Bevor Sie eine AI-Fachkraft einstellen: Wissen Sie, welche Sie tatsächlich brauchen
Die Berufsbezeichnung „AI-Spezialist:in“ ist zu einer der mehrdeutigsten Rollen auf dem Arbeitsmarkt im Marketing geworden. In einer Organisation ist eine AI-Fachkraft eine kreative Marketing-Generalistin, die hervorragende Prompts schreibt und eine gemeinsame Prompt-Bibliothek pflegt. In einer anderen bezeichnet derselbe Titel eine datenwissenschaftliche Fachkraft mit ausgeprägten Python-Kenntnissen, die individuelle Machine-Learning-Modelle entwickelt. In einer dritten Organisation bezeichnet er eine Marketing-Operations-Fachkraft, die AI-Schritte über Zapier-Workflows miteinander verbindet. Das sind 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 entschieden haben, welchen Typ von Fachkraft sie tatsächlich benötigen. Das Ergebnis: Eine allgemeine Stellenanzeige für eine „AI-Fachkraft“ zieht Bewerber:innen aus allen vier Kategorien an, die Interviewprozesse haben Schwierigkeiten, zwischen ihnen zu unterscheiden, und die letztendlich eingestellte Person löst oft ein anderes Problem als das, für dessen Lösung die Organisation sie benötigt hätte. Sechs Monate später erledigt die neue Fachkraft Aufgaben, die niemand brauchte, während die ursprüngliche Kompetenzlücke weiterhin ungeschlossen ist.
Dieser Leitfaden behandelt die vier verschiedenen Typen von Marketing-AI-Spezialist:innen, die Gehaltsspannen für jeden Typ im Jahr 2026, die Interviewfragen, mit denen sich starke von schwachen Bewerber:innen unterscheiden lassen, und die ehrliche Frage, die sich jede Führungskraft im Recruiting stellen sollte, bevor sie sich überhaupt für die Einstellung einer Vollzeit-Fachkraft entscheidet.
Deckt den Großteil der oben beschriebenen Stellenbeschreibung für Typ 1 ab - Prompt-Bibliothek, Markenstimme und Disziplin bei Content-Workflows - als konfigurierte Skill-Datei, die Ihr bestehendes Team an einem Nachmittag lädt, bevor Sie eine Stelle für eine Fachkraft ausschreiben.
Lena ansehen →Die vier Typen von Marketing-AI-Spezialist:innen 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-Strateg:in
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 ist die interne Ansprechperson für die Frage: „Wie bekommen wir für diese Aufgabe bessere Ergebnisse mit Claude?“ Sie programmiert nicht. Sie entwickelt keine ML-Modelle. Sie ist eine Marketingexpertin, die schneller als der Rest des Teams mit AI-Tools vertraut geworden ist.
Passt am besten zu 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 bestehenden Tools als in einer individuellen ML-Infrastruktur liegt.
Gehaltsspanne im Jahr 2026: £45,000-£75,000, abhängig von Seniorität, Standort und erwarteter inhaltlicher Komplexität. Rollen mit Remote-Option tendieren zum oberen Ende, da der Talentpool global ist.
Wonach Sie suchen sollten: eine starke Marketing-Generalistin oder ein starker Marketing-Generalist mit mindestens 2 Jahren praktischer Erfahrung mit AI-Tools, einem Portfolio, das AI-gestützte Arbeit in mehreren Formaten zeigt, und der Fähigkeit, die Wahl der eigenen prompts klar zu erklären. Nachweise über die Entwicklung von prompt-Bibliotheken, Styleguides oder skill-file-ähnlichen Konfigurationen für frühere Arbeitgeber sind ein starkes positives Signal.
Typ 2: Spezialist für Marketing Operations und AI-Integration
Diese Fachkraft entwickelt AI-Automatisierungs-Workflows 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 auf konzeptioneller Ebene, kann mehrstufige Workflows entwickeln, die Daten zwischen Plattformen übertragen, und betreut das operative Rückgrat automatisierter AI-Arbeit. Etwas Erfahrung mit Python oder JavaScript ist für Sonderfälle hilfreich, aber nicht erforderlich.
