ChatGPT Ads und die Teamstruktur der Agentur der Zukunft

Die wichtigsten Erkenntnisse

• ChatGPT Ads erscheinen mitten in einem Gespräch, nicht neben einer Ergebnisseite und nicht in einem Feed. Das verändert, was Intent, Kreation und Conversion für das Team bedeuten, das sie betreibt.
• ChatGPT Ads als weitere Aufgabe an ein bestehendes PPC-Team zu geben, wird voraussichtlich nicht funktionieren. Die Fläche reicht von Intent-Recherche über Creative-Systeme und Conversion-Erlebnis bis zu Data Engineering und zunehmend auch zum Design von Agenten.
• Das kanalbasierte Organigramm einer Agentur (SEO, Paid Search, Paid Social, Programmatic, Kreation, Analytics) passt nicht dazu, wie dialogbasierte Werbung tatsächlich funktioniert.
• Eine Struktur nach Fähigkeiten, aufgebaut um Intelligence, Strategie, Erlebnis, Distribution, Messung und Optimierung, passt besser zu KI-nativer Werbung als eine Struktur nach Kanälen.
• Bestehende Agenturrollen verschwinden nicht. Sie wachsen zusammen und werden zu breiteren, stärker funktionsübergreifenden Versionen ihrer selbst.

Zusammenfassung für die Geschäftsleitung

Immer wenn eine neue Werbefläche aufgetaucht ist, haben Marketingorganisationen gleich reagiert: Sie haben eine Abteilung gegründet. Google Ads brachte Teams für Suchmaschinenwerbung hervor, Meta die Paid-Social-Teams, der programmatische Einkauf spezialisierte Media-Desks rund um Auktionen und Echtzeitgebote.

Bei ChatGPT Ads und der ganzen Kategorie der Werbung in dialogbasierten KI-Produkten könnte dieses Muster nicht mehr greifen. Nicht, weil sich die Grundlogik geändert hätte, Aufmerksamkeit zu kaufen und in Umsatz zu verwandeln. Sondern weil sich die Fläche selbst anders verhält als alles, was vorher kam.

Eine Suchergebnisseite ist eine Liste. Ein Social-Feed ist ein Strom. Ein Gespräch ist keines von beiden. Es ist ein fortlaufender Austausch, in dem Nutzerinnen und Nutzer ein Anliegen formulieren, es präzisieren, Rückfragen stellen und erwarten, dass sich ein stimmiger roter Faden durch die gesamte Interaktion zieht. Werbung, die in diesem Austausch stattfindet, muss weniger wie eine Platzierung wirken und mehr wie ein wirklich relevanter Beitrag zum Gespräch selbst.

Deshalb halten wir es für falsch, ChatGPT Ads als weiteren Posten an eine bestehende Paid-Media-Abteilung anzuhängen. Die Chance berührt zunehmend dialogbasierten Intent, kontextuelles Matching, kreative Varianten, Conversion-Optimierung, Mess-Infrastruktur, programmatisches Kampagnenmanagement und frühe Formen agentengestützten Handels, oft innerhalb derselben Interaktion. Nur wenige bestehende Teamstrukturen sind darauf ausgelegt, sich über all diese Disziplinen gleichzeitig flüssig zu bewegen.

Dieser Leitfaden zeigt, was sich tatsächlich ändert, wenn Werbung in eine Dialogoberfläche wandert, warum das klassische Agentur-Organigramm unter diesem Wandel ins Wanken gerät und wie eine praxistaugliche, funktionsübergreifende Teamstruktur für ChatGPT Ads und KI-native Werbung insgesamt aussehen kann.

Was ChatGPT Ads tatsächlich verändern

Bevor es um Organisationsdesign geht, lohnt ein genauer Blick darauf, was sich mechanisch ändert, wenn Werbung in einer Chat-Oberfläche stattfindet statt neben einer Ergebnisseite.

Ausgangspunkt ist der Intent. Klassisches Keyword-Targeting schließt aus den Wörtern im Suchfeld auf den Wunsch, oft nur zwei oder drei Wörter mit viel Interpretationsspielraum. Eine Dialogoberfläche hat Zugriff auf deutlich mehr: das ausgesprochene Ziel selbst, den bereits geteilten Kontext und die Rückfragen, die zeigen, was die Person noch wissen muss, bevor sie sich entscheidet.

