DDV Dialog Summit: Warum KI verlässliche Kundendaten braucht

Thema: Agentic & AI, CIEF in der Praxis
0
Profilbild von Prof. Dr. Emanuel Bayer
Autor
Prof. Dr. Emanuel Bayer
Profilbild von Andreas Gozian
Autor
Andreas Gozian
Veranstaltungsgrafik zum DDV Dialog Summit am 5. und 6. November 2026 in Frankfurt mit farbig leuchtenden Ringen.

Ein KI-Agent kann Angebote vergleichen, Informationen auswerten und Arbeitsschritte übernehmen. Welche Kundenbeziehung er dabei vor sich hat, muss allerdings erst einmal feststehen. Denn ein Kunde mit drei widersprüchlichen Profilen wird durch künstliche Intelligenz nicht automatisch zu einem eindeutigen Kunden. Genau hier setzte der Vortrag von Andreas Gozian und Prof. Dr. Emanuel Bayer beim DDV Dialog Summit 2026 an.

Am 5. und 6. November kamen in Frankfurt am Main rund 160 Teilnehmende zum Summit des Deutschen Dialogmarketing Verbands zusammen. Im Mittelpunkt stand die Frage, wie KI die Kommunikation und die Beziehungen zwischen Unternehmen und Kunden verändert. Gozian und Bayer rückten dabei eine Voraussetzung in den Fokus, die hinter den sichtbaren Anwendungen leicht verschwindet: die Qualität der zugrunde liegenden Kundendaten.

Auch auf dem Podium wurde Forschung und Praxis zusammengebracht: Prof. Dr. Bernd Skiera, Co-Founder von MARINI, diskutierte, welches Potenzial die Forschungsergebnisse der AGGP-Preisträgerinnen und -Preisträger für das Dialogmarketing eröffnen. Die Leitfrage: Wie werden aus wissenschaftlichen Erkenntnissen neue Ansätze für die Praxis?

Vortrag vor Publikum beim DDV Dialog Summit 2026 in Frankfurt zum Agentic Golden Record.

KI verändert den Kundendialog. Die Datenfrage bleibt.

Der Rückblick des DDV beschreibt einen Wandel, der über die automatische Erstellung von Texten hinausgeht. Digitale Assistenten könnten künftig stärker beeinflussen, welche Informationen Menschen wahrnehmen, welche Anbieter sie vergleichen und welche Angebote überhaupt in Betracht kommen. Zugleich zeigten die vorgestellten Anwendungen, dass Zeitersparnis und Verlässlichkeit getrennt betrachtet werden müssen.

Für Customer Intelligence führt diese Entwicklung zu einer grundlegenden Frage: Auf welche Informationen stützen sich Entscheidungen und Handlungen? Ein schnellerer Prozess ist wenig gewonnen, wenn er den falschen Kontakt anspricht oder eine Kundenbeziehung nur ausschnittsweise berücksichtigt.

In ihrem Vortrag „Der Agentic Golden Record als Fundament für Customer Intelligence“ am 6. November verbanden Andreas Gozian von MARINI und Prof. Dr. Emanuel Bayer von der DHBW Mannheim diese Datenfrage mit dem wirtschaftlichen Ziel: Kunden gewinnen, entwickeln und halten. Für alle drei Aufgaben braucht es Informationen, die im jeweiligen Use Case tatsächlich verwendbar sind.

Ein Kunde, mehrere Systeme und unterschiedliche Wirklichkeiten

Im Vortrag wurde das Problem an einem vereinfachten Beispiel deutlich: In CRM, ERP und Marketinganwendung steht dieselbe Person mit unterschiedlichen Schreibweisen, Kennungen und Kontaktangaben. Für Menschen mögen die Zusammenhänge naheliegen. Ein System braucht nachvollziehbare Regeln, um zu erkennen, welche Datensätze zusammengehören und welche Angaben gelten sollen.

Die reine Synchronisation löst diese Aufgabe nicht. Sie kann widersprüchliche Informationen sogar besonders zuverlässig verteilen. Erst wenn Identitäten zugeordnet, Schreibweisen vereinheitlicht und relevante Attribute nach definierten Regeln ausgewählt werden, entsteht ein nutzbares Kundenbild. Die Grundlagen dieser Zusammenführung erläutert auch der Magazinbeitrag zum Golden Record.

Was den Agentic Golden Record ausmacht

Gozian und Bayer stellten den Agentic Golden Record als KI-gestützt aufbereiteten, systemübergreifend zusammengeführten Kundendatensatz vor. Er verbindet eine konsistente Kundenidentität mit relevantem Geschäftskontext und schafft damit eine Datengrundlage für Menschen, Anwendungen und KI-Agenten.

Zu den im Vortrag erläuterten Eigenschaften gehören die Zusammenführung verschiedener Quellen, die Konsolidierung von Informationen, die laufende Aktualisierung und eine eindeutige, persistente Kennung. Der entscheidende Punkt ist das Zusammenspiel: Ein Name und eine Adresse ergeben noch nicht den Kontext, den Vertrieb, Marketing oder Service für ihre Aufgaben benötigen.

Der Vortrag ordnete den Ansatz in das Customer Intelligence Evolution Framework, kurz CIEF, ein. Datenintegration und Datenqualität bilden darin die Grundlage für Erkenntnisse und die schrittweise Umsetzung konkreter Use Cases. Die Reihenfolge macht deutlich, warum eine neue KI-Anwendung die Arbeit an der Datenbasis nicht ersetzt.

Datenqualität entscheidet sich am Use Case

Die Referenten betrachteten Datenqualität anhand von sechs Dimensionen: Vollständigkeit, Gültigkeit, Korrektheit, Eindeutigkeit, Konsistenz und Aktualität. Maßgeblich ist dabei, ob die Daten für die konkrete Aufgabe geeignet sind. Ein fehlendes Merkmal ist nicht für jede Anwendung gleich problematisch.

