Wenn Ihr Marketing-Team KI-Agenten testet, aber kaum jemand sie wirklich produktiv einsetzt, liegt das selten an der Technologie. Laut dem Martech 2026 Report von Scott Brinker testen 90% aller Marketing-Teams KI-Agenten, doch nur 23% betreiben sie produktiv. Dieser Artikel erklärt, warum diese Lücke so gross ist, welche vier Ursachen am häufigsten zum Scheitern führen und was Schweizer KMU konkret tun können, um auf der richtigen Seite dieser Statistik zu stehen.
Adobe/Marketo Engage positioniert sich 2026 als Agentic Operations Layer: Kampagnen, Segmente und Inhalte werden nicht mehr manuell gesteuert, sondern von Agenten orchestriert. Durch MCP-Konnektivität können externe KI-Agenten nativ auf Marketo-Daten zugreifen. Für Schweizer KMU mit weniger als 200 Mitarbeitenden ist Marketo in der Regel zu komplex und zu kostenintensiv.
Warum KI-Agenten in der Praxis scheitern: vier Hauptursachen
Vier Ursachen erklären fast alle Misserfolge, und alle sind vor dem ersten Piloten behebbar. Die häufigsten Abbrüche bei KI-Agenten-Projekten haben wenig mit der Qualität der Technologie zu tun. Sie entstehen durch vier Faktoren, die alle vor dem ersten Agenten-Einsatz bekannt und behebbar sind.
Ursache 1. Unzureichende Datenbasis im CRM
Ohne saubere Kontaktdaten, klare Segmentierung und einheitliche Attribute kann kein Agent verlässliche Entscheidungen treffen. Ein Lead-Priorisierungs-Agent, der auf ein CRM mit 30 Prozent Duplikatrate, fehlenden Lebenszyklusstatus-Feldern und inkonsistenten Unternehmensattributen zugreift, produziert inkonsistente Priorisierungen. Das Ergebnis: Das Team vertraut dem Agenten nicht und deaktiviert ihn nach wenigen Wochen.
McKinsey formuliert es präzise: Autonome KI-Systeme setzen eine saubere CRM-Datenbasis voraus. Die Datenvorbereitung ist typischerweise der grösste Aufwand im ersten Piloten, nicht die technische Integration.
Ursache 2. Kein Steuerungsrahmen für autonome Aktionen
Wenn kein Freigabeprozess definiert ist, bevor der erste Agent in Betrieb geht, entstehen unkontrollierte Kundenmails, falsche Angebotsversendungen oder unbeabsichtigte Datenweitergaben. Was ein Minimalrahmen enthalten muss:
- Freigabepflicht pro Aktionstyp (intern vs. kundenseitig)
- Konfidenz-Schwelle für autonome Ausführung
- Protokollierung jedes Agenten-Entscheids
- Rückfallregel für unbekannte Situationen
- Benannte Person, die Agenten-Outputs täglich prüft (in der Pilotphase)
Dieser Rahmen muss vor dem ersten Produktiveinsatz stehen. Wer ihn nach dem ersten Fehler aufbaut, hat den Fehler bereits gemacht.
Ursache 3. Überhöhte Erwartungen an den ersten Piloten
KI-Agenten sind keine autonomen Mitarbeitenden. Sie sind auf klar abgegrenzte, datengestützte Aufgaben ausgelegt. Was erfahrungsgemäss funktioniert: repetitive Aufgaben mit strukturiertem Input und definiertem Output. Inhalts-Briefings generieren, Lead-Signale auswerten, Kampagnendaten aggregieren.
Was nicht funktioniert: Beziehungsaufbau, Verhandlungen, komplexes Stakeholder-Management oder Aufgaben, bei denen der Kontext stark variiert. Teams, die diese Grenze nicht vorab setzen, sind nach dem ersten Piloten enttäuscht, weil der Agent in einem Bereich eingesetzt wurde, der nicht seine Stärke ist.
Ursache 4. Agenten-Etikettenschwindel nicht erkannt
Wie im ersten Abschnitt beschrieben: Viele als KI-Agenten beworbene Tools sind Automatisierungsworkflows mit KI-Oberfläche. Wer das nicht unterscheidet, investiert Implementierungszeit in die falsche Kategorie. Das frustriert das Team, belastet das Budget und führt zu einer pauschalen Skepsis gegenüber KI-Agenten, die auf einem falschen Produktvergleich basiert.
