Die Customer Journey verläuft 2026 nicht mehr sauber von Awareness bis Kauf: Menschen wechseln zwischen Suchmaschinen, KI-Antworten, sozialen Netzwerken, Vergleichsportalen und persönlichen Empfehlungen. Ein KI-gestützter Marketing-Funnel reagiert auf diese Signale, wählt den nächsten sinnvollen Kontakt aus und lernt aus dem Ergebnis.
Veröffentlicht am von Nicolas Finet, CEO von Sortlist.
Das Wichtigste in Kürze
- Der Funnel bleibt als Messmodell nützlich, sollte aber nicht länger als starre Abfolge von Kampagnen verstanden werden.
- KI entfaltet ihren Wert durch eine Verbindung aus konsistenten Kundendaten, Echtzeitsignalen, Entscheidungsregeln und kontrollierten Tests.
- Unternehmen sollten mit einem klar abgegrenzten Anwendungsfall beginnen und Conversion, Deckungsbeitrag, Kundenbindung sowie Datenqualität gemeinsam messen.
Was ist eine KI-gestützte Customer Journey?
Eine KI-gestützte Customer Journey verwendet Verhaltens-, Transaktions- und Kontextdaten, um den jeweils nächsten sinnvollen Kontaktpunkt auszuwählen. Statt allen Interessenten dieselbe E-Mail-Sequenz zu senden, kann das System beispielsweise zwischen Ratgeber, Produktvergleich, Beratungstermin und Pause entscheiden.
Der Marketing-Funnel verschwindet dadurch nicht. Er übernimmt eine neue Rolle: Er strukturiert Ziele und Kennzahlen, während die konkrete Reise zwischen den Phasen dynamisch bleibt. Diese Unterscheidung ist wichtig, denn der Funnel bildet die Unternehmensperspektive ab; die Customer Journey beschreibt das tatsächliche Erlebnis des Kunden.
Das unterscheidet den Ansatz auch von einer allgemeinen Digitalstrategie. Im Mittelpunkt stehen keine isolierten Kanäle, sondern Entscheidungen: Welche Botschaft ist für diese Person in diesem Moment über welchen Kontaktpunkt sinnvoll?
Warum der lineare Marketing-Funnel 2026 nicht mehr genügt
Ein potenzieller B2B-Kunde kann einen Fachartikel über Google entdecken, eine Zusammenfassung von einem KI-Assistenten erhalten, das Unternehmen auf LinkedIn prüfen und erst Wochen später über eine Empfehlung zurückkehren. Die Leipziger Digitalagentur Matrixe beschreibt diesen Wechsel zwischen Suchmaschine, KI-System, LinkedIn, YouTube, Empfehlungen und Anbietervergleichen als Netzwerk paralleler Touchpoints statt als feste Abfolge.
Gleichzeitig bleibt ein strukturiertes Funnel-Modell hilfreich, um Verantwortlichkeiten und Ergebnisse zu messen. Der Marketing-Funnel-Leitfaden von Nabenhauer Consulting vom 10. Juni 2026 empfiehlt, Funnel und Customer Journey zusammenzudenken und die Phase nach dem Kauf ausdrücklich einzubeziehen.
Die praktische Konsequenz: Ordnen Sie Kontakte weiterhin Phasen zu, aber zwingen Sie Menschen nicht in eine vorab festgelegte Sequenz. KI sollte Wahrscheinlichkeiten bewerten und passende Optionen priorisieren; verbindliche Regeln schützen Budget, Marke und Kunden.
Vom statischen Trichter zum dynamischen Entscheidungssystem
| Funnel-Bereich | Relevante Signale | Mögliche KI-Entscheidung | Hauptkennzahl | Leitplanke |
|---|---|---|---|---|
| Entdeckung | Suchanfrage, Content-Interesse, Quelle | Passendes Thema oder Format auswählen | Qualifizierte Besuche | Keine sensiblen Merkmale ableiten |
| Bewertung | Wiederkehr, Produktseiten, Downloads | Vergleich, Fallstudie oder Webinar anbieten | Engagement qualifizierter Accounts | Kontaktdruck begrenzen |
| Entscheidung | Preisinteresse, Warenkorb, Demo-Aktivität | Beratung, Einwandbehandlung oder Reminder priorisieren | Conversion und Deckungsbeitrag | Preise und Bedingungen transparent halten |
| Nutzung und Bindung | Onboarding, Produktnutzung, Supportfälle | Hilfestellung oder passendes Zusatzangebot auslösen | Aktivierung und Wiederkauf | Supportbedarf nicht als Verkaufschance missbrauchen |
| Weiterempfehlung | Zufriedenheit, Bewertungen, Wiederkäufe | Bewertung oder Empfehlung im passenden Moment erfragen | Empfehlungsrate | Keine Anreize für irreführende Bewertungen |
Die vier Bausteine eines KI-Marketing-Funnels
1. Verlässliche Daten statt maximaler Datensammlung
Beginnen Sie mit wenigen Signalen, deren Herkunft und Qualität nachvollziehbar sind: Einwilligungsstatus, Kontaktquelle, angesehene Inhalte, Transaktionen und dokumentierte Vertriebsaktivitäten. Doppelte Profile, unklare Kampagnenparameter oder fehlende Zuständigkeiten werden durch KI nicht behoben, sondern schneller vervielfältigt.
