Dieselbe Eingabeaufforderung schreibt dieselbe Anzeige, da ein Sprachmodell jede Lücke in seiner Eingabe mit der wahrscheinlichsten Antwort für die Kategorie füllt und Ihre Konkurrenten ihm dieselbe Frage stellen. Kontext-Engineering für das Marketing ist die Lösung: Entscheiden Sie, was das Modell liest, bevor es schreibt, von Konkurrenzanzeigen und Zielgruppenspannungen bis hin zu Markenwerten und Leistungsverlauf. Ändern Sie den Kontext und die Ausgabe ändert sich.
Wichtigste Erkenntnisse
- Eine kurze Aufforderung überlässt es dem Modell, die Lücken mit Kategoriedurchschnitten zu füllen, weshalb verschiedene Teams nahezu identische Anzeigen erhalten.
- Bei der Kontexttechnik geht es um die Eingaben, die das Modell liest, nicht um den Wortlaut der Anfrage.
- Für die Werbung sind vier Kontextebenen am wichtigsten: Konkurrenzanzeigen, Zielgruppenspannungen, Markenwerte und Leistungsverlauf.
- Mehr Kontext ist nicht immer besser; Ein kleines, kuratiertes, evidenzbasiertes Paket übertrifft eine Sammlung von allem, was Sie haben.
Warum schreibt dieselbe Eingabeaufforderung dieselbe Anzeige?
Weil das Modell nichts anderes hat als seinen eigenen Sinn für das Typische, von dem es ausgehen kann. Wenn Sie nach einer „Facebook-Werbung für eine Premium-Hautpflegemarke für vielbeschäftigte Profis“ fragen, erhalten Sie Selbstpflege, die eine Auszeit und ein Strahlen verdient, denn das ist der Kern von allem, was das Model über diese Kategorie gelesen hat. Jeder Teilnehmer, der eine ähnliche Anfrage eingibt, erhält ein ähnliches Zentrum.
Untersuchungen zum kreativen Schreiben zeigen im großen Maßstab das gleiche Muster. In einer in Science Advances veröffentlichten Studie waren Geschichten, die mit einer KI-generierten Idee geschrieben wurden, 10.7 % einander ähnlicher als Geschichten, die ohne KI geschrieben wurden, obwohl die KI-Unterstützung dazu führte, dass einzelne Geschichten eine höhere Punktzahl erzielten (University of Exeter). Jede Ausgabe sieht für sich genommen besser aus; Das Set sieht ähnlicher aus.
Marketer bemerken das Ergebnis, bevor sie die Ursache benennen können. Im Arbeitsbereich zur Anzeigenoptimierung von SOMIN wurden in einer 30-tägigen Whitespace-Studie mit 156 Posts (September 2026) 23 davon unter einer Spannung gruppiert: KI-Agenturen, die Geschwindigkeit über Qualität stellen und generische Ergebnisse liefern, und KI-Tools, die ohne ausreichende menschliche Aufsicht eingeführt werden. Generische Ausgabe ist selten ein Modellproblem. Normalerweise handelt es sich um ein Eingabeproblem.
Was ist Kontext-Engineering und wie unterscheidet es sich vom Prompt-Engineering?
Beim Prompt Engineering geht es darum, wie Sie die Anfrage formulieren. Bei der Kontexttechnik geht es um alles, was das Modell sieht, wenn es antwortet. Anthropic beschreibt Kontext-Engineering als Kuratieren des gesamten Satzes von Token, die ein Modell bei der Inferenz liest, mit dem Ziel, den „kleinstmöglichen Satz von High-Signal-Token“ zu finden, der das gewünschte Ergebnis wahrscheinlich macht (Anthropic Engineering).
Im selben Artikel wird darauf hingewiesen, dass die Aufmerksamkeit eines Modells ein begrenztes Budget darstellt und dass die Erinnerung abnimmt, je mehr sich das Kontextfenster füllt. Marketingtechnisch gesehen schließt das beide Extreme aus: die einzeilige Eingabeaufforderung, die dem Modell nichts sagt, und das 200 Seiten umfassende Markenbuch, das als Ganzes eingefügt wird.
Die motivierende Anleitung von Anthropic fügt zwei Punkte hinzu, die für die Anzeigenarbeit wichtig sind (Claude-Dokumentation). Die Erläuterung des Grundes einer Anweisung hilft dem Modell, Ihr eigentliches Ziel zu erreichen. Und die Beispiele sollten so unterschiedlich sein, dass das Modell keine unbeabsichtigten Muster erkennt, was genau der Fall ist, wenn ein Team eine Beispielanzeige einfügt und zehn Exemplare davon erhält.
Welchen Kontext sollten Sie einer KI geben, bevor sie eine Anzeige schreibt?