Praxistipp. Steuerungsrahmen minimal aufbauen: Erstellen Sie vor dem Piloten eine einfache Tabelle mit zwei Spalten: «Autonom erlaubt» und «Freigabe erforderlich». Tragen Sie für jeden geplanten Agenten-Aktionstyp ein, in welche Spalte er gehört. Dieser einseitige Steuerungsrahmen reicht für den ersten Piloten aus und verhindert die häufigsten Abbrüche in den ersten vier Wochen.
KI-Potenzial konkretisieren: KI-Agenten wirken unterschiedlich stark je nach Unternehmensbereich. Die relevantesten Einsatzfelder sind Marketing, Sales, Kundenservice, Administration, HR und Operations. Mit dem ROI-Kalkulator prüfen Sie, welcher dieser Bereiche in Ihrer Situation den grössten Hebel hat.
Voraussetzungen für einen erfolgreichen Einstieg
Datenbasis und Steuerungsrahmen entscheiden über Erfolg oder Abbruch, nicht die Modellwahl. Bevor die Frage «Was tun wir?» beantwortet werden kann, muss die Frage «Sind wir bereit?» ehrlich beantwortet sein. Die meisten Piloten, die nach 60 Tagen abgebrochen werden, hätten diese Prüfung nicht bestanden.
Daten-Readiness-Check in sieben Punkten
Prüfen Sie vor jedem Piloten diese sieben Punkte. Sind mehr als zwei davon nicht erfüllt, lohnt es sich, zuerst in die Datenqualität zu investieren, bevor der erste Agent läuft.
- Duplikatrate im CRM unter 5 Prozent?
- Pflichtfelder für Kontakte vollständig belegt?
- Lebenszyklusstatus für alle aktiven Kontakte gepflegt?
- Segment-Logik dokumentiert und aktuell?
- DSGVO- und DSG-Einwilligung für automatisierte Kommunikation vorhanden?
- Technischer Datenzugriff für das Agenten-Tool möglich?
- Abbruch-Prozess definiert (Wie stoppen wir den Agenten im Notfall)?
Team-Bereitschaft und interner Rückhalt
KI-Agenten scheitern häufig nicht an der Technik, sondern an der internen Skepsis. Marketing-Teams, die Agenten als Bedrohung für eigene Aufgaben wahrnehmen statt als Entlastung, sabotieren Piloten passiv, indem sie Outputs nicht nutzen, Fehler überbetonen und Erfolge kleinreden.
Empfehlenswert ist, frühzeitig eine interne Person als Agenten-Befürworter zu benennen, die den Piloten begleitet, Ergebnisse kommuniziert und als Ansprechperson für Fragen des Teams fungiert. Diese Person muss kein KI-Spezialist sein, aber sie muss den Piloten als persönliches Projekt betrachten.
Den richtigen Einstiegs-Anwendungsfall auswählen
Nicht jeder Prozess eignet sich als erster Agenten-Einsatz. Die Auswahlkriterien für einen guten Einstiegs-Anwendungsfall sind: strukturierter Input, klar definierter Output, keine direkte Kundenkommunikation im ersten Schritt und messbare Kennzahl, anhand derer der Erfolg nach 90 Tagen bewertet werden kann. Mehr dazu im nächsten Abschnitt.
Strategie-Tipp für CEOs: Wenn Sie entscheiden müssen, ob Ihr Unternehmen in KI-Agenten investiert: Stellen Sie die Frage nicht als «KI ja oder nein», sondern als «Welchen einen Prozess könnten wir in 90 Tagen mit einem Agenten beschleunigen?» Diese Einschränkung auf einen Prozess verhindert Grossprojekte mit unklarem Ergebnis und schafft einen messbaren Entscheid für oder gegen eine Fortsetzung.
Was Schweizer KMU konkret tun können
Drei Schritte, kein neues Budget, kein KI-Spezialist: der pragmatische Einstiegspfad für Schweizer KMU. Alle Konzepte der vorherigen Abschnitte münden in drei Schritte, die Schweizer KMU mit bestehenden Ressourcen umsetzen können. Sie erfordern keine KI-Spezialisten und kein neues Budget, wenn eine geeignete Marketing Automation Plattform bereits im Einsatz ist.