Definieren Sie deshalb ein gemeinsames Ereignisvokabular. „Demo angefragt“, „Demo durchgeführt“ und „Opportunity erstellt“ müssen in Marketing, Vertrieb und Analyse dieselbe Bedeutung haben.
2. Eine Entscheidungsschicht mit klaren Grenzen
Die Entscheidungsschicht kombiniert Geschäftsregeln und Modelle. Regeln schließen beispielsweise Personen ohne passende Einwilligung aus, begrenzen die Kontaktfrequenz oder verhindern ein Angebot mit negativer Marge. Innerhalb dieser Grenzen kann ein Modell Inhalte, Kanäle oder Zeitpunkte bewerten.
Die strategische Grundlage bleibt Ihre Positionierung im Marketing. Ein technisch gut personalisiertes Angebot überzeugt nicht, wenn Nutzenversprechen und Zielgruppe unscharf sind.
3. Orchestrierung über mehrere Kanäle
Ein dynamischer Funnel benötigt nicht zwingend eine neue Komplettplattform. Häufig reicht es zunächst, CRM, Webanalyse, E-Mail-Automation und Vertriebsprozess sauber zu verbinden. Erst wenn mehrere Kanäle in Echtzeit koordiniert werden müssen, kann eine Customer-Data- oder Journey-Orchestration-Plattform sinnvoll sein.
Die Produktentwicklung zeigt, wohin der Markt geht: HubSpot dokumentiert seit dem 3. August 2026 eine Journey-Automation für mehrstufige Pfade im Marketing Hub Enterprise. Adobe beschreibt im Journey Optimizer KI-basiertes Offer-Ranking, Echtzeitprofile und kanalübergreifende Entscheidungen. Solche Funktionen sind nützlich, ersetzen aber weder Datenmodell noch Messkonzept.
4. Ein geschlossener Lernkreislauf
Jede Ausspielung braucht ein beobachtbares Ergebnis: gesehen, geklickt, gekauft, abbestellt oder ignoriert. Testen Sie die KI-Auswahl gegen eine Kontrollgruppe. Nur so erkennen Sie, ob das Modell tatsächlich zusätzlichen Wert erzeugt oder lediglich bereits kaufbereite Personen identifiziert.
Für die Steuerung eignen sich Prinzipien aus dem Performance Marketing. Ergänzen Sie kurzfristige Conversion-Kennzahlen um Deckungsbeitrag, Abmelderate und Wiederkauf, damit lokale Verbesserungen nicht die gesamte Kundenbeziehung verschlechtern.
Kennzahlen für Deutschland
- 88 % der deutschen Unternehmen, die KI nutzen, setzen sie im Kundenkontakt ein; 57 % verwenden sie in Marketing und Kommunikation. Grundlage ist der Bitkom-Studienbericht 2025 mit Unternehmen ab 20 Beschäftigten; für diese Einsatzfrage wurden 215 KI-nutzende Unternehmen ausgewertet.
- 54 % von 1.010 befragten Internetnutzern in Deutschland hatten laut Bitkom-Mitteilung vom 28. Januar 2025 mindestens einmal nach personalisierter Werbung online gekauft.
- 44 % der Befragten gaben an, aufgrund personalisierter Werbung ein stationäres Geschäft besucht zu haben. Personalisierung betrifft damit nicht nur E-Commerce.
- 30,9 Milliarden Euro gaben deutsche Unternehmen nach derselben Bitkom-Erhebung für digitales Marketing aus; die Branche umfasste demnach 268.000 Beschäftigte.
Diese Werte belegen Verbreitung und wirtschaftliche Relevanz, aber nicht automatisch die Wirkung eines konkreten KI-Systems. Den tatsächlichen Mehrwert müssen Sie über kontrollierte Tests im eigenen Funnel nachweisen.
Stimmen aus der Praxis
„Wir müssen uns von dem Gedanken lösen, dass KI nur Texte schreibt.“
Ben Schulz & Partner, „KI im Marketing 2026“, veröffentlicht am 26. November 2025. Der Beitrag ordnet KI als Werkzeug für Analyse, Produktion und Personalisierung entlang des gesamten Funnels ein.
„Der Kunde folgt keinem Plan. Er folgt seinem eigenen Weg.“
Matrixe, „Marketing 2026: Warum der klassische Funnel ausgedient hat“, 18. Februar 2026. Als konkrete Kontaktpunkte nennt der Beitrag unter anderem Google, KI-Systeme, LinkedIn, YouTube und Empfehlungen.
Welche Technologie passt zu welchem Reifegrad?
| Reifegrad | Geeigneter Ansatz | Schlüsselfunktionen | Bewertung für den Einstieg | Typisches Risiko |
|---|---|---|---|---|
| Grundlage | CRM plus E-Mail-Automation | Segmente, Trigger, Lead-Status, einfache Tests | Sehr gut für einen klaren Anwendungsfall | Getrennte Web- und Vertriebsdaten |
| Wachstum | CRM-Suite mit Journey-Funktion | Mehrstufige Pfade, Reporting, Lead-Nurturing | Gut bei zentral gepflegtem CRM | Abhängigkeit von proprietären Datenmodellen |
| Omnichannel | Journey-Orchestration-Plattform | Echtzeitprofile, Decisioning, kanalübergreifende Aktionen | Stark bei hohem Kontakt- und Datenvolumen | Hoher Integrations- und Governance-Aufwand |
| Spezialfall | Eigenes Modell auf Data Warehouse | Individuelle Scores, volle Modellkontrolle | Sinnvoll bei einzigartiger Geschäftslogik | Betriebs-, Monitoring- und Personalaufwand |
| Testphase | Regelbasiertes Pilotprojekt | Ein Signal, zwei Varianten, Kontrollgruppe | Beste Option für einen belastbaren Start | Zu kleine Stichprobe oder wechselnde Ziele |
Die Bewertungen beziehen sich auf die organisatorische Eignung, nicht auf einen allgemeinen Produkttest. Prüfen Sie vor einer Beschaffung Datenstandort, Rollen- und Rechtekonzept, Exportmöglichkeiten, Integrationen, Preislogik und die Messbarkeit einer Kontrollgruppe.
Mini-Rechner: Potenzial einer personalisierten Journey
Der Rechner schätzt den zusätzlichen monatlichen Deckungsbeitrag eines einzelnen Journey-Schritts. Der relative Uplift muss aus einem kontrollierten Test stammen; ohne Test ist das Ergebnis lediglich ein Szenario.
Formel: erreichbare Kontakte × bisherige Conversion-Rate × relativer Uplift × Deckungsbeitrag. Ziehen Sie anschließend Plattform-, Integrations-, Content- und Betriebskosten ab.
Ein realistischer 90-Tage-Plan
Tag 1 bis 30: Problem und Messung festlegen
- Wählen Sie eine Entscheidung mit ausreichendem Volumen, etwa Warenkorbabbruch, Lead-Nurturing oder Onboarding.
- Definieren Sie eine Hauptkennzahl und zwei Schutzkennzahlen, beispielsweise Conversion, Deckungsbeitrag und Abmelderate.
- Dokumentieren Sie Datenquellen, Einwilligungen, Löschfristen und verantwortliche Personen.
- Prüfen Sie, ob Angebot und Zielgruppe bereits einen belastbaren Product-Market-Fit erkennen lassen.
Tag 31 bis 60: Pilot bauen
- Verwenden Sie zunächst zwei bis vier Inhalte oder Angebote statt eines unübersichtlichen Variantenkatalogs.
- Reservieren Sie eine zufällig gebildete Kontrollgruppe.
- Definieren Sie Fallbacks für fehlende Daten und technische Ausfälle.
- Lassen Sie Texte, Angebote und Segmentlogik fachlich sowie rechtlich prüfen.
Tag 61 bis 90: Auswerten und skalieren
- Vergleichen Sie inkrementelle Ergebnisse, nicht nur die Conversion der vom Modell bevorzugten Zielgruppe.
- Untersuchen Sie Ergebnisse nach Kanal, Segment und Neukundenstatus.
- Skalieren Sie nur, wenn Wirkung, Datenqualität und Betriebsaufwand nachvollziehbar sind.
