Agentic Marketing: wie KI-Agenten mit deinen Google-Daten arbeiten

Im September 2026 suchten in Deutschland laut Google Keyword Planner 480 Menschen nach „Agentic Marketing", ein Jahr zuvor waren es 30. Was ein KI-Agent im Marketing-Alltag konkret tut, bleibt in den meisten Texten dazu trotzdem offen.

Kurz gesagt: Er bekommt ein Ziel statt eines Befehls und arbeitet sich mit echten Daten bis zu einem Vorschlag vor, den du prüfst und freigibst. Hier steht, was das heißt, welche Werkzeuge es dafür gibt – und wie ein Durchlauf mit unseren eigenen Zahlen aussah, samt der Stellen, an denen der Agent danebenlag.

Was ist Agentic Marketing – und was unterscheidet es von Automatisierung?

Die nüchternste Definition kommt nicht aus dem Marketing, sondern von Anthropic, dem Hersteller von Claude. In „Building effective agents" trennt Anthropic zwei Arten von KI-Systemen: Bei Workflows laufen Modell und Werkzeuge über fest vorgegebene Pfade. Bei Agenten steuert das Modell selbst, welche Schritte es geht und welche Werkzeuge es dafür nutzt.

Agentic Marketing ist die zweite Art, angewendet auf Marketing-Arbeit. Du schreibst nicht „Zeig mir die Seiten mit sinkenden Klicks", sondern „Finde heraus, warum dieser Ratgeber kaum Klicks bekommt". Den Weg sucht sich der Agent: Er liest Daten, entscheidet, was er als Nächstes prüft, schlägt etwas vor und schaut nach der Umsetzung, ob es gewirkt hat.

Der Unterschied liegt also nicht darin, wie klug eine Antwort ist, sondern darin, wer den nächsten Schritt bestimmt. Ein Claude-Skill, der jeden Montag denselben Search-Console-Check fährt, ist in Anthropics Sinn ein Workflow: nützlich, aber festgelegt. Wie solche Skills entstehen, steht in Claude SEO Skills erstellen und nutzen.

Bemerkenswert ist Anthropics eigene Empfehlung: zuerst die einfachste Lösung, Agenten nur dort, wo ein fester Ablauf nicht reicht. Ein Gastbeitrag auf Googles Think-Plattform kommt zu einem ähnlichen Schluss: Die Agenten, die heute im Einsatz sind, brauchen laufende menschliche Steuerung. Agentic Marketing heißt also nicht, das Marketing abzugeben.

Welche Werkzeuge und Daten braucht ein Marketing-Agent?

Ein Agent besteht aus zwei Teilen: einem Sprachmodell wie Claude oder ChatGPT und dem Zugriff auf Daten und Aktionen. Ohne Zugriff bleibt er ein Chat-Assistent, der über Marketing redet, statt in deine Konten zu schauen.

Den Zugriff regelt heute meist MCP. MCP (Model Context Protocol) ist laut der Projektseite ein offener Standard, mit dem KI-Anwendungen externe Systeme anbinden – ausführlich erklärt in Was ist ein MCP-Server? Für Marketing-Teams heißt das: Jedes Werkzeug mit eigenem MCP-Server kann ein Agent nutzen, in Claude genauso wie in ChatGPT. Wie das bei ChatGPT geht und welcher Plan es erlaubt, steht in ChatGPT Plugins und MCP.

Welche Werkzeuge es gibt, ordnest du am besten nach der Art der Daten. Die Tabelle nennt Beispiele mit den Angaben der Anbieter, Stand Oktober 2026 – eine Rangliste ist das nicht.

Eigene Daten und Marktdaten ersetzen sich nicht, sie ergänzen sich. Die Search Console zeigt, wo du verlierst. Sistrix oder Semrush zeigen, wer stattdessen gewinnt. Sistrix schreibt sogar selbst, dass sein MCP-Server keine Search-Console-Daten liefert, und rät dafür zu einer direkten Anbindung.

Ich nutze den Sistrix-MCP selbst und finde ihn einfach zu bedienen: Was ich abfrage, kommt so heraus, wie es auch in der Sistrix-Oberfläche steht. Bisher frage ich darüber vor allem die Prompts ab, die Sistrix für KI-Übersichten trackt – angestoßen von einem eigenen Skill, der einen schnellen Check für SEO und die Sichtbarkeit in KI-Antworten fährt. Keywords, Seiten und mehr lassen sich ebenfalls abfragen; das habe ich bisher weniger genutzt.

Wofür setzen Marketing-Teams Agenten heute ein?