→ CEO-Praxisguide: KI-Agenten: CEO-Entscheidungsguide für Schweizer KMU
Schritt 1. Den richtigen Einstiegs-Anwendungsfall wählen
Nicht mit Kundenkontakt-Agenten beginnen. Diese Kategorie hat die höchste Abbruchrate, weil Fehlinformationen oder unerwartete Formulierungen direkt beim Kunden sichtbar werden. Drei interne Anwendungsfälle haben sich als Einstieg bewährt:
- Inhalts-Briefing-Agent: Recherchiert täglich relevante Branchenthemen, analysiert bestehende Inhalte auf Aktualität und erstellt strukturierte Briefings für das Marketing-Team. Input: Suchbegriffe und bestehende Artikel-URLs. Output: strukturiertes Dokument mit Empfehlungen.
- Lead-Priorisierungs-Agent: Wertet CRM-Signale aus (Seitenbesuche, E-Mail-Öffnungen, Formulareinsendungen) und empfiehlt eine priorisierte Kontaktliste für das Sales-Team. Input: CRM-Daten. Output: priorisierte Liste mit Begründung.
- Berichts-Agent: Aggregiert Kampagnendaten aus E-Mail-Plattform, CRM und Anzeigensystem und erstellt wöchentliche Zusammenfassungen. Input: Plattform-APIs. Output: strukturierter Bericht.
Schritt 2. Einen 30-60-90-Tage-Piloten aufsetzen
30 Tage: Ein Agent, ein Prozess, ein Team, kein Produktivbetrieb mit echten Kundendaten. Ziel dieser Phase ist technische Stabilität und erste Ergebnisqualität. 60 Tage: Messung der definierten Kennzahl, erste Fehleranalyse, gezielte Anpassungen am Agenten-Rahmen. 90 Tage: Weiter- oder Stopp-Entscheid mit messbaren Grundlagen.
Was als Kennzahl taugt: Zeitersparnis pro Aufgabe, Fehlerrate im Output, Konversionsrate des betroffenen Prozesses. Was nicht taugt: «Anzahl Agenten-Läufe» oder «Gesamtvolumen verarbeiteter Daten». Diese Metriken messen Aktivität, nicht Ergebnis.
Schritt 3. Ergebnisse dokumentieren und intern kommunizieren
Piloten enden zu häufig ohne dokumentiertes Ergebnis. Das Team weiss ungefähr, was funktioniert hat, aber niemand hat es aufgeschrieben. Empfehlung: Nach 90 Tagen einen einseitigen Abschlussbericht erstellen. Fragen: Was hat funktioniert? Was nicht? Welche Datenlücken wurden sichtbar? Was ist der nächste Schritt?
Dieser Bericht ist die Grundlage für interne Budgetgespräche, für den Vergleich mit Branchen-Benchmarks und für die Entscheidung, ob der nächste Agenten-Typ die Kundenkontakt-Ebene erreichen soll.
Praxistipp. Piloten-Kennzahl vor dem Start definieren: Schreiben Sie die Kennzahl und den Zielwert auf, bevor der Pilot startet. «Zeitersparnis bei der Inhaltsplanung: Ziel 3 Stunden pro Woche» ist eine taugliche Kennzahl. «KI-Agenten sollen Marketing verbessern» ist keine. Diese Vorab-Definition verhindert, dass der Pilot nach 90 Tagen weder als Erfolg noch als Misserfolg bewertet werden kann.
Wann KI-Agenten wirklich funktionieren: bewährte Anwendungsfälle
Diese vier Anwendungsfälle liefern messbare Ergebnisse in 90 Tagen, ohne Kundenkontaktrisiko. Die folgenden vier Anwendungsfälle haben in publizierten Marktdaten konsistent gute Ergebnisse gezeigt. Sie eignen sich als Vorlage für den eigenen Piloten.
Lead-Priorisierungs-Agent
Strukturierte CRM-Daten als Input, klar definierter Priorisierungs-Output. Das ist die Kombination, die für KI-Agenten am besten funktioniert. Ein Lead-Priorisierungs-Agent wertet Seitenbesuche, E-Mail-Engagement, Formulareinsendungen und Unternehmensattribute aus und empfiehlt dem Sales-Team eine tägliche Kontaktliste mit Begründung. McKinsey beschreibt für Piloten mit sauberer Datenbasis eine deutliche Beschleunigung der Sales-Pipeline.
