So sicherst du dein Marketing ab, bevor der nächste KI-Ausfall Aufgaben liegen lässt.
„Then we’re stupid and we’ll die.“ Das sagt Pris (Daryl Hannah) im Science-Fiction-Klassiker Blade Runner (1982) zu ihrem Anführer Roy Batty (Rutger Hauer), als nur noch die beiden übrig sind. Ein Satz, der erstaunlich gut auf Marketing-Teams passt, die nur noch auf ein System setzen – und keinen Plan B haben.
Dass das kein Gedankenspiel ist, zeigte der 2. Juni 2026: Claude war weltweit gestört – betroffen waren die Modelle, die Schnittstelle für Unternehmen und die Entwickler-Tools. Workflows, die darauf aufbauten, standen zeitweise still. Laut Thoughtworks war es nicht der erste größere Ausfall des Jahres. Das Beratungsunternehmen zieht daraus den Schluss, dass generative KI längst kritische Infrastruktur ist, in vielen Unternehmen aber nicht so behandelt wird – und nennt dabei ausdrücklich auch das Marketing als betroffenen Bereich.
KI im Marketing-Alltag zu nutzen, macht uns erst einmal effizienter. Wir produzieren unterschiedliche Varianten für Newsletter, erstellen Anzeigentexte und Social Posts, recherchieren und werten aus. KI ist ein Werkzeug geworden, von dem wir schon heute so abhängig sind, dass ein Ausfall echte Lücken reißt.
Wer Wissen und Handarbeit vollständig abgibt, ist verwundbar, sobald ein Dienst nicht mehr verfügbar ist. Ein KI-Fallback ist deshalb kein Technikthema, sondern eine Frage der Arbeitsorganisation.
Wie wir KI in Marketing und Sales nutzen
Wir nutzen KI im Marketing nicht primär, weil sie bessere Ideen hat. Wir nutzen sie, weil Zeit, Kapazität und Aufmerksamkeit knapp sind. Dahinter stehen vier Auslöser: Zeitdruck, Kapazitätsmangel, Blockade und eine Personalisierung, die manuell schlicht nicht machbar wäre.
Entscheidend ist der Unterschied zwischen ihnen. Zeitdruck und Blockade sind Komfort: Fällt die KI weg, wirst du langsamer. Kapazitätsmangel und Personalisierung sind strukturell: Ohne KI bleibt Arbeit liegen oder ist gar nicht machbar. Ken Mugrage, Head of Insights bei Thoughtworks, formuliert es mit Blick auf Entwicklungsteams so: „AI tools should amplify engineers’ capabilities. It shouldn’t act as a structural crutch.“ Für das Marketing gilt dasselbe.
Wie dich ein Ausfall trifft, hängt davon ab, wie die KI eingebunden ist:
| Typ | Beispiele | So zeigt sich der Ausfall |
|---|---|---|
| Werkzeug-KI – du arbeitest selbst damit | Texte, Bilder, Videos, Übersetzung, Datenaufbereitung; im Sales Outreach- und Follow-up-Mails | sofort – das Tool antwortet nicht |
| System-KI – sie arbeitet im Tool | Gebotsoptimierung, Anzeigentests, Personalisierung, Prognosen; im Sales Lead-Scoring, Forecasting, CRM-Pflege | nicht immer sofort – die Funktion steht still, während die Kampagne scheinbar weiterläuft |
| Dialog-KI – im direkten Gespräch | Chatbots, virtuelle Assistenten; im Sales Echtzeit-Coaching | mitten im Gespräch – beim Kunden oder beim Vertriebler |
Was ein KI-Totalausfall ist und was nicht
Bevor du einen Fallback planst, lohnt eine klare Abgrenzung. In diesem Beitrag geht es um zwei Fälle:
- Nicht verfügbar: Das Tool, die Schnittstelle oder der Dienst ist offline.
- Nicht mehr verwendbar: Der Anbieter sperrt den Zugang, stellt ein Modell ein oder ändert die Bedingungen so, dass du es nicht mehr nutzen kannst.
Steigende Preise oder eine schleichend schlechtere Qualität der Ergebnisse sind ebenfalls Risiken – aber kein Ausfall. Sie brauchen andere Antworten und sind nicht Thema dieses Beitrags.
So baust du deinen KI-Fallback und schließt die Lücken
Das Ziel ist nicht, jedes Risiko zu vermeiden – dann dürftest du KI gar nicht nutzen. Das Ziel ist, das Risiko zu kennen und zu minimieren.
Die naheliegende Frage bei einem Ausfall lautet: Was ist die minimale funktionierende Version meines Marketings?
