kramer: Du willst nicht wissen, wie man die Wurst in ihren eigenen Darm verpackt. Das ist nicht Teil des Briefings. Das interessiert die allerwenigsten Leute. Und so ist Softwareanwendung an vielen Stellen noch: Du musst eigentlich Metzger sein, damit du danach einen Grillabend haben kannst. Das ändert sich dramatisch.

Willst du unsere Tools über deinen Copilot im Enterprise oder deinen Claude ansprechen – das geht. Willst du selber im Interface rumklicken – das geht. Willst du ein einfaches Interface von uns haben – das geht. Ganz viele unserer Kunden sagen: „Wir haben interne komplexe Prozesse, die alle auf euren Werkzeugen aufbauen, aber wir wollen ein simplifiziertes Menü haben, damit die Leute wie bei der McDonald's-Checkout-Kasse einfach auf die fünf, sechs Sachen drücken können, und eure Produktionsstraße läuft dann im Hintergrund." Das ist möglich. Das ist dieser Capabilities-Layer.

Aus der Softwareentwicklungsküche gedacht: Wir sind an einem Riesen-Shift. Unser Engineering ist jetzt angeleitet, über Jobs to be done nachzudenken, nicht über Features oder Funktionen. Was meine ich damit?

Sprecher: Völliger Umbruch.

Julian Kramer: Völliger Umbruch in der Softwareentwicklung. Die schauen sich einen kompletten agentischen Stack an und sagen: „Was ist das Endergebnis, das mein Endnutzer haben will?" Für die Softwareentwicklung, wo du dir erst mal überlegst, welche Bausteine du brauchst, damit es funktioniert, ist das schon ein gewisser Shift. Weil das ein bisschen war: „Hier sind Sachen, mit denen kannst du was machen, jetzt finde raus, wie du dein Problem damit löst." Wir sagen: Was sind die Jobs to be done oder Tasks to be done? Und entwickeln danach diese Systeme, die auf Werkzeuge, Datenbanken und so weiter zugreifen.

Das hat eine total spannende Veränderung im Geschäftsmodell. Wir bieten ganz viel Software unseren Kunden gerade in sogenannten Try-Before-You-Buy-Motions an. Was für Enterprise-Software, komplexe Software, undenkbar war. Dass du einfach sagst: „Hier, logg dich ein, probier es aus, wirf ein paar Sachen rein. Und wenn du ein Ergebnis siehst, cool."

Diese ganzen Modelle sind consumption-based. Du hast vielleicht eine Maintenance Fee und dann eben das, was du verbrauchst. Und wir für Marketing-Software, wo das eine große Prozesskette ist, sagen sogar: Diese Credits sind fungibel. Du kannst sie vorne in Kampagnenplanung oder in Produktion oder in Auswertung oder in Ausspielung werfen – das ist uns egal, du kaufst sie einfach und nutzt sie da, wo es gerade wichtig ist. Früher hast du Software nach Seats und API-Calls und so einem Kram gekauft, was fürchterlich komplex war. Du hast entweder zu viele oder zu wenige gekauft und musstest zu deinem Chef sagen: „Das war jetzt so gut, jetzt haben wir das Dreifache verwendet." Blöd. Ihr kennt das alle von den AI-Credits.

Mit diesen ROI-Credits, diesen Consumption-Based-Credits, ist es total einfach aufzuzeigen: „Hey, da hätten wir früher drei Wochen dran gesessen, um so ein Ding zu machen, einen Report zu ziehen, eine Audience zu generieren." Wenn ich frage: „Wie lange braucht ihr im Schnitt als großes Unternehmen, um ein neues Kundensegment in den Daten zu validieren und anbinden zu lassen?", dann sagen die meisten Unternehmen: drei Wochen. Na gut, das ist jetzt eine Frage von 15 Sekunden – nicht weil der Analyst dadurch arbeitslos wird –, und dann hast du dein neues Segment mit einer Quellenangabe, kannst diesem automatisierten System auch vertrauen und hast das fertig.

Das hat einen ROI. Nicht weil wir dadurch den Data Analysten entlassen, sondern weil wir all diese Zielgruppen jetzt in 15, 20 Sekunden erstellen können und damit sofort losarbeiten können. Das Spannende ist: Diese Jobs to be done haben einen klaren Link zur Credit Consumption und zum ROI. Der Marketeer kann seinem CFO genau sagen: „Deswegen hätte ich gerne noch ein bisschen mehr davon, weil das spart uns das, das hilft uns, so schnell am Markt zu sein." Das macht es für die Kunden deutlich transparenter und einfacher. Und es ist ein riesen Shift, wie man mit solchen Modellen an den Markt geht. Ziemlich cool. Du kannst den ROI klar auf erledigte Aufgaben münzen.