Voraussetzung: CRM mit strukturierten Interaktionsdaten und gepflegtem Lebenszyklusstatus. Ohne diese Basis produziert der Agent zufällige Priorisierungen.
Inhalts-Briefing-Agent
Ein Inhalts-Briefing-Agent recherchiert täglich Branchenthemen, analysiert die Ranking-Performance bestehender Artikel und erstellt strukturierte Vorgaben für das Content-Team. Input und Output sind klar definiert, der Agent läuft intern ohne Kundenkontakt und die Zeitersparnis ist direkt messbar. Für Teams, die regelmässig Inhalte produzieren, ist das erfahrungsgemäss der schnellste und sichtbarste erste Effizienzgewinn.
Berichts- und Analyse-Agent
Ein Berichts-Agent aggregiert Daten aus CRM, E-Mail-Plattform und Anzeigensystem und erstellt wöchentliche oder monatliche Zusammenfassungen mit automatischer Trendidentifikation. Das Risiko ist gering, weil keine Kundenkommunikation involviert ist. Die Zeitersparnis liegt erfahrungsgemäss bei drei bis fünf Stunden pro Woche in Marketing-Teams, die bisher manuell berichten.
Kontaktaufnahme-Sequenz-Agent mit menschlicher Freigabe
Dieser Anwendungsfall verbindet hohe Personalisierung mit Kontrollsicherheit. Der Agent plant personalisierte Kontaktaufnahme-Sequenzen auf Basis von CRM-Signalen, formuliert Entwürfe und legt sie zur menschlichen Freigabe vor. Erst nach Freigabe wird versendet. Das ist die technisch richtige Art, Kundenkontakt-Agenten einzuführen: nicht autonom, sondern mit verpflichtendem Freigabeschritt. Wer diesen Schritt überspringt und sofort autonom versendet, gehört zur Kategorie der frühen Abbrüche.
Wenn Sie es pragmatischer angehen möchten: 7 KI-Anwendungen für Marketing und Sales zeigt konkrete Einstiegsszenarien, die ohne grossen Strategieprozess diese Woche gestartet werden können.
Datenschutz und KI-Agenten: was DSG und DSGVO bedeuten
DSG-konformer KI-Agenten-Einsatz ist möglich, erfordert aber explizite Vorabklärungen, bevor der erste Produktivbetrieb startet. Der Datenschutz ist für Schweizer KMU kein optionales Thema bei der Einführung von KI-Agenten. Das Schweizer Datenschutzgesetz (DSG) ist seit dem 1. September 2023 in Kraft. Wer Agenten einsetzt, die auf Personendaten zugreifen und autonome Entscheidungen auf deren Basis treffen, hat konkrete Dokumentationspflichten.
Was autonome Agenten datenschutzrechtlich auslösen
Wenn ein KI-Agent eigenständig auf Personendaten im CRM zugreift, Entscheidungen auf Basis dieser Daten trifft und automatisierte Kommunikation auslöst, handelt es sich nach DSG und DSGVO um eine automatisierte Einzelentscheidung. Betroffene Personen haben das Recht auf Information und Widerspruch. Die Pflichten für Unternehmen:
- Datenschutzerklärung aktualisieren (automatisierte Verarbeitung und Profilerstellung explizit ausweisen)
- Einwilligung zur automatisierten Kommunikation prüfen (bestehendes Opt-in deckt das nicht automatisch ab)
- Widerspruchsmöglichkeit technisch sicherstellen
- Bei erheblichen Auswirkungen (z.B. Preisdifferenzierung, Angebotsselektion): Recht auf menschliche Überprüfung gemäss DSG Art. 21 implementieren
Für die Mehrheit der Einstiegs-Anwendungsfälle (interne Agenten ohne direkten Kundenkontakt) sind diese Anforderungen weniger relevant. Sobald ein Agent kundenseitig kommuniziert, müssen sie erfüllt sein.
Lokale Modelle als datenschutzkonforme Alternative
Für Schweizer KMU mit strengen Datenschutzanforderungen oder Kunden aus dem öffentlichen Sektor können KI-Agenten auf Basis lokaler Sprachmodelle eine Option sein. Lokale Modelle halten Personendaten innerhalb der eigenen Infrastruktur. Kein Datentransfer in externe KI-Dienste.