Die sinnvollsten Einsätze beginnen mit einem Signal in den Daten, das untergeht, weil niemand jeden Tag in jeden Bericht schaut:

• Suche: Anfragen mit vielen Impressionen, aber kaum Klicks. Der Agent prüft, ob Title, Snippet oder das Suchergebnis selbst der Grund sind (Search Console).
• Budget: Suchbegriffe, die Geld kosten, aber keine Conversion bringen. Der Agent schlägt Ausschlüsse vor (Google Ads).
• Tracking: ein Ereignis, das gestern noch täglich ankam und heute fehlt. Meist steckt eine Änderung am Tracking dahinter, kein echter Einbruch (GA4).
• Tag-Pflege: neue Tags oder Trigger als Entwurf im Workspace. Das Veröffentlichen bleibt beim Menschen (Tag Manager).

Wiederkehrende Prüfungen dieser Art lassen sich als Skill speichern und per Zuruf starten. Der Agent kommt ins Spiel, wenn aus dem Befund eine Entscheidung werden soll: Woran liegt es, was ändern wir, und hat es gewirkt?

Wie sieht ein Agenten-Durchlauf mit echten Daten aus?

Ein Beispiel aus unserem eigenen Betrieb, gefahren am 22. Oktober 2026 in Claude mit den mcpwerk-Connectoren. Der Anlass: Unser Ratgeber Google Ads mit Claude verbinden bekam für seine wichtigste Suchanfrage viele Impressionen, aber keinen einzigen Klick. Der Start-Prompt nennt ein Ziel, die Werkzeuge und drei Grenzen – aber keine Schritte:

Ziel: Mein Ratgeber unter https://mcpwerk.com/ratgeber/google-ads/google-ads-mit-claude-verbinden
soll mehr Klicks aus der Google-Suche bekommen.

Du hast Zugriff auf die Search Console, GA4 und die Websuche. Finde heraus,
woran es liegt, und schlag mir eine konkrete Änderung vor. Sag bei jeder
Zahl, aus welchem Werkzeug sie stammt. In GA4 wertest du nur den Kanal
„Organic Search" aus.

Ändere nichts, bevor ich zustimme.

Die drei Grenzen sind Absicht: Die Quelle je Zahl macht die Antwort prüfbar, der eine GA4-Kanal hält die Auswertung sauber, und ohne Zustimmung ändert sich nichts. Was der Agent daraus gemacht hat:

1. Lesen. Er holte die Suchanfragen der Seite über den Google Search Console MCP, letzte 90 Tage: „google ads mit claude verbinden" brachte 112 Impressionen auf Position 6,3 und keinen Klick. Die fast gleiche Anfrage „claude mit google ads verbinden" kam auf 66 Impressionen, Position 6,8 und 4 Klicks.
2. Einordnen. Per Websuche sah er sich an, wer zu dem Thema sonst Anleitungen anbietet, und verglich den Title der Seite damit.
3. Gegenprüfen. In GA4 wertete er nur die organische Suche aus: 10 Sitzungen, 70 Prozent davon mit Engagement, im Schnitt gut zwei Minuten auf der Seite. Wer kommt, liest also. Es kommen nur zu wenige.
4. Selbst erweitern. Den Keyword Planner nannte der Prompt nicht. Der Agent fragte ihn trotzdem ab, weil der Google-Ads-Connector im Chat ebenfalls verbunden war, und fand so den größeren Begriff „claude google ads" mit 140 Suchen im Monat – für den die Seite fast keine Impressionen hatte.
5. Vorschlagen. Sein Fazit: „Der Hebel ist das Snippet, nicht der Inhalt." Er schlug einen neuen Title und eine neue Description vor, beide mit dem Unterschied zur Konkurrenz weiter vorn, und empfahl, vier Wochen nach der Änderung nachzumessen. Dazu eine vorsichtige Erwartung: Das Volumen sei klein.

Wie du die beiden Datenquellen einzeln verbindest, steht in Search Console mit Claude verbinden und Google Analytics 4 mit Claude verbinden.

Was die Prüfung vor der Freigabe ergab

Vor der Freigabe haben wir jede Aussage gegen ihre Quelle geprüft. Die Zahlen stimmten alle: Search Console, GA4 und Keyword Planner lieferten dieselben Werte. Bei den Schlüssen sah es anders aus:

• Ein veraltetes Argument. Der neue Title sollte „ohne Entwicklertoken" versprechen. Google hat Entwicklertokens für die Google-Ads-API aber am 9. September 2026 abgeschafft, so steht es auf Googles Entwicklerseite. Als Unterschied bleibt „ohne Google-Cloud-Projekt".
• Websuche ist nicht Google. Die Konkurrenz, die der Agent „auf der Seite davor" sah, stammte aus der Websuche in Claude. Im echten Google-Suchergebnis standen andere Seiten, überwiegend deutschsprachige.
• Zu lang und ohne Beleg. Der Title hatte 64 Zeichen und wäre in Google abgeschnitten worden. Die Description versprach eine Einrichtung in einer bestimmten Zahl von Minuten, für die es keinen Beleg gab.

