Wie 25 KI-Agents Marketing-Arbeit transformieren
Am Beispiel Rösthaus Coffee • 60 Minuten
Die fiktive Firma für unser heutiges Beispiel
Von 2 Gründern in Kreuzberg zum europäischen Player
Sarah Bergmann (ex-Tchibo) und Thomas Richter (ex-McKinsey) gründen mit €180k das erste Café in Berlin-Kreuzberg.
€8 Mio von HV Capital. Pandemie zwingt zur Innovation: Online-Shop, Abo-Modell, B2B-Pivot zu Home-Offices.
€25 Mio von Index Ventures. Europa-Expansion: Zürich, Wien, London, Amsterdam, Stockholm.
€78 Mio Umsatz, 1.000 Mitarbeiter. Series C (€50 Mio) geplant für UK-Expansion und IPO-Vorbereitung.
Enterprise-Komplexität in 7 Jahren aufgebaut
Berlin, London, Zürich, Wien, Amsterdam, Stockholm, Kopenhagen, Paris...
680 Operations, 85 Sales, 52 Tech, 45 Marketing, 35 HR...
Hotels, Restaurants, Offices. Key Accounts: Marriott, Hilton.
Röstkapazität in Berlin. 27 Lieferanten, 65% Direct Trade.
"Wir machen Specialty Coffee zugänglich und verbinden Menschen mit den Farmen, die ihren Kaffee produzieren."
4 Revenue Streams mit unterschiedlichen Anforderungen
44%
€34.5 Mio • 42 Standorte • 520 Baristas
Ø €2.200 Tagesumsatz pro Café
41%
€32 Mio • 1.850 Geschäftskunden • 85 Sales
Hotels, Restaurants, Offices
11%
€8.5 Mio • 45.000 Kunden • 42 Produkte
Shopify Plus E-Commerce
4%
€3 Mio • 8.200 Abonnenten • 72% Marge
"Coffee Explorer" Abo-Modell
8 C-Level Executives aus Top-Unternehmen
Warum Automatisierung keine Option mehr ist
Bestellungen, Lagerbestand, Kundenmanagement - alles manuell. Bei 42 Cafés nicht mehr machbar.
Fachkräftemangel in der Gastronomie. Admin-Arbeit frisst Zeit für echte Kundenbetreuung.
EUR, CHF, GBP, SEK, DKK. Reporting dauert Wochen. Entscheidungen zu langsam.
Investoren erwarten Skalierbarkeit. "Mehr Köpfe" ist keine Strategie mehr.
"Als wir anfingen, haben wir alles in Excel gemacht. Heute, mit 42 Cafés und 1.000 Mitarbeitern in 6 Ländern, ist das unmöglich. Automatisierung entscheidet, ob wir unsere Mission erfüllen oder in Admin-Arbeit ersticken."
— Sarah Bergmann, CEO
Ein komplettes Firmen-Universum für praxisnahes KI-Training
6 Module mit Musterlösungen, Validierung und Hinweissystem
10 Schwierigkeitsstufen mit echten Unternehmensdaten
Von Foundation bis Master mit nachvollziehbarem Lernpfad
Jedes Szenario arbeitet mit den gleichen Personas, Prozessen und Daten. Was du in Marketing lernst, überträgt sich auf Sales. Was du in HR übst, nutzt die gleichen Mitarbeiter-Profile. Genau wie in einem echten Unternehmen.
7 Abteilungen mit eigenem Training - alle miteinander vernetzt
25 Agents • 14 Szenarien
Content, SEO, Ads, Social Media, Brand Voice, Influencer, Analytics
B2B & Key Accounts
Hotel-Akquise, Abo-Conversion, Pricing, Pipeline-Management
Recruiting & Culture
Onboarding, Mitarbeiterentwicklung, Betriebsrat, 28% Fluktuation lösen
Supply Chain & Cafés
Lager, Logistik, Röstprofile, 42 Standorte koordinieren
5 Währungen • IPO
Controlling, Treasury, Multi-Currency-Reporting
Data & APIs
Data Engineering, Integration, Digital Transformation
Qualität & Sortiment
Cupping, Röstprofile, Produktentwicklung, Direct Trade
Du übst nicht mit Spielzeug-Daten. Du übst mit einem Unternehmen, das sich anfühlt wie deins.