Ein konkretes, breit verfügbares Beispiel (Stand Mai 2026): OpenAI hat mit gpt-oss-20b ein offenes Modell unter Apache-2.0-Lizenz veröffentlicht, das bereits auf rund 16 GB RAM lauffähig ist. Daneben treiben Anbieter wie Alibaba (Qwen-Reihe) und Google (Gemma-Reihe) laut Hersteller-Angaben offene Modelle mit grossen Kontextfenstern und Edge-Optimierung voran. Vor dem Einsatz lohnt sich ein kurzer Blick in die jeweils aktuelle Modell- und Lizenzdokumentation. Diese Modelle sind keine Vollersatzsysteme für Cloud-Dienste, aber für interne Agenten-Aufgaben mit strukturiertem Input ausreichend.
Praxistipp. DSG-Schnellprüfung für Agenten-Piloten: Beantworten Sie vor dem Piloten drei Fragen: (1) Verarbeitet der Agent Personendaten? (2) Trifft er autonome Entscheidungen, die Kundenkommunikation auslösen? (3) Ist die Datenschutzerklärung auf automatisierte Verarbeitung aktualisiert? Falls Frage 1 und 2 zutreffen und Frage 3 mit Nein beantwortet wird, stoppen Sie den Piloten und klären zuerst die rechtliche Basis.
Fazit: Die Einführungsmethodik entscheidet, nicht die Technologie
Saubere Datenbasis, definierter Steuerungsrahmen, ein messbarer Pilot: wer diese drei Voraussetzungen erfüllt, gehört zur 23%-Minderheit, die wirklich liefert. Die Lücke zwischen den 90 Prozent, die KI-Agenten testen, und den 23 Prozent, die sie produktiv betreiben, ist kein Urteil über die Technologie. Sie ist ein Urteil über fehlende Einführungsmethodik. Wer mit sauberer Datenbasis, einem klar definierten internen Piloten und einem dokumentierten Steuerungsrahmen startet, gehört zu der Minderheit, die tatsächlich Ergebnisse liefert. Das erfordert keine grossen Investitionen, aber konsequente Vorbereitung.
Wer heute mit einem kleinen Piloten startet, misst und iteriert, schlägt alle, die noch auf die perfekte Lösung warten.
Wer heute mit einem einzigen internen Agenten-Piloten beginnt, diesen sauber dokumentiert und nach 90 Tagen auswertet, legt den Grundstein für eine Architektur, die in 12 bis 24 Monaten weitaus grössere Workstreams übernehmen kann. Gartner erwartet bis 2028 mehr als eine Verdopplung der Automatisierungsrate im Marketing auf 36 Prozent. Der richtige Zeitpunkt, erste Erfahrungen aufzubauen, ist jetzt.
Gartner prognostiziert, dass bis 2028 60% der Marken Agentic AI für 1:1-Kundeninteraktionen einsetzen werden. Laut Gartner markiert das das Ende des kanalbasierten Marketings zugunsten kontinuierlicher, agentisch orchestrierter Kundendialoge. Die CMO-Konsequenz ist nüchtern: Wer erst 2027 oder 2028 mit dem Aufbau beginnt, startet mit Datenbasis-Rückstand, ohne Steuerungserfahrung, in einem Wettbewerbsfeld, das die frühen Einführer bereits definiert haben.
Bereit für den konkreten nächsten Schritt? Im KI-Kickstart-Gespräch klären wir, welcher Einstiegspunkt für Ihre Situation passt: Datenbasis-Check, Piloten-Setup oder Priorisierungs-Workshop. Konkrete Entscheidungsgrundlage statt allgemeines Beratungsgespräch.
Häufige Fragen zu KI-Agenten im Marketing
Was ist der Unterschied zwischen einem KI-Agenten und einem Automatisierungsworkflow?
Antwort: Ein Automatisierungsworkflow folgt einem festen Entscheidungsbaum. Jeder Schritt ist vorab programmiert. Ein KI-Agent plant eigenständig, wählt Tools dynamisch aus und passt seinen Ablauf an, wenn ein Zwischenschritt scheitert. Das erlaubt den Umgang mit unstrukturierten Situationen, die regelbasierte Systeme nicht abdecken können.