Die möglichen Folgen betreffen den gesamten Kundenlebenszyklus. Fehlende Lead-Informationen können die Priorisierung erschweren. Ein falsch zugeordneter Vertrag kann dazu führen, dass der Vertrieb relevante Angebote übersieht. Veraltete Kontaktdaten können Service und Rückgewinnung behindern. Wie sich solche Fehler wirtschaftlich auswirken, muss im jeweiligen Prozess gemessen werden. Der Vortrag liefert dafür keine pauschale Erfolgsgarantie.

Damit wird Customer Intelligence konkret: Kundendaten systematisch sammeln, analysieren und nutzen, um datenbasierte Use Cases zu realisieren und den Wert von Kundenbeziehungen zu steigern. Wie unterschiedlich diese Anwendungen aussehen können, zeigen etwa die Beiträge zum Kundenportfoliomanagement mit Customer Lifetime Value und zur datengetriebenen Kundenrückgewinnung.

Die Datenbasis ist niemals einfach fertig

Ein weiterer Schwerpunkt war die kontinuierliche Sicherung der Datenqualität. Quellsysteme und Kundeninformationen verändern sich laufend. Eine einmalige Bereinigung kann deshalb nur einen Zwischenstand herstellen.

Der vorgestellte Ablauf umfasst das Prüfen, Verbessern und Zuordnen von Daten sowie deren Bereitstellung für Anwendungen. Änderungen lösen die nächste Qualitätsprüfung aus. Der Agentic Golden Record ist in diesem Verständnis eine fortlaufend gepflegte Grundlage für Customer Intelligence.

Der Beitrag von Gozian und Bayer ergänzte die Diskussion über neue KI-Möglichkeiten damit um eine praktische Perspektive: Wer Kundenbeziehungen mithilfe von KI weiterentwickeln will, muss wissen, welche Kundendaten zusammengehören, wie verlässlich sie sind und wofür sie gebraucht werden. Auch der intelligenteste Agent sollte schließlich wissen, mit wem er es zu tun hat.

Profilbild von Prof. Dr. Emanuel Bayer

Prof. Dr. Emanuel Bayer

Prof. Dr. Emanuel Bayer verbindet Marketingwissenschaft mit der praktischen Nutzung von Kundendaten. Er ist Mitentwickler des CIEF, Mitherausgeber von Customer Intelligence und redaktioneller Leiter des MARINI-Magazins.

Zum Autorenprofil
Profilbild von Andreas Gozian

Andreas Gozian

Andreas Gozian verbindet Customer Data Platforms, Systemintegration und die Automatisierung von Kundenprozessen. Seine Erfahrung reicht von Strategie und Anforderungsklärung bis zur Implementierung und zum internationalen Rollout.

Zum Autorenprofil
Du musst angemeldet sein, um einen Kommentar abzugeben.
Vergleich verteilter E-Mail-Postfächer mit einem Zielbild für KI-gestützte Kategorisierung, Zuordnung und Antwortvorbereitung.
Thema: Agentic & AI, Marketing, Vertrieb & Service

KI im Banking: Wie E-Mails zu nutzbaren Kundeninformationen werden

E-Mails enthalten Kundenwissen, das im Arbeitsablauf nutzbar werden muss. Wie die Deutsche Bank Sprachmodelle für Analyse, Routing und Antwortvorschläge einsetzt und welche Rolle Kontrolle und Integration spielen.

Porträt von Murat Cavus
Autor
Murat Cavus
Porträt von Praneet Jayaram
Autor
Praneet Jayaram
Porträt von Zahid Amadxarif
Autor
Zahid Amadxarif
CIEF-Stufenmodell mit Targets & Commitment, Data Integration, Data Quality, Insights und aufeinander aufbauenden Use Cases.
Thema: CIEF in der Praxis, Strategie & Organisation

CIEF: Wie aus Kundendaten systematisch Kundenwert entsteht

Das Customer Intelligence Evolution Framework verbindet Ziele, Datenintegration, Datenqualität und konkrete Use Cases. Wie Unternehmen daraus einen gemeinsamen Entwicklungsweg für Customer Intelligence machen.

Profilbild von Prof. Dr. Emanuel Bayer
Autor
Prof. Dr. Emanuel Bayer
Profilbild von Manuel Marini
Autor
Manuel Marini
Andreas Gozian und Manuel Marini bei der Verleihung des Best of Technology Award 2026
Thema: Agentic & AI

Best of Technology 2026: Auszeichnung für MARINIs Agentic Golden Record

MARINI erreicht beim Best of Technology Award 2026 Platz 2 in der Kategorie Customer Lifecycle. Der ausgezeichnete Ansatz lenkt den Blick auf eine zentrale Voraussetzung agentischer Anwendungen: eine verlässliche, nutzbare Datenbasis.

Profilbild von Prof. Dr. Emanuel Bayer
Autor
Prof. Dr. Emanuel Bayer
CIEF: Von Targets und Commitment über Datenintegration, Datenqualität und Insights zu Use Cases
Thema: CIEF in der Praxis

Customer Intelligence bei ZSH: Wie aus verbundenen Daten eine gemeinsame Vertriebsgrundlage wird

Der ZSH-Fall zeigt, wie Ziele, Integration, Datenqualität und Anwendungen zusammengeführt werden. Welche Rolle das CIEF dabei spielt und weshalb eine Customer Data Platform auch gemeinsame Verantwortung braucht.

Porträt von Lars G. Volkmann
Autor
Lars G. Volkmann
Profilbild von Manuel Marini
Autor
Manuel Marini
Porträt von Jonathan Höhn
Autor
Jonathan Höhn