Auch das Audience-Targeting verschiebt sich in diese Richtung: weg von einem Segment, das über Demografie oder bisheriges Verhalten definiert ist, hin zum Gesprächskontext einer einzelnen Sitzung. Werbemittel konkurrieren nicht mehr in einem Feed um Aufmerksamkeit. Sie funktionieren eher wie eine kontextbezogene Antwort, die sich wie eine nützliche Auskunft anfühlen muss und nicht wie eine Unterbrechung.

Landingpages müssen künftig womöglich die dialogische Fortsetzung der Interaktion tragen, statt jedem Besucher dieselbe generische Seite zu zeigen. Und das Kampagnenmanagement wirkt weniger wie eine Sammlung manuell gesetzter Einstellungen, sondern eher wie ein KI-gestütztes Betriebssystem, das Gebote, Werbemittelauswahl und Targeting anhand von Signalen in Echtzeit anpasst.

Darunter liegt ein breiteres Set an Mechaniken, die jedes Team in diesem Feld früher oder später verstehen muss:

• Dialogkontext und Intent-Signale, mit denen sich mitten im Gespräch erkennen lässt, was ein Nutzer tatsächlich will.
• Context Hints, die bestimmen, wann und wie eine Anzeige überhaupt ausgespielt werden darf.
• Landingpages und Werbemittel der Werbungtreibenden, aufgebaut für eine dialogische Übergabe.
• Abrechnung nach Cost-per-Click und nach Impressionen.
• Conversion-Optimierung und Conversion-APIs, die ein Ereignis im Gespräch mit dem verbinden, was danach geschieht.
• Advertiser-APIs, über die sich Kampagnen programmatisch anlegen und steuern lassen.
• Kampagnenautomatisierung und zunehmend Sponsored Agents.
• CRM- und E-Commerce-Integrationen, die den Kreis zurück zum Umsatz schließen.

Das Werbesystem umfasst zunehmend die gesamte Reise, vom Moment, in dem ein Intent erkannt wird, bis zur Infrastruktur, die eine Conversion erfasst. Diese Bandbreite an Verantwortung einer einzelnen Spezialistin oder einem Spezialisten zu überlassen, die oder der bisher Keyword-Gebote und Cost per Acquisition verwaltet hat, ist viel verlangt. ChatGPT Ads als zusätzliche Aufgabe an das bestehende PPC-Team zu hängen, wird die Chance vermutlich nicht ausschöpfen. Nicht, weil den Beteiligten die Fähigkeiten fehlen, sondern weil der Umfang der Arbeit über das hinausgewachsen ist, wofür eine einzelne Rolle je gedacht war.

Warum das klassische Agentur-Organigramm ins Wanken gerät

Die meisten Agenturen und die meisten internen Marketingteams sind noch immer nach Kanälen organisiert. SEO sitzt in der einen Gruppe, Paid Search in einer anderen. Paid Social, Programmatic, Content, Analytics und Kreation haben jeweils eigene Berichtslinien und eigene Kundengespräche.

Diese Struktur ergab Sinn, solange jeder Kanal sein eigenes Toolset, seinen eigenen Einkaufsmechanismus und kaum Überschneidungen bei den nötigen Fähigkeiten hatte. Dialogbasierte Werbung hält sich nicht an diese Grenzen.

Ob eine Anzeige in einem bestimmten Gespräch überhaupt ausgespielt werden sollte, kann mehrere Eingangsgrößen zugleich erfordern:

• Search-Query-Intelligence und Kundenforschung.
• Produktpositionierung und ein semantisches beziehungsweise entitätsbasiertes Verständnis der Marke.
• Paid-Media-Know-how zur Auktionsdynamik.
• CRM-Daten darüber, wer sich bereits engagiert hat.
• Conversion-Daten dazu, was bisher tatsächlich funktioniert hat.

Auch der Aufbau des Erlebnisses selbst verlangt ein ebenso breites Spektrum an Fähigkeiten:

• Texte und Bildwelten.
• Landingpage-Design und Produktfeed-Management.
• Tracking-Implementierung und API-Integration.
• Zunehmend das Design eines echten dialogbasierten Agentenerlebnisses.

