SEGMENTS
Bevor Sie eine AI-Fachkraft einstellen, sollten Sie wissen, welche Sie tatsächlich benötigen
Die Berufsbezeichnung „AI-Spezialist“ ist zu einer der mehrdeutigsten Rollen auf dem Arbeitsmarkt für Marketing geworden. In einer Organisation ist eine AI-Fachkraft eine kreative Marketing-Generalistin, die hervorragende prompts schreibt und eine gemeinsam genutzte prompt-Bibliothek pflegt. In einer anderen bezeichnet derselbe Titel eine datenwissenschaftliche Fachkraft mit sicheren Python-Kenntnissen, die maßgeschneiderte Machine-Learning-Modelle entwickelt. In einer dritten beschreibt er eine Marketing-Operations-Engineer, die AI-Schritte in Zapier-Workflows miteinander verbindet. Dabei handelt es sich um grundlegend unterschiedliche Personen mit unterschiedlichen Fähigkeiten, Gehaltserwartungen und Auswirkungen auf die Marketingfunktion.
Der erste und teuerste Fehler, den Organisationen bei der Entscheidung für die Einstellung einer AI-Fachkraft machen, besteht darin, die Stellenbeschreibung zu verfassen, bevor sie festlegen, welchen Typ von Fachkraft sie tatsächlich benötigen. Das Ergebnis: Eine generische Stellenanzeige für eine „AI-Fachkraft“ zieht Bewerberinnen und Bewerber aus allen vier Kategorien an, die Bewerbungsprozesse haben Schwierigkeiten, zwischen ihnen zu unterscheiden, und die letztendliche Einstellung löst häufig ein anderes Problem als das, das die Organisation lösen musste. Sechs Monate später erledigt die neue Fachkraft Aufgaben, die niemand benötigte, während die ursprüngliche Kompetenzlücke weiterhin besteht.
Deckt den Großteil der oben beschriebenen Stellenbeschreibung für Typ 1 ab - prompt-Bibliothek, Markenstimme und Disziplin bei Content-Workflows - und zwar als konfigurierte Skill-Datei, die Ihr bestehendes Team an einem Nachmittag lädt, bevor Sie eine Ausschreibung für eine Fachkraft starten.
Lena ansehen →Die vier Typen von Marketing-AI-Spezialisten im Jahr 2026
Bevor Sie die Stellenbeschreibung verfassen, gleichen Sie das Rollenprofil mit der tatsächlichen Kompetenzlücke in Ihrer Marketingfunktion ab:
Typ 1: Prompt Engineer / AI-Content-Stratege
Diese Fachkraft erstellt und pflegt die AI prompt-Bibliothek der Organisation, Konfigurationen von Skill-Dateien, Anweisungen zur Markenstimme und Workflows für die AI-Content-Produktion. Sie schult das Marketingteam in der effektiven Nutzung von AI, erstellt konstant hochwertige Ergebnisse mit AI-Tools und fungiert intern als Expertin oder Experte für die Frage: „Wie bekommen wir für diese Aufgabe bessere Ergebnisse von Claude?“ Sie programmiert nicht. Sie entwickelt keine ML-Modelle. Sie ist eine Marketingfachkraft, die schneller als der Rest des Teams den sicheren Umgang mit AI-Tools erlernt hat.
Optimal für Organisationen, bei denen: die Marketingfunktion ein erhebliches Content-Volumen produziert, die AI-Kompetenz im Team uneinheitlich ist und die Chance eher in besseren AI-Ergebnissen mit vorhandenen Tools als in einer maßgeschneiderten ML-Infrastruktur liegt.
Gehaltsspanne im Jahr 2026: 45.000-75.000 £, abhängig von Berufserfahrung, Standort und der erwarteten Komplexität der Inhalte. Remote-freundliche Stellen tendieren zum oberen Ende, da der Talentpool global ist.
Wonach Sie suchen sollten: Eine versierte Marketing-Generalistin oder ein versierter Marketing-Generalist mit mindestens zwei Jahren praktischer Erfahrung mit AI-Tools, einem Portfolio, das AI-gestützte Arbeit in mehreren Formaten zeigt, und der Fähigkeit, die Wahl der verwendeten prompt klar zu erläutern. Nachweise über die Erstellung von prompt-Bibliotheken, Styleguides oder Konfigurationen ähnlich Skill-Dateien für frühere Arbeitgeber sind ein starkes positives Signal.
Typ 2: Spezialist für Marketing Operations und AI-Integration
Diese Fachkraft entwickelt AI-Automatisierungsworkflows mit No-Code- und Low-Code-Tools (Zapier, Make, n8n), integriert AI-Funktionen in den bestehenden Marketing-Stack und verwaltet die technische Infrastruktur AI-gestützter Kampagnen. Sie versteht APIs konzeptionell, kann mehrstufige Workflows entwickeln, die Daten zwischen Plattformen übertragen, und sorgt für das operative Rückgrat automatisierter AI-Arbeit. Einige Python- oder JavaScript-Kenntnisse sind für Sonderfälle hilfreich, aber nicht erforderlich.
