Martech war lange eine klare Kategorie: Technologien, mit denen Marketingabteilungen ihre Arbeit skalieren, automatisieren und messen konnten. Dieses Selbstverständnis gerät 2026 unter strukturellen Druck, nicht weil neue Tools entstehen, sondern weil sich verändert, wie digitale Kundeninteraktion grundsätzlich funktioniert.

Anfang Mai 2026 haben Scott Brinker und Frans Riemersma den State of Martech 2026 veröffentlicht, und ihr komprimiertes Fazit beschreibt genau diesen Moment: „AI everywhere, integrated nowhere.“ KI ist längst überall im Marketing. Aber als integrierte, orchestrierte Betriebslogik, als echte Steuerungsintelligenz, die Systeme, Daten und Interaktionen zusammenhält, funktioniert sie bisher selten.

Dieser Artikel versucht eine Einordnung, die über die Bestandsaufnahme des Reports hinausgeht: Welche strukturellen Entwicklungslinien haben zu diesem Zustand geführt? Was bedeutet es, dass ausgerechnet die alten Basissysteme (CMS, Commerce, strukturierte Daten) strategisch wieder an Bedeutung gewinnen? Und was folgt daraus für Stacks, Betriebsmodelle und organisatorische Prioritäten?

Was Martech ist, und warum der Begriff mehr als Software meint

Der Begriff Martech, zusammengesetzt aus Marketing und Technology, bezeichnet alle Softwarelösungen, Technologien und technischen Infrastrukturen, die für die Planung, Umsetzung, Messung und Steuerung von Marketingaktivitäten eingesetzt werden. Das reicht von E-Mail-Automation über CRM-Systeme bis hin zu Customer Data Platforms, Content Management, Analyse-Tools und zunehmend KI-gestützten Entscheidungs- und Ausführungssystemen.

Was dabei leicht übersehen wird: Die Systeme, die heute unter Martech zusammengefasst werden, existierten schon vor dem Begriff, aber in getrennten Abteilungen und ohne gemeinsame strategische Klammer. CRM gehörte dem Vertrieb, Content-Management-Systeme liefen unter IT-Verantwortung, E-Commerce-Plattformen wurden als E-Business-Projekte geführt, Webanalytics war Sache technischer Teams. Das Marketing hatte Tools, aber keine Ownership über seine eigene Infrastruktur.

Der Begriff Martech entstand aus dem Impuls, das zu ändern. Scott Brinker hat ab Ende der 2000er-Jahre argumentiert: Marketing wird zu einer technologiegetriebenen Disziplin, und Marketingabteilungen müssen die Entscheidungshoheit über ihre technische Infrastruktur beanspruchen, statt sie allein der IT zu überlassen. Das war zunächst auch eine Machtfrage innerhalb von Organisationen. Dass dieser Gedanke aus dem Marketingblick kam, und nicht aus dem CX-, Commerce- oder Content-Blick, erklärt, warum Kampagnensysteme das Zentrum der ersten Martech-Generation bildeten. Die Kampagnenlogik war nicht nur ein Tool-Merkmal, sie war die Gründungslogik der Kategorie.

Was heute unter Martech fällt, ist historisch gewachsen. Brinker dokumentiert die globale Martech Landscape seit 2011 auf chiefmartec.com. Der aktuelle Stand: 15.505 Produkte in mehr als 50 Kategorien. Dahinter steckt keine einfache Akkumulation: 2026 wurden gleichzeitig 1.488 neue Produkte aufgenommen und 1.367 entfernt. Unter der Oberfläche einer nahezu stabilen Gesamtzahl ist der Markt in Bewegung, er konsolidiert nicht, er sortiert sich neu. Brinker selbst fasst das so: „Like individual stacks, the martech landscape is a river, not a lake.“ Der Selektionsprozess rund um KI, Plattformintegration und Differenzierung läuft, und er läuft schneller als die Gesamtzahl vermuten lässt.

