Marketing-Governance 2026: Wer steuert Gewinn, Daten und KI?

Marketing-Governance wird häufig erst sichtbar, wenn etwas schiefläuft: Ein Dashboard verwendet eine andere Margendefinition als Finance, ein KI-Modell schließt unbemerkt wertvolle Kundengruppen aus oder eine Plattform ändert ihre Optimierungslogik, ohne dass jemand die finanziellen Auswirkungen bewertet. Solange die Ergebnisse positiv erscheinen, bleiben solche Schwachstellen verborgen. Bleibt der Gewinn anschließend hinter den Erwartungen zurück, beginnt die Suche nach Verantwortlichen, obwohl zuvor weder festgelegt wurde, wer die Entscheidung traf, welche Annahmen galten noch welche Kontrolle hätte eingreifen müssen.

Die Kernfrage lautet daher nicht, wie viele Daten, Tools oder Abstimmungsstrukturen verfügbar sind, sondern wer für Entscheidungen mit wirtschaftlichen, rechtlichen und kundenbezogenen Auswirkungen befugt und verantwortlich ist. Modernes Marketing verteilt diese Entscheidungen auf Marketingteams, Finance, Data, IT, Legal, externe Agenturen und Softwareanbieter. Ohne explizite Entscheidungsrechte kann jede Partei ihren Teil korrekt ausführen, während das Gesamtergebnis unkontrollierbar bleibt. Governance muss diese Kette steuerbar machen, ohne die tägliche Ausführung unnötig zu verlangsamen.

Marketing-Governance beginnt mit Verantwortung, nicht mit nachträglicher Kontrolle

Viele Governance-Prozesse sind als periodische Rechenschaftslegung eingerichtet. Teams präsentieren KPIs, erklären Abweichungen und dokumentieren Maßnahmen, nachdem die Kampagne oder Automatisierung bereits gelaufen ist. Das ist für die Auswertung sinnvoll, reicht jedoch nicht für Entscheidungen aus, die Preise, Kundenauswahl, Datenverfügbarkeit oder Reputationsrisiken direkt beeinflussen. Wirksame Governance beginnt vor der Ausführung: mit einem Entscheidungsinventar, vorab festgelegten Befugnissen und Bedingungen, unter denen eine Entscheidung eigenständig, gemeinsam oder ausschließlich nach einer Eskalation getroffen werden darf.

Verantwortung bedeutet dabei mehr als einen Namen in einer RACI-Matrix. Der Verantwortliche muss das Ziel erklären, die verwendeten Daten kennen, die finanziellen Folgen überblicken und befugt sein, die Aktivität zu pausieren. Sind diese Elemente auf verschiedene Teams verteilt, ohne dass eine Person die Endverantwortung trägt, wird zwar die Arbeit, nicht aber die Verantwortung geteilt. Die Organisation bemerkt dies meist erst, wenn ein Vorfall mehrere Abteilungen betrifft und alle auf ein anderes Glied der Kette verweisen.

Governance besteht erst dann, wenn vor einer Entscheidung klar ist, wer befugt ist, wer kontrolliert und wer eingreift, sobald die Annahmen nicht mehr gelten.

Nicht jede Marketingentscheidung hat das gleiche Governance-Gewicht. Die Anpassung einer Betreffzeile lässt sich in der Regel einfach rückgängig machen und hat begrenzte finanzielle Auswirkungen. Eine Änderung bei Kundenausschlüssen, Preislogik, Datenverknüpfung oder autonomer KI-Optimierung kann große Kundengruppen betreffen und langfristige Folgen haben. Governance muss daher verhältnismäßig sein: Entscheidungen mit geringen Auswirkungen bleiben schnell und lokal, während Entscheidungen mit weitreichenden, schwer umkehrbaren Folgen eine strengere Prüfung und nachweisbare Genehmigung erfordern.

Diese Verhältnismäßigkeit verhindert zwei Extreme. Ohne klare Grenzen entsteht Unverbindlichkeit und Risiken werden erst im Nachhinein entdeckt. Bei zu vielen generischen Genehmigungsebenen verlangsamt sich jede Verbesserung und Teams suchen nach informellen Wegen, um weiterarbeiten zu können. Eine Entscheidungsklassifizierung anhand von Auswirkungen, Umkehrbarkeit, Datensensibilität und Automatisierungsgrad ermöglicht es, die Kontrolle dort zu konzentrieren, wo das Unternehmen tatsächlich verwundbar ist.

