SitecoreAI: AI im Content-Lifecycle der DXP

Warum ich den Ansatz grundsätzlich für stark halte

Wo in der Praxis schnell Mehrwert entstehen kann

Wenn ich mit Digitalmarketing-Teams auf Kundenseite über die Potenziale von AI im MarTech-Stack spreche, folgt auf die anfängliche Begeisterung für die Vision im Alltag oft eine gewisse Ernüchterung. Die entscheidende Frage lautet dann: Was bringt in den nächsten Wochen oder Monaten spürbaren Nutzen – und was bleibt (noch) eher strategische Perspektive? Kurzfristig sehe ich in SitecoreAI vor allem dort Potenzial, wo Marketingorganisationen heute messbar Zeit verlieren. Ein typisches Beispiel ist die Erstellung von Varianten. Viele Teams entwickeln einen sehr guten „Master-Content“, schaffen es aber nicht, die notwendige Anzahl an Varianten zu produzieren, zum Beispiel für unterschiedliche Zielgruppen oder Märkte, aber auch für verschiedene Kanäle und Use Cases. Nicht, weil es niemand könnte, sondern weil es schlicht zu viel Arbeit und zu viele Schleifen sind. In vielen Organisationen sind Content-Erstellung, Ausspielung, Analyse und Optimierung organisatorisch getrennt. Inhalte werden häufig von Fachabteilungen und Produktverantwortlichen zugeliefert, während die Optimierung für SEO, GEO, Zielgruppen und Märkte im Digitalmarketing erfolgt. Diese Brüche führen dazu, dass Potenziale für Personalisierung und Experimente oft nicht ausgeschöpft werden. In vielen DXP-Projekten wird genau deshalb die PS nicht auf die Straße gebracht. Wenn SitecoreAI hier unterstützt, den Kreislauf enger zu schließen und schneller aus Daten, etwa aus A/B-Tests oder vergleichbaren Kampagnen, Empfehlungen abzuleiten und diese neue Varianten zu überführen, entsteht ein spürbarer Vorteil.

Die Risiken: Worauf ich heute sehr genau schauen würde

So konsequent ich den Ansatz finde, so wichtig ist ein realistisches Erwartungsmanagement. Der erste und häufigste Stolperstein in DXP-Projekten ist die Datenbasis. Ohne saubere Daten gibt es keine belastbaren Empfehlungen und keine datenbasierte Optimierung. Wenn Tracking, Events, Zieldefinitionen oder Audiences nicht sauber aufgesetzt sind, wird AI nicht plötzlich bessere Entscheidungen treffen. Im Zweifel macht sie lediglich schneller Vorschläge, die sich gut anhören, aber keine Wirkung entfalten. Das ist keine Schwäche von Sitecore, sondern ein grundsätzliches Thema. Gerade deshalb ist es sinnvoll, ähnlich wie bei Personalisierungsprojekten, zunächst bewusst „klassisch“ zu starten, um eine fundierte Baseline für spätere Optimierungen aufzubauen. Der zweite Punkt ist Governance. Je „agentischer“ ein System wird, desto wichtiger werden klare Leitplanken. Wer darf was? Welche Outputs sind freigegeben? Wie werden Ergebnisse geprüft? Wie bleibt das Ganze auditierbar? Wenn Governance nicht von Anfang an mitgedacht wird, entstehen erfahrungsgemäß zwei Extreme: Entweder nutzt niemand die Funktionen, weil das Risiko als zu hoch eingeschätzt wird, oder es entsteht Wildwuchs, weil jeder irgendetwas ausprobiert. Beides ist problematisch. Und beides lässt sich vermeiden, wenn Governance als wesentlicher Bestandteil des Content-Lifecycles verstanden wird. Der dritte Punkt betrifft die Organisation. Copiloten, die Vorschläge machen, sind vergleichsweise leicht zu akzeptieren. Agenten, die Aufgaben eigenständig ausführen, sind eine andere Kategorie – insbesondere für größere Organisationen eine ganz andere Herausforderung. Dies erfordert angepasste Freigaben und Verantwortlichkeiten und vor allem eine Kultur, in der kontrolliert experimentiert werden kann.