Sprecher: Ja, wann hat man das schon mal? Julian, automatisierte Entscheidungen. Der eine oder andere hat ein riesengroßes Problem damit, der andere sagt: her damit. Wie gehen wir damit um?

Julian Kramer: Wir haben eine Studie gemacht, hier im deutschsprachigen Raum. 39 Prozent der Leute sagen: „Ja, unbedingt her mit dieser agentischen KI, aber wir haben noch Sorgen bei den automatisierten Entscheidungen." Das Schöne ist, dass du diese Systeme mit Explainability by Design einbauen kannst.

Sprecher: Auf die Kürze: Was ist das?

Julian Kramer: Unabhängig von unserer Software – ich glaube, das ist ein Goldstandard, den jeder da draußen verstehen sollte. Das eine ist: Du brauchst eine Reasoning Transparency. Sprich: Diese agentischen Systeme denken für dich, machen sich einen Plan, wie sie ihn ausführen. Was machen sie? Und zwar Step by Step Reasoning. Was steht in dem Plan drin? Und nicht alles gleichzeitig, sondern Schritt für Schritt. Warum? Weil man kleine Systeme, also Small Language Models und kleinere Systeme, viel besser und granularer kontrollieren kann, wenn man das auf einzelne fachtrainierte Modelle runterbricht. Das ist das Erste: Transparency und Step by Step.

Dann immer ein Progress Indicator. Wo bist du denn? Nicht dieses One-Shot-Ding, wo du sagst: „Mach mal alles, und dann schauen wir am Ende, was rauskommt." Das ist Blödsinn. Sondern: Wo bist du gerade in diesem Prozess? Passt zu dieser Reasoning Transparency.

Dann brauchst du In-Scope- und Out-of-Scope-Disclaimer. Wir machen Marketing-Software. Für uns ist es relativ einfach, weil wir versuchen, dir nicht zu helfen, dein Fahrrad zu reparieren. Das kannst du mit diesen ganzen World Models super machen. Bei uns nicht relevant. Die Software sagt: „Du, ist nicht mein Job, ich kann dir jetzt kein Shakespeare-Zitat geben. Das machen wir hier nicht." Extrem wertvoll.

Dann natürlich Sources and Citations. Wo habe ich das Kundensegment her? Auf welche Kampagnen-Performance beziehe ich mich? Wo habe ich diese Daten her? Mit einem Klick musst du sehen können: „Hier ist das in meiner Customer Database, hier ist das in meinem Data Lake." Sonst macht das keinen Sinn.

So werden diese Tools durch diese verschiedenen Steps extrem transparent. Und dann brauchst du noch eine Funktion: das Backtracking. An jeder Stelle dazwischengreifen zu können, zu sagen: „Nee, noch mal" oder „Bitte anders." Das war dieser Coaching-Aspekt, über den ich gesprochen habe. Das macht diese Systeme unglaublich transparent und robust. Gerade in spezifischen Bereichen wie im Marketing kannst du diese Systeme unglaublich performant aufbauen, ohne dich auf die Blackbox verlassen zu müssen. Das geht extrem gut. So macht man das eigentlich. Das ist Goldstandard, und ich würde nichts kaufen, was dem nicht entspricht.

Sprecher: Die Zukunft spricht Adobe. Ich hoffe, mir vieles anzueignen. Julian, das war ein schönes Schlusswort. Vielen Dank. Adobe, ich bedanke mich für deinen Besuch bei heise meets … Und ich bin sicher, wir müssen bald wieder darüber sprechen, weil du mit uns gemeinsam so schön am Anfang in die Glaskugel geguckt hast. Ich will natürlich in einem halben Jahr, in einem Jahr wissen, was da eingetreten ist und was wir an einzelnen Dingen lernen, um sie möglicherweise zu optimieren. Und vielleicht gibt es dann in dem einen oder anderen Bundesland tatsächlich schon Prompten als Schulfach. Das wäre spannend. Ich würde es begrüßen.

Julian Kramer: Ich auch.

Sprecher: Julian, ganz lieben Dank. In drei Wochen.

Sprecherin: Das war heise meets … – Der Entscheider-Talk. Sie wollen mehr erfahren? Dann besuchen Sie uns auf heise-meets.de. Wir freuen uns auf Sie.