Wer in einer Agentur oder einem Marketing-Team die letzten zwölf Monate hauptsächlich beobachtet hat, wie andere KI einsetzen, steht heute vor einem strukturellen Problem – nicht vor einem technologischen. Das Tempo, mit dem gut organisierte Teams Konzepte entwickeln, Inhalte produzieren und Iterationsschleifen durchlaufen, hat sich verändert. Nicht weil Tools schneller werden, sondern weil die Produktionslogik dahinter eine andere geworden ist. Teams, die das nicht internalisiert haben, liefern langsamer, binden mehr Ressourcen in Routinearbeit und haben weniger Kapazität für das, was tatsächlich Urteil erfordert. Das ist kein Hype-Argument. Es ist schlicht die operative Konsequenz eines veränderten Umfelds.

Was sich verschoben hat – und warum es keine Übergangsfrage ist

Der Fehler liegt darin, KI-Integration als Experiment zu behandeln, das irgendwann abgeschlossen wird. In der Praxis ist es umgekehrt: Teams, die früh systematisch integriert haben, haben inzwischen einen Erfahrungsvorsprung, der sich nicht durch Tool-Anschaffung einholen lässt. Sie wissen, wo Modelle zuverlässig liefern, wo sie plausibel klingen aber falsch liegen, und wo menschliches Urteil unverzichtbar ist. Dieses Wissen ist nicht dokumentiert – es steckt in den Abläufen, in eintrainierten Prompts, in Freigaberoutinen. Wer jetzt erst anfängt, baut dieses Erfahrungskapital von Null auf.

Der Rollenwandel, der dabei entsteht, ist real: Texter werden zu Redakteuren. Konzepter werden zu Direktoren, die mehrere KI-generierte Varianten bewerten und weiterentwickeln, anstatt bei Null zu beginnen. Art Directors arbeiten mit generierten Ausgangsvisualen, die sie verfeinern, ablehnen oder freigeben. Das ist keine Degradierung – es ist eine Verschiebung des Schwerpunkts von Erstellung zu Urteil. Und Urteil ist anspruchsvoller, nicht leichter.

Briefing: Die unterschätzte Produktionsvoraussetzung

In einem KI-gestützten Workflow ist das Briefing keine Formalität mehr, sondern der entscheidende Produktionshebel. Wer vage brieft, erhält zwar schnell Output – aber Output, der anschließend mehrere Korrekturrunden durchläuft und am Ende mehr Aufwand erzeugt als ein sorgfältig gesteuerter erster Durchlauf. Das klingt nach alter Weisheit, aber die Konsequenzen sind neu: Ein schlecht gebautes Prompt ist teurer als ein schlecht formuliertes Briefing an einen Junior-Konzepter, weil die Fehler subtiler sind und erst spät im Prozess auffallen.

Gute Briefings in KI-gestützten Workflows enthalten deshalb mehr als früher: Kontext über Ton und Marke, explizite Ausschlüsse, Formatvorgaben, Hinweise auf Zielgruppe und Nutzungskontext. Das ist Arbeit, die vor der Produktion geleistet wird – und die den Unterschied zwischen brauchbarem Output und echtem Arbeitsergebnis ausmacht. Teams, die das verstehen, investieren in Briefing-Templates und Prompt-Bibliotheken als Produktionsinfrastruktur. Das ist keine Spielerei, das ist Operating-Model-Denken.

Produktion und QA: Wo die Kette reißt

Der kritische Moment in jedem KI-gestützten Produktionsprozess ist nicht die Generierung – der ist einfach. Der kritische Moment ist die Qualitätsprüfung. Modelle produzieren plausibel klingende Texte, die faktisch falsch sein können. Sie übernehmen Tonalitäten, die nicht zur Marke passen. Sie optimieren auf Vollständigkeit, nicht auf Wirkung. Und sie merken nicht, wenn ein Ergebnis zwar korrekt, aber strategisch daneben liegt.

