Drei Beispiel-Architekturen für agentic Workflows im Marketing

Agentic Workflows sind die Kombination aus Sprachmodell, MCP-Tools, Skills, Browser-Agent und Mensch-im-Loop, ausgespannt zu einem mehrstufigen Ablauf. Sie sind 2026 das, was eine moderne Marketing-Pipeline ausmacht. Diese Seite zeigt drei reale Architekturen, die im DACH-Marketing produktiv laufen. Mit Diagrammen, Tool-Stacks und Quality-Gate-Logik.

Architektur 1: Der Reporting-Agent

Ziel. Monatsreporting für Marketing-Performance, automatisiert bis zum Story-Schritt.

Tool-Stack

• Claude Enterprise (Sprachmodell)
• MCP-Anbindungen: GA4, Meta Ads, Google Ads, HubSpot
• Reporting-Skill (System-Prompt mit Reporting-Workflow)
• Notion-MCP (Speicher- und Story-Schicht)
• Slack-MCP (Kommunikations-Trigger)

Ablauf

1. Trigger: Monatsende, automatisch oder manuell.
2. Reporting-Skill aktiviert sich.
3. Sub-Schritt A: GA4-MCP zieht Performance-Daten.
4. Sub-Schritt B: Meta-Ads-MCP zieht Performance-Daten.
5. Sub-Schritt C: Google-Ads-MCP zieht Performance-Daten.
6. Sub-Schritt D: HubSpot-MCP zieht Lead-Daten.
7. Konsolidierung: Daten werden in strukturierter
   Tabelle zusammengeführt.
8. Anomalie-Erkennung: Auffällige Veränderungen werden
   markiert.
9. Markdown-Zusammenfassung wird generiert.
10. Quality Gate 1: Daten-Plausibilität (Mensch oder
    Auto-Check).
11. Ablage in Notion (mit Versionierung).
12. Slack-Trigger: „Reporting für [Monat] liegt in
    Notion. Story-Schicht für [Verantwortliche].“
13. Mensch übernimmt: Story schreiben, Slide-Polish,
    Versand an Kunde.

Setup-Aufwand. Zwei Wochen Implementierung, verteilt über einen Monat.

ROI. Reporting-Tag halbiert, Quality steigt durch frühere Anomalie-Erkennung.

Quality Gates

• Pre-Generation: Tracking-Status prüfen (sind alle Pixel aktiv?).
• Post-Generation: Daten-Plausibilität (Vergleich gegen Vormonat im Bereich).
• Pre-Story: Mensch validiert Daten vor Story-Schicht.

Architektur 2: Always-on-Caption-Agent

Ziel. Wochentäglich Caption-Drafts für Instagram und LinkedIn, abgestimmt auf Content-Kalender.

Tool-Stack

• Claude Enterprise plus Brand-Skill
• Notion-MCP (Content-Kalender)
• Brand-Asset-Bibliothek (in Notion oder Drive)
• Slack-MCP (Trigger)
• Higgsfield (für eingebettete Visual-Vorschläge, optional)

Ablauf

1. Trigger: täglich, morgens 8:00 Uhr.
2. Brand-Skill liest Content-Kalender für den Tag.
3. Pro geplanten Post:
   - Brief aus Notion lesen.
   - Voice-Sample-Bank konsultieren.
   - Drei Caption-Varianten generieren.
4. Quality Gate 1: Tonalitäts-Check (Anti-AI-Pattern,
   Adjektivketten, Floskel-Liste).
5. Wenn Quality-Gate-Fehler: Neuformulierung mit
   verschärften Hinweisen.
6. Optional: Higgsfield-Visual-Empfehlung anhängen
   (drei Mood-Varianten).
7. Ablage in Notion.
8. Slack: „Drei Drafts für die zwei heutigen Posts.
   Review vor 11 Uhr.“
9. Mensch reviewed, finalisiert, gibt frei.
10. Publishing-Trigger geht an Buffer oder vergleichbares
    Tool (über MCP oder direkte API).

Setup-Aufwand. Drei bis vier Wochen, vor allem für Voice-Sample-Bank und Brand-Skill.

ROI. Caption-Produktion sinkt von zwei Stunden auf 20 Minuten pro Tag.

Quality Gates

• Pre-Generation: Brief-Vollständigkeit prüfen.
• Post-Generation: Tonalitäts- und Anti-AI-Check.
• Pre-Publication: Mensch validiert.