Warum scheitern so viele KI-Agenten-Piloten in der Praxis?
Antwort: Die vier häufigsten Ursachen sind unzureichende Datenqualität im CRM, fehlende Freigaberegeln für autonome Aktionen, überhöhte Erwartungen an den ersten Piloten sowie der Agenten-Etikettenschwindel, also Tools, die als KI-Agenten vermarktet werden, intern aber regelbasierte Automatisierungen sind.
Welche KI-Agenten eignen sich für Schweizer KMU als Einstieg?
Antwort: Am besten geeignet sind interne Agenten ohne Kundenkontakt: Inhalts-Briefing-Agent, Lead-Priorisierungs-Agent und Berichts-Agent. Plattformen mit guter KMU-Eignung sind ActiveCampaign Active Intelligence (offizieller MCP-Server, bidirektional), HubSpot Breeze (ab Professional-Tarif, ebenfalls mit MCP-Server) und n8n als flexible Orchestrierungsschicht ohne Plattformwechsel.
Wie lange dauert ein seriöser KI-Agenten-Pilot?
Antwort: 90 Tage: 30 Tage für Aufbau und ersten Testlauf, 30 Tage für Messung und Anpassung, 30 Tage für den Weiter- oder Stopp-Entscheid mit messbaren Kennzahlen. Schnellere Rollouts sind technisch möglich, liefern aber selten belastbare Ergebnisse für eine fundierte Fortsetzungsentscheidung.
Was kostet ein KI-Agenten-Pilot?
Antwort: Tool-Kosten entstehen meist auf Basis bestehender Plattformtarife. Der grössere Aufwand liegt in der Datenvorbereitung und im Aufbau des Steuerungsrahmens. Erfahrungsgemäss sind im ersten Piloten 40 bis 60 Stunden interne Zeit einzuplanen. Für konkrete CHF-Schätzungen basierend auf Ihrer Plattform und Datenqualität empfehlen wir eine individuelle Ersteinschätzung.
Welche KI-Anwendungen bringen im KMU zuerst den grössten ROI?
Antwort: Das hängt vom Unternehmensbereich ab. In Marketing und Sales zeigen Lead-Priorisierung und Content-Briefing-Agenten erfahrungsgemäss den schnellsten Wirkungsnachweis. Im Kundenservice und in der Administration liegt das Potenzial bei repetitiven Anfragen und Dokumentenverarbeitung. Den grössten Hebel identifizieren Sie mit dem ROI-Kalkulator, der sechs Einsatzbereiche gegenüberstellt.
Wie priorisieren Unternehmen KI-Use-Cases, ohne sich zu verzetteln?
Antwort: Die bewährteste Methode ist die 90-Tage-Regel: Ein Prozess, ein Agent, eine messbare Kennzahl. Wer mehrere Use Cases gleichzeitig angehen will, verzettelt sich fast immer. Als Einstieg für Teams, die schnell starten möchten, liefert der Überblick 7 KI-Anwendungen für Marketing und Sales eine vorab kuratierte Auswahl ohne strategischen Grossaufwand.
Dürfen KI-Agenten in der Schweiz automatisiert Kundenmails versenden?
Antwort: Ja, unter Bedingungen. Die Datenschutzerklärung muss automatisierte Verarbeitung ausweisen, die Einwilligung zur automatisierten Kommunikation muss vorliegen und Betroffene müssen widersprechen können. Bei Entscheidungen mit erheblicher Auswirkung, zum Beispiel Preisdifferenzierung oder Angebotsselektion, gilt das Recht auf menschliche Überprüfung gemäss DSG Art. 21.
[/et_pb_section]
 | Über den Autor Alex Schoepf, Gründer und CEO 4results AG Alex Schoepf begleitet Schweizer KMU bei Marketing Automation und KI-Agenten-Architektur, herstellerunabhängig. Er bringt über 20 Jahre Erfahrung in Marketing und Sales mit, davon über 12 Jahre in Marketing Automation, hat über 80 Marketing Automation Tools evaluiert und über 150 Projekte mit Schweizer KMU umgesetzt, dazu einige in DACH und international. Sieben Jahre war er CMO beim internationalen Konzern BASF mit Marketo und Salesforce. Er ist Dozent an ZHAW, HWZ und FHNW und Autor des Fachbuchs «Mehr Erfolg mit Marketing Automation». |