- Überführen Sie die Ziele in einen festen Steuerungsrhythmus, beispielsweise mit der OKR-Methode.
Datenschutz und KI-Governance im DACH-Markt
Personalisierung benötigt eine dokumentierte Rechtsgrundlage, Datenminimierung und transparente Informationen. Prüfen Sie besonders Tracking, Profilbildung, Datenübermittlungen, Auftragsverarbeitung und automatisierte Entscheidungen. Die konkrete Bewertung hängt vom Anwendungsfall ab und sollte bei sensiblen oder weitreichenden Profilen rechtlich geprüft werden.
Seit August 2026 sind zudem weitere Vorgaben des europäischen AI Act anwendbar. Artikel 50 enthält Transparenzpflichten für bestimmte KI-Systeme und synthetische Inhalte. Nicht jede Marketing-Automation fällt darunter; Unternehmen sollten aber eingesetzte Modelle, Zwecke, menschliche Freigaben und Kennzeichnungspflichten inventarisieren. Maßgeblich ist der konsolidierte Verordnungstext der EU.
Die häufigsten Fehler
- Technologie vor Ziel: Eine Plattform wird gekauft, bevor die zu verbessernde Entscheidung feststeht.
- Korrelation statt Wirkung: Das Modell findet kaufbereite Personen, ohne zusätzliche Käufe auszulösen.
- Zu viele Varianten: Das Volumen reicht nicht aus, um Unterschiede belastbar zu messen.
- Keine Kontaktgrenzen: Mehr Trigger führen zu mehr Nachrichten, aber nicht automatisch zu mehr Relevanz.
- Fehlende Verantwortung: Niemand ist für Datenqualität, Modellkontrolle und Fallbacks zuständig.
Fazit: Der Funnel wird zum lernenden System
Unternehmen müssen den Marketing-Funnel 2026 weder verwerfen noch vollständig automatisieren. Sinnvoller ist ein dynamisches System: Der Funnel liefert Ziele und Kennzahlen, Kundensignale beeinflussen den nächsten Schritt, und kontrollierte Tests zeigen, ob die KI tatsächlich zusätzlichen Wert schafft.
Beginnen Sie mit einer Entscheidung, einer Kontrollgruppe und einem klaren wirtschaftlichen Ziel. Benötigen Sie Unterstützung bei Datenstrategie, CRM-Integration oder Journey-Orchestrierung, können Sie ein Projekt beschreiben und passende Experten finden.
Häufige Fragen zur KI-gestützten Customer Journey
Was ist der Unterschied zwischen Customer Journey und Marketing-Funnel?
Der Marketing-Funnel strukturiert den Entscheidungsprozess aus Sicht des Unternehmens. Die Customer Journey beschreibt die tatsächlichen Kontakte und Erfahrungen eines Menschen. Ein KI-gestützter Ansatz nutzt den Funnel für Ziele und Messung, passt die Journey aber an aktuelle Signale an.
Welche Daten benötigt ein KI-Marketing-Funnel?
Für einen Pilot reichen häufig wenige, verlässliche Daten: Einwilligungsstatus, Quelle, besuchte Inhalte, Transaktionen und CRM-Status. Mehr Daten verbessern ein Modell nur, wenn sie korrekt, aktuell, zulässig und mit einem beobachtbaren Ergebnis verbunden sind.
Brauchen mittelständische Unternehmen eine Customer-Data-Plattform?
Nicht zwingend. Wenn CRM, Webanalyse und Automation einen Anwendungsfall zuverlässig abdecken, ist eine zusätzliche Plattform oft verfrüht. Eine Customer-Data-Plattform wird interessanter, wenn Identitäten, Echtzeitsignale und Aktionen über viele Systeme und Kanäle koordiniert werden müssen.
Wie lässt sich der Erfolg von KI-Personalisierung messen?
Vergleichen Sie eine KI-gesteuerte Gruppe mit einer zufällig gebildeten Kontrollgruppe. Messen Sie neben Conversion oder Umsatz auch Deckungsbeitrag, Abmeldungen, Retouren und Wiederkäufe. Entscheidend ist der inkrementelle Effekt nach Abzug der zusätzlichen Kosten.
Ersetzt KI Marketing- und Vertriebsteams?
KI kann Signale auswerten, Varianten priorisieren und Routinen automatisieren. Menschen bleiben für Positionierung, kreative Leitidee, Ausnahmen, Freigaben und die Bewertung unerwarteter Folgen verantwortlich.