Wer Gewinn, Daten und KI tatsächlich steuern sollte

Die Gewinnverantwortung kann nicht ausschließlich beim Marketing liegen, wenn das Marketing weder die verwendeten Kostendefinitionen noch Produktmargen oder Umsatzkorrekturen verwaltet. Der CMO oder Marketingdirektor ist für die kommerzielle Hypothese und die Folgen des gewählten Kundenansatzes verantwortlich. Finance validiert, welches wirtschaftliche Ergebnis als Gewinnbeitrag gilt und welche Kosten zugerechnet werden. Die gemeinsame Verantwortung besteht darin, kommerzielle Entscheidungen vorab mit einem finanziell überprüfbaren Ergebnis zu verknüpfen.

Für Daten gilt eine vergleichbare Aufgabentrennung. Ein Data Owner bestimmt, was ein Datenelement bedeutet und unter welchen Bedingungen es verwendet werden darf; ein Data Steward überwacht Qualität, Dokumentation und Änderungen; die IT verwaltet Verfügbarkeit und Sicherheit; Datenschutz- und Rechtsfunktionen prüfen Rechtmäßigkeit und Risiken. Das Marketing bleibt dafür verantwortlich, ob die ausgewählten Daten für die beabsichtigte Kundenentscheidung geeignet sind. Technische Verfügbarkeit ist schließlich kein automatischer Beleg dafür, dass die Nutzung inhaltlich gerechtfertigt ist.

Bei KI muss zusätzlich zwischen Systemeigentümerschaft und Ergebnisverantwortung unterschieden werden. Ein Data- oder IT-Team kann für Modellmanagement, Integrationen und technische Leistung zuständig sein. Der Business Owner bleibt für das Ziel, die verwendeten Entscheidungsgrenzen und die Folgen für Kunden und Ergebnis verantwortlich. Ein externer Anbieter kann Teile der Ausführung übernehmen, nicht jedoch diese Governance-Verantwortung. Outsourcing verändert den Ausführenden, nicht die Rechenschaftspflicht des Unternehmens.

Auf Vorstandsebene reicht daher kein separates Marketing-Dashboard aus. Die Unternehmensleitung muss erkennen können, welche wesentlichen Entscheidungen automatisiert sind, welche Daten dafür verwendet werden, welche Ausnahmen aktiv sind und wo sich finanzielle oder kundenbezogene Auswirkungen außerhalb der vereinbarten Grenzen bewegen. Diese Übersicht muss nicht jedes operative Detail enthalten. Sie muss nachweisen, dass die wichtigsten Entscheidungsströme über einen Verantwortlichen, einen Kontrollmechanismus und einen funktionierenden Eskalationsweg verfügen.

Entscheidungsrechte anhand von Auswirkungen und Umkehrbarkeit festlegen

Ein Governance-Rahmen wird praktisch, wenn Teams für jede Entscheidungskategorie wissen, welches Mandat gilt. Vier Fragen sind dabei entscheidend: Welche finanziellen oder kundenbezogenen Auswirkungen können entstehen, wie schnell lässt sich die Entscheidung rückgängig machen, welche sensiblen Daten werden verwendet und in welchem Umfang handelt ein System autonom? Die Kombination bestimmt, ob ein Team eigenständig ausführen darf, eine zusätzliche Validierung benötigt oder vorab die Genehmigung mehrerer Funktionen einholen muss.

Die folgende Tabelle überträgt dieses Prinzip auf häufige Marketingentscheidungen. Die genannten Rollen stellen kein universelles Organigramm dar, sondern eine Mindesttrennung zwischen kommerzieller Verantwortung, unabhängiger Validierung und Eskalation. Organisationen können Funktionsbezeichnungen anpassen, solange verhindert wird, dass dieselbe Partei gleichzeitig Ziel, Nachweis, Ausführung und Endkontrolle beherrscht. So bleibt eine unabhängige Aufsicht bestehen, ohne den Business Owner von seiner Ergebnisverantwortung zu entbinden.

