Wir haben Automatisierung. Aber auf welchem Level?

Ein Marketing-Team nutzt Dynamics 365 Customer Insights seit irgendwo zwischen sechs Monaten und zwei Jahren. Journeys sind gebaut. E-Mails werden verschickt. Und wenn man fragt, wie die Automatisierung läuft, sagt jemand: „Gut — wir haben ja Automatisierung.”

Dann schaut man etwas genauer hin.

Listen werden immer noch manuell gezogen. Die gleiche Welcome Journey läuft unverändert seit dem Go-live. Segmente werden von Kampagne zu Kampagne neu aufgebaut, weil die Logik beim ersten Mal nie dokumentiert wurde. Consent-Daten liegen an mindestens zwei Stellen — und die passen nicht immer zusammen.

Automatisierung ist vorhanden. Nur wird längst nicht das genutzt, was Customer Insights eigentlich kann.

Genau diese Lücke — zwischen „das Tool haben” und „es wirklich nutzen” — ist der Kern dieses Beitrags. Ich habe sie in fünf Level eingeteilt, jedes davon verankert in der tatsächlichen Funktionsweise von Customer Insights, und jedes mit einem konkreten nächsten Schritt.

Lies durch und frag dich ehrlich: Wo stehen wir gerade?

Kurz vorab: Was Customer Insights eigentlich kann

Bevor wir zu den Levels kommen, hilft ein Blick auf die Architektur dahinter.

Dynamics 365 Customer Insights besteht aus zwei Anwendungen, die zusammenarbeiten. Customer Insights – Data (CI-D) ist deine Customer Data Platform: Sie sammelt Daten aus verschiedenen Quellen, führt Deduplizierung und Identity Resolution durch und erstellt einheitliche Kundenprofile. Diese Profile können angereichert, segmentiert und ausgewertet werden. Customer Insights – Journeys (CI-J) ist deine Orchestrierungsebene: Sie nimmt Signale aus der echten Welt — Formulareinreichungen, Event-Registrierungen, Käufe, Verhaltensauslöser — und bewegt Kunden durch mehrstufige, kanalübergreifende Journeys.

Die eigentliche Stärke liegt im Zusammenspiel beider Anwendungen. Wenn du sie verbindest, kannst du einheitliche Kundenprofile und Segmente ansprechen, jeden Kunden erreichen — egal wo seine Daten liegen — und dynamische Inhalte in E-Mails, SMS und Push-Nachrichten auf Basis von Measures wie Treuestatus, Vertragsverlängerungsdatum oder anderen Werten aus dem Unified Profile steuern.

Die meisten Teams nutzen nur eine Hälfte davon. Daher kommen sie nicht weiter.

Mit diesem Hintergrund kommen wir zu den fünf Levels.

Level 1 — Broadcast Mode

Kampagnen laufen wie Aufgaben: Liste bauen, Nachricht senden, weiter.

Hier fangen die meisten Teams an — und zu viele bleiben hier. Auf Level 1 wird das Tool im Wesentlichen wie ein leistungsfähigeres Mailchimp eingesetzt. Kampagnen sind Einzelereignisse, keine wiederkehrenden Systeme.

Du bist wahrscheinlich hier, wenn:

Listen aus Excel-Exporten oder statischen Views in Dataverse kommen
Jeder Versand manuell angestoßen werden muss
Die gleiche Nachricht an sehr unterschiedliche Personen geht, weil die Segmentierung zu grob ist
Reporting hauptsächlich aus Öffnungsraten und Bauchgefühl besteht

Daran ist nichts Schlimmes — besonders in den ersten Monaten nach der Implementierung. Das Problem entsteht, wenn es auch anderthalb Jahre später noch der Standard ist.

Was du als Nächstes tun kannst: Such dir einen echten Geschäftsmoment aus — eine Demo-Anfrage, ein Broschüren-Download, eine Event-Registrierung — und wandle ihn von einem einmaligen Versand in eine trigger-basierte Journey um. Trigger-basierte Journeys reagieren auf Kundenaktionen, zum Beispiel das Ausfüllen eines Formulars oder die Registrierung für ein Event. Einmal gebaut, läuft sie automatisch bei jeder zukünftigen Aktion. Das ist dein erster echter Schritt in Richtung Automatisierung.