Am besten geeignet für Organisationen, bei denen: der Marketing-Stack mehr als 10 Tools umfasst, toolübergreifende Automatisierung strategisch wichtig ist und die Chance eher darin liegt, bestehende 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 im Marketing Operations mit nachweisbaren Workflow-Portfolios in Zapier oder Make, Erfahrung mit API-Integrationen und Vertrautheit mit den wichtigsten AI-Plattformen (Claude, OpenAI, Anthropic-Konsole und 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, Churn-Prognosen, Attributionsmodellierung, Nachfrageprognosen und prädiktives Audience-Targeting. Erforderlich sind Python, statistische Modellierung, Data Engineering und ausreichende Kenntnisse der Infrastruktur, um Modelle in der Produktion bereitzustellen. Im Wesentlichen handelt es sich um einen Data Scientist, der auf Marketinganwendungen spezialisiert ist.
Am besten geeignet für Organisationen, bei denen: der Marketingbereich tatsächlich datenreich ist (großer Kundenstamm, mehrere Jahre strukturierter Daten, erhebliches Conversion-Volumen) und die standardmäßig verfügbaren AI-Funktionen bestehender Plattformen die Vorhersageprobleme, die das Unternehmen tatsächlich lösen muss, nicht bewältigen können.
Gehaltsspanne im Jahr 2026: £70,000-£120,000, wobei das obere Ende für erfahrene ML-Ingenieure mit fundierten Kenntnissen im Marketingbereich vorgesehen ist. Diese Kombination von Kompetenzen ist seltener als jede der beiden Fähigkeiten allein und wird mit einem erheblichen Aufschlag vergütet.
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 Ihr Fachgebiet einzuarbeiten, bevor er nützliche Arbeit leisten kann. Stellen Sie Personen mit beiden Kompetenzbereichen ein oder rechnen Sie mit einer Einarbeitungszeit.
Typ 4: AI-Strategieberater (auf Teilzeitbasis)
Dieser Spezialist definiert die AI-Marketing-Roadmap der Organisation, bewertet Plattformoptionen, berät bei der Reihenfolge der Umsetzung und liefert eine externe Expertenvalidierung strategischer Entscheidungen. Typischerweise wird er auf Teilzeitbasis (2-4 Tage pro Monat) statt 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, bei denen: das Marketingteam in der Lage ist, AI-Arbeit umzusetzen, aber unsicher bei strategischen Entscheidungen ist - etwa bei der Auswahl der Plattformen, auf die es sich festlegen sollte, der Reihenfolge der Einführung und der Frage, wie die Roadmap für die nächsten 12-24 Monate aussehen sollte.
Tagessatz im Jahr 2026: £600-£1,500, abhängig von Seniorität, Spezialisierung und davon, ob der Auftrag konkrete Ergebnisse oder ausschließlich Beratung umfasst.
Die Interviewfragen, die starke von schwachen AI-Spezialisten unterscheiden
Allgemeine Fragen wie „Kennen Sie sich mit AI-Tools aus?“ führen zu allgemeinen Antworten. Die folgenden Fragen wurden entwickelt, um bei allen vier Spezialistentypen echte Kompetenzunterschiede 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 überprüfen, bevor Sie die Ausgabe verwenden?“ Starke Kandidaten beschreiben konkrete Prompt-Strukturen, Ansätze zur Kontextbereitstellung und Prüfkriterien. Schwache Kandidaten beschreiben allgemeine Workflows nach dem Muster „Ich würde Claude bitten, ein Briefing zu schreiben“.
- „Berichten Sie von einer konkreten Situation, in der AI in einem Arbeitskontext eine schlechte Ausgabe erzeugt hat. Worin bestand der Fehler, und wie haben Sie ihn erkannt, bevor er ein Problem verursachen konnte?“ Starke Kandidaten können konkrete Beispiele für von ihnen erkannte AI-Fehler nennen - etwa halluzinierte Statistiken, einen nicht zur Marke passenden Ton oder logische Fehler in der Argumentation. Schwache Kandidaten hatten noch nicht genügend reale AI-Fehler erlebt, um eine substanzielle Antwort geben zu können.
