Was Anbieter mit einem KI-Growth-Team meinen
Anbieter verwenden den Begriff für KI-Agenten, die die Arbeit eines Growth-Teams übernehmen: Events und Ergebnisse auswerten, Segmente bauen, Journeys und die Nachrichten darin entwerfen, berichten, was passiert ist. Das Versprechen kommt oft als Organigramm daher, mit einem Agenten pro Jobtitel (ein Stratege, ein Lifecycle Marketer, ein Analyst, ein Copywriter) und manchmal einem koordinierenden Agenten, der Aufgaben zwischen ihnen verteilt. Eine einheitliche Definition gibt es nicht, und die Produkte hinter dem Label reichen von einem Chat-Assistenten mit einem Prompt pro Rolle bis zu Agenten, die in einer Marketing-Plattform tatsächlich etwas ändern können. Der Ausdruck bezeichnet außerdem die Growth-Teams von KI-Unternehmen; in diesem Artikel geht es um die andere Bedeutung.
Die Form ist menschlichen Growth-Teams entlehnt. Andrew Chens Leitfaden zum Aufbau eines solchen Teams nennt einen Growth PM, einen Growth Engineer, einen Growth Marketer, einen Analysten und einen Designer und merkt an, dass sich die Zusammensetzung mit dem Problem ändern kann, das das Team löst. Diese menschlichen Rollen behandelt wer in einem Growth-Team was macht, Teil des Themenbereichs Growth-Aufgaben & KI.
Ein Beispiel: ein Agent, eine Willkommens-Journey
Nehmen Sie einen Agenten, den Sie bereits nutzen, etwa Claude, Cursor oder Codex, verbunden über MCP mit der Plattform, über die Sie versenden, sodass er dort Daten lesen und Segmente, Vorlagen und Journeys erstellen kann. Das folgende Beispiel dient der Veranschaulichung: eine Willkommens-Journey für neue Anmeldungen, in fünf Schritten. Jeder Schritt beginnt als einfache Bitte, und der Agent antwortet, indem er Tools aufruft, statt Ihnen Anweisungen zum Nachmachen zu schreiben – genau das ist die Grenze zwischen einem Agenten und einem Chatbot.
Im Beispiel setzt der Mensch jedes Ziel, liest den Entwurf, bevor er live geht, und wählt aus, was verbessert wird; der Agent liest, baut, berichtet und schreibt um. Es ist ein einziger Agent von Anfang bis Ende, mit einem einzigen Satz Tools. Im Organigramm würden diese fünf Schritte mehrere Rollen durchlaufen; hier gibt es keine Übergabe. Beachten Sie auch, was der letzte Schritt nicht getan hat: Er hat die laufende E-Mail nicht angefasst, denn wer eine E-Mail bearbeitet, die eine laufende Journey verwendet, kann Versände verändern, die bereits unterwegs sind.
Ein Agent oder ein Team aus Agenten?
Die KI in nach Rollen benannte Agenten aufzuteilen, ist eine Art, Prompts und Übergaben zu organisieren: Jeder Agent bekommt einen Jobtitel und einen eng gefassten Auftrag, und eine koordinierende Ebene, meist Agenten-Orchestrierung genannt, verteilt die Aufgaben und reicht den Kontext von einem Agenten zum nächsten weiter. Nach Rollen benannte Agenten sind ein legitimes Design; sie sind nicht der Grund, warum das Beispiel funktioniert hat.
Dass es funktioniert hat, liegt an drei Dingen: Tools, um Vorlagen und einen Journey-Entwurf zu erstellen, Lesezugriff auf Events, Profile und Ergebnisse, und ein Halt, bevor irgendetwas die Kundschaft erreichte. Ein Jobtitel bringt kein Tool und keine Daten; einen Agenten in mehrere aufzuteilen, bringt zusätzliche Übergaben, die verwaltet werden müssen. In seinem Leitfaden zum Bau effektiver Agenten beschreibt Anthropic Agenten als in der Regel schlicht LLMs, die in einer Schleife Tools nutzen, gesteuert durch Feedback aus ihrer Umgebung, und kommt zu dem Schluss, dass die Tools und ihre Dokumentation ein klares, sorgfältiges Design brauchen.
Derselbe Leitfaden empfiehlt, die einfachstmögliche Lösung zu suchen und Komplexität nur dann hinzuzufügen, wenn sie nötig ist, und berichtet, dass bei den Dutzenden Teams, mit denen Anthropic gearbeitet hat, die erfolgreichsten Umsetzungen einfache, kombinierbare Muster nutzten statt komplexer Frameworks. Arbeit aufzuteilen kann aus technischen Gründen trotzdem sinnvoll sein, etwa bei Aufgaben, die parallel laufen, oder bei Kontext, der für ein einziges Gespräch zu groß ist. Unsere Einschätzung für Growth-Arbeit: Beginnen Sie mit einem fähigen Agenten und den richtigen Tools, und fügen Sie Agenten hinzu, wenn eine Aufgabe es verlangt, nicht um einem Organigramm zu entsprechen.