Ein praktischer Tipp: Verwende ein einziges, wiederverwendbares Marketing-Formular mit einem versteckten Feld, das die Kampagnenquelle aus der URL übergibt. So kannst du Personen in verschiedene Journey-Zweige leiten, ohne für jede neue Kampagne ein neues Formular zu bauen.

Level 2 — Starter Automation

Einige Journeys laufen automatisch — aber sie sind immer noch für alle gleich.

Auf Level 2 gibt es Journeys. Wahrscheinlich eine Welcome-Strecke, vielleicht eine Nachfassung nach einem Event. Aber die Journeys sind meist reine E-Mail-Strecken, die Segmente werden von Kampagne zu Kampagne neu aufgebaut, und wenn man sich die gesendeten E-Mails der letzten sechs Monate ansieht, sehen sie inkonsistent aus — unterschiedliche Schriften, unterschiedliche Tonalität, unterschiedliche Personalisierung je nachdem, wer was gebaut hat.

Du bist wahrscheinlich hier, wenn:

Es eine Welcome Journey und ein, zwei weitere Automationen gibt
Jede neue Journey von einer leeren Seite aus startet
E-Mails je nach Teammitglied unterschiedlich aussehen
Die gleichen Zielgruppen-Segmente immer wieder neu gebaut werden

Das Kernproblem auf diesem Level ist kein Datenproblem — es ist ein Governance-Problem. Das Tool könnte viel mehr leisten, aber es fehlt ein gemeinsames System, das Dinge wiederholbar macht.

Was du als Nächstes tun kannst: Standardisieren kommt vor Skalieren. Erstell eine kleine Sammlung wiederverwendbarer E-Mail-Templates (drei reichen für den Anfang), dokumentiere deine wichtigsten Segmente, damit sie nicht ständig neu gebaut werden müssen, und einig dich auf eine Namenskonvention für alles. Ein Schema wie Zweck + Zielgruppe + Auslöser + Version (z. B. Welcome_Neukontakte_Formular_v2) klingt klein, macht aber den Unterschied zwischen einer handhabbaren Umgebung und einem Chaos, das niemand mehr anfassen will.

Ein praktischer Tipp: Journey-Templates werden von fast allen unterschätzt. Du kannst eine Journey als Template speichern — dann startet die nächste Person mit einer ähnlichen Anforderung nicht bei null. Nutz das.

Level 3 — Das Frankenstack-Problem

Die Tools sind da. Aber die Daten darunter sind ein Durcheinander — also fühlen sich die Ergebnisse zufällig an, auch wenn man alles richtig gemacht hat.

Das ist das frustrierendste Level, weil man Arbeit reingesteckt hat und es trotzdem nicht rund läuft. Journeys fühlen sich unberechenbar an. Segmente liefern unterschiedliche Zahlen, je nachdem wo man sie baut. Irgendwann stellt jemand fest, dass der gleiche Kontakt in drei verschiedenen Formen in Dataverse existiert — und niemand weiß, welche die „echte” ist.

Der Schuldige ist fast immer der Kundendatensatz selbst.

Du bist wahrscheinlich hier, wenn:

Es doppelte Kontakte gibt, ohne eindeutigen „Gewinner”
Consent-Daten an mehreren Stellen liegen und nicht immer übereinstimmen
Journeys sich zufällig anfühlen, weil wichtige Datenfelder zu spät oder inkonsistent ankommen
Reporting manuelles Zusammenstückeln mehrerer Exporte erfordert

Hier wird CI-D oder ein Customer Data Management unverzichtbar. Die Datenvereinheitlichung kombiniert verschiedene Kundendatenquellen, erstellt einen einzigen Kundenprofil-Datensatz pro Kunde, eliminiert doppelte Daten und fasst alle wichtigen Felder aus verschiedenen Quellen in einem einzigen Datensatz zusammen. Bis dieser Prozess aufgesetzt und vertrauenswürdig ist, steht alles darüber — Segmente, Journeys, Personalisierung — auf wackeligem Fundament.

