Die Prompt-Falle
Viele Agenturen haben inzwischen eine KI-Strategie. Sie liegt in Notion.
Darin stehen Prompts für Social Posts, SEO-Briefings, Kundenmails, Personas, Content-Kalender und „mach das bitte professioneller“. Manchmal ist das sogar hübsch sortiert. Mit Icons. Mit Kategorien. Mit einem kleinen „Best Practice“-Abschnitt, der klingt, als hätte jemand auf LinkedIn zu lange in die Sonne geschaut.
Das Problem: Eine Prompt-Sammlung ist kein Workflow. Sie weiß nicht, welcher Kunde gemeint ist. Sie kennt keinen Projektstatus. Sie prüft keine Freigaben. Sie schreibt nichts ins CRM. Sie merkt sich nicht, welcher Lead letzte Woche schon abgelehnt wurde. Sie weiß auch nicht, ob die Antwort raus darf oder erst jemand mit echtem Puls draufschauen muss.
Sie ist ein Textbaustein. Das kann nützlich sein — für einzelne Aufgaben, für Entwürfe, für den Moment, in dem man vor einem leeren Dokument sitzt und das Dokument zurückstarrt. Aber es ist keine operative KI. Operative KI beginnt dort, wo ein Prozess nicht mehr vom Gedächtnis einzelner Menschen abhängt.
KI hängt oft neben der Arbeit
Das ist der Satz, um den sich fast alles dreht: KI hängt in vielen Agenturen neben der Arbeit statt in der Arbeit.
Neben der Arbeit heißt: Jemand öffnet Claude, kopiert Kundendaten rein, bekommt einen Vorschlag, kopiert ihn wieder raus, passt ihn an, schickt ihn irgendwohin und hofft, dass niemand fragt, woher die Information kam. Das ist kein System. Das ist Copy-Paste mit Maschinenbegleitung.
In der Arbeit heißt etwas anderes: Eine neue Anfrage kommt rein. Das System erkennt Quelle, Kunde, Historie und Anfrageart. Es prüft, ob der Lead zum Profil passt. Es lädt passende Kontextdaten. Es schlägt eine Antwort oder nächste Aktion vor. Es zeigt Unsicherheit an. Ein Mensch prüft. Danach wird die Antwort verschickt, protokolliert und der Status aktualisiert.
Nicht spektakulär. Aber genau so entsteht Nutzen. Nicht durch den Prompt „handle wie ein erfahrener Agenturberater“. Bitte nicht. Diese Formulierung hat inzwischen mehr Schaden angerichtet als so manche schlechte Website.
Warum Prompting bei Agenturprozessen zu kurz greift
Agenturarbeit besteht selten aus einer einzelnen Frage und einer einzelnen Antwort. Sie besteht aus Übergaben: Kunde schreibt, Projektmanager liest, Stratege bewertet, Texter braucht Kontext, SEO schaut auf Daten, Entwickler prüft Aufwand. Jemand wartet auf Freigabe. Jemand findet die Mail nicht mehr. Jemand fragt in Slack: „Hat jemand den aktuellen Stand?“
Da liegt das Geld. Nicht im schöneren Absatz. Prompting löst meistens nur die sichtbare Oberfläche. Der Text wird schneller. Das Briefing klingt besser. Die Mail ist höflicher. Der LinkedIn-Post hat weniger Schmerzen. Aber der Prozess darunter bleibt derselbe kleine Werkzeugschuppen, in dem alle gleichzeitig nach dem Akkuschrauber suchen.
Produktive KI muss tiefer rein. Sie braucht Zustand — sie muss wissen, was schon passiert ist und was noch offen ist. Sie braucht ein Datenmodell: Ein Lead ist kein Formular-Event, sondern hat Quelle, Status, Verlauf, Fit, Einwände, letzte Kontakte, nächste Aktion und Verantwortliche.
Sie braucht Kontrolle: Nicht jede KI-Ausgabe darf raus. Nicht jede Entscheidung gehört der Maschine. Nicht jede Unsicherheit darf mit Selbstvertrauen lackiert werden. Sie braucht Kommunikation — Follow-up, Freigabe, Erinnerung, Statusbericht. Nicht als kalter Newsletter-Automat, sondern als Teil des Ablaufs.
Und sie braucht Logs. Wenn später niemand erklären kann, warum etwas passiert ist, dann war es kein Workflow. Dann war es ein Zaubertrick mit Rechnung. Siehe Human-in-the-Loop für die operative Umsetzung.
Der Unterschied zwischen Automation und KI-Software
n8n, Make und Zapier sind nicht der Feind. Manchmal reichen sie völlig. Wenn ein Formular eingeht und danach eine E-Mail verschickt werden soll, brauchst du kein agentisches Betriebssystem mit Graphspeicher und philosophischem Unterbau. Dann brauchst du eine simple Automation. Fertig.
Das Problem beginnt, wenn jede Aufgabe zur Automation erklärt wird. Dann sieht man plötzlich Workflows mit 38 Nodes, drei LLM-Schritten, zwei Google Sheets, fünf If-Else-Abzweigungen und einem Slack-Ping, der niemandem hilft, aber sehr geschäftig wirkt. Das ist der Moment, in dem aus einem kleinen Problem ein digitales Möbelhaus wird.
KI-Software fragt anders. Sie fragt nicht zuerst: „Was können wir automatisieren?“ Sie fragt: Welche Arbeit wiederholt sich wirklich? Wo geht Kontext verloren? Wer entscheidet? Welche Daten darf das System sehen? Welche Aktion braucht Freigabe? Was passiert bei Unsicherheit? Wie messen wir, ob es besser geworden ist?
Das klingt weniger nach Demo. Dafür hält es im Alltag länger als drei Wochen.
Was eine Agentur wirklich braucht
Eine KI-fähige Agentur braucht keine Prompt-Bibliothek als Altar. Sie braucht Arbeitsoberflächen: Menschen sollten nicht in fünf Tools springen, nur damit eine Anfrage bewertet wird. Sie brauchen ein Dashboard, das zeigt: Wer ist der Kunde? Was ist passiert? Was schlägt die KI vor? Was fehlt? Wer gibt frei?
Sie braucht Zustand. Ein Workflow darf nicht nach jedem Schritt Amnesie bekommen. Wenn eine Anfrage pausiert, muss sie später sauber weiterlaufen — mit Kontext, nicht mit „kannst du mir noch mal kurz erklären?“
Sie braucht Rollen. Nicht jeder darf alles. Die KI auch nicht. Ein Agent, der irgendwann mehr Rechte hat als der Geschäftsführer, ist kein Fortschritt. Das ist ein zukünftiger Incident mit hübschem Namen.
Sie braucht Freigaben — nicht als Bürokratie, sondern als Schutz. Der Mensch muss dort eingreifen, wo Risiko, Kunde, Budget oder Reputation betroffen sind. Sie braucht Datenmodelle: Text allein reicht nicht. Kunden, Projekte, Angebote, Aufgaben, Entscheidungen und Dokumente hängen zusammen. Wer das alles in lose Textbrocken wirft, bekommt Textsuppe mit API-Kosten.
Sie braucht Messung. Nicht „wir nutzen jetzt KI“. Sondern: Wie viele Stunden sparen wir? Wie schnell antworten wir? Wie viele Übergaben verschwinden? Wie oft eskaliert das System korrekt? Wo macht es Quatsch? Quatsch muss man messen. Sonst wird er irgendwann Strategie genannt.
Ein konkretes Beispiel: Inbound-Triage
Nehmen wir eine Agentur mit vielen Anfragen. Vorher: Eine Anfrage kommt per Formular rein. Jemand liest sie. Jemand sucht die Website des Interessenten. Jemand prüft, ob das Budget passt. Jemand schreibt eine Antwort. Jemand vergisst, das CRM zu aktualisieren. Drei Tage später fragt jemand: „Was ist daraus geworden?“ Normaler Dienstag.