Am besten geeignet für Organisationen, bei denen: der Marketing-Stack mehr als 10 Tools umfasst, die toolübergreifende Automatisierung strategisch wichtig ist und die Chance eher darin liegt, vorhandene AI-Funktionen zu kohärenten Workflows zu verbinden, als neue AI von Grund auf zu entwickeln.
Gehaltsspanne im Jahr 2026: 50.000-85.000 £. Der Aufschlag gegenüber reinem prompt Engineering spiegelt die erforderlichen technischen Integrationskenntnisse wider.
Wonach Sie suchen sollten: Eine Fachkraft für Marketing Operations mit nachweisbaren Zapier- oder Make-Workflow-Portfolios, Erfahrung in API-Integrationen und Vertrautheit mit den wichtigsten AI-Plattformen (Claude, OpenAI, Anthropic-Konsole, AI-Funktionen großer ESPs). Bitten Sie sie, einen komplexen Workflow zu erläutern, den sie entwickelt hat - die Genauigkeit der Erklärung verrät Ihnen alles über ihr tatsächliches Kompetenzniveau.
Typ 3: Data Scientist oder ML-Ingenieur für Marketing
Diese Fachkraft entwickelt maßgeschneiderte Machine-Learning-Modelle für Lead-Bewertung, Abwanderungsprognosen, Attributionsmodellierung, Nachfrageprognosen und prädiktives Targeting von Zielgruppen. Erfordert Kenntnisse in Python, statistischer Modellierung, Data Engineering und ausreichend Infrastrukturwissen, um Modelle in der Produktion bereitzustellen. Im Grunde handelt es sich um einen Data Scientist, der auf Marketinganwendungen spezialisiert ist.
Am besten geeignet für Organisationen, bei denen: der Marketingbereich tatsächlich datenreich ist (große Kundenbasis, mehrere Jahre strukturierter Daten, erhebliches Konversionsvolumen) und die standardmäßig verfügbaren AI-Funktionen bestehender Plattformen die für das Unternehmen tatsächlich relevanten Prognoseprobleme nicht lösen können.
Gehaltsspanne im Jahr 2026: 70.000-120.000 £, wobei das obere Ende erfahrenen ML-Ingenieuren mit fundierten Kenntnissen im Marketingbereich vorbehalten ist. Diese Kombination von Fähigkeiten ist seltener als jede der beiden Fähigkeiten für sich und erzielt einen beträchtlichen Aufschlag.
Worauf Sie achten sollten: Ein Data Scientist mit nachgewiesenen Marketingkenntnissen statt allgemeiner ML-Erfahrung. Diese Kombination ist enorm wichtig - ein allgemeiner Data Scientist, der mit Marketingkonzepten (CLV, Attribution, Kohorten, Funnel-Metriken) nicht vertraut ist, wird die ersten sechs Monate damit verbringen, sich in Ihren Fachbereich einzuarbeiten, bevor er nützliche Ergebnisse liefert. Stellen Sie jemanden ein, der beide Kompetenzbereiche abdeckt, oder rechnen Sie mit einer längeren Einarbeitungszeit.
Typ 4: AI-Strategieberater (auf Teilzeitbasis)
Dieser Spezialist definiert die AI-Marketing-Roadmap der Organisation, bewertet Plattformoptionen, berät zur Reihenfolge der Implementierung und liefert eine externe Expertenvalidierung strategischer Entscheidungen. Typischerweise wird er auf Teilzeitbasis (2-4 Tage pro Monat) und nicht in Vollzeit engagiert. Die Rolle umfasst weniger die praktische Umsetzung als vielmehr die strategische Ausrichtung und Entscheidungsunterstützung für das bestehende Team.
Am besten geeignet für Organisationen, in denen: das Marketingteam in der Lage ist, AI-Projekte umzusetzen, aber bei strategischen Entscheidungen unsicher ist - etwa, auf welche Plattformen es setzen, wie es die Einführung staffeln oder wie die Roadmap für die nächsten 12-24 Monate aussehen sollte.
Tagessatz im Jahr 2026: 600-1.500 £, abhängig von Seniorität und Spezialisierung sowie davon, ob das Engagement konkrete Ergebnisse oder ausschließlich Beratung umfasst.
Die Interviewfragen, die starke von schwachen AI-Spezialisten unterscheiden
Allgemeine Fragen wie „Kennen Sie AI-Tools?“ führen zu allgemeinen Antworten. Die folgenden Fragen sind darauf ausgelegt, echte Kompetenzunterschiede zwischen allen vier Spezialistentypen sichtbar zu machen:
Fragen für alle Arten von AI-Spezialisten
- „Führen Sie mich durch den Prozess, wie Sie mit AI-Tools ein Kampagnenbriefing erstellen würden. Welche Eingaben würden Sie machen? Was würden Sie prüfen, bevor Sie die Ausgabe verwenden?“ Gute Kandidaten beschreiben konkrete Prompt-Strukturen, Ansätze zum Laden von Kontext und Prüfkriterien. Schwache Kandidaten beschreiben allgemeine Workflows wie „Ich würde Claude bitten, ein Briefing zu schreiben“.