Was du als Nächstes tun kannst: Versuche nicht, alles auf einmal zu lösen. Definiere eine einzige Quelle der Wahrheit für Consent und Präferenzen, dokumentiere die Regel schriftlich, und starte dann einen Profil-Vereinheitlichungs-Piloten für genau einen klar abgegrenzten Anwendungsfall. Ein Use Case, sauber umgesetzt, bringt mehr als der Versuch, alles gleichzeitig zu vereinheitlichen.

Ein praktischer Tipp: Halte deine Segmentierungslogik in CI-D als Measures und Segmente — nicht vergraben in Journey-Branch-Bedingungen. Wenn du dieselbe Attribut-Prüfung in mehreren Journey-Zweigen immer wieder neu baust, ist das ein Signal: Mach daraus ein richtiges Segment oder ein berechnetes Measure, das wiederverwendet werden kann.

Level 4 — Orchestrated Experiences

Das Fundament ist stabil genug, um ihm zu vertrauen. Journeys laufen, wiederholen sich und brechen nicht — und das kanalübergreifend.

Level 4 ist der Punkt, an dem das Gefühl entsteht: Es funktioniert wirklich. Eine Journey kann gestartet, gestoppt, aktualisiert und neu veröffentlicht werden — und verhält sich so, wie man es erwartet. Segmente kommen aus CI-D und müssen nicht neu aufgebaut werden. Der Fokus liegt auf Journey-Einstiegsraten und Abbruchpunkten, nicht nur darauf, ob die E-Mail überhaupt ankam.

Entscheidend: Es geht nicht mehr nur um E-Mail. SMS, Push-Nachrichten, Event-Trigger, Sales-Übergaben — mindestens ein weiterer Kanal ist Teil der Journey-Logik.

Du bist wahrscheinlich hier, wenn:

Segmente einmal in CI-D gebaut und kanalübergreifend wiederverwendet werden
Suppressionsregeln und Frequenzcaps vorhanden sind
Die Frage nicht mehr „Wie war die Öffnungsrate?” lautet, sondern „Warum sind Leute bei Schritt 3 abgesprungen?”
Journeys mindestens einen weiteren Kanal neben E-Mail beinhalten

Der nächste Schritt auf diesem Level ist Messung. Nicht nur Journey-Analytik, sondern die Verbindung von Automatisierungsaktivitäten zu echten Geschäftsergebnissen.

Was du als Nächstes tun kannst: Definiere zwei bis drei Measures in CI-D, die etwas messen, das für dein Unternehmen wirklich zählt — keine Vanity Metrics. Diese Measures können dann direkt in CI-J verwendet werden: als Segmentfilter, als Personalisierungs-Token in E-Mail-Inhalten oder als Verzweigungsbedingungen in Journey-Logiken.

Ein praktischer Tipp: Halte Measures einfach und klar benannt. Ein Measure namens Tage_Seit_Letztem_Kauf ist sofort für jeden nutzbar, der eine Journey baut. Ein Measure namens Calc_KundenVerhaltensIndex_v3_FINAL nicht.

Level 5 — Predictive + Omnichannel

Das System entscheidet den nächsten Schritt — nicht du.

Auf Level 5 sind Unified Profiles und Measures gut genug, dass Journeys in Echtzeit auf Kundenverhalten reagieren können. Ein Kunde, der eine E-Mail öffnet, aber nicht klickt, bekommt einen anderen nächsten Schritt als jemand, der klickt, aber nicht konvertiert. Ein Kunde, dessen Churn-Risiko-Score einen Schwellenwert überschreitet, tritt automatisch in eine Retention-Journey ein. Der Vertrieb erhält eine Aufgabe, sobald ein Kontakt einen bestimmten Lead-Score erreicht.

Personalisierung reicht auf diesem Level weit über E-Mail hinaus — zu Web-Inhalten, Events, Werbe-Zielgruppen und Übergabepunkten zum Vertrieb.