In der Softwarearchitektur heißt dieses Prinzip Graceful Degradation: Ein System fällt nicht komplett auseinander, sondern arbeitet mit eingeschränkter Funktion weiter. AWS beschreibt im Well-Architected-Leitfaden für agentische KI eine Fallback-Kette vom Haupttool über eine Alternative und einen eingeschränkten Betriebsmodus bis zur manuellen Eskalation. Thoughtworks empfiehlt nach dem Claude-Ausfall im Juni 2026, bei ausfallenden KI-Funktionen auf deterministische, klassische Abläufe zurückzufallen. Beide Quellen beziehen sich auf Softwaresysteme – die Übertragung auf Marketing-Workflows ist meine eigene Analogie.
Am Beispiel einer personalisierten Newsletter-Kampagne:
| Betriebsmodus | Umsetzung |
|---|---|
| Normal | 20 personalisierte Mailvarianten |
| Fallback | 3 Segmente |
| Notbetrieb | 1 Newsletter für alle |
Fallback heißt also nicht, den bisherigen Workflow irgendwie zu erhalten. Fallback heißt: die geschäftskritische Funktion erhalten – nicht das Automatisierungsniveau. Die Stufen nach Ausfalldauer in Schritt 3 folgen derselben Logik.
Schritt 1: Die Bestandsaufnahme
Geh deine Aufgaben einzeln durch – im Marketing und, soweit du sie beeinflusst, an der Schnittstelle zu Sales. Für jede Aufgabe beantwortest du fünf Fragen:
| Aufgabe | Was übernimmt die KI? | Wovon hängt die KI-Funktion ab? | Was passiert bei Totalausfall? | Wie fange ich das ab? |
|---|---|---|---|---|
| Beispiel: Newsletter-Texte | Entwurf, Betreffzeilen, Varianten | Chat-Tool und Zugang, darin gespeicherte Prompts und Projektwissen | strukturell – Frequenz nicht zu halten | Vorlagen und frühere Ausgaben im Archiv |
| Beispiel: Lead-Scoring | Priorisierung nach Kaufwahrscheinlichkeit | Scoring-Modell der Automation-Plattform, Daten aus Website-Tracking und CRM | Leads kommen unpriorisiert bei Sales an | dokumentierte Kriterien für eine manuelle Priorisierung |
| Beispiel: Chatbot | Erstantworten im Support | Bot-Anbieter, angebundene Wissensdatenbank, Einbindung auf der Website | Kunde bekommt keine Antwort | sichtbarer Kontaktweg zu einem Menschen |
Die Spalte zu den Abhängigkeiten zeigt, dass ein Ausfall oft nicht bei der KI selbst beginnt, sondern bei einem Dienst, einer Datenquelle oder einem Zugang, an dem sie hängt. So wird aus der Aufgabenliste eine Abhängigkeitsanalyse.
Die Leitfrage für die Spalte „Was passiert bei Totalausfall?“: Bleibt ohne KI Arbeit liegen (strukturell) – oder wird es nur langsamer (Komfort)? Das erklärt, warum die Bestandsaufnahme vor jeder Lösung steht: Erst wenn du weißt, was strukturell ist, weißt du, wo sich ein Fallback überhaupt lohnt.
Schritt 2: Ein Archiv, das ohne KI funktioniert
Gegen den Ausfall von Werkzeug-KI hilft ein gepflegter Bestand an wiederverwendbarem Material. Wenn du das bisher nicht gemacht hast, ist jetzt die richtige Zeit dafür. Anzeigen-Sets, Grafiken, Newsletter-Vorlagen sowie Einwand- und Argumentationsleitfäden für Sales solltest du so ablegen, dass du jederzeit darauf zugreifen kannst. Strukturiere sie nach Produkten, Kampagnen und Formaten; ein zusätzlicher Tag hilft, die Informationen schneller abzurufen. Dazu drei Tipps:
- Außerhalb des KI-Tools ablegen.
- Offene Formate nutzen, etwa TXT, CSV, PNG oder PDF.
- Eine feste Namenslogik verwenden (z. B. Produkt, Kampagne, Kanal, Datum).
Schritt 3: Vorab klären, was der Notfallplan beinhaltet
Stehst du plötzlich vor der Situation, dass Workflows nicht wie gewohnt funktionieren, zeigen sich zwei Typen: diejenigen, die sofort Verantwortung übernehmen und handeln, und diejenigen, die konkrete Anleitung brauchen. Deshalb ist es sinnvoll, die Rollen vorher mindestens einmal durchzudenken, damit niemand verloren im Raum steht. Das muss nicht verschriftlicht werden. Eine vorherige Absprache hilft aber, wertvolle Zeit zu sparen und in einen Prozess überzugehen, der sich für alle normal anfühlt.
