Die meisten Marketing-Teams nutzen KI inzwischen täglich. ChatGPT für Texte, Midjourney für Bilder, ein Dutzend weiterer Tools für Automatisierungen. Das funktioniert — bis man anfängt, genauer hinzuschauen. Wer trainiert eigentlich mit euren Daten? Wo liegt euer Markenwissen? Und was passiert, wenn der Anbieter die Preise verdoppelt oder das Produkt einstellt?
Das ist kein akademisches Datenschutz-Argument. Es ist eine strukturelle Frage für jede Organisation, die KI nicht nur ausprobiert, sondern strategisch einsetzt.
Das SaaS-Modell und seine versteckten Kosten
SaaS-Tools für KI-Marketing wirken auf den ersten Blick günstig. 50 Euro im Monat für einen KI-Texter. 30 Euro für ein Social-Scheduling-Tool mit KI. Noch mal 40 für einen Wettbewerbs-Monitor. Das summiert sich — und die eigentlichen Kosten entstehen nicht auf der Rechnung.
- Vendor Lock-in: Eure Workflows, Prompts, Konfigurationen sind in der Plattform gefangen. Wechsel bedeutet Neuaufbau.
- Datenweitergabe: Viele Tools nutzen eure Eingaben zur Modellverbesserung — sofern ihr das nicht explizit deaktiviert (und manchmal geht das nicht).
- Keine Akkumulation: Jeder Tool-Aufruf startet von null. Das System lernt euer Unternehmen nicht — ihr müsst den Kontext jedes Mal neu liefern.
- DSGVO-Grauzone: US-amerikanische Anbieter, Datenverarbeitung außerhalb der EU, SCCs als juristische Brücke — rechtlich haltbar, aber nicht sauber.
Keines dieser Probleme ist unlösbar. Aber sie akkumulieren sich zu einer Abhängigkeitsstruktur, die mit der Zeit schwerer zu verlassen ist.
Das Problem ist nicht, dass SaaS-Tools schlecht sind. Das Problem ist, dass sie strukturell dafür gebaut sind, Abhängigkeit zu erzeugen — nicht Kompetenz.
Was Datenhoheit konkret bedeutet
Datenhoheit im KI-Kontext bedeutet nicht, alles selbst zu bauen. Das wäre weder praktisch noch sinnvoll. Es bedeutet: Kontrolle über die Schicht, auf der ihr arbeitet.
In der Praxis heißt das:
- Markenwissen, Kundendaten, historische Entscheidungen liegen in einem System, das ihr kontrolliert
- KI-Modelle werden genutzt (OpenAI, Anthropic, Google), aber als API — nicht als Plattform
- Die Intelligenz des Systems — Prompts, Workflows, Agenten-Logik — liegt bei euch, nicht beim Anbieter
- Server in der EU, DSGVO-konforme Verarbeitung sensibler Inhalte
Der Unterschied: Statt in einer Plattform zu arbeiten, besitzt ihr das System. Wenn ihr morgen zu einem besseren Sprachmodell wechseln wollt, ist das eine technische Konfiguration — kein Migrations-Projekt.
Das Argument gegen eigene Infrastruktur — und warum es nicht greift
Der häufigste Einwand: „Wir können keine eigene KI-Infrastruktur betreiben. Dafür fehlen uns die Ressourcen und die Kompetenz."
Das stimmt. Für die meisten Marketing-Teams ist es nicht realistisch, eigene Server zu konfigurieren, Sicherheitskonzepte zu entwickeln und Systeme zu warten. Das ist auch nicht gemeint.
Was die Alternative aussieht: Ein Managed Service, der die Infrastruktur betreibt, aber das Prinzip der Datenhoheit umsetzt. Ihr habt ein eigenes System — Markenwissen, Daten, Konfiguration gehört euch — aber jemand anderes sorgt dafür, dass es läuft.
Das ist strukturell anders als SaaS: Bei SaaS nutzt ihr eine Plattform, die für viele gebaut ist. Bei einem eigenen System auf fremder Infrastruktur habt ihr ein System, das für euch gebaut ist.
Woran man einen echten Managed Service erkennt
Nicht jeder, der „Managed Service" sagt, meint dasselbe. Drei Fragen helfen:
- Portabilität: Wenn ihr das System verlasst — könnt ihr eure Daten und Konfiguration mitnehmen?
- Transparenz: Wisst ihr, welche Modelle eure Daten verarbeiten und wo?
- Isolation: Ist euer System von anderen Kunden isoliert — oder teilt ihr eine Multi-Tenant-Plattform?
Auf alle drei Fragen sollte die Antwort klar und schriftlich sein. Wenn nicht, ist es wahrscheinlich kein Managed Service — sondern SaaS mit einem anderen Label.
marketingcortex: eigenes System, betrieben von uns
marketingcortex ist ein KI-System für Marketing-Teams — DSGVO-konform auf EU-Infrastruktur, mandantenfähig. Jeder Kunde hat ein isoliertes System: eigene Datenbasis, eigene Agent-Konfiguration, eigener Zugang. Wir betreiben die Infrastruktur — aber das System gehört inhaltlich dem Kunden.
Die langfristige Perspektive
In zwei bis drei Jahren wird KI-Kompetenz im Marketing kein Differenzierungsmerkmal mehr sein — sie wird Voraussetzung. Die Frage ist nicht ob, sondern wie Organisationen das aufbauen.
Teams, die heute mit SaaS-Tools experimentieren, lernen. Aber sie bauen keine Infrastruktur auf. Teams, die heute in ein eigenes System investieren — auch als Managed Service — bauen etwas, das mit ihnen wächst. Das institutionelle Wissen akkumuliert sich. Die Workflows verbessern sich. Die Abhängigkeit von externen Plattformen nimmt ab.
Der richtige Zeitpunkt dafür ist nicht, wenn KI unverzichtbar ist. Er ist, bevor es soweit ist.