Was dabei leicht untergeht: Martech-Entscheidungen sind selten nur Tool-Entscheidungen. Wer welche Systeme einsetzt, in welcher Architektur sie verbunden sind und wer für welche Daten und Prozesse verantwortlich ist, das ist in der Praxis eine Betriebsmodell-Entscheidung. Die Wahl zwischen einem integrierten Suite-Ansatz und einem modularen Stack legt fest, wie Teams zusammenarbeiten, welche Daten zusammengeführt werden können und welche Kundeninteraktionen überhaupt möglich sind. Martech definiert nicht nur, was technisch machbar ist: Es strukturiert, wie Marketing, Sales und Service organisiert sind und wer mit wem unter welcher Datengrundlage interagiert. Dieser Zusammenhang war schon immer da. Er wird durch die aktuellen Verschiebungen nur deutlicher.

Das erste Paradigma: Kampagnenlogik und ihre Stärken

Martech ist nicht über Nacht entstanden. Das dominierende Paradigma, das die ersten zwei Jahrzehnte des Feldes geprägt hat, lässt sich auf eine Grundlogik reduzieren: Marketer planen und steuern, Kunden reagieren.

Das Werkzeugset dieser Ära war auf diese Logik ausgerichtet: Campaign Management, Marketing Automation, Lead Management, E-Mail-Trigger, Conversion-Tracking. Der Funnel, von Awareness über Consideration bis Conversion, war das zentrale Ordnungsmodell. Jede Phase hatte ihre Kennzahl, jeder Kanal seine Metriken, jede Kampagne ihr Budget und ihren Zeitplan. Das Betriebsmodell dahinter war entsprechend strukturiert: Kampagnenplanung im Voraus, Execution nach Plan, Messung am Ende, Optimierung für die nächste Runde.

Diese Logik hatte echte Stärken. Sie war skalierbar, planbar und messbar. Für Organisationen, die vorher auf Print-Anzeigen, Direktmailing und Messen gesetzt hatten, war die Fähigkeit, Tausende von Kontakten über automatisierte Trigger-Ketten zu führen, ein erheblicher Effizienzgewinn. Der ROI von Kampagnen wurde erstmals direkt nachvollziehbar. Marketing wurde planbar. Und das war der Kern des Versprechens: Wer die richtigen Tools hatte, konnte sein Marketing industrialisieren.

Das Flywheel: ein richtiger Impuls mit der falschen Konsequenz

Um 2018 setzte HubSpot-Mitgründer Brian Halligan einen vieldiskutierten Kontrapunkt: Der Funnel sei tot. Das neue Modell sei das Flywheel, zirkuläre Steuerung, bei der zufriedene Kunden als Wachstumsmotor dienen, anstatt am Ende des Trichters zu verschwinden. Der Impuls war richtig: Die Fixierung auf einmalige Conversion-Events hatte eine reale strukturelle Schwäche des Funnel-Modells sichtbar gemacht, nämlich dass Bestandskunden und deren Empfehlungswirkung systematisch unterbelichtet blieben.

Rückblickend lässt sich aber feststellen: Das Flywheel blieb in der Kampagnenlogik. Es änderte die Richtung, von linear zu zirkulär, aber nicht die Grundannahme: Marketer steuern, Kunden durchlaufen das System. Welchen Inhalt wann über welchen Kanal ausspielen, um welche Reaktion zu erzeugen: Diese Frage blieb die dominierende Frage des Martech-Betriebs. Auf den Shift/CX Events haben wir das Flywheel-Konzept früh im Kontext von Plattformökonomie und Kundenbeziehungen diskutiert. Es war ein nützliches Denkwerkzeug. Dass es die grundlegende Steuerungslogik nicht aufgebrochen hat, wurde erst später sichtbar.

Weiterführende Diskussionen:

• Marketing Automation 2025 — Warum Unternehmen jetzt von Kampagnenlogik zu echtem Customer Engagement wechseln müssen
• Marketing Automation 2026 — Standortbestimmung zwischen Kampagnenlogik und adaptiven Systemen

Die Stack-Realität: was Unternehmen wirklich aufgebaut haben

Die Theorie von integrierten Stacks und orchestrierten Customer Journeys ist bekannt. Die Realität in Unternehmen sieht deutlich heterogener aus, und das ist kein Versagen, sondern das Ergebnis von organischem Wachstum unter echten Bedingungen.

Kleinere Unternehmen haben oft genau ein dominierendes Tool. Es deckt E-Mail-Marketing, CRM und vielleicht Landingpages ab, nicht perfekt, aber mit einem klaren Fokus und einem überschaubaren Datenmodell. Der Vorteil: kein Integrationsproblem, keine divergierenden Datenquellen, klare Zuständigkeit. Der Nachteil: ohne CDP-Schicht oder Journey-Logik bleibt vieles manuell.

Im größeren Mittelstand treffen mehrere Tools aufeinander, entstanden aus unterschiedlichen Anforderungen in unterschiedlichen Wachstumsphasen. HubSpot, wenn das Unternehmen content-getrieben gewachsen ist. Ein klassisches CRM, wenn der Vertrieb im Zentrum stand. Ein separates E-Mail-Tool, das irgendwann „schnell“ eingeführt wurde. Ein Analytics-Stack, den jemand aus einer anderen Position mitgebracht hat. Der Versuch, das Ganze zentral zu halten, wird zur Daueraufgabe. Integrationsprojekte folgen aufeinander, die Datenqualität leidet unter Systemgrenzen, und die Customer Journey existiert eher in PowerPoint als im Stack.

Konzerne sind oft mit integrativen Enterprise-Suiten gestartet, Adobe Experience Cloud, Salesforce Marketing Cloud und CRM, die auf dem Papier vieles vereinen. In der Praxis entsteht dann auf Abteilungsebene ein eigener Wildwuchs: Ein Team braucht eine schnelle Lösung für ein spezifisches Problem, ein anderes integriert ein spezialisiertes Tool für Events oder Webinare, ein drittes arbeitet mit einem eigenen Analytics-Stack. Das Resultat ist ein Konzern-Stack, der im Kern zentralisiert ist und in der Peripherie fragmentiert.

Was allen drei Ebenen gemeinsam ist: die strukturelle Herausforderung der Daten- und Prozessintegration. Jede Systemgrenze ist eine potenzielle Bruchstelle in der Kundenlogik, und KI macht diese Brüche sichtbarer als je zuvor. Brinker und Riemersma bringen das auf den Punkt: „Data silos are the enemy of AI.“ Das gilt nicht erst seit der KI-Debatte. Aber KI verstärkt die Konsequenzen: Wenn Systeme nicht verbunden sind, arbeiten KI-Systeme auf unvollständigen oder widersprüchlichen Informationen. Das erzeugt Empfehlungen, die nicht stimmen, Automatisierungen, die im falschen Kontext feuern, und Kundeninteraktionen, die nicht passen. Brinker nennt das treffend: „Oops, your stack is showing.“

Gleichzeitig verliert die klassische Stack-Debatte, Suite oder Best-of-Breed, an Erklärungskraft. Der Report zeigt, dass Organisationen bei KI-Use-Cases längst mehrere Wege parallel nutzen: KI-Funktionen in bestehenden SaaS-Systemen, KI-native Spezialtools, teilweise eigene Lösungen. „The build-vs.-buy debate that structured martech procurement for twenty years is a false binary.“ Entscheidend wird nicht die Beschaffungsstrategie, sondern die Fähigkeit, verschiedene Fähigkeiten sinnvoll zu verbinden, zu steuern und zu bewerten.

Das DSGVO-Compliance-Problem entsteht in diesem Kontext nicht durch böse Absicht, sondern durch unkontrollierten Tool-Wildwuchs: Wenn jede Abteilung ihr eigenes Tool hat, entstehen unkontrollierte Datenpfade und Consent-Probleme, die im Einzelfall kaum noch rekonstruierbar sind. Die meisten Stacks sind gewachsen, nicht geplant. Das ist der wichtigste Kontext für alles, was jetzt diskutiert wird.

Weiterführende Diskussionen:

• CX Tech Stack — Ein Diskussionsvorschlag zur Strukturierung und offene Fragen

Die aktuelle Verschiebung: wenn Systeme antworten statt auszuspielen

Was sich seit 2023/2024 verändert, lässt sich nicht mehr als Tool-Update beschreiben. Es ist eine Verschiebung der Interaktionslogik, und sie betrifft nicht einzelne Kanäle, sondern die Grundstruktur dessen, wie digitale Kundeninteraktion entsteht.

Drei Treiber stehen im Zentrum.

AI Search verändert den Informationseinstieg. Wer heute auf ChatGPT, Google AI Overviews oder Perplexity nach einer Produktkategorie, einem Problem oder einem Anbieter sucht, bekommt keine Linkliste mehr. Er bekommt eine synthetisierte Antwort. Diese Antwort fasst Inhalte zusammen, bewertet sie implizit und wählt aus. Welche Quellen dabei zum Tragen kommen, entscheidet nicht mehr allein das Suchmaschinen-Ranking. Sichtbarkeit entsteht durch Strukturqualität, Glaubwürdigkeit und die Fähigkeit eines Inhalts, von einem Antwortsystem kontextuell verarbeitet zu werden. „SEO isn’t dying. It’s metamorphosing“, schreibt der Report. Das trifft den Punkt: Die Logik ändert sich, nicht die Relevanz von Sichtbarkeit. Die Veränderungen durch Conversational AI betreffen damit nicht nur den Kanal, sondern den Moment, in dem Marken überhaupt in den Blick des Nutzers treten.

Conversational Interfaces verschieben den Interaktionseinstieg. LLM-basierte Systeme sind für einen wachsenden Anteil von Nutzern zum normalen Arbeitsinstrument geworden, für Recherche, Entscheidungsvorbereitung und Produktvergleiche. Die erste Interaktion mit einer Kategorie oder einem Problem findet zunehmend nicht mehr auf der Website statt. Marken, die bisher darauf gesetzt haben, dass Nutzer ihre Websites navigieren und durch Conversion-Flows geführt werden, stellen fest: Dieser Pfad wird seltener gegangen. Was das für Content-Infrastruktur bedeutet, zeigt eine Zahl aus dem Martech-Markt selbst: CMS und Web Experience Management wachsen 2026 um 21,4 Prozent, stärker als fast jede andere Kategorie. Nicht weil Websites wichtiger werden im klassischen Sinne, sondern weil Inhalte strukturiert, maschinenlesbar und kontextuell abfragbar sein müssen. Der Report benennt das direkt: „As machines become a first-class audience for digital experience, the value of CMS platforms appears to be shifting from page publishing alone to providing structured, machine-readable context that AI systems can use.“

Consumer Agents sind die strukturell neue Dimension. Scott Brinker hat dafür eine Dreiteilung vorgeschlagen, die für das Verständnis der aktuellen Verschiebung besonders hilfreich ist: Agents for Marketers, interne KI-Assistenten, die Marketingteams in ihrer Arbeit unterstützen, sind vertraut und bereits vielfach im Einsatz. Agents for Customers, KI-Chatbots und Service-Agenten, die Marken als Touchpoints einsetzen, sind ebenfalls etabliert. Die wirklich strukturell neue Dimension sind Agents of Customers: käuferseitig kontrollierte Agenten, die im Auftrag von Nutzern recherchieren, vergleichen, filtern und empfehlen. Sie stehen nicht unter dem Einfluss der Marke. Sie wählen aus, was sie für relevant halten.

Wir haben diese drei Domains und ihre Implikationen für den Martech Stack ausführlicher beschrieben. Was dabei für Martech besonders zählt: Die erste und zweite Domain passen noch in die bekannte Logik, Marken nutzen KI, um effizienter zu steuern und neue Touchpoints zu etablieren. Die dritte Domain bricht aus dieser Logik aus. Wenn Kunden Agenten delegieren, den Markt für sie zu sondieren, greifen klassische Ausspielungslogiken ins Leere. Die Entscheidung fällt in dem Moment, in dem der Agent die Bewertung trifft. Und dieser Moment liegt außerhalb der Kontrollzone des Marketers. Was das für bestehende Touchpoints bedeutet, haben wir im Touchpoint-Stresstest beschrieben.