Architektur 3: Wettbewerbsbeobachtung-Agent

Ziel. Wöchentlicher Wettbewerber-Pulse auf LinkedIn, TikTok, Instagram, mit Anomalie-Markierung.

Tool-Stack

• Claude in Chrome (Browser-Agent)
• Claude Enterprise plus Recherche-Skill
• Notion-MCP (Speicher)
• Slack-MCP (Trigger und Notifications)

Ablauf

1. Trigger: wöchentlich, Montag früh.
2. Recherche-Skill aktiviert sich.
3. Browser-Agent öffnet pro Wettbewerber (definierte Liste):
   - LinkedIn-Profil, letzte 7 Tage.
   - Instagram-Profil, letzte 7 Tage.
   - TikTok-Profil, letzte 7 Tage.
4. Erfasst pro Post: Datum, Format, Themen-Cluster,
   Engagement-Range (sichtbar in der UI).
5. Aggregation: pro Wettbewerber Wochen-Pulse erstellen.
6. Cross-Wettbewerb-Vergleich: gibt es Themen-Cluster,
   die mehrere bespielen? Gibt es Anomalien?
7. Quality Gate: Halluzinations-Prüfung (stimmen die
   genannten Posts wirklich? Browser-Agent verifiziert
   stichprobenhaft).
8. Bericht in Notion ablegen.
9. Slack-Trigger: „Wettbewerbsbeobachtung KW [Nr] liegt
   in Notion. Highlights im Channel.“
10. Optional: Highlights als Slack-Thread (3 wichtigste
    Beobachtungen).

Setup-Aufwand. Zwei bis drei Wochen, inkl. Wettbewerber-Liste-Kuratierung.

ROI. Wettbewerbsbeobachtung wird konsistent statt sporadisch. Strategische Reaktionen früher möglich.

Quality Gates

• Pre-Generation: Wettbewerber-Liste aktuell?
• Post-Generation: Halluzinations-Stichprobe.
• Pre-Publication: Mensch reviewt vor Team-Share.

Übergreifende Quality-Gate-Logik

In allen drei Architekturen wiederholt sich ein Pattern: drei bis vier Quality Gates pro Workflow, klar verteilt.

Pre-Generation-Gate. Vor dem ersten Modell-Schritt: Brief, Daten, Liste prüfen.

Post-Generation-Gate. Direkt nach dem Modell-Output: Faktentreue, Tonalität, Format.

Pre-Publication-Gate. Vor dem Schreib- oder Versand-Schritt: Mensch validiert finale Version.

Post-Publication-Gate. Nach dem Live-Gang: Was hat funktioniert, was nicht, Lern-Schleife zurück in den Workflow.

Wann eine agentic Workflow lohnt

Drei Indikatoren.

Indikator 1: Wiederkehr. Der Workflow läuft mindestens einmal pro Woche, häufig öfter.

Indikator 2: Komplexität. Mehrere Tools sind beteiligt, mehrere Schritte aufeinander aufbauend.

Indikator 3: Volumen. Manuelle Durchführung würde signifikant Senior-Profil-Zeit binden.

Wenn zwei der drei Indikatoren zutreffen, lohnt sich ein agentic Workflow. Bei einem allein meistens nicht.

Was nicht in einen agentic Workflow gehört

Vier Stellen.

Stelle 1: Strategische Originalität. Was wirklich neu sein soll, kommt aus Mensch-Sparring.

Stelle 2: Krisen-Statements mit Beziehungsdimension. Agents drafted, Mensch entscheidet und finalisiert.

Stelle 3: Highly Confidential Daten. Was nicht ins Sprachmodell gehört, gehört auch nicht in einen agentic Workflow.

Stelle 4: Live-Schaltungen ohne Mensch-im-Loop. Auch wenn die Versuchung groß ist.

Trade-offs

Take

Agentic Workflows sind 2026 das, was vor zehn Jahren Marketing Automation war. Wer früh aufsetzt und sauber baut, hat einen operativen Vorsprung. Wer wartet, holt das in einem Quartal nicht nach. Die drei gezeigten Architekturen sind nicht die einzigen, aber drei der häufigsten produktiven Setups im DACH-Marketing.

Was offen bleibt

Multi-Agent-Workflows mit mehreren parallel laufenden Agenten, die sich abstimmen, sind 2026 in der Beta-Phase. Erste Setups bei großen Tech-Anbietern, kaum im Marketing-Werktag. Ein Multi-Agent-Standard wird voraussichtlich 2027 etabliert. Wer heute baut, baut ein-agent-pro-Workflow.