Freigegeben habe ich deshalb eine korrigierte Fassung: „Claude & Google Ads verbinden – ohne Code und Cloud-Projekt". Umgesetzt wird sie wie jede Textänderung bei mcpwerk, von Claude Code auf unserem Server – also wieder von einem Agenten, aber erst nach der Freigabe. Die Prüfung hat nebenbei auch einen Fehler bei uns gefunden: Unser Ratgeber nannte das Entwicklertoken noch als Hürde des Selbstbaus. Das haben wir mit derselben Änderung korrigiert. Ob der neue Title wirkt, messen wir vier Wochen nach der Änderung; das Ergebnis tragen wir hier nach.

Die Arbeitsteilung, die sich daraus ergibt: Der Agent sammelt, verknüpft und schlägt vor. Der Mensch prüft und entscheidet. Erst beides zusammen ist Agentic Marketing.

Wer behält die Kontrolle, wenn ein Agent handelt?

Lesen ist harmlos, handeln nicht. Sobald ein Agent Gebote ändert, Ausschlüsse einträgt oder Kampagnen anlegt, geht es um Geld. Drei Ebenen sorgen dafür, dass das nur passiert, wenn du es willst.

1. Der Standard empfiehlt die Freigabe. Die MCP-Spezifikation sagt, dass immer ein Mensch in der Schleife sein sollte, der Werkzeugaufrufe ablehnen kann. Ehrlich dazu: Das ist eine Empfehlung an die Anwendung. Erzwingen kann das Protokoll es nicht.

2. Die Anwendung fragt nach. Claude bittet vor Werkzeugaufrufen um Erlaubnis. Anthropic rät in der Claude-Hilfe zu Connectors, „Allow always" nur bei Werkzeugen zu wählen, denen du unbeaufsichtigt vertraust. Wie oft Claude fragt, hängt auch vom Server ab: Als lesend gekennzeichnete Werkzeuge laufen laut Anthropics Connector-Richtlinien ohne Einzelbestätigung, als zerstörend gekennzeichnete fragen immer nach. Im Recherche-Modus ruft Claude Werkzeuge ohne weitere Freigabe auf.

3. Der Server lässt nur zu, was du freigeschaltet hast. Das ist die harte Grenze. Der Google-Ads-MCP von mcpwerk hat drei getrennte Stufen: Analyse, Kampagnen bearbeiten, Kampagnen erstellen. Ohne die passende Stufe sind schreibende Befehle blockiert und im Chat gar nicht sichtbar. Die Stufen im Detail stehen in Google Ads mit Claude verbinden, alle Befehle in der Befehlsübersicht.

Ein Beispiel ohne Zahlen: Der Agent findet Suchbegriffe, die Geld kosten, aber keine Conversion bringen, und schlägt Ausschlüsse vor. Eintragen kann er sie nur mit der Stufe „Kampagnen bearbeiten" – und sinnvollerweise erst nach deinem „Ja". Ohne diese Stufe gibt es den Befehl für ihn nicht.

Unser Durchlauf zeigt die Kehrseite: Ein Agent nutzt, was er erreichen kann. Er hat den Keyword Planner abgefragt, weil der Ads-Connector verbunden war. Das war harmlos, weil er nur gelesen hat. Wer nicht will, dass ein Agent ein Konto überhaupt anfasst, nimmt den Connector aus dem Chat oder gibt nur die Lese-Stufe frei. Auch Google baut seine eigenen Agenten so: Ask Advisor in Google Ads fragt laut Google vor Änderungen am Konto um Freigabe.

Welche Risiken darüber hinaus bestehen, etwa manipulierte Eingaben, steht in Sind MCP-Server sicher?

Woran scheitert Agentic Marketing – und wie fängst du an?

Die häufigsten Gründe liegen nicht im Modell, sondern drumherum:

• Falsche Schlüsse aus richtigen Zahlen: Unser Durchlauf hatte korrekte Zahlen und trotzdem ein veraltetes Argument. Auch mit Datenzugriff kann ein Modell Werte falsch zuordnen oder Lücken mit Annahmen füllen. Lass dir zu jeder Zahl die Quelle nennen und prüf die Schlüsse, bevor du freigibst.
• Schlechte Daten bleiben schlechte Daten: Fehlt ein Tracking-Ereignis, rechnet auch der beste Agent mit falschen Conversions.
• Unklare Ziele: „Mach das Marketing besser" ist kein Ziel. „Mehr Klicks aus der Suche für diese Seite" ist eins.
• Kontingente: Google begrenzt, wie viele Abfragen die Schnittstellen in einer bestimmten Zeit annehmen. Große Auswertungen über viele Konten laufen deshalb nicht beliebig schnell.
• Datenweg: Kläre, wo deine Daten durchlaufen. Bei mcpwerk werden sie auf unserem Server in Nürnberg durchgeleitet und nicht gespeichert; Details stehen unter Sicherheit.

So fängst du an: