Irgendwie ist ja alles „KI“, und sie wird immer intelligenter: Das Zusammenspiel von Machine Learning, Generativer KI und Robotic Process Automation ermöglicht durchgetakte Automatisierungen, die a) auf Insights basieren und b) nicht halluzinieren. Als Entscheider (oder Anwender) wird man davon nicht viel mitbekommen, weil die großen Business-Software-Anbieter Komplettlösungen anbieten (oder anbieten werden).
In diesem Flowchart (Mermaid) siehst du eine Möglichkeit für den kombinierten Einsatz von Machine Learning, Generative KI und Robotic Process Automation in einer Marketingabteilung. Oben rechts ist der Start, mit der Datensammlung, und danach ist es ein ziemliches Ping Pong zwischen den KI-Tools.
graph TD A[(Datensammlung)] -->|RPA| B[Datenaufbereitung] B -->|ML| C[Kundenanalyse] B -->|ML| D[Marktsegmentierung] C --> E[Personalisierung] D --> E E -->|Gen AI| F[Inhaltserstellung] E -->|ML| G[Kanalauswahl] F --> H[Kampagnenerstellung] G --> H H -->|RPA| I[Kampagnenautomatisierung] I --> J[Kampagnenausführung] J -->|ML| K[Leistungsanalyse] K --> L[Optimierung] L --> A subgraph ML [Machine Learning] C D G K end subgraph GenAI [Generative KI] F end subgraph RPA [Robotic Process Automation] A I end style ML fill:#f9f,stroke:#333,stroke-width:3px style GenAI fill:#ff9,stroke:#333,stroke-width:3px style RPA fill:#9ff,stroke:#333,stroke-width:3px

Das sieht ein wenig kompliziert aus, ist es aber gar nicht.
Diese Schritte sind möglich:
- Datensammlung: Der Prozess beginnt mit der Sammlung von Kundendaten und Marktinformationen. Das ist ein RPA-Thema – genauso wie die Weitergabe (und Aufbereitung) der Daten an die Analysesoftware.
- Datenanalyse (ML): Machine Learning-Algorithmen analysieren die gesammelten Daten, um Muster und Erkenntnisse zu gewinnen.
- Kundensegmentierung (ML): Basierend auf der Analyse werden Kunden in verschiedene Segmente eingeteilt.
- Kampagnenplanung: Mit den gewonnenen Erkenntnissen wird die Marketingkampagne geplant. Das kommt generative KI ins Spiel.
- Inhaltserstellung (Gen AI): Generative KI wird eingesetzt, um personalisierte Inhalte für verschiedene Kundensegmente zu erstellen.
- Personalisierung (ML + Gen AI): Die Kombination aus ML und Gen AI ermöglicht eine hochgradige Personalisierung der Marketingbotschaften.
- Automatisierte Auslieferung (RPA): RPA-Tools werden verwendet, um die personalisierten Inhalte automatisch über verschiedene Kanäle auszuliefern.
- Performance-Analyse (ML): ML-Algorithmen analysieren die Leistung der Kampagne in Echtzeit.
- A/B-Testing (ML + RPA): ML wird für die Analyse von A/B-Tests verwendet, während RPA die Tests automatisiert durchführt.
- Berichterstattung (RPA): Zum Schluss erstellt RPA automatisch Berichte über die Kampagnenleistung.
Jede KI-Technologie spielt dabei ihre spezifische Rolle
- ML wird hauptsächlich für Analysen und Vorhersagen eingesetzt.
- Gen AI fokussiert sich auf die Erstellung von Inhalten.
- RPA automatisiert repetitive Aufgaben wie die Auslieferung von Inhalten und die Berichterstattung.
In diesen Tortendiagrammen siehst du, wie unterschiedlich die „KI“-Technologien sind: Sie haben kaum Gemeinsamkeiten.
KI-Technologien im Vergleich
Machine Learning
Generative KI
Robotic Process Automation
Die Charts und Erläuterungen wurden alle mit der Unterstützung von Claude erstellt.
Über den Autor
Stefan Golling, Köln. Seit 2011 Freelance Creative Director, freier Texter, Creative Consultant und Online-Marketing-Berater mit Kunden von Mittelstand bis S&P 500. Erfahrung: 1998 mit Radiowerbung in Stuttgart gestartet, 2000 als Junior-Werbetexter zu Publicis München, 2001 Counterpart Köln, 2002 als Copywriter zu Red Cell Düsseldorf (heißt heute Scholz & Friends), dort ab 2007 Creative Director.
Kontakt aufnehmen
Artikel zu ähnlichen Themen
- Projektmanagement im Marketing: PRINCE2 oder V-Modell® XT?
- Marketing-Digitalisierung: Mehr als nur Software und Automatisierung
- Öffentlichkeitsarbeit: Instrumente, die auch Digital und Social funktionieren
- Employer Branding Kampagnen: Darum solltest du viel mehr KPIs messen
- Recruiting: Vom Employer Branding zum Job Content Branding
- Dynamic Pricing, mal echt anschaulich
- Marketing Automation: 3fach gedacht, plus Customer Experience
- UX-Writing Crashkurs: Do’s und To do’s
- Social-Media-Management-Workflow? Mehrsprachig!
- Website-Audit-Planungshilfe
- KI: Machine Learning, Generative KI & RPA als Team
- Prompting aufgeschlüsselt: Vieles ist unsichtbar
- KI-Bildgenerierung: SVG, Diffusion oder GAN?
- LLMs verstehen: Token und Vektoren als Dashboard
- Claude: Was kann die KI von Anthropic?
- Performance Marketing: Leistung braucht Kreativität
- Marketingberatung: Erst das Rezept, dann ans Werk
- Social Selling: Hallo wer? Oder Ja gern?
- KI-Ethik und EU AI Act: Mitdenken ist Pflicht
- Customer Journey: Das Ziel ist das Ziel
- Chat GPT: Überblick, GPTs nutzen, Alternativen
- Google Gemini: KI mit Riesenhirn
- Statt Online Marketing Agentur: Flexibler mit Freelancern?
- TikTok für Unternehmen: 4 schnelle Tipps plus Ads-Tutorial
- KI-Videogenerator: Meine Testergebnisse
- KI-Bild generieren: und die Lizenz? Mit Vergleichstest!
- Hugging Chat Assistants: Alternative zu Custom GPTs
- Marketingmaßnahmen als 5-Dimensionen-Modell (mit Chat Bot)
- Hugging Face Spaces: der KI-Abenteuerspielplatz
- Chat GPT: Plus? Nein. Team? Ja. 2 Gründe