Was wäre, wenn 25 KI-Spezialisten rund um die Uhr für Rösthaus arbeiten würden?
Ein Agent ist ein spezialisierter digitaler Mitarbeiter mit genau einer Aufgabe.
Daten, Dateien, Anweisungen – der Agent liest, was er braucht.
Analysiert, strukturiert, entscheidet – nach klaren Regeln.
Eine Datei, ein Report, eine Entscheidung – immer strukturiert.
ChatGPT ist ein Generalist – kann alles ein bisschen.
Ein Agent ist ein Spezialist – kann eine Sache richtig gut.
Ein Schwarm kombiniert viele Spezialisten zu einem System.
Jede Herausforderung hat einen passenden Agent-Schwarm.
Das Problem
Das Problem
Das Problem
Das Problem
🤔 Aber wie funktioniert das konkret? Schauen wir uns das Schritt für Schritt an...
Ein Agent. Eine Aufgabe. Eine Datei.
Jeder Agent hat genau eine Aufgabe und schreibt sein Ergebnis in eine Datei. Der ICP-Agent analysiert Marktdaten und definiert: Alter 30-45, Premium-affin.
Mehrere Quellen fliessen in einen Agent – ein strukturiertes Ergebnis kommt heraus.
Ein Agent verarbeitet mehrere Inputs und destilliert sie zu einem strukturierten Output. Wie eine Maschine: Rohstoffe rein, Produkt raus.
Eine Quelldatei wird von mehreren Agents gelesen.
🤔 Was passiert, wenn wir "age: 30-45" auf "age: 18-65" ändern?
3 Agents in Reihe: Output wird zu Input.
5 Agents arbeiten zusammen im Strategie-Layer.
Wer sind wir? Wen wollen wir?
Diese 5 Agents bilden das Fundament. Sie definieren WER unser Kunde ist, WER unsere Konkurrenz ist, und WOFÜR wir stehen. Alles andere baut darauf auf.
Daten fliessen von oben nach unten, Learnings von unten nach oben.
ICP, Personas, Positioning
Plan, SEO, Copy, Visuals
Social, Email, Ads, PR
Oben wird entschieden WER. In der Mitte WAS. Unten WO. Wenn der ICP falsch ist, sind alle Layer darunter auch falsch.
25 Agents. 5 Layer. 30+ Dateien. Ein Kreislauf.
25 Agents erscheinen Layer für Layer. Daten fliessen nach unten. Der Kreislauf schliesst sich.
Analytics-Daten fliessen zurück an Layer 1 – das System lernt.
A/B-Tests zeigen: Headline B performt 40% besser. Das Learning fliesst zurück → ICP wird verfeinert → ALLE nachgelagerten Agents profitieren. Automatisch.
Was passiert, wenn der Premium-Preis von €45 auf €55 steigt?
Eine Änderung in pricing.json → 12 Dateien aktualisieren sich automatisch. Keine vergessenen alten Preise. Keine Inkonsistenzen.
"Lokale Bohne" eröffnet in München – was passiert im System?
Analysiert "Lokale Bohne": Bio-Fokus, 20% günstiger, jüngere Zielgruppe
Liest Wettbewerbsanalyse, passt Positionierung an: Mehr Herkunfts-Story, weniger Preis
Übernimmt neue Positionierung, schreibt differenziertere Texte
Passt Messaging an, fügt negative Keywords für Billig-Sucher hinzu
Ein neuer Wettbewerber → 4 Agents reagieren → 8+ Dateien werden aktualisiert. Automatisch. Konsistent. In Minuten statt Wochen.
Wie 8 Agents in 2 Stunden eine komplette Kampagne erstellen.
Was passiert, wenn das ICP falsch ist?
"Wir wollen alle ansprechen" – der klassische Fehler
Persona wird generisch, spricht niemanden wirklich an
Texte werden beliebig, austauschbar, langweilig
Budget verpufft an Nicht-Käufer
Ein A/B-Test zeigt: Zielgruppe 35-45 konvertiert 3x besser als 25-35.