Das bedeutet: QA in einem KI-Workflow erfordert mehr geschultes Urteil, nicht weniger. Der Reviewer muss wissen, was das Modell wahrscheinlich falsch macht – und muss die Ausgabe nicht nur auf Fehler prüfen, sondern auf strategische Eignung. Das ist eine andere Kompetenz als klassisches Lektorat. Qualitätsgates in KI-Workflows sind keine bürokratische Absicherung, sie sind der Mechanismus, durch den das System erst funktionsfähig wird.

Was dabei häufig fehlt: klare Zuständigkeit für die Freigabe. In vielen Teams ist unklar, wer die letzte Verantwortung trägt – ob der Kreativdirektor, der Account oder der Produzent. Diese Unklarheit ist im klassischen Workflow ärgerlich; im KI-Workflow ist sie gefährlich, weil Fehler schneller in die Auslieferung gelangen. Der Human in the Loop ist kein optionales Add-on. Er ist die Bedingung dafür, dass das Ergebnis verantwortet werden kann.

Kundenvertrauen: Transparenz als Produktionsmerkmal

Die Frage, ob und wie Kunden über KI-Einsatz informiert werden sollten, wird in der Branche noch zu oft ausgewichen. Die Antwort ist weniger kompliziert als befürchtet: Kunden bezahlen für Ergebnisse, Qualität und Verlässlichkeit – nicht für manuelle Arbeit als solche. Was das Vertrauen gefährdet, ist nicht der Einsatz von KI, sondern fehlende Transparenz über den Prozess und fehlende Qualitätssicherung im Ergebnis.

Die OECD empfiehlt in ihren Grundsätzen für verantwortungsvolle KI explizit Transparenz und Nachvollziehbarkeit als Vertrauenselemente – und das gilt im Agenturkontext genauso wie in regulierten Branchen. Wer Kunden gegenüber klar kommunizieren kann, wie KI im Workflow eingesetzt wird, welche Prüfschritte es gibt und wer für das Ergebnis haftet, schafft mehr Vertrauen als jemand, der über Methodik schweigt. Transparenz ist hier kein Risiko, sondern ein Differenzierungsmerkmal – vor allem gegenüber Kunden, die selbst gerade ihren eigenen KI-Umgang sortieren.

Das Gegenteil – KI-Einsatz verschweigen oder als rein menschliche Leistung verkaufen – ist mittelfristig keine tragfähige Position. Nicht aus ethischen Gründen allein, sondern weil Kunden selbst informierter werden und die Fragen kommen werden. Wer dann keine Antwort hat, verliert nicht nur Vertrauen, sondern auch das Gespräch über die eigene Methodik.

Was das für Agenturen strukturell bedeutet

KI-Integration in Agenturen ist kein Projekt mit Ende, sondern eine Betriebsveränderung. Das hat Konsequenzen für Pricing, Rollen, Karrierepfade und Kundenkommunikation. Wer weiterhin nach Stunden abrechnet und dabei stille Effizienzgewinne einbehält, wird irgendwann mit Kunden konfrontiert, die dieselbe Rechnung machen. Wer Rollen nicht anpasst, verliert die Leute, die tatsächlich mit KI umgehen können. Wer intern keine klaren Freigabeprozesse definiert, produziert schnell viel und verantwortet wenig.

Die Agenturen, die in dieser Umgebung bestehen werden, sind nicht notwendigerweise die größten oder die technologisch fortgeschrittensten. Es sind die, die ihren Produktionsprozess als System verstehen – mit klaren Rollen, nachvollziehbaren Qualitätsgates und einer Kundenbeziehung, die auf Ergebnissen basiert, nicht auf Stundennachweisen. Wer KI nicht ins Handwerk integriert, verliert nicht nur Effizienz – er verliert die Fähigkeit, das Handwerk weiterzuentwickeln.

Das Produktionstempo ist heute eine Qualitätsfrage. Wer langsamer liefert, ohne dass Qualität der Grund dafür ist, hat ein Problem, das kein weiteres Tool löst.

---

Weiterführend: Von der Demo zur Delivery: KI als Produktionslogik — und zur Frage, wie Freigaben, Urteil und Verantwortung im KI-Workflow verteilt sind: Human in the Loop.

Externe Quellen: OECD Principles on AI – Transparency and explainability · Europäische Kommission: Vertrauenswürdige KI