Ein Marketer oder Datenanalyst, der Wettbewerberpreise sammelt, tut im Grunde drei Dinge: Preise und Angebote nachschlagen, sie nach einem festen Kriterium nebeneinanderlegen, und das Ergebnis für eine Entscheidung über die eigene Preisgestaltung nutzbar machen. Das ist eine Aufgabe, die größtenteils aus Daten abrufen und ordnen besteht, und genau das ist die Art von Arbeit, die KI heute schon zu einem großen Teil übernehmen kann, sofern einige Voraussetzungen erfüllt sind.
Drei Achsen geben hier den Ausschlag: Strukturiertheit, Volumen und Beurteilungsspielraum. Preise sind Zahlen, Angebote stehen auf Webseiten mit einem erkennbaren Aufbau, und der Vergleich selbst folgt einem Kriterium, das im Vorfeld festgelegt wurde: dieselbe Produktkategorie, dieselbe Einheit, derselbe Zeitraum. Das macht die Aufgabe strukturiert genug, um sie zu automatisieren. Das Volumen hilft ebenfalls: zehn Wettbewerber, hundert Produkte, wöchentlich wiederholt, ist genau die Art von wiederholter Sammelarbeit, bei der ein System keine Ermüdung zeigt und ein Mensch schon. Und der Beurteilungsspielraum ist bewusst eingeschränkt: Ein Agent wendet eine feste Vergleichslogik an, er entwickelt keine neue Strategie.
Die übrigen Achsen bestätigen dieses Bild. Es gibt keinen Kundenkontakt, keine physische Handlung, und die Compliance-Empfindlichkeit ist gering: Es handelt sich um öffentliche Informationen, die jeder einsehen kann. Die Fehlerkosten sind moderat — ein falsch verglichener Preis führt zu einem verzerrten Bild, nicht zu einem gebrochenen Vertrag oder einem verärgerten Kunden. Kreativität spielt eine Rolle bei der Interpretation ungewöhnlicher Angebote (ein Bundle-Rabatt, eine zeitlich begrenzte Aktion, eine andere Verpackungsgröße), aber das ist eher die Ausnahme als die Regel.
Es ist eine Aufgabe für einen Agenten: ein System, das eigenständig Preisseiten aufruft, Daten aus Text und Struktur extrahiert, sie in die festgelegten Vergleichskriterien einordnet und das Ergebnis als Übersicht liefert. Das funktioniert unter zwei Voraussetzungen. Erstens: Zugang zu öffentlichen Preisdaten, was bedeutet, dass die Informationen auffindbar und lesbar sein müssen — keine Login-Sperre, kein Preis, der nur telefonisch mitgeteilt wird. Zweitens: Vergleichskriterien, die im Vorfeld feststehen. Ohne diese Abmachung — was ist 'vergleichbar', welche Einheit, welcher Zeitraum — liefert ein Agent eine Ansammlung von Zahlen, ohne dass jemand weiß, ob sie nebeneinander gestellt werden dürfen.
Genau hier wird das Bild differenzierter. Sammeln und Ordnen ist Sache der KI. Die Übersetzung dieses Vergleichs in eine Preisentscheidung — erhöhen, senken, eine Aktion starten — bleibt Menschenwerk, mit Beurteilung von Marge, Positionierung und Kundenbeziehung. Die Aufgabe in diesem Scan betrifft das Erstellen des Vergleichs, nicht die darauffolgende Entscheidung.
Ein Webshop, der wöchentlich die Preise von fünfzehn Wettbewerbern für hundert Produktkategorien verfolgt, kann diesen Prozess größtenteils einem Agenten überlassen: Dieser sammelt die Daten, erkennt Angebote und stellt alles in einer festen Übersicht zusammen. Ein Marketer beurteilt anschließend das Ergebnis — stimmt der Vergleich, gibt es etwas Auffälliges bei einem Wettbewerber, der plötzlich ein Drittel günstiger ist — und gibt frei oder schickt mit einer Begründung zurück. Das ist die zweite Kategorie aus der Taxonomie: KI erledigt die Arbeit, ein Mensch übt Aufsicht mit Beurteilung aus.
Bei einem B2B-Dienstleister, bei dem Preise nur auf Anfrage verfügbar sind, Angebote maßgeschneidert sind und 'vergleichbar' keine eindeutige Bedeutung hat, verschiebt sich das Bild. Die Strukturiertheit sinkt, der Beurteilungsspielraum steigt, und die Arbeit stützt sich stärker auf einen Analysten, der telefonisch oder über ein Netzwerk Informationen sammelt und selbst einschätzt, was vergleichbar ist. Das ist dann weniger eine Aufgabe für einen Agenten und mehr eine Aufgabe, bei der KI unterstützt — zum Beispiel durch das Strukturieren von Notizen — während die Beurteilung beim Menschen bleibt.
Diese Verschiebung betrifft mehr Stellen in einem Unternehmen als nur die Preisüberwachung. Wer das Werbebudget auf Basis von Ergebnissen anpassen lassen möchte sieht ein vergleichbares Muster: strukturierte Daten, hohes Volumen, begrenzter Beurteilungsspielraum, und ein Agent, der den Großteil der Arbeit übernehmen kann, solange die Kriterien feststehen. Auch wer sich ansieht, wie Website-Statistiken analysiert werden, sieht dieselbe Kombination aus Sammeln, Ordnen und erst danach Interpretieren. Wo mehr kreative Arbeit im Spiel ist, wie beim Schreiben eines Social-Media-Posts, liegt das Verhältnis zwischen Automatisierung und Aufsicht wieder anders. Das Muster bleibt stets dasselbe: Je strukturierter die Eingabe und je höher das Volumen, desto eher kann ein Agent den größten Teil der Arbeit übernehmen, wobei ein Mensch das Ergebnis beurteilt, statt die Arbeit selbst zu verrichten.
Dies ist keine Aussage über die Funktion des Marketers oder Datenanalysten und keine Grundlage, um Personalentscheidungen darauf aufzubauen. Für Entscheidungen über Funktionen und Personalbestand gelten eigene rechtliche Anforderungen, unabhängig davon, was eine Aufgabenanalyse wie diese zeigt. Diese Seite beschreibt eine Aufgabe, keine Rolle, und eine Rolle besteht in der Regel aus weit mehr als einer Aufgabe.
Um zu sehen, wie das für Ihr eigenes Unternehmen aussieht, ist der unverbindliche Quickscan ein erster Schritt: zwölf Fragen, ohne Konto, mit als Ergebnis eine Angabe, welcher Teil der Stunden in dieser Art von Arbeit heute von KI übernommen werden kann. Der vollständige Werkscan, der die Arbeit Ihres Unternehmens entlang dieser acht Achsen in Aufgaben zerlegt, befindet sich noch im Aufbau und wird hier später angeboten.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.