Ein strikt nach Kanälen organisiertes Team wird feststellen, dass fast jede wesentliche Entscheidung zu einer ChatGPT-Ads-Kampagne Beiträge von Menschen erfordert, die nicht an dieselbe Führungskraft berichten und womöglich noch nie zusammengearbeitet haben. Die Abteilungsgrenzen, die einst nützliche Spezialisierung ermöglichten, wirken dann nur noch als Reibung.

Von Kanalteams zu Fähigkeitsteams

Das Organisationsprinzip, das Marketingteams unserer Ansicht nach besser dient: nicht mehr primär nach einzelnen Plattformen strukturieren (Google, Meta, SEO, Display), sondern nach den Fähigkeiten, die KI-native Werbung tatsächlich braucht: Intelligence, Strategie, Erlebnis, Distribution, Messung und Optimierung.

Das ist keine Umetikettierung. Es verändert, wie Arbeit geplant und besetzt wird. Statt dass ein Paid-Social-Team und ein Paid-Search-Team jeweils für sich entscheiden, wie sie einen Launch angehen, sammelt und deutet eine Intelligence-Funktion die Nachfragesignale über alle Kanäle hinweg. Eine Strategiefunktion entscheidet, wo und wie um diese Nachfrage konkurriert wird.

Eine Erlebnisfunktion baut das, was Kundinnen und Kunden tatsächlich sehen und womit sie interagieren. Eine Distributionsfunktion kümmert sich darum, dieses Erlebnis über die jeweils sinnvollen Kanäle zu den richtigen Menschen zu bringen. Eine Messfunktion erfasst, was passiert ist, und eine Optimierungsfunktion speist das Gelernte in den nächsten Zyklus ein.

Kanäle werden zum Ergebnis dieses Systems. Sie sind nicht mehr sein Organisationsprinzip.

Der ChatGPT-Ads-Pod: eine praxistaugliche Teamstruktur

Statt es bei einem abstrakten Prinzip zu belassen, hilft die Beschreibung eines funktionierenden Teams nach dieser Logik. Wir denken dabei an einen Pod: eine kleine, funktionsübergreifende Gruppe, die gemeinsam ein kommerzielles Ergebnis verantwortet, statt einer Kette von Spezialisten, die sich Arbeit gegenseitig zuschieben.

Nicht jede Organisation braucht acht eigene Personen. Kleinere Teams bündeln mehrere dieser Verantwortlichkeiten in weniger Rollen. Die Fähigkeiten ausdrücklich zu benennen, statt sie in einer überladenen PPC-Rolle zu verstecken, erleichtert es, gezielt zu besetzen und Lücken zu bemerken, bevor sie zum Problem werden.

KI-generiert Bild

Der ChatGPT-Ads-Pod

Als Pod arbeiten statt in einer Übergabekette

Der klassische Agentur-Workflow läuft ziemlich linear: Die Strategie übergibt an Media, Media übergibt an die Kreation, die Ergebnisse werden analysiert, und irgendwann geht ein Bericht an den Kunden. An jeder Übergabe geht Kontext verloren, und Entscheidungen treffen Menschen, die nicht dabei waren, als der ursprüngliche Intent festgelegt wurde.

Das hier beschriebene Modell geht stattdessen von einer gemeinsamen Intelligence-Ebene aus, aus der sich alle Funktionen speisen. Sie versorgt einen wirklich funktionsübergreifenden Pod, in dem Strategie, Media, Kreation, Daten und Engineering dasselbe Problem gleichzeitig bearbeiten statt nacheinander, und es behandelt Experimente als Daueraufgabe statt als etwas, das am Ende eines Kampagnenzyklus stattfindet.

Dieselbe Gruppe arbeitet gemeinsam auf ein kommerzielles Ergebnis hin. Das führt meist zu schnelleren Iterationen und zu weniger Momenten, in denen wichtiger Kunden- oder Performance-Kontext die Person nicht erreicht, die ihn gebraucht hätte.

Das neue Betriebssystem der Agentur

Aus der Vogelperspektive auf die Teamstruktur lohnt der Blick auf das übergeordnete Betriebssystem, in dem ein ChatGPT-Ads-Pod arbeiten muss. Wir gliedern es in sechs verbundene Ebenen.