Mit Prompting: Jemand kopiert die Anfrage in Claude und lässt eine Antwort formulieren. Das spart ein paar Minuten. Nett. Aber der Prozess ist immer noch kaputt.
Mit KI-Software: Die Anfrage landet in einer Arbeitsoberfläche. Das System lädt Kundendaten, Website, Branche, Quelle und bisherige Kontakte. Es bewertet den Fit. Es schlägt eine Antwort vor. Es markiert Unsicherheiten. Ein Mensch prüft. Nach Freigabe geht die Antwort raus. Das CRM wird aktualisiert. Der nächste Schritt steht fest.
Das ist nicht einfach „KI schreibt Mail“. Das ist Arbeit, die weniger auseinanderfällt. Mehr dazu in KI-Inbound-Triage für Agenturen und CRM-Integration.
Warum Prompt Engineering nicht verschwindet — aber seinen Platz kennen muss
Prompts sind nicht wertlos. Sie sind nur nicht das Ende der Geschichte. Ein guter Prompt hilft innerhalb eines Systems. Er beschreibt Aufgabe, Rolle, Format, Grenzen und Qualitätskriterien. Aber er ersetzt nicht die Architektur.
Ein schlechter Prozess mit gutem Prompt bleibt ein schlechter Prozess. Ein gutes System nutzt Prompts wie Bauteile. Nicht wie Magie.
Wenn Agenturen das verstehen, verändert sich die Arbeit. Texter werden nicht einfach durch KI ersetzt — sie werden zu Menschen, die Kontext schärfen, Qualität prüfen und Systeme führen. Projektmanager werden nicht überflüssig; sie bekommen bessere Oberflächen und weniger Sucherei. Strategen müssen nicht mehr bei null anfangen; sie arbeiten mit strukturiertem Vorwissen, klaren Daten und prüfbaren Vorschlägen.
Das ist kein romantischer KI-Traum. Das ist Betrieb. Und Betrieb ist meistens der Ort, an dem der Hype seine Schuhe ausziehen muss.
Wo ich ansetze
Ich helfe Dienstleistern, Agenturen und Beratern nicht dabei, noch mehr Prompts zu sammeln. Davon gibt es genug. Einige haben sogar Namen wie „Mega Prompt Vault“. Man möchte kurz das Internet lüften.
Ich setze früher an: Welcher Prozess nervt wirklich? Welche Übergabe kostet Zeit? Welche Daten liegen verstreut? Wo braucht dein Team eine Oberfläche statt noch ein Tool? Wo reicht eine simple Automation? Und wo braucht es ein echtes KI-System mit Zustand, Freigaben, Logs und Kontrolle?
Das Ziel ist nicht, alles zu automatisieren. Manche Aufgaben müssen automatisiert werden. Andere müssen einfach aufhören. Der Einstieg ist oft ein prozessgetriebenes KI-Audit mit 90-Tage-Roadmap — nicht noch ein Prompt-Notion-Board.
Fazit: Hör auf, Prompts mit Prozessen zu verwechseln
Eine Prompt-Liste kann helfen. Aber sie trägt keine Agentur. Wenn KI produktiv werden soll, braucht sie einen Platz in der Arbeit — nicht daneben, nicht als Extra-Tool, nicht als Chatfenster, das alle heimlich benutzen.
Sie braucht Struktur: eine Oberfläche, Zustand, Freigaben, Datenflüsse, Logs und Menschen, die verstehen, was sie da einsetzen.
Der Unterschied zwischen KI-Spielerei und KI-System ist nicht das Modell. Der Unterschied ist, ob dein Team nach zwei Wochen noch weiß, warum das Ding läuft, wer es prüft und was es spart.
Wenn nicht: Glückwunsch. Du hast keine KI-Strategie. Du hast einen Prompt-Ordner mit Ambitionen.
