Kontextbezogene KI und agentenbasierte Marketing-Infrastruktur

• KI wird als ausführende Ebene verstanden, die weiterhin menschliches Urteilsvermögen braucht; zugleich warnen Stimmen davor, komplexe Roadmaps an Agenten oder allgemeine Copilots abzugeben.
• Erste Muster deuten auf KI-native CRMs und agentenbasierte Marketingsoftware hin, in der Tools wie Jira und CDPs zu Kontextmaschinen für autonome Workflows werden.
• RAG-Intelligenzebenen und MCP gelten als praktikable Wege, KI mit bestehenden MarTech-Systemen zu verbinden, ohne den gesamten Stack zu ersetzen.
• Studien zeigen eine ungleichmäßige KI-Nutzung im B2B, dazu Lücken in der Personalisierung und den Bedarf an klaren Notfallplänen, wenn agentenbasierte Tools ausfallen oder abdriften.

‍

Verschlankung des Stacks und Disziplin in der Architektur

• MarTech-Verantwortliche stellen aufgeblähte Stacks, geringe Nutzung, schwache Attribution und unklare Verantwortlichkeiten über die Tools hinweg infrage.
• Am deutlichsten zeigt sich: Statt Tools hinzuzufügen, erhalten weniger Systeme klarere Rollen.
• Allgemeine Blaupausen für den Stack geraten zunehmend in Zweifel, weil reale Architekturen vom Geschäftsmodell, vom Reifegrad und vom operativen Umfeld abhängen.
• M&A erhöht die Komplexität, denn übernommene Stacks verlangen Architekturentscheidungen und nicht nur eine Konsolidierung der Anbieter.

‍

CDP-Strategie und Grundlagen der Kundendaten

• CDPs bleiben zentral, doch die Kategorie wird durch zusammensetzbare Architekturen, Warehouses, KI-Agenten und kontextbezogene Systeme neu definiert.
• Die Debatte verschiebt sich von der Frage, ob CDPs tot sind, hin zu der Frage, welches Operating Model sie nützlich macht.
• Die Qualität der Kundendaten bleibt die zentrale Begrenzung für KI-Marketing, Automatisierung und Personalisierung.
• D·engage positioniert eine kanalübergreifende Marketing-Automatisierung mit Funktionen einer Composable CDP, während Urban Zoo den Start der Gamechanger CDP für Sportorganisationen vorbereitet.

‍

Marketing Operations als strategische Steuerungsebene

• Marketing Operations gilt zunehmend als strategische Funktion und nicht als ausführende Rolle im Hintergrund.
• Die Funktion rückt näher an Architektur, Governance, Priorisierung und die Qualität der Umsetzung.
• KI-Agenten werden als Möglichkeit dargestellt, wiederkehrende Arbeit zu beseitigen, etwa Listenabfragen, QA, Segmentierung, Datenpflege und Attributionsaufgaben.
• Die Lücke bei den Fähigkeiten bleibt groß, weil viele Teams Tools schneller kauften, als sie deren Betrieb erlernten.

‍

Personalisierung und Customer Intelligence

• Personalisierung wird neu als Frage von Daten, Kontext und Entscheidungslogik verstanden und nicht als Kampagnentaktik.
• Personalisierung in Echtzeit bleibt im Unternehmenseinsatz schwierig, weil die Versprechen der Anbieter die operative Realität oft übersteigen.
• Customer Intelligence entwickelt sich zum wertvolleren Ziel als die reine Kampagnenoptimierung.
• Praktische Enablement-Formate wie Workshops und Personalisierungskarten helfen Teams, vom Anspruch zu nutzbaren Anwendungsfällen zu kommen.

‍

‍

Marktsignale, Events und neue Produktdynamik

• State of Martech 2026 und Martech Day 2026 beherrschten die Marktdiskussion, vor allem mit Blick auf die Rede vom Plateau, auf Abwanderung, auf den Druck bei Vertragsverlängerungen und auf den Umbau der Stacks.
• „Context“ und „Golden Context“ etablierten sich als Schlüsselbegriffe für das nächste Operating Model im MarTech.
• Zu den neuen Produktsignalen zählen die KI-gestützte Erkennung von Stacks, die serverseitige GTM-Transparenz von MANTIS, Conversion Agents für die Umsetzung in MOps und die Gamechanger CDP für Sportorganisationen.
• Die Veranstaltungen in Oslo und New York sowie die Diskussionen am Martech Day bestätigten dieselbe Richtung: MarTech löst sich vom Denken in Stacks und wendet sich kontextgeführten Betriebssystemen zu.

‍