KI-Trends fürs Marketing | November 2026

KI-Assistenten werden für einen Teil der Verbraucher zu einem zusätzlichen Recherchekanal. Kantars Media Reactions 2026 beziffert den Anteil der Befragten, die dort Marken oder Produkte suchen, auf 32 %. Beim Vertrauen bleibt Abstand: Nur 23 % vertrauen den Empfehlungen. Sichtbarkeit in einer KI-Antwort sagt deshalb noch nicht, ob sie eine Kaufentscheidung verbessert.

Kantar zeigt zugleich eine interne Hürde. Nur 51 % der Werbetreibenden sagen, dass sie aus ihren Daten umsetzbare Erkenntnisse gewinnen. Ein HORIZONT-Gespräch mit HubSpots Deutschlandchef beschreibt, warum KI ohne passenden Kontext ins Leere läuft. Daraus folgen zwei Aufgaben für Marketingteams: verstehen, wo Kundinnen und Kunden Antworten suchen, und messen, ob der Kontakt zusätzliche Nachfrage schafft.

Beim Kauf ist die KI-Frage oft konkreter als „Welche Marke soll ich wählen?“. Ein Interessent hat schon ein Produkt im Blick, möchte aber noch eine Funktion, den Lieferumfang oder die Kompatibilität klären. Attests Bericht zu 60 KI-moderierten Interviews beschreibt solche Situationen: Die Gespräche machen sichtbar, an welcher offenen Frage eine Kaufentscheidung stockt. Als Anbieterforschung liefert die Untersuchung Beispiele und Erklärungen, aber keine repräsentative Aussage über alle Käuferinnen und Käufer.

Für den DACH-Markt ergänzt HORIZONT eine YouGov-Umfrage zur KI-Nutzung bei der Black-Friday-Suche. Attest macht die offene Produktfrage im Einzelfall nachvollziehbar; HORIZONT ordnet KI in der aktuellen Black-Friday-Schnäppchensuche ein. Beides spricht dafür, dass KI kurz vor dem Kauf als Recherche- und Vergleichshilfe dienen kann. Sie belegen nicht, dass Kundinnen und Kunden ihre Entscheidung an einen Assistenten abgeben. Für Händler zählt vielmehr, ob Produktseiten die Fragen beantworten, die in diesem Moment noch offen sind. Das ist besonders relevant bei Angeboten mit mehreren Varianten oder klaren Einsatzbedingungen: Eine offene Frage kann den Abschluss trotz hoher Kaufabsicht verzögern.

Google stellte Nano Banana 2.1 am 6. Oktober vor. Das Modell ist über die Gemini-App und Google Ads verfügbar; The Decoder berichtet, dass ein Bild in 1K-Auflösung über die Programmierschnittstelle (API) etwa halb so viel koste wie beim Vorgänger. Sinkende Bildkosten verändern den Testaufwand: Ein kleines Team kann mehr Motive oder Produktvarianten vergleichen, bevor es Budget in eine größere Produktion steckt. Ein Händler könnte dasselbe Produkt in drei saisonalen Bildwelten testen; Verpackung und sichtbare Produktdetails müssten dabei konstant bleiben.

Die Model Card von Google DeepMind nennt verbesserte Fähigkeiten bei Textdarstellung und Produktkonsistenz. Sie listet aber auch Grenzen: Kleinschrift kann verschwimmen, Figuren bleiben nicht immer konsistent, und Bildmodelle können Details erfinden. Das ist für Anzeigen und Produktbilder relevant, weil eine falsche Verpackung oder ein unlesbares Etikett schnell Vertrauen kostet. Niedrigere Kosten erleichtern das Ausprobieren. Die Qualitätsprüfung bleibt trotzdem nötig.

Die VGH nutzt KI-Figuren in einer sechsteiligen Serie zur Kfz-Versicherung. Durch ihre Wiederkehr verbinden die Charaktere mehrere Episoden zu einer Markengeschichte. So wird die Figur vom einzelnen Spotmotiv zum wiederkehrenden Erzählmittel. Gerade bei erklärungsbedürftigen Produkten kann eine Figur eine konkrete Kundenfrage über mehrere Folgen hinweg verständlich machen. Der Fall zeigt ein kreatives Potenzial, belegt aber weder eine breite Nutzung noch einen Verkaufseffekt.