Ebene 1, Customer Intelligence. Speist sich aus CRM-Daten, Notizen aus Vertriebsgesprächen, Support-Tickets, der Search Console, Paid-Search-Suchanfragen, Onsite-Suchverhalten, Produkt-Analytics und Marktforschung.

Ebene 2, Intent Intelligence. Übersetzt diese Rohsignale in Probleme, Anwendungsfälle, Entscheidungen, Vergleichssituationen, Einwände und Kaufphase.

Ebene 3, Knowledge Infrastructure. Bündelt Produktinformationen, aktuelle Preise, freigegebene Positionierungssprache, Kundenbelege, FAQs, Compliance-Regeln und Markenrichtlinien, sodass jeder Kanal aus derselben verlässlichen Quelle schöpft.

Ebene 4, Aktivierung. Spielt diese Intelligence über ChatGPT Ads, Google Ads, Meta, organische Suche, weitere Maßnahmen zur KI-Sichtbarkeit, E-Mail, CRM-Ansprache und Agentenerlebnisse aus.

Ebene 5, Messung. Fungiert als zentrale Conversion-Architektur statt als Sammlung getrennter Kanal-Dashboards.

Ebene 6, Lernen. Führt die Erkenntnisse aller Kampagnen zurück in die Intelligence-Ebene, sodass das System mit der Zeit klüger wird, statt dass jede Kampagne bei null beginnt.

KI-generiert Bild

Das neue Betriebssystem der Agentur

Warum Paid Media und SEO nicht in getrennten Abteilungen sitzen sollten

Eines der stärksten Argumente für eine Neuordnung nach Fähigkeiten zeigt sich, wenn man betrachtet, was SEO und bezahlte Werbung eigentlich erreichen wollen. Beide Disziplinen beantworten im Kern dieselbe Frage: Was will diese Person, und welche Information oder welches Angebot erfüllt dieses Bedürfnis am besten?

SEO nähert sich dieser Frage über Query Intelligence, Entitätsverständnis, Content, Relevanz der Landingpage und Informationsarchitektur. Paid Media nähert sich ihr über Auktionsdaten, Kreativtests, Conversion-Feedback und einen direkten Blick auf kommerziellen Intent. Die Arbeit an der KI-Sichtbarkeit, also die Beobachtung, wie eine Marke in den Fragen an KI-Systeme auftaucht und welche Quellen diese Systeme zitieren, liefert einen weiteren Blickwinkel auf dieselbe Grundfrage.

Bleiben das getrennte Forschungssilos, beantwortet jedes Team eine Variante derselben Frage mit nur einem Teil der verfügbaren Belege. Wer sie in einer gemeinsamen Funktion für Search und KI-Intelligence zusammenführt, statt ein abgeschottetes SEO-Team neben ein abgeschottetes PPC-Team zu stellen, erhält ein vollständigeres, konsistenteres Bild davon, was Kundinnen und Kunden wollen, und kann auf jeder Fläche, auf der sich diese Nachfrage zeigt, einheitlich handeln. Unsere eigene Arbeit im Bereich Search Intelligence folgt genau dieser Logik.

Kreativproduktion wird zum System

Der alte Kreativ-Workflow war ziemlich linear: Ein Kampagnenbriefing geht an Design und Text, die eine Reihe von Werbemitteln für genau diese Kampagne produzieren. Das Modell passte, solange jedes Asset teuer und langsam in der Herstellung war und kaum Varianten getestet werden konnten.

KI hat die Wirtschaftlichkeit der Variantenproduktion verändert. Knapp ist nicht mehr die Fähigkeit, noch eine Headline zu schreiben oder noch ein Bild zu erzeugen. Knapp sind jetzt Positionierungsurteil, Originalität, Markenkonsistenz und die Governance darüber, was freigegeben wird.

Die wichtigste Arbeit verlagert sich nach vorn: in die Entscheidung, was die Marke glaubwürdig sagen sollte, und in die Disziplin, dabei zu bleiben. Sie liegt nicht mehr in der Produktion einzelner Assets, eines nach dem anderen.

Altes und neues Modell der Kreativproduktion

Die Landingpage gehört zum ChatGPT-Ads-System

Landingpages gelten häufig als Web-Produktionsleistung, die an ein anderes Team übergeben wird, sobald der Mediaplan steht. Wir halten diese Trennung im Kontext dialogbasierter Werbung für nicht zielführend.