Was darüber entscheidet, ob es funktioniert
Nehmen Sie die Jobtitel weg, und es bleiben drei Fragen. Sie gelten für einen Agenten oder mehrere, auf jeder Plattform, und sie zählen umso mehr, je kleiner das Team ist, denn dann achten weniger Menschen darauf, was hinausgeht.
| Kriterium | Was Sie fragen sollten | Wie eine gute Antwort aussieht |
|---|---|---|
| Was er ändern kann | Welche Aktionen kann der Agent in der Plattform ausführen? | Benannte Objekte, die er erstellt oder bearbeitet, etwa ein Segment, eine Vorlage oder ein Journey-Entwurf – kein Text, den noch jemand in ein Segment oder eine Journey umsetzen muss. |
| Was er lesen kann | Was sieht er, bevor er entwirft? | Events, Profile, Segmente und Ergebnisse aus der Plattform, in der er baut, kein leerer Prompt. |
| Wo ein Mensch prüft | Was hält an, bevor die Kundschaft es sieht, und was gilt sofort? | Eine klare Linie: Journeys bleiben Entwürfe, bis sie veröffentlicht werden, das Veröffentlichen ist ein ausdrücklicher Schritt, und der Anbieter sagt, welche Änderungen beim Speichern gelten. |
Beachten Sie, was nicht auf der Liste steht: der Jobtitel des Agenten. Ein Agent namens „Stratege“, der Ihre Ergebnisse nicht sehen kann, entwirft aus Vermutungen; ein namenloser mit den richtigen Tools und Daten entwirft aus dem, was Menschen tatsächlich getan haben. Einen gründlicheren Test für Anbieterversprechen finden Sie unter was Agentic Marketing bedeutet.
Wo ein Mensch prüft
Von den drei Fragen zählt die letzte am meisten. Das etablierte Muster für Marketing-Agenten ist Human-in-the-Loop: Der Agent schlägt vor, und ein Mensch entscheidet, was live geht. In der Praxis ist der Kontrollpunkt kein einzelner Schalter, sondern verteilt sich auf drei Stellen, und ein Anbieter sollte Ihnen genau sagen können, was an jeder davon passiert.
Agenten sind am stärksten bei klar umrissener, wiederholbarer Arbeit, deren Daten an einem Ort liegen, etwa Onboarding- und Rückgewinnungs-Journeys, Segmente und wöchentliche Reports. Manche Entscheidungen bleiben bei einem Menschen, egal wie das Setup aussieht: welche Metrik in diesem Quartal zählt, wie die Marke klingt, welche Wette das Budget wert ist. Ein Agent kann die Optionen entwerfen. Unser Leitfaden zur Frage, ob KI Ihr Marketing-Team ersetzen kann, zieht dieselbe Linie.
Wo sich fromHello einordnet
fromHello ist Open-Source-Marketing-Automation: Nachrichten, ausgelöst durch das, was Menschen tun. Ihre eigene KI arbeitet darin über den MCP-Server von fromHello, der Claude, Claude Code, Cursor, Codex, Windsurf, VS Code oder jedem MCP-Client 59 Tools gibt, um Analysen und Profile zu lesen und Segmente, Journeys, Vorlagen, benutzerdefinierte Felder und Event-Zuordnungen zu erstellen. Alle fünf Schritte des Beispiels (Ideen finden, Bauen, Tracken, Analysieren und Verbessern) laufen über diese Tools, und MCP-Aufrufe werden nie nach Verbrauch abgerechnet. Der integrierte Assistent nutzt dieselben Tools: Beschreiben Sie ein Segment, eine Journey oder eine Vorlage in einem Satz, und er baut es; eine Journey kommt als Entwurf an.
Gehen Sie die drei Prüfpunkte von oben der Reihe nach durch. Entwürfe: Kein KI-Tool in fromHello verschickt eine Nachricht, und eine Journey, die Ihre KI erstellt, bleibt ein Entwurf, bis sie veröffentlicht wird; Veröffentlichen, Pausieren oder Löschen über einen Agenten erfordert einen Bestätigungsschritt in Ihrem KI-Client, nach dessen eigenen Berechtigungseinstellungen. Gespeicherte Änderungen: Andere Änderungen, etwa an einem Segment oder einer Vorlage, gelten beim Speichern und können so eine Journey erreichen, die bereits live ist. Versandzeitpunkt: Die Personalisierung ist pro E-Mail-Schritt optional (Light, Medium oder Deep) und schreibt jede E-Mail für ihren Empfänger um, auf Basis des Profils, der Notizen und früherer E-Mails, ohne Einzelprüfung; fällt die KI aus, wartet der Versand standardmäßig. MCP-Tool-Aufrufe werden im Audit-Log protokolliert.
Zwei dieser Antworten, zu gespeicherten Änderungen und zum Versandzeitpunkt, sind weniger sauber, als ein Werbeversprechen sie darstellen würde. Wir haben die Prüfpunkte selbst formuliert, gewichten Sie unsere Antworten also entsprechend. Um fromHello mit einem Tool zu vergleichen, das Sie kennen, lesen Sie fromHello vs. Customer.io oder fromHello vs. HubSpot.