Weiterführende Diskussionen:

• KI-Agenten im Martech Stack — Die drei Domains, wem sie gehören und was das für CX bedeutet

Fünf Grundannahmen, die neu verhandelt werden

Die drei Treiber sind bekannt. Weniger systematisch beschrieben ist, welche Grundannahmen des Martech-Betriebs durch sie unter Druck geraten. Es ist kein Totalbruch, die Kampagnenlogik wird nicht verschwinden, und viele der bestehenden Systeme behalten ihren Wert. Aber einige der Annahmen, auf denen Martech-Architekturen und -Prozesse seit zwei Jahrzehnten gebaut wurden, lösen heute eine andere Frage als die, die sich stellt.

Die Funnel-Logik setzt erkennbare Phasen voraus. Das Modell funktioniert, wenn Kundenpfade so strukturiert sind, dass sie in diesen Phasen verlaufen und von Marketingmaßnahmen begleitet werden können. Was fehlt, ist die Annahme instabiler, fragmentierter Journeys: Kunden, die die Awareness-Phase in einem KI-System durchlaufen, die Consideration per Conversational Interface strukturieren und die Kaufentscheidung an einen Agenten delegieren, hinterlassen in klassischen Funnel-Systemen kaum Datenspuren. Der Funnel bleibt ein nützliches Planungsmodell, beschreibt aber immer seltener, was tatsächlich passiert.

Die Kampagnensteuerung setzt voraus, dass Marketer Zeitpunkt und Kanal kontrollieren. Das ist die Grundannahme von Marketing Automation: Wenn X passiert, löse Y aus. Trigger-Logiken funktionieren, wenn bekannt ist, wo der Kunde sich befindet und wie er auf Signale reagiert. Beides wird unzuverlässiger, je stärker die Interaktionspfade durch externe Systeme laufen: durch KI-Systeme, Agentenlogiken, Interfaces, die nicht von der Marke kontrolliert werden. Das macht Kampagnensteuerung nicht wertlos; es verändert, auf welcher Stufe sie greift.

Die Kanallogik, auch in ihrer Omnichannel-Version, setzt voraus, dass die relevanten Interaktionspunkte in Reichweite der Marke liegen. Omnichannel war die richtige Antwort auf die Frage, wie Unternehmen konsistente Erlebnisse über ihre eigenen Kanäle schaffen. Die Frage, die sich heute stellt, ist eine andere: Was passiert, wenn der primäre Interaktionseinstieg kein eigener Kanal mehr ist? Omnichannel-Fähigkeit bleibt notwendig, ist aber keine ausreichende Antwort auf eine Interaktionslogik, die außerhalb der eigenen Kanalarchitektur beginnt.

Navigation als primärer Entscheidungsraum. Websites, Kategorieseiten, Produktdetailseiten, sie waren der Ort, an dem Kunden informiert wurden und Entscheidungen vorbereitet wurden. Für einen wachsenden Anteil von Nutzertypen ist dieser Weg nicht mehr der erste. Die Website bleibt relevant, aber ihre Funktion verschiebt sich: von der primären Informationsquelle zur Verifikationsquelle und zur Transaktionsebene. Das hat Konsequenzen für alles, was auf Navigation als Steuerungsinstrument gebaut ist.

Inhalt als Ausspielungsobjekt. Content wurde für Kampagnen produziert, auf Kanälen ausgespielt und nach Klickraten und Verweildauer bewertet. Diese Produktionslogik passt zu einer Welt, in der Nutzer auf Inhalte stoßen und sie konsumieren. In einer Welt, in der Antwortsysteme Inhalte interpretieren und synthetisieren, zählt etwas anderes. Brinker bringt das auf eine klare Formel: „Generating content fast and generating content that actually works are different problems.“ Sind die Inhalte semantisch strukturiert? Können Systeme die enthaltenen Informationen kontextuell auswerten? Ist die Quelle nachvollziehbar und vertrauenswürdig? Diese Fragen stellt kein menschlicher Nutzer explizit, aber jedes Antwortsystem beantwortet sie implizit, bevor es einen Inhalt verwendet.