Die folgenden Punkte gehören zum Kern des Werbesystems und sind keine nachgelagerten Themen eines anderen Teams mit anderen Prioritäten:

• Semantische Relevanz zum Gespräch, das jemanden auf die Seite geführt hat.
• Klare, korrekte Produktinformationen und gut strukturierter Content.
• Seitengeschwindigkeit und bewusste Entscheidungen zum Crawler-Zugriff.
• Übereinstimmung zwischen dem Versprechen der Anzeige und dem, was die Seite hält.
• Ein wirklich gut gestaltetes Conversion-Erlebnis.
• Kontinuität zum Gesprächskontext, der die Besucherin oder den Besucher dorthin gebracht hat.

SEO, Conversion-Optimierung, Content und Paid Media müssen gemeinsam auf dasselbe Zielerlebnis schauen und dürfen nicht erst im Nachhinein darüber verhandeln.

Messung muss über das Media-Dashboard hinausgehen

Ein Media-Dashboard, das nur Impressionen, Klicks und Cost per Click zeigt, reicht nicht aus, wenn der Weg von der Anzeige zum Umsatz über mehrere weitere Schritte führt: Kontakt mit der Anzeige, Klick, Verhalten auf der Website, Conversion, Eintrag im CRM und schließlich Umsatzrealisierung.

Für einen klaren Blick auf den gesamten Pfad braucht es eine vernetzte Infrastruktur: Tracking-Pixel, Conversion-APIs, ein CRM, das mit dem Rest des Stacks spricht, eine Analytics-Plattform, womöglich ein Data Warehouse und eine Attributionsebene, die die ganze Reise einordnen kann und nicht nur den ersten oder letzten Kontakt.

Wird das Kampagnenmanagement programmierbarer, gesteuert über APIs statt über manuelle Dashboard-Anpassungen, müssen Reporting und Optimierung Teil derselben einheitlichen Datenebene werden. Sie dürfen nicht in einem separaten Reporting-Tool⁠EN (auf Englisch) leben, das einmal pro Woche angesehen wird.

Was mit den bestehenden Agenturrollen passiert

Bei einem solchen Wandel liegt die Sorge nahe, es handle sich um eine Liste wegfallender Stellen. Wir halten das für die falsche Lesart. Treffender ist von Konvergenz und Erweiterung zu sprechen, nicht von Verschwinden.

In jedem Fall bleibt die zugrunde liegende Expertise wertvoll. Was sich ändert, ist der Umfang dessen, worauf sie angewendet wird, und wie eng sie sich mit angrenzenden Disziplinen verzahnen muss, die früher in getrennten Abteilungen saßen.

Wie die Agentur des Jahres 2030 aussehen könnte

Setzt sich dieser Kurs fort, wird die Agenturstruktur der kommenden Jahre nach unserer Einschätzung deutlich anders aussehen als das heutige Kanal-Organigramm.

Ein Client Growth Partner steht an der Spitze der Kundenbeziehung, unterstützt von einem AI Growth Pod, in dem Strategie, Intelligence, Media, Kreation, Erlebnis, Daten und Engineering gemeinsam statt nacheinander arbeiten. Dieser Pod greift auf zentrale KI-Infrastruktur, Governance-Rahmenwerke, gemeinsame Wissenssysteme, Automatisierung und Forschungskapazität zurück, die nicht für jedes Kundenprojekt neu aufgebaut werden müssen.

Das Ergebnis ist eine Organisation mit deutlich weniger Kanalsilos und deutlich mehr wiederverwendbaren Systemen. Der Wert einer Agentur entsteht dann aus der Stärke ihrer Infrastruktur und ihres Urteilsvermögens und nicht aus der Größe ihrer Umsetzungsmannschaft.

Ein einfaches Reifegradmodell hilft, den eigenen Standort zu bestimmen. Es umfasst sechs Stufen, von „Experimental“ über „Integrated“, „Cross-functional“, „Systemized“ und „Automated“ bis „Adaptive“.

Reifegradmodell der Agentur

Auch die Wirtschaftlichkeit des Agenturmodells verändert sich

KI senkt die Kosten für Reporting, Kampagnenaufbau, Produktion kreativer Varianten, Recherche, Analyse, Qualitätssicherung und einen guten Teil der Routine-Optimierung. Das hat direkte Folgen dafür, wie Agenturen ihre Honorare begründen.