Tabelle 1 – Entscheidungsrechte und Eskalation innerhalb der Marketing-Governance

Eine gute Tabelle allein verändert noch kein Verhalten. Entscheidungsrechte müssen in Workflows, Zugriffsrechten und Genehmigungsschritten verankert sein. Darf ein Mitarbeiter formal keine Preisregel ändern, bietet die Plattform technisch jedoch uneingeschränkten Zugriff, wurde das Governance-Design nicht operationalisiert. Umgekehrt muss ein befugter Verantwortlicher bei einem Vorfall tatsächlich pausieren oder zurückrollen können, ohne zunächst von einem Anbieter oder einer Besprechung abhängig zu sein, die erst Tage später stattfindet.

Auch vorübergehende Ausnahmen müssen derselben Disziplin unterliegen. Eine Abweichung kann aufgrund von Marktdruck, einer Störung oder einer zeitkritischen Chance notwendig sein. Dann müssen Umfang, Enddatum, Verantwortlicher und Behebungsbedingung vorab festgelegt werden. Ausnahmen ohne Ablaufdatum werden unbemerkt zu dauerhaften Arbeitsweisen und bilden häufig die am wenigsten sichtbare Risikoquelle. Eine periodische Überprüfung darf sich daher nicht nur mit neuen Entscheidungen befassen, sondern muss auch alle weiterhin aktiven Ausnahmen beenden, verlängern oder erneut genehmigen.

Data Governance macht Definitionen, Herkunft und Nutzung kontrollierbar

Marketingdaten stammen selten aus einem einzigen System. CRM, Analytics, Werbeplattformen, Transaktionen, Kundenservice und externe Datenquellen liefern jeweils einen Teil des Kundenbildes. Governance beginnt mit der Festlegung, welche Quelle für eine bestimmte Entscheidung maßgeblich ist. Ohne diese Festlegung können Teams denselben Kunden, Umsatz oder Consent unterschiedlich interpretieren und dennoch technisch korrekte Berichte erstellen. Die Diskussion entsteht dann nicht aufgrund fehlender Daten, sondern aufgrund konkurrierender Definitionen.

Ein verwaltetes Metric Dictionary hält für jeden Kernbegriff Definition, Formel, Verantwortlichen, Quelle, Aktualisierungsfrequenz und Gültigkeitsdatum fest. Dies ist besonders wichtig für Begriffe, die direkt mit der Entscheidungsfindung verknüpft sind, etwa Neukunde, Nettoumsatz, Deckungsbeitrag, Retention, Consent-Status und Kundenwert. Änderungen müssen versionierbar sein, damit nachträglich festgestellt werden kann, mit welcher Definition eine Kampagne, ein Modell oder eine Managemententscheidung bewertet wurde.

Data Lineage als Voraussetzung für Rechenschaft

Data Lineage macht sichtbar, wie sich ein Datenelement vom Quellsystem zu einem Segment, Dashboard oder KI-Modell bewegt. Dabei geht es nicht nur um technische Tabellen, sondern auch um Transformationen, Filter und abgeleitete Merkmale. Verwendet ein Modell beispielsweise den Kundenwert, muss klar sein, welche Umsatzkorrekturen, welcher Retentionszeitraum und welche Kostenkomponenten darin enthalten sind. Ohne diese Nachvollziehbarkeit lässt sich ein Ergebnis nicht zuverlässig untersuchen, wenn sich Verhalten, Marge oder Kundenauswirkungen unerwartet verändern.

Die Zugriffskontrolle muss dem Verwendungszweck entsprechen. Mitarbeiter und Anbieter erhalten nicht automatisch Zugriff auf vollständige Kundenprofile, nur weil ein Marketingprozess ein begrenztes Merkmal benötigt. Rollen, Aufbewahrungsfristen und Exportmöglichkeiten werden pro Use Case eingerichtet und periodisch geprüft. Auch abgeleitete Zielgruppen erfordern Aufmerksamkeit: Ein Segment kann durch die Kombination einzeln unproblematischer Merkmale sensibel oder ausschlussanfällig werden.