Das Modell ist nicht falsch. Es löst eine andere Frage als die aktuelle. Und die Technologien wären für mehr bereit: „The models are capable of more than most organizations are ready to hand them“, schreibt der Report. Der Engpass liegt nicht in der KI, sondern in der Governance-Infrastruktur, im Organisationsdesign und in den Kontrollprozessen, die eine verlässliche Nutzung erst ermöglichen.

Was jetzt zählt

Aus diesen Verschiebungen folgt keine Aufforderung, den bestehenden Stack wegzuwerfen. Kampagnenlogik, Marketing Automation und CRM-Systeme haben ihre Funktion und werden sie behalten. Was sich ändert, ist die strategische Gewichtung: Welche Fähigkeiten werden jetzt zu Engpässen, wenn sie nicht vorhanden sind?

Content-Architektur als Martech-Infrastruktur. Was gerade passiert, hat eine gewisse Ironie: Die stabilen Asset-Basissysteme, die Martech in seinem Ursprungsimpuls ablösen wollte, nämlich CMS, Commerce-Plattformen und strukturierte Produktdaten, gewinnen strategisch wieder an Bedeutung. Nicht als Rückkehr zu alten Silos, sondern mit einem grundlegend anderen Anspruch. Damals standen diese Systeme neben dem Kundenerlebnis; das Marketing baute Kampagnenlogik als künstliche Brücke dazwischen. Heute müssen sie selbst Teil des Journey-Flows sein, tiefer eingebettet als je zuvor, nicht als Publishing-Plattformen, die Seiten ausspielen, sondern als Kontextlieferanten, die strukturierte Informationen in Echtzeit für KI-Systeme, Agenten und personalisierte Interaktionen bereitstellen. Strukturierte, maschinenlesbare Inhalte sind keine Redaktionsaufgabe mehr, sondern Martech-Infrastruktur. Die Diskussion um Composable DXP und KI-fähige Experience-Architekturen ist genau das: keine technische Spielwiese, sondern die Frage, wie Content-Infrastruktur aufgebaut sein muss, damit sie in einer Welt von Antwortsystemen und Agenten funktioniert.

Echtzeit-Kontext als Steuerungsgröße. „Context is alpha“, schreibt der Report: Kontext erzeugt Wert, wenn relevante Daten, Inhalte, Signale und Wissen in einer konkreten Entscheidungssituation zusammengeführt werden. Und: „Context has no value in storage.“ Kontext, der nur gehalten wird, wirkt nicht. Er muss im Moment der Entscheidung verfügbar sein, egal ob das ein Mensch, ein System oder ein KI-Agent ist, der entscheidet, was als nächstes passiert. Was als Kampagnenkalender funktioniert hat, greift in dieser Logik nicht mehr: Was eine Interaktion relevant macht, ist nicht der geplante Ausspielbetrag, sondern der situative Kontext des Nutzers.

Experience Orchestration statt Kanalsteuerung.Die Verschiebung von Marketing Automation zu CX Automation ist eine Verschiebung der Koordinationsebene: nicht mehr „welchen Kanal bespielen wir wann“, sondern „wie stellen wir sicher, dass relevante Interaktionen über alle Systeme hinweg kohärent wirken“. Der Report beschreibt dafür eine mittlere Schicht, die strategisch wichtiger wird: eine Decisioning- und Orchestration-Layer zwischen Data-Layer und Activation-Systemen. Nicht nur das Data Warehouse und nicht nur der Kanal entscheiden über den Erfolg, sondern die Logik dazwischen.