Ein Modell, das im Kern auf Stunden und Umsetzungsvolumen beruht, lässt sich schwerer verteidigen, wenn ein wesentlicher Teil dieser Umsetzung mit KI schneller und günstiger geht. Knapp bleibt, und bezahlt wird künftig, was auf eigener Intelligence, strategischem Urteilsvermögen, Systemarchitektur, disziplinierter Experimentierarbeit, Technologieintegration, Governance und nachgewiesenen Geschäftsergebnissen beruht, nicht auf geleisteten Stunden.

Das knüpft an ein Argument an, das wir in unserer gesamten Arbeit vertreten: Ein gutes Projekt baut dauerhafte Kompetenz in der Organisation des Kunden auf, statt eine permanente Abhängigkeit von einem externen Team zu schaffen, das für immer die Umsetzung übernimmt. Es ist dasselbe Prinzip hinter unserem AI Marketing Operating System und unserer Arbeit in der AI Capability Academy.

Was Agenturen und Marketingteams jetzt aufbauen sollten

Eine praktische Roadmap nützt mehr als abstrakte Prinzipien.

1. SEO- und Paid-Search-Intelligence zusammenführen zu einem gemeinsamen Nachfrage- und Intent-Datensatz, statt zwei getrennter Recherchen, die unterschiedliche Schlüsse ziehen.
2. Eine echte Wissensebene für Kundendaten schaffen, die Forschung, CRM-Daten und Produktinformationen an einem Ort verbindet.
3. Wiederverwendbare Creative-Systeme bauen und sich von Einzelanzeigen hin zu einer echten Botschaftsarchitektur bewegen.
4. In Conversion-Infrastruktur investieren: Tracking, CRM-Integration und Analytics, die tatsächlich ineinandergreifen.
5. Echte Engineering-Kompetenz aufbauen. APIs und Automatisierung werden für Aufbau und Steuerung von Kampagnen immer wichtiger.
6. Einen funktionsübergreifenden KI-Werbe-Pod aufbauen, statt eine weitere isolierte Abteilung zu gründen.
7. Kontrollierte ChatGPT-Ads-Experimente durchführen und für jedes Hypothese, Audience-Intent, Botschaft, Erlebnis, Ergebnis und Erkenntnis dokumentieren.
8. Das Gelernte in SEO, Content und Produktstrategie zurückspielen und Werbung als laufende Quelle von Intelligence verstehen, nicht als geschlossene Aktivität, die mit der Kampagne endet.

Die größere Veränderung dahinter

Die Agentur der Zukunft und das interne Marketingteam der Zukunft hören womöglich zunehmend auf, Personen multipliziert mit Stunden multipliziert mit Kanälen zu verkaufen, und liefern stattdessen Intelligence, Systeme, Technologie und menschliches Urteilsvermögen im Zusammenspiel.

ChatGPT Ads sind nicht allein deshalb interessant, weil sie eine weitere Quelle für Anzeigeninventar sind. Sie sind ein frühes, sichtbares Signal dafür, was geschieht, wenn Werbung selbst KI-nativ wird: wenn Targeting, Kreation, Messung und Optimierung zunehmend von KI-Systemen vermittelt werden, statt manuell in der Oberfläche einer einzelnen Plattform konfiguriert zu werden.

Die Organisationen, die diesen Wandel gut meistern, werden kaum durch die Größe ihrer Paid-Media-Abteilung geprägt sein. Wahrscheinlicher sind es diejenigen, die das stärkste vernetzte System aus Customer Intelligence, KI, Kreation, Daten und Umsetzung aufbauen und Organisationsdesign ebenso ernst nehmen wie die Mediastrategie.

Häufig gestellte Fragen

Passende Lösungswege

kōdōkalabs unterstützt Marketingorganisationen dabei, die Workflows, die Wissensinfrastruktur und die KI-Systeme neu zu gestalten, die nötig sind, um Suche, Content, Werbung und neue KI-Kanäle als ein vernetztes System zu betreiben, mit dem AI Marketing Operating System.

Wenn Ihr Team herausfinden will, wie es sich rund um diesen Wandel aufstellt, ist ein Executive AI Marketing Assessment ein guter Einstieg.

Executive AI Marketing Assessment buchen