Eine internationale Befragung von Dentsu liefert dazu den Branchenblick. Der im Oktober veröffentlichte CMO-Report umfasst 1.950 Marketingleitende aus 14 Märkten. 78 % sehen das Risiko, dass die Ausrichtung auf Algorithmen Marken ähnlicher macht. Die Zahl bewertet nicht die VGH-Kampagne. Sie unterstreicht vielmehr, dass eine KI-Figur allein noch kein Markenzeichen ist: Stimme und Geschichte müssen zur Marke passen und erkennbar bleiben.

Otto hat Teile seines Onlineshops mit ChatGPT verbunden. Kundinnen und Kunden können sich dort zu Produkten beraten lassen. Parallel dazu arbeiten Meta, Walmart und weitere Unternehmen an gemeinsamen Regeln, mit denen Firmen persönliche KI-Agenten erkennen und Zugriffe steuern können. Die beiden Entwicklungen lösen unterschiedliche Probleme: Otto schafft einen Zugang zum Sortiment aus dem Dialog heraus; die Initiative um Agenten soll Unternehmen Klarheit darüber geben, wer auf ihre Systeme zugreift.

Beide Schritte stehen noch am Anfang. Noch ist kein branchenweiter Standard erkennbar. Auch der Chat-Zugang zum Sortiment bedeutet nicht, dass der Assistent den Kauf vollständig abwickelt. Für kleinere Händler ist die Datenbasis deshalb der greifbare Ansatzpunkt: Findet der Assistent klare Angaben zu Varianten, Preisen, Verfügbarkeit, Versand und Rückgabe? Fehlen Angaben oder widersprechen sie sich, kann die Empfehlung den Kunden nicht weiterführen. Sauber gepflegte Produktmerkmale und aktuelle Bestände bilden deshalb die Grundlage für spätere Zugänge.

KI-Kompetenz taucht zunehmend als Anforderung in Stellenanzeigen auf. MKT1 wertete mehr als 1.100 Ausschreibungen bei US-amerikanischen B2B-Start-ups aus; in 47 % wurde die Fähigkeit genannt, KI einzusetzen. Das ist keine Quote zur tatsächlichen Nutzung in Marketingteams und lässt sich nicht auf den DACH-Arbeitsmarkt übertragen. Es zeigt, dass Arbeitgeber die Fähigkeit in bestimmten Rollen ausdrücklich benennen. Die Zahl beschreibt damit einen Erwartungshorizont, keinen Fähigkeitsstand des vorhandenen Personals.

Ein anderes Signal kommt aus dem DACH-Raum: Die OWM brachte ihre KI-Akademie nach acht Wochen Vorbereitung an den Start. Eine Branchenakademie kann gemeinsame Grundlagen und Austausch schaffen, während Stellenanzeigen zeigen, welche Fähigkeiten Unternehmen suchen. Zusammen führen die Beispiele zu einer nützlichen Frage für KMU: Reicht individuelles Promptwissen aus, oder braucht Ihr Team feste Arbeitsweisen, die Wissen, Prüfung und Zuständigkeiten festhalten?

OpenAI kündigte am 5. Oktober an, in den folgenden Wochen ausgewählte ChatGPT- und Codex-Ausgaben in der EU mit unsichtbaren Text-Wasserzeichen zu versehen. Unternehmen können die Funktion für ausgewählte Modelle weltweit freiwillig aktivieren. Das Signal beruht laut OpenAI auf statistischen Mustern in der Wortwahl. Der Anbieter nennt klare Grenzen: Kurze oder bearbeitete Texte lassen sich schwerer erkennen; ein fehlendes Wasserzeichen beweist keine menschliche Urheberschaft. Es sagt auch nichts über die Richtigkeit eines Textes oder den Anteil menschlicher Arbeit aus.

TechCrunch berichtete ebenfalls über die Ankündigung und stützte sich dabei auf dieselbe OpenAI-Mitteilung. Eine unabhängige Prüfung der Erkennungsleistung ist das nicht. Eine HWR-Berlin-Untersuchung, über die HORIZONT am 20. Oktober berichtete, betrachtet dagegen die Wirkung sichtbarer KI-Kennzeichnungen auf Marken. Das sind zwei verschiedene Fragen: technische Herkunftssignale im Text und die Reaktion von Kundinnen und Kunden auf einen sichtbaren Hinweis.