- „Erzählen Sie mir von einer konkreten Situation, in der AI in einem beruflichen Kontext eine schlechte Ausgabe erzeugt hat. Worin bestand der Fehler, und wie haben Sie ihn erkannt, bevor er ein Problem verursachte?“ Gute Kandidaten nennen konkrete Beispiele für erkannte AI-Fehler - halluzinierte Statistiken, einen unpassenden Markenton oder logische Fehler in der Argumentation. Schwache Kandidaten hatten noch nicht genügend reale AI-Fehler erlebt, um eine substanzielle Antwort geben zu können.
- „Wie bleiben Sie über Entwicklungen bei AI-Tools auf dem Laufenden? Was hat sich in den letzten drei Monaten verändert und Ihre Arbeitsweise beeinflusst?“ Gute Kandidaten nennen konkrete aktuelle Entwicklungen (Model releases, Funktionsupdates, Plattformänderungen) und stellen den Bezug zu ihrem Workflow her. Schwache Kandidaten geben allgemeine Antworten wie „Ich verfolge AI-News“.
Fragen nach Fachrichtung
- Für Prompt Engineers: „Zeigen Sie mir einen Prompt, den Sie geschrieben haben und auf den Sie stolz sind. Warum ist er so strukturiert?“
- Für Integratoren von Marketing-Ops: „Beschreibe den komplexesten Multi-Tool-Workflow, den du entwickelt hast. Gehe jeden Schritt durch und erkläre, warum du diese Architektur gewählt hast.“
- Für Data Scientists: „Führe mich durch ein von dir entwickeltes Churn-Prediction-Modell. Welche Merkmale hast du einbezogen, welche ausgeschlossen und wie hoch war die Genauigkeit bei den zurückgehaltenen Testdaten?“
- Für Strategieberater: „Nenne mir ein Beispiel für eine Entscheidung zu einer AI-Plattform, von der du einem Kunden abgeraten hast. Was war die Begründung?“
Bevor du eine AI-Fachkraft einstellst: Die Frage, die die meisten Organisationen nicht stellen
Bevor du dich für die Einstellung einer Fachkraft in Vollzeit entscheidest, solltest du ehrlich prüfen, ob eine gezielte Erweiterung der AI-Kompetenzen bestehender Teammitglieder bei einem Bruchteil der Kosten mehr Nutzen bringen würde. Eine umfassende Bibliothek von KissMySkills-Skill-Dateien, die im gesamten Marketingteam eingesetzt wird, kombiniert mit einer halbtägigen Schulung zu effektiven AI-Nutzungsmustern, kann einen erheblichen Teil der AI-Kompetenzlücke eines bestehenden Marketingteams schließen - zu ungefähr 1 % der jährlichen Kosten einer Fachkraft.
Das ist kein Argument gegen die Einstellung von AI-Fachkräften. Es geht darum, die Investitionen sinnvoll zu staffeln. Die Organisationen, die 2026 den größten Nutzen aus AI ziehen, sind typischerweise diejenigen, die zunächst bestehende Teammitglieder weitergebildet haben - wodurch die spezifischen Kompetenzlücken sichtbar wurden, die bestehende Teams tatsächlich nicht schließen konnten - und anschließend Fachkräfte für genau diese Lücken eingestellt haben, statt allgemeine AI-Fachkräfte einzustellen und zu hoffen, dass diese die richtigen Probleme identifizieren.
Wann die Einstellung einer AI-Fachkraft tatsächlich der richtige Schritt ist
Die Einstellung einer AI-Fachkraft in Vollzeit ist sinnvoll, wenn mindestens eine dieser Bedingungen eindeutig zutrifft:
- Der Marketingbereich hat eine konkrete, erhebliche Kompetenzlücke identifiziert, die durch Tool-Unterstützung nicht geschlossen werden kann
- Das Volumen der AI-bezogenen Arbeit übersteigt das, was bestehende Teammitglieder zusätzlich zu ihren Hauptaufgaben bewältigen können
- Die Organisation benötigt glaubwürdige interne Expertise für die Kommunikation mit Stakeholdern über AI-Strategie und Entscheidungen
- Der Marketingbereich benötigt individuelle ML-Arbeiten, die No-Code-Plattformen nicht abdecken können
- AI ist ein strategisches Differenzierungsmerkmal, in das die Organisation bewusst und substanziell investieren möchte, keine taktische Optimierung
Wenn keine dieser Bedingungen zutrifft, ist es die klügere Investition, das bestehende Team mit konfigurierten AI-Tools weiterzubilden, statt eine Fachkraft einzustellen. Stöbere auf KissMySkills.com in den Team-Skill-Paketen von KissMySkills, um interne Lücken bei den AI-Kompetenzen zu schließen, bevor du eine Stellenausschreibung für eine Fachkraft aufgibst.
Bereit, das in die Praxis umzusetzen? Stöbere in den Marketing- & Ads-Skills für Claude & ChatGPT oder entdecke alle Claude-Skills und die prompt-Bibliothek.