Was dabei oft übersehen wird: Der Journey Orchestration Layer existiert bereits. Er ist nicht Zukunftsszenario, sondern etablierte Technologie- und Konzeptkategorie. Der entscheidende Punkt ist ein anderer: Organisatorisch liegt diese Schicht meist nicht im Martech-Bereich, sondern im CX- und Journey-Management. Teams, die auf Journey-Orchestrierungsplattformen oder CX-Management-Systeme setzen, sitzen selten in der gleichen Abteilung wie Marketing-Ops. CXM im Umbruch zeichnet diese Entwicklungslinie nach: vom reaktiven Feedback-Management zur aktiven Journey-Steuerung, eine Entwicklung, die strukturell im CX-Bereich stattfindet. Das erzeugt eine spezifische Spannung: Martech besitzt die Aktivierungsebene und die Kanäle, Journey Management besitzt die Orchestrierungslogik und das Journey-Verständnis. Die Frage der nächsten Martech-Entwicklungsstufe ist daher weniger eine Architekturfrage als eine Governance-Frage: Wer übernimmt die Decisioning-Schicht dazwischen, und wie konvergieren diese Domains?

Marketing Engineering als neue Kompetenz. Der Report beschreibt die Rollenentwicklung in zwei Richtungen: vom Campaign Manager zum Value Engineer, von der Marketing-Ops-Rolle als System Administrator zum Context Engineer, „orchestrating what data, content, tools, and instructions reach each AI agent at the right moment.“ Das ist nicht nur eine neue Berufsbezeichnung. Es beschreibt einen anderen Arbeitsschwerpunkt: die Gestaltung von Entscheidungsumgebungen, nicht die Bedienung von Tools. Ohne diese Kompetenz entstehen externe Abhängigkeiten, die jeden Anpassungszyklus verlangsamen.

Governance für probabilistische Systeme. Die Daten aus dem Report sind ernüchernd präzise: 73 Prozent der befragten Organisationen haben 2026 eine formale GenAI Policy, 2024 waren es 52 Prozent. Zugleich haben laut SAS-Research nur 8 Prozent der Organisationen volles Vertrauen in ihre breitere AI-Governance-Readiness. „A policy is a starting point, not a finish line.“ Zwischen dem Vorhandensein einer Regel und der Fähigkeit, sie technisch, organisatorisch und prozessual durchzusetzen, liegt ein großer Unterschied. Das ist eine der zentralen offenen Fragen im CX-Governance-Diskurs, bisher in den wenigsten Organisationen operativ beantwortet. Klassische Marketing-Governance war auf deterministische Logiken ausgelegt: definierte Trigger, messbare Ergebnisse, klare Verantwortlichkeiten. KI-Systeme sind probabilistisch: Sie erzeugen Ergebnisse, die nicht vollständig vorher festgelegt sind. Das verändert, was Governance als operative Fähigkeit bedeutet.

Was das für den bestehenden Stack bedeutet: keinen Neustart, aber klare Richtungsentscheidungen. Wo werden Fähigkeiten aufgebaut, die heute fehlen? Welche bestehenden Systeme sind erweiterungsfähig, und wo entstehen Architekturfragen, die mit dem bestehenden Stack nicht mehr sinnvoll beantwortet werden können? Welche Rolle KI-Agenten dabei spielen werden, als interne Werkzeuge, als Kundentouchpoints und als externe Vermittler, ist eine dieser Architekturfragen, die nicht mehr aufschiebbar ist.

Der State of Martech 2026 beschreibt den aktuellen Zustand als Übergangsphase: KI ist breit im Einsatz, aber noch nicht als integrierte Betriebslogik angekommen. „AI everywhere, integrated nowhere.“ Das ist der ehrlichste Befund der Standortbestimmung und der präziseste Ausgangspunkt für die eigentliche Aufgabe: herauszufinden, welche Verbindungen jetzt strategisch angelegt werden müssen.

Quelle: Brinker, Scott / Riemersma, Frans (2026): State of Martech 2026. chiefmartec & MartechTribe, Mai 2026. Befragung: n=208 Marketing- und Marketing-Operations-Verantwortliche. Martech Landscape: 15.505 Produkte analysiert. Hinweis der Autoren: Die AI-Adoption-Daten bilden eher die führende Marktpraxis als den Marktdurchschnitt ab.