Feldnotiz
Ein Marketer zeigte auf X einen Workflow, der wie eine AI-Marketingabteilung für eine Person aussah: Claude Code, MCP-Connectors, Search Console, Google Ads, Meta Ads und ein Agent, der Daten prüfen und Korrekturen vorschlagen konnte.
Das ist keine Science-Fiction mehr. Claude Code kann sich über das Model Context Protocol mit externen Tools verbinden, und der Markt hat bereits MCP Servers für Werbeplattformen, Analytics und Suchdaten. Die interessantere Frage ist nicht, ob man das bauen kann. Sie ist, ob die meisten Teams bereit sind, dem Output zu vertrauen.
Die meisten sind es nicht. Noch nicht.
Warum es auffiel
Der Workflow ist stark, weil er Daten verbindet, die normalerweise in getrennten Tabs leben.
Search Console kann Query- und Page-Decay zeigen. Google Ads kann verschwendete Ausgaben und konvertierende Begriffe zeigen. Meta Ads kann Creative Fatigue zeigen. Analytics kann Landingpage-Verhalten zeigen. Ein Coding Agent kann diese Signale in Briefings, Tickets, Scripts und Seitenänderungen verwandeln.
Das ist ein echter operativer Wandel. Der Marketer fragt keinen Chatbot mehr nach generischem Rat. Er gibt einem Agent ein Live-Kontextfenster in den Growth Stack.
Das fehlende Fundament
Der unbequeme Teil: Tools zu verbinden repariert kein chaotisches System.
Wenn Search-Console-Properties unvollständig sind, Kampagnen schlecht benannt sind, Landingpages keine klaren Owner haben und Content keine Topic Map besitzt, erbt der Agent das Chaos. Er kann es schön zusammenfassen. Er kann es sogar automatisieren.
Das Fundament zählt weiterhin:
- saubere Datenquellen mit klaren Zugriffsgrenzen;
- standardmäßig Read-only-Rechte für Analyse-Agents;
- Taxonomie für Seiten, Kampagnen, Audiences und Funnel-Stufen;
- menschliche Freigabe vor Veröffentlichung, Pausen, Geboten oder Rewrites;
- Messschleife, die prüft, ob eine Empfehlung funktioniert hat.
Ein Agent kann einen guten Prozess beschleunigen. Er kann auch einen schlechten beschleunigen.
Ein sichereres Betriebsmodell
Beginne mit Diagnose, nicht mit Ausführung.
| Stufe | Was der Agent tun kann | Was Menschen freigeben sollten | Risiko |
|---|---|---|---|
| Beobachten | Reports ziehen und Anomalien finden | Datenquellen und Zeitfenster | Niedrig |
| Diagnostizieren | Wahrscheinliche Ursachen und betroffene Seiten erklären | Priorität und Business-Kontext | Mittel |
| Entwerfen | Briefings, Ad Notes und SEO-Tickets erstellen | Finalen Scope und Owner | Mittel |
| Ausführen | Seiten oder Kampagneneinstellungen ändern | Jede Produktionsänderung | Hoch |
| Messen | Vorher-nachher-Metriken vergleichen | Interpretation und nächsten Schritt | Mittel |
Die erste Produktionsversion einer AI-Marketingabteilung sollte ein Read-only-Analyst und Briefing-Generator sein. Lass ihn Probleme finden. Menschen entscheiden, was live geht.
Wo es zuerst SEO und GEO hilft
Die nützlichsten ersten Workflows sind langweilig.
- Seiten mit steigenden Impressionen und fallender CTR finden.
- Paid-Search-Begriffe mit fehlenden organischen Seiten abgleichen.
- Seiten identifizieren, die ranken, aber nicht citation-ready für AI-Antworten sind.
- Wettbewerber-Erwähnungen in AI-Antworten mit eigenen Marken-Erwähnungen vergleichen.
- Wöchentliche Reparatur-Briefings für die wertvollsten Seiten erstellen.
Diese Aufgaben sind repetitiv, datenlastig und nervig. Perfektes Agent-Territorium.
Auspia-Sicht
Die AI-Marketingabteilung ist real genug, um sie jetzt zu testen. Aber kleine Teams sollten SEO- und GEO-Grundlagen nicht überspringen.
Bevor Agents mit allen Tools verbunden werden, stelle sicher, dass die Website saubere technische Signale, klare Markenfakten, extrahierbare Antworten und eine Content Map hat. Sonst verbringt der Agent seine Zeit damit, Probleme zu entdecken, die vor Monaten hätten behoben werden müssen.
Ein besseres erstes Projekt: Search Console, Crawl-Daten und AI-Visibility-Prompts verbinden. Der Agent erstellt eine wöchentliche Repair Queue mit Page, Query, Issue, Suggested Fix und Expected Measurement.
FAQ
Was ist MCP in diesem Kontext?
MCP steht für Model Context Protocol. Es erlaubt AI-Tools, sich über standardisierte Server mit externen Systemen wie Datenbanken, APIs, Analytics-Plattformen und Workflow-Tools zu verbinden.
Sollten Agents Werbekampagnen automatisch ändern dürfen?
Nicht am Anfang. Starte mit Read-only-Analyse und menschlich freigegebenen Empfehlungen. Produktionsänderungen brauchen Guardrails, Logs und Rollback-Pläne.
Welcher SEO-Workflow lässt sich am einfachsten automatisieren?
Ein wöchentlicher Page-Decay-Review ist ein guter Start. Ziehe Seiten mit fallenden Klicks oder CTR, diagnostiziere wahrscheinliche Ursachen und erstelle begrenzte Refresh-Briefings.
Ersetzt das ein Marketingteam?
Nein. Es ersetzt Teile manueller Reports und erster Analysen. Strategie, Priorisierung, Markenurteil und finale Freigabe brauchen weiterhin Menschen.
Quellen
- Claude-Code-Dokumentation zu MCP: https://code.claude.com/docs/en/mcp
- Beispielprojekt Google Ads MCP: https://github.com/cohnen/mcp-google-ads
- Beispieldiskussion zu MCP für Werbeplattformen: https://mcp-ads.com/
- Nyra-Workflow-Referenz auf X: https://x.com/Nyra_nx
Autor: Nathan Reed, AI Marketing Workflow Designer für 80+ Growth Systems bei Auspia. Nathan schreibt über AI-gestützte Marketing Operations, Guardrails und praktische Growth Workflows.