Erkennt: 35-45-Jährige haben 3.2x höhere Conversion Rate
Passt Kern-Alter an: age: "35-45" statt "30-45"
Aktualisiert Lisa: Jetzt 38 statt 34, Senior-Rolle
Verschiebt Budget: 80% auf 35-45, nur 20% auf 25-35
Das Gehirn, das den Schwarm koordiniert
Technischer Deep-Dive: LIVE-AGENTS.py
Der Dirigent, der alle Instrumente im Orchester koordiniert
1. Auswählen: Welche Agenten für das Problem?
2. Koordinieren: In welcher Reihenfolge?
3. Kontext weitergeben: Was weiß der nächste Agent?
So kommuniziert der Orchestrator mit Claude
Typische Marketing-Probleme mit passenden Agent-Chains
Engagement -40%, Reichweite sinkt
Besucher kaufen nicht
Limited Edition promoten
Open Rate unter 15%
Rankings fallen
Wie der Orchestrator Agenten auswählt
Vordefinierte Kombinationen für typische Probleme.
SCENARIOS["1"]["agents"]
Du wählst selbst aus 25 Agenten.
"01-icp, 06-content"
Problem beschreiben, Claude wählt.
suggest_agents()
🤔 Welchen Modus nutzt du? Hängt vom Erfahrungslevel ab!
Jeder Agent bekommt andere Anweisungen – je nach Position
"Du bist der ERSTE Agent. Analysiere das Problem gründlich."
"Du bist Agent X von Y. Baue auf vorherigen auf."
"Du bist der LETZTE Agent. Fasse zusammen."
Wie jeder Agent auf dem Wissen der Vorgänger aufbaut
Context-Window ist begrenzt. Wir geben die Essenz weiter, nicht alles.
25 Agenten in 5 logischen Gruppen organisiert
Wer sind wir? Wen wollen wir?
Was sagen wir? Wie?
Wo erreichen wir sie?
Wie machen wir Kunden?
Was funktioniert?
6 Agenten lösen ein echtes Problem: "Website-Besucher gehen zurück" – in 172 Sekunden.
Die gleiche Kampagne. Zwei Ansätze.
ICP-Workshop: 2 Tage
Persona-Entwicklung: 1 Woche
Content-Planung: 3 Tage
Texte schreiben: 2 Wochen
Design: 1 Woche
Abstimmungsrunden: ∞
ICP-Agent: 5 Minuten
Persona-Agent: 3 Minuten
Content-Plan-Agent: 10 Minuten
Copywriting-Agent: 30 Minuten
Visual-Agent: 20 Minuten
Abstimmung: 1 Review
Die ehrliche Seite der Medaille.
Wenn das ICP nicht definiert ist, produziert der Schwarm konsistenten Müll.
Revolutionäre Ideen kommen von Menschen. Agents optimieren, sie erfinden nicht.
Ein Agent kann eine Brand zerstören. Jemand muss die Outputs prüfen.
Setup-Aufwand lohnt sich erst ab 3+ Kampagnen pro Quartal.
Agentenschwärme verstärken, was da ist. Gute Strategie → Exzellente Ausführung. Schlechte Strategie → Schneller scheitern.
Was Sie heute gelernt haben.
Eine Datei ist die Wahrheit. Alle Agents lesen daraus. Keine Duplikate, keine Inkonsistenzen.
Eine Änderung oben → Kaskade nach unten. ICP ändert sich → 30+ Dateien aktualisieren sich.
Strategie → Content → Kanäle → Conversion → Analyse. Jeder Layer hat seine Aufgabe.
Das Gehirn koordiniert: Agenten auswählen, Reihenfolge festlegen, Kontext weitergeben.
Agents verstärken, Menschen entscheiden. Die Strategie muss von Ihnen kommen.
Jetzt den Orchestrator selbst ausprobieren!
Identifizieren Sie EINE Datei in Ihrem Marketing, die zur "Single Source of Truth" werden könnte. Starten Sie dort. Der Rest folgt.