Data Quality ist schließlich keine allgemeine Kennzahl, sondern eine Vereinbarung pro Entscheidungsprozess. Für sachliche Kundenkommunikation kann Vollständigkeit entscheidend sein; für eine Trendanalyse kann Aktualität stärker gewichtet werden. Der Verantwortliche legt Toleranzen fest und bestimmt das Verhalten bei einer Überschreitung: Warnung, Rückgriff auf einen sicheren Datensatz oder vollständige Aussetzung. So wird Data Quality zu einer funktionierenden Kontrolle statt zu einem Bericht, der erst nach einem Vorfall herangezogen wird.

KI-Governance erfordert Klassifizierung, Aufsicht und einen sicheren Fallback

KI-Anwendungen unterscheiden sich erheblich in ihren Auswirkungen. Ein Assistent, der Varianten interner Kampagnentexte vorschlägt, benötigt ein anderes Kontrollniveau als ein Modell, das eigenständig Zielgruppen ausschließt, Preise beeinflusst oder Budgets verschiebt. Eine Use-Case-Klassifizierung verhindert, dass alle Anwendungen einem einzigen schwerfälligen Prozess unterliegen oder umgekehrt sämtlich wie gewöhnliche Software behandelt werden. Die Klassifizierung kombiniert Autonomie, Skalierung, Datensensibilität, Kundenauswirkungen und die Schwere eines möglichen Fehlers.

Für jeden wesentlichen Use Case muss vorab eine Dokumentation mit Ziel, Verantwortlichem, zulässigen Daten, Evaluierungsmethode, Einschränkungen und Stoppbedingungen vorliegen. Zusätzlich wird festgelegt, welche Entscheidungen das Modell treffen darf und wo eine menschliche Prüfung verpflichtend bleibt. Eine Model Card oder technische Beschreibung allein reicht nicht aus; Entscheidungsträger benötigen auch eine geschäftliche Erläuterung des erwarteten Nutzens, der bekannten Fehlermodi und der Gruppen, die unverhältnismäßig stark betroffen sein könnten.

Ein KI-Modell ist erst dann steuerbar, wenn nicht nur seine Leistung, sondern auch seine Befugnisse und sein Ausfallverhalten festgelegt sind.

Das Monitoring muss daher sowohl technische als auch geschäftliche Signale verfolgen. Neben Genauigkeit und Model Drift sind Veränderungen bei Margen, Reaktionen, Beschwerden, Ausschlüssen, Preisrealisierung und Kundenmix relevant. Eine Schwellenwertüberschreitung führt nicht automatisch zu einem neuen Trainingsdurchlauf; mitunter sind eine Einschränkung, manuelle Prüfung oder vorübergehende Aussetzung die richtige Reaktion. Der Business Owner legt gemeinsam mit der unabhängigen Kontrollfunktion fest, welches Risiko noch akzeptabel ist.

Ein sicherer Fallback ist für Anwendungen verpflichtend, die nicht ohne Folgen ausfallen können. Dies kann ein vorab genehmigtes Regelwerk, ein manueller Prozess oder die letzte zuverlässige Modellversion sein. Die Organisation muss den Fallback regelmäßig testen, da ein theoretisches Rollback wenig Wert hat, wenn Integrationen, Berechtigungen oder Verantwortliche inzwischen geändert wurden. So bleibt die Kontrolle bei Störungen, Anbieterproblemen und unerwartetem Modellverhalten verfügbar.

Auch Änderungen durch Plattformen und Anbieter fallen unter die KI-Governance. Eine Anpassung der Gebotsautomatisierung, Zielgruppenmodellierung oder generativen Funktionalität kann das Verhalten einer bestehenden Kampagne verändern, ohne dass das Unternehmen selbst Code ändert. Das Anbietermanagement muss daher Änderungsmitteilungen, Testnachweise, Zugriffsbeschränkungen, Vorfallvereinbarungen sowie Möglichkeiten zur kontrollierten Deaktivierung von Daten oder Funktionen vorsehen.

Audit Trails, Ausnahmen und Vorfälle machen Governance nachweisbar

Governance ist erst dann nachweisbar, wenn die Organisation rekonstruieren kann, welche Entscheidung von wem, auf Grundlage welcher Informationen und mit welcher Genehmigung getroffen wurde. Ein Audit Trail erfasst nicht jede operative Handlung, dokumentiert jedoch die wesentlichen Entscheidungen und Änderungen. Das gilt auch für automatisierte Systeme: Version, Eingabedaten, Entscheidungsgrenzen und relevante Ergebnisse müssen ausreichend nachvollziehbar sein, um Abweichungen untersuchen zu können.

Ein vollständiger Governance-Nachweis enthält mindestens die folgenden Bestandteile:

• Entscheidungsnachweis: Ziel, Verantwortlicher, Datum, Genehmigende, verwendete Annahmen und beabsichtigtes Ergebnis.
• Kontrollnachweis: durchgeführte Validierungen, Feststellungen, akzeptierte Restrisiken und eventuelle Einschränkungen.
• Änderungshistorie: Anpassungen an Daten, Modellen, Regeln, Zugriffsrechten und Verantwortlichen.
• Vorfallsnachweis: Erkennung, kundenbezogene und finanzielle Auswirkungen, vorübergehende Maßnahme, Ursache und strukturelle Korrektur.

Die Incident Response muss Rollen und Zeitvorgaben vorab enthalten. Das Marketingteam kann ein abweichendes Muster erkennen, benötigt jedoch möglicherweise Finance, um das wirtschaftliche Ausmaß zu bestimmen, IT, um eine Verknüpfung stillzulegen, und Legal, um Kunden- oder Meldefolgen zu bewerten. Ohne vorbereiteten Reaktionsplan geht wertvolle Zeit bei der Klärung von Befugnissen verloren. Nach der Behebung folgt eine Analyse sowohl der technischen Ursache als auch des Governance-Fehlers, der den Vorfall ermöglicht oder zu spät sichtbar gemacht hat.

Das Management-Reporting muss anschließend zwischen Vorfällen, Ausnahmen und strukturellen Defiziten unterscheiden. Ein einmaliger technischer Fehler erfordert eine andere Reaktion als die wiederholte Nutzung vorübergehender Ausnahmen oder eine systematisch umgangene Kontrolle. Indem Muster sichtbar werden, kann die Unternehmensleitung beurteilen, ob zusätzliche Kapazität, ein angepasstes Mandat oder die Beendigung eines Anbietervertrags erforderlich ist. Governance unterstützt damit sowohl Lernen als auch Durchsetzung.

Ein fester Governance-Rhythmus verhindert Besprechungen ohne Entscheidungen

Nicht jedes Governance-Thema gehört in dieselbe Besprechung. Operative Ausnahmen erfordern eine schnelle Bewertung durch die beteiligten Verantwortlichen. Änderungen an Definitionen, Modellen und Datennutzung benötigen eine multidisziplinäre Überprüfung. Strukturelle Risiken, wiederkehrende Vorfälle und Konflikte zwischen kommerziellen Zielen und Kontrollgrenzen gehören auf die Leitungsebene. Indem jedes Thema einem passenden Gremium und Rhythmus zugeordnet wird, bleibt Governance entscheidungsorientiert.

Ein Marketing- und Data-Governance-Forum kann Änderungen, Ausnahmen und Kontrollergebnisse monatlich bewerten. Ein separates KI- oder Model Review behandelt wesentliche Use Cases, Leistung, Drift und Anbieteränderungen. Die Unternehmensleitung erhält vierteljährlich keine Sammlung von Channel Reports, sondern eine Übersicht über Risiken, offene Ausnahmen, Entscheidungen außerhalb des Mandats und Maßnahmen mit wirtschaftlichen oder kundenbezogenen Auswirkungen. Eine zwischenzeitliche Eskalation bleibt möglich, wenn ein Schwellenwert überschritten wird.