- „Wie halten Sie sich über Entwicklungen bei AI-Tools auf dem Laufenden? Was hat sich in den letzten 3 Monaten verändert und Ihre Arbeitsweise beeinflusst?“ Starke Kandidaten nennen konkrete aktuelle Entwicklungen (Modellveröffentlichungen, Funktionsupdates, Plattformänderungen) und stellen einen Bezug zu ihrem Workflow her. Schwache Kandidaten geben allgemeine Antworten wie „Ich verfolge die AI-Nachrichten“.
Typspezifische Fragen
- Für Prompt Engineers: „Zeigen Sie mir einen prompt, den Sie geschrieben haben und auf den Sie stolz sind. Warum ist er so strukturiert?“
- Für Marketing-Operations-Integratoren: „Beschreiben Sie den komplexesten Workflow mit mehreren Tools, den Sie entwickelt haben. Gehen Sie jeden Schritt durch und erklären Sie, warum Sie diese Architektur gewählt haben.“
- Für Data Scientists: „Führen Sie mich durch ein von Ihnen entwickeltes Churn-Prediction-Modell. Welche Merkmale haben Sie einbezogen, welche ausgeschlossen und wie hoch war die Genauigkeit bei den Holdout-Daten?“
- Für Strategieberater: „Nennen Sie mir ein Beispiel für eine Entscheidung zu einer AI-Plattform, von der Sie einem Kunden abgeraten haben. Was war die Begründung?“
Bevor Sie eine AI-Fachkraft einstellen: Die Frage, die die meisten Organisationen nicht stellen
Bevor Sie sich für die Einstellung einer Fachkraft in Vollzeit entscheiden, sollten Sie sich ehrlich fragen, ob eine gezielte AI-Weiterbildung bestehender Teammitglieder bei einem Bruchteil der Kosten mehr Nutzen bringen würde. Eine umfassende KissMySkills-Skill-Dateibibliothek, 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 zu etwa 1 % der jährlichen Kosten einer Fachkrafteinstellung schließen.
Das ist kein Argument gegen die Einstellung von AI-Fachkräften. Es geht darum, die Investition in der richtigen Reihenfolge zu tätigen. Die Organisationen, die 2026 typischerweise den größten Nutzen aus AI ziehen, haben zuerst bestehende Teammitglieder weitergebildet - wodurch die konkreten Kompetenzlücken sichtbar wurden, die bestehende Teams tatsächlich nicht schließen konnten - und anschließend Fachkräfte eingestellt, die gezielt auf diese Lücken ausgerichtet waren, statt allgemeine AI-Fachkräfte einzustellen und zu hoffen, dass diese die richtigen zu lösenden Probleme selbst finden.
Wann die Einstellung einer AI-Fachkraft wirklich der richtige Schritt ist
Die Einstellung einer AI-Fachkraft in Vollzeit ist sinnvoll, wenn eine oder mehrere dieser Bedingungen eindeutig erfüllt sind:
- Der Marketingbereich hat eine konkrete, erhebliche Kompetenzlücke festgestellt, die durch bestehende, durch Tools unterstützte Teammitglieder nicht geschlossen werden kann
- Das Volumen der AI-bezogenen Arbeit übersteigt das, was bestehende Teammitglieder neben 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 strategischer Differenzierungsfaktor, in den die Organisation bewusst und substanziell investieren möchte, keine taktische Optimierung
Wenn keine dieser Bedingungen zutrifft, ist es sinnvoller, in die Weiterbildung des bestehenden Teams mit konfigurierten AI-Tools zu investieren, statt eine Fachkraft einzustellen. Entdecken Sie die Team-Skill-Pakete von KissMySkills auf KissMySkills.com, um interne Lücken bei den AI-Kompetenzen zu schließen, bevor Sie eine Stellenausschreibung für eine Fachkraft veröffentlichen.
Bereit, das in die Praxis umzusetzen? Durchsuchen Sie die Marketing- & Werbefähigkeiten für Claude & ChatGPT oder entdecken Sie alle Claude-Fähigkeiten und die prompt-Bibliothek.
