DigiSocial

Die Ausgangslage

DigiSocial ist eine schnell wachsende Performance-Marketing-Agentur in Berlin. Die Account Manager betreuen Meta-Werbekampagnen für Kunden, und bei jedem neuen Kunden beginnt dieselbe Arbeit von vorn: herausfinden, wer die Wettbewerber sind, was im Markt passiert, was die Zielgruppe sagt, und später wöchentliche Audits und Updates schreiben. Viel Handarbeit, viel Wiederholung, und mit dem Wachstum bedeutet das: weniger Zeit für die eigentliche Arbeit.

Die Frage an uns lautete nicht „Baut ein einzelnes KI-Tool“. Die Frage lautete: Baut ein Fundament, auf dem wir in den kommenden Jahren weiterbauen können, das mit dem Unternehmen mitwächst und das wir selbst weiter ausbauen können.

Unser Vorgehen

Wir haben mit einer gezielten Bestandsaufnahme begonnen, nicht mit dem Bauen. Zuerst galt es zu klären, welche Prozesse sich für KI eignen, welche Inputs und Outputs pro Prozess maßgeblich sind und wo der Mensch am Steuer bleiben muss. Danach haben wir gemeinsam mit DigiSocial eine einheitliche Architektur ausgearbeitet: eine Web-App, in der alle Module zusammenlaufen, mit einem Login für das Team und einer gemeinsamen KI-Schicht darunter. So kann jedes Modul einzeln gebaut und ausgeliefert werden, während das Ganze auf demselben Fundament steht.

Erst als dieses Konzept klar und abgestimmt war, haben wir mit dem Bauen begonnen. Modul für Modul, mit Iterationsrunden dazwischen, in denen wir auf Basis der Nutzung Prompts geschärft, Quellen ergänzt und die Qualität Schritt für Schritt aufgebaut haben.

Was wir gebaut haben

Drei Module in einer Web-App, im Produktivbetrieb:

• Modul 1: Kundenrecherche. Ein Account Manager legt einen neuen Kunden an, und die Web-App liefert automatisch eine einsatzbereite Markt- und Wettbewerbsanalyse. Der Account Manager kann das Endergebnis noch Abschnitt für Abschnitt anpassen, per Prompt oder von Hand, bevor es an den Kunden geht.

• Modul 2: Audit. Erstellt auf Basis der Kampagnendaten ein vollständiges Audit, mit Raum für den Account Manager, eigene Beobachtungen, Empfehlungen und die erwartete Wirkung zu ergänzen. Das Ergebnis passt direkt in die bestehende Reporting-Vorlage von DigiSocial.

• Modul 3: Wöchentliche Kunden-Updates. Analysiert die Performance im Wochenvergleich, erstellt einen Entwurf für das Kunden-Update und überlässt dem Account Manager die Kontrolle, um zu prüfen, anzupassen und zu versenden.

Dafür sind die Module mit mehr als zehn verschiedenen Quellen und Systemen verbunden, von Werbeplattformen und Marktdaten bis zu öffentlichen Diskussionsquellen und internen Dokumenten von DigiSocial. Welche genau, ist Teil ihrer Arbeitsweise und daher nichts, was wir hier teilen.

Wie wir gebaut haben

Für jedes Modul haben wir denselben Rhythmus eingehalten: zuerst sicherstellen, dass die richtigen Daten ankommen, dann die KI-Verarbeitung, dann die Oberfläche, mit der der Account Manager arbeitet, dann das finale Ergebnis. Zwischen jedem Schritt Feedback und Iteration mit dem Team von DigiSocial.

Der Grundsatz, an dem wir festhalten: Die KI macht die Vorarbeit, der Mensch liefert die finale Qualität und das Urteil. Alle drei Module sind so eingerichtet, dass der Account Manager jederzeit eingreifen, nachsteuern und nachschärfen kann, bevor etwas an den Kunden geht.

Wo wir heute stehen

Die Web-App läuft im Produktivbetrieb. Alle drei Module sind beim Team von DigiSocial im Einsatz. Die Zusammenarbeit geht weiter: Wir schärfen die Module auf Basis der Nutzung weiter nach und bauen auf dem Fundament auf, das jetzt steht.