Genauso wichtig wie die Rollen ist die Frage, wann du überhaupt vom normalen Workflow in den Notbetrieb wechselst. Ein Ausfall von vier Stunden ist etwas völlig anderes als ein Ausfall von vier Tagen. Eine Orientierung:
| Dauer | Verhalten |
|---|---|
| < 1 Stunde | warten / andere Aufgabe |
| mehrere Stunden | alternatives Tool |
| 1 Arbeitstag | manueller Fallback |
| mehrere Tage | Priorisierung kritischer Kampagnen |
| dauerhaft | Workflow neu aufbauen |
Zum Notfallplan gehört auch der Blick nach außen: Fällt ein Chatbot aus, braucht der Kunde einen sichtbaren Weg zu einem Menschen – ein Kontaktformular, eine Rückrufoption oder eine klar benannte Ansprechperson. Und der Vertrieb braucht einen Einwandleitfaden, der auch ohne Echtzeit-Coaching griffbereit ist.
Schritt 4: Fähigkeiten erhalten, nicht nur Daten
Das Archiv hat eine Schwachstelle: Es setzt voraus, dass jemand damit arbeiten kann. Wer seit Jahren keine Kampagnenstruktur mehr selbst entwickelt, keine Zielgruppenanalyse mehr selbst durchführt und keinen Text mehr von null schreibt, dem hilft auch die beste Vorlagensammlung nur begrenzt.
Das NIST AI Risk Management Framework fordert, die Rollen von Mensch und KI klar zu definieren und die Kompetenz der Menschen im Umgang mit KI-Systemen gezielt zu sichern. Übertragen auf das Marketing heißt das:
- Regelmäßig von Hand arbeiten: Kampagnenstrukturen, Zielgruppenanalysen und Texte immer wieder selbst entwickeln – wie du das konkret prüfst, zeigt Schritt 5.
- Den Denkweg ablegen, nicht nur das Ergebnis: Warum wurde eine Zielgruppe so segmentiert, warum eine Headline so gewählt?
- Bewusst behalten, was du beurteilen musst: Wer KI-Auswertungen prüfen will, muss Zahlen selbst lesen können.
Ein Fallback besteht nicht nur aus gespeicherten Daten. Er besteht auch aus erhaltenen Fähigkeiten.
Schritt 5: Den Fallback testen
Archiv vorhanden, Ansprechpartner definiert, Notfallplan abgesprochen. Aber funktioniert das wirklich? Ein Backup, das niemand öffnen kann, ist kein Backup. Und ein manueller Newsletter-Prozess, den seit drei Jahren niemand durchgeführt hat, ist möglicherweise kein funktionierender Fallback.
Das klassische Risikomanagement fordert deshalb nicht nur Dokumentation, sondern Überwachung und Überprüfung. Das NIST AI Risk Management Framework empfiehlt ausdrücklich, Ausweich- und Backup-Verfahren für KI-Systeme regelmäßig zu überprüfen, damit der Geschäftsbetrieb weiterlaufen kann.
Daraus leite ich eine einfache Praxisregel ab: Führe regelmäßig eine zentrale Marketingaufgabe bewusst ohne KI durch – von Anfang bis Ende. Einmal im Jahr ist das Minimum. Weil sich KI-Tools und Workflows so schnell verändern, ist ein deutlich kürzerer Rhythmus sinnvoll, etwa quartalsweise. Das ist kein Training, sondern ein Test der tatsächlichen Betriebsfähigkeit: Öffnen sich die Dateien? Sind die Vorlagen aktuell? Weiß jeder, was er zu tun hat?
Ein KI-Fallback ist Risikomanagement
Was ich in diesem Beitrag beschrieben habe, ist im Grunde nichts Neues. Der klassische Risikomanagementprozess, wie ihn etwa die Norm ISO 31000 beschreibt, folgt im Kern fünf Schritten. Die Übertragung auf den KI-Fallback ist meine eigene Analogie – aber sie passt erstaunlich genau:
- Identifikation – potenzielle Gefahren systematisch erfassen. Die Bestandsaufnahme, wo KI heute für dich arbeitet, deckt die Schwachstellen auf.
- Analyse – Ursachen, Eintrittswahrscheinlichkeit und mögliche Auswirkungen untersuchen. Was passiert bei einem Totalausfall, und wer übernimmt wofür die Verantwortung?
- Bewertung – Risiken vergleichen und priorisieren. Welche Aufgaben sind strukturell, welche Komfort – und wo lohnt sich ein Fallback zuerst?