Entscheidungsfindung ohne neue Bürokratie dokumentieren

Jedes Gremium verfügt über einen begrenzten Entscheidungskatalog, feste Teilnehmer und einen Verantwortlichen, der Maßnahmen überwacht. Informationen werden vorab in einem Standardformat bereitgestellt: angeforderte Entscheidung, Auswirkungen, Alternativen, Nachweise, Restrisiko und vorgeschlagener Verantwortlicher. Dadurch wird die Besprechung nicht dazu genutzt, ein unvorbereitetes Problem gemeinsam zu erkunden. Das Gremium kann genehmigen, ablehnen, einschränken oder eskalieren und dokumentiert das Ergebnis unmittelbar.

Die Wirksamkeit der Governance lässt sich anhand von Durchlaufzeit, Anzahl abgelaufener Ausnahmen, wiederkehrender Vorfälle, fehlender Verantwortlicher und außerhalb des Mandats getroffener Entscheidungen messen. Eine steigende Anzahl von Kontrollen ist nicht automatisch ein Zeichen von Reife. Ziel ist, dass kritische Entscheidungen nachweisbar innerhalb der Rahmenbedingungen bleiben und Teams schneller wissen, was sie eigenständig tun dürfen. Gute Governance reduziert Unsicherheit vor der Ausführung.

Marketing-Governance implementieren, ohne neue Fragmentierung zu erzeugen

Die Implementierung beginnt mit den zehn bis fünfzehn Entscheidungsströmen mit den größten Auswirkungen auf Gewinn, Daten, KI und Kunden. Nicht alle Prozesse müssen gleichzeitig beschrieben werden. Für jeden ausgewählten Strom wird die vollständige Verantwortungskette eingerichtet, sodass sichtbar wird, wo mehrere Teams dasselbe Mandat beanspruchen oder wo formal niemand verantwortlich ist. Die erste Implementierungsrunde umfasst daher vier zusammenhängende Aufgaben:

• Inventarisieren: wesentliche Entscheidungen, verwendete Systeme, beteiligte Anbieter und mögliche kundenbezogene oder finanzielle Folgen benennen.
• Zuweisen: Business Ownership, unabhängige Validierung, Ausführungsmandat und Eskalation an die Unternehmensleitung getrennt festlegen.
• Verknüpfen: bestehende Security Reviews, Datenschutzprüfungen, finanzielle Autorisierungen und Anbieterkontrollen mit den richtigen Entscheidungsströmen verbinden.
• Operationalisieren: Befugnisse in Zugriffsrechte, Workflows, Stoppmöglichkeiten, Nachweisanforderungen und Ablaufdaten für Ausnahmen übersetzen.

Ein Pilot ist erst dann erfolgreich, wenn eine echte Entscheidung nachweisbar anders und besser getroffen wurde. Erfolgskriterien sind beispielsweise eine rechtzeitig beendete Ausnahme, ein vor dem Rollout eingegrenzter KI-Use-Case, eine Datendefinition, die einen Reporting-Konflikt verhindert, oder ein Vorfall, der innerhalb der vereinbarten Frist gestoppt wird. Allein die Veröffentlichung von Richtlinien, die Schulung von Mitarbeitern oder die Einrichtung eines Gremiums beweist nicht, dass Governance funktioniert.

Nach dem Pilot werden Entscheidungskatalog, Schwellenwerte und Rollen auf andere Marketingbereiche ausgeweitet. Jede Erweiterung nutzt dieselbe Kernstruktur, damit keine neuen Silos für CRM, Media, E-Commerce oder KI entstehen. Lokale Unterschiede bleiben möglich, wenn das Risikoprofil sie rechtfertigt, Ausnahmen werden jedoch explizit dokumentiert. So wächst Governance mit der Organisation, ohne dass jedes Team ein eigenes Kontrollmodell entwickelt.

Das letztendliche Ergebnis ist keine Marketingorganisation, in der jede Entscheidung zentral getroffen wird. Es ist eine Organisation, in der Geschwindigkeit und Kontrolle bewusst verteilt sind. Teams kennen ihren Handlungsspielraum, Unternehmensleitung und Kontrollfunktionen sehen, wo wesentliche Risiken entstehen, und Kunden werden nicht von unsichtbaren Annahmen in Daten oder Algorithmen abhängig. Gewinn, Daten und KI haben dann keine konkurrierenden Verantwortlichen, sondern eine zusammenhängende Verantwortungskette.