Du bist wahrscheinlich hier, wenn:

Unified Profiles und Verhaltens-Signale Next-Best-Action-Entscheidungen automatisch antreiben
Measures und Segmente aus CI-D Einstieg, Timing und Verzweigung in laufenden Journeys beeinflussen
Personalisierung konsistent über E-Mail, SMS, Events, Web und Vertrieb hinweg ist
Governance existiert: klare Benennung, dokumentierte Verantwortlichkeiten, ein sicherer Prozess für das Veröffentlichen von Änderungen

Wenn Verhaltensdaten aus Customer Insights – Journeys genutzt werden, um Segmente, Measures und Prognosen in Customer Insights – Data zu erstellen, steigt die Zielgenauigkeit und Personalisierung entlang der gesamten Customer Journey. Dieser Loop — Journey-Verhalten fließt zurück in die Datenschicht und verbessert zukünftige Journeys — ist Level 5 in der Praxis.

Was du als Nächstes tun kannst: Dokumentiere drei zentrale Kundenpfade — Neukunde, Bestandskunde, Churn-Risiko — und prüfe, ob dein Datenmodell und deine Journey-Logik wirklich darauf ausgerichtet sind. Die meisten Teams auf Level 4 stellen fest, dass sie Journeys haben, die eine Datenqualität voraussetzen, die noch nicht vorhanden ist. Level 5 bedeutet, diese Lücke vollständig zu schließen.

Ein praktischer Tipp: Governance ist auf diesem Level wichtiger als auf jedem anderen. Bevor neue Journeys oder Measures hinzugefügt werden, sollte klar sein, wer veröffentlichen darf, wer prüft und wie die Namenskonvention aussieht. Eine komplexe Automatisierungsumgebung, die niemand vollständig versteht, ist ein Risiko — kein Vorteil.

Also — auf welchem Level bist du?

Hier eine schnelle Einschätzung. Zähl, wie viele dieser Aussagen für dein Team gerade wirklich zutreffen:

Wir verwenden wiederverwendbare Segmente aus CI-D, keine einmaligen Listen
Wir vertrauen unserem Unified Profile und der Identity Resolution
Unsere Journeys haben Suppressionsregeln und Frequenzcaps
KPIs sind messbar, ohne manuelles Reporting
Wir führen strukturierte Experimente durch — A/B-Tests, Holdout-Gruppen, iterative Verbesserungen
Daten- und Consent-Updates fließen zuverlässig von Anfang bis Ende

0–1: Du bist auf Level 1. Starte mit einer einzigen trigger-basierten Journey. 2: Level 2. Standardisiere, bevor du weitere Journeys hinzufügst. 3: Level 3. Die Datenschicht braucht Aufmerksamkeit — vor allem anderen. 4: Level 4. Bau jetzt die Messebene auf — sie ist der Schlüssel zum nächsten Schritt. 5–6: Level 5. Fokus auf Governance und das Schließen verbleibender Datenqualitätslücken.

Ein abschließender Gedanke

Die fünf Levels sind kein Selbstzweck — sie spiegeln die tatsächliche Reihenfolge wider, in der Dinge gelöst werden müssen. Zuverlässige Personalisierung im großen Maßstab (Level 4–5) ist nicht möglich, wenn die Kundendatensätze inkonsistent sind (Level 3). Wiederverwendbare, skalierbare Journeys (Level 2–3) entstehen nicht, solange jede Kampagne noch als Einzelaufgabe behandelt wird (Level 1).

Das Gute daran: Es muss nicht alles auf einmal umgebaut werden. Das nächste Level ist immer nur eine fokussierte Verbesserung entfernt — eine trigger-basierte Journey, eine Namenskonvention, ein Pilotprojekt zur Profil-Vereinheitlichung, ein Measure, das ein echtes Geschäftsergebnis abbildet.

Wenn du diesen Beitrag gelesen hast und dir nicht sicher bist, wo du wirklich stehst — oder du weißt, wo du bist, aber nicht, was der richtige nächste Schritt für deine konkrete Situation ist — meld dich gerne. Ich schaue mir das gern an.

Hast du Fragen, Ideen oder Anmerkungen? Meld dich gern.