- Bewältigung – Gegenmaßnahmen festlegen: Vermeidung, Verminderung, Übertragung oder Akzeptanz. Überleg dir, welche Alternativen verfügbar sind und wie du sie eintaktest. Das Wissen der Beteiligten und ein gut gepflegtes Archiv bilden die Basis dafür, dass du nicht handlungsunfähig wirst.
- Überwachung – Maßnahmen laufend kontrollieren und anpassen, als geschlossener Regelkreis. Dazu gehört, Archiv und Notfallplan regelmäßig auf Aktualität zu prüfen – und den Fallback regelmäßig im Echtbetrieb zu testen.
Der wichtigste Nutzen dabei ist Transparenz: Du weißt jederzeit, welche Risiken du eingegangen bist – und welche du bewusst akzeptierst.
Was das für dich bedeutet
Die meisten Überlegungen zum KI-Ausfall enden bei der Frage, welches zweite Tool einspringt. Die Antwort darauf hängt davon ab, wie lange der Ausfall andauert. Grundsätzlich sollte der Anspruch sein, den gesamten Workflow so schnell wie möglich wieder aufnehmen zu können – vor allem, bevor das Ausmaß so groß ist, dass Kunden es merken. Egal, wie groß die entstehende Lücke ist: Eine ordentliche Kommunikation nach außen gehört dazu. Sie muss nicht immer sofort erfolgen, trägt aber dazu bei, dass du transparent bleibst und bei Kunden kein Vertrauen verlierst. Denn der Schaden, der dabei entsteht, kann richtig teuer werden.
Wir brauchen auch in Zukunft Menschen mit Erfahrung, die proaktiv sind und sich dafür einsetzen, dass dein Geschäft am Laufen bleibt. Das kann KI heute noch nicht abbilden. Ob sich das in Zukunft ändert, ist offen. Umso wichtiger ist es, dass diese Menschen ihre Fähigkeiten nicht an die KI verlieren – sie sind der Teil des Fallbacks, den kein Archiv ersetzt.
Takeaways
- Erfasse alle Aufgaben, die KI heute in Marketing und Sales übernimmt.
- Definiere die minimale funktionierende Version deines Marketings – Funktion vor Automatisierungsniveau.
- Unterscheide Werkzeug-, System- und Dialog-KI – jeder Typ braucht einen eigenen Fallback.
- Lege Vorlagen, Assets und Leitfäden auf eigenem Server in offenen Formaten ab.
- Kläre vorab, wer im Ernstfall was übernimmt – auch an der Schnittstelle zu Sales.
- Trainiere die Fähigkeiten, die dein Fallback voraussetzt – regelmäßig und ohne KI.
- Teste den Fallback mindestens einmal im Jahr, besser quartalsweise, mit einer echten Aufgabe ohne KI.
- Behandle den KI-Fallback wie Risikomanagement: identifizieren, bewerten, absichern, überwachen.
FAQ
Was ist ein KI-Fallback im Marketing?
Ein KI-Fallback ist der Plan B für den Fall, dass ein KI-Tool nicht verfügbar oder nicht mehr verwendbar ist. Das kann ein zweites Tool sein – wirksamer ist aber ein Bestand außerhalb des Systems: Vorlagen, Leitfäden und ein Notfallplan mit klaren Rollen.
Reicht es nicht, einfach auf ein anderes KI-Tool auszuweichen?
Für Werkzeug-KI kann ein zweites Tool helfen, es löst aber zwei Probleme nicht. Dein Kontext – Prompts, Projektwissen, Vorlagen – liegt oft im ausgefallenen Tool. Und System-KI, etwa Gebotsautomatiken oder Lead-Scoring, steckt in deinen Plattformen selbst und lässt sich nicht einfach austauschen – dort brauchst du manuelle Abläufe.
Wie erkenne ich, ob eine Aufgabe strukturell von KI abhängt?
Frag dich, ob ohne KI Arbeit liegen bleibt oder ob es nur langsamer wird. Strukturell ist eine Aufgabe meist dann, wenn das Volumen deine Kapazität übersteigt oder wenn sie – wie Personalisierung in großem Maßstab – manuell gar nicht machbar wäre.
Warum betrifft ein KI-Ausfall auch die Zusammenarbeit mit Sales?
Weil viele KI-Funktionen an der Schnittstelle liegen. Fällt das Lead-Scoring aus, kommen Leads unpriorisiert bei Sales an; steht die automatische CRM-Pflege still, fehlen dem Marketing später Daten fürs Reporting. Deshalb sollten die Zuständigkeiten für den Ernstfall vorab geklärt sein.