Geben Sie ihm vier Kernebenen sowie den Moment und das Format. Diese spiegeln die Eingaben wider, die die SOMIN-Agenten lesen, bevor sie schreiben, und die gleiche Struktur funktioniert, wenn Sie einen allgemeinen Assistenten manuell einweisen.
| Kontextebene | Was soll man dem Modell schenken? | Woher es kommt | Was passiert ohne |
|---|---|---|---|
| Anzeigen von Mitbewerbern | Etwa 20 aktuelle Anzeigen der Marken, mit denen Sie konkurrieren, gruppiert nach dem Angebot und der Spannung, die jede einzelne verwendet | Werbebibliotheken, Kategorieüberwachung | Das Modell schreibt den Kategoriedurchschnitt, oft in der Nähe der Anzeige des Marktführers |
| Spannungen beim Publikum | Zwei oder drei Spannungen, jede mit ihren Belegen (Stichprobengröße, Beispielbeiträge) und der Persona, zu der sie gehört | Social Listening, Rezensionen, Suchanfragen | Allgemeine Vorteile wie „Zeit sparen“, ohne dass sich jemand darum kümmern müsste |
| Markenwerte | Sprachregeln, anerkannte Behauptungen und Beweispunkte, Produktwahrheiten, Wörter, die Sie nie verwenden | Markenrichtlinien, Liste genehmigter Ansprüche | Behauptungen, die Sie nicht belegen können, und eine Stimme, die jedem gehören könnte |
| Leistungsgeschichte | Die Gewinner und Verlierer des letzten Quartals, jeweils mit einer einzeiligen Begründung | Anzeigenplattformexporte, Testprotokolle | Das Modell wiederholt, was bereits fehlgeschlagen ist, oder verwirft, was funktioniert hat |
| Moment und Markt | Saison, lokale Veranstaltungen, Sprache und kulturelle Hinweise pro Markt | Inhaltskalender, lokales Team | Korrekte, aber irrelevante Kopie oder übersetzte statt lokalisierte Kopie |
| Formatbeschränkungen | Kanal, Länge, Seitenverhältnis, Compliance-Regeln | Mediaplan, Plattformspezifikationen | Nacharbeit am Ende des Prozesses |
Konkurrenzanzeigen sind zum Vermeiden da, nicht zum Kopieren
Der Zweck, dem Modell zu zeigen, was die Konkurrenz sagt, besteht darin, ihm zu sagen, wohin es nicht gehen soll. Beschriften Sie die überfüllten Vorschläge explizit und fragen Sie nach einem Blickwinkel, den keiner von ihnen verwendet.
Spannungen brauchen ihre Beweise
Eine Spannung ohne Beweise ist eine Vermutung, die das Modell gerne schmücken wird. Die Insight-Engine von SOMIN speichert jede Erkenntnis als Persona, Spannung und Blickwinkel, zusammen mit der Verhaltenstheorie hinter dem Blickwinkel und dem Engagement dahinter. Ein Beispiel aus unserem Arbeitsbereich zur Zielgruppenforschung kombiniert die Erkenntnis „Um wirklich eine Verbindung herzustellen, wagen Sie es, vom Trendpfad abzuweichen“ mit einem Herdenverhaltenswinkel, der durch 2,061 Engagements in 65 Beiträgen untermauert wird. Das ist eine Kontexteinheit, mit der ein Modell argumentieren kann.
Der Leistungsverlauf braucht Gründe
„Anzeige B schlägt Anzeige A“ lehrt das Modell wenig. „Anzeige B hat gewonnen, weil sie die Kosten des Wartens nennt, auf die unser Publikum reagiert“ gibt ihr ein Prinzip zur Wiederverwendung.
Wie viel Kontext ist zu viel?
Zu viel ist alles, was die Ausgabe nicht verändert. Jede zusätzliche Anzeige, Richtlinie oder Tabelle konkurriert um die Aufmerksamkeit des Modells, daher ist ein kuratiertes Paket mit Beweisen in der Regel besser als ein Export von allem.
Das bessere Muster ist das Abrufen im Moment des Bedarfs. In dem Artikel von Anthropic wird empfohlen, dass Agenten einfache Referenzen beibehalten und die zugrunde liegenden Daten nur bei Bedarf über Tools laden. In der Praxis bedeutet das, dass Sie den Assistenten beispielsweise über einen MCP-Connector mit Ihren Kategoriedaten verbinden und ihn die zehn relevantesten Mitbewerberanzeigen für dieses Briefing abfragen lassen, anstatt 500 zu lesen.
Der Publikumskontext erfordert die gleiche Disziplin. Eine Erkenntnis aus SOMINs Social-Listening-Arbeitsbereich besagt, dass ausgefeilte, perfekte Beiträge schlechter abschneiden als rohe, echte Geschichten, ein Blickwinkel, der auf der Selbstbestimmungstheorie basiert und durch 330 Engagements in 24 Beiträgen untermauert wird. Eine solche Notiz ist dem Model mehr wert als eine weitere Seite mit Markenadjektiven.
Wie erstellen Sie ein Kontextpaket, das Ihr Team wiederverwenden kann?
Behandeln Sie den Kontext als gepflegten Vermögenswert und nicht als einmaliges Einfügen. Eine wiederverwendbare Packung hat einen Besitzer, eine Struktur und ein Aktualisierungsdatum.
- Kategorie zuordnen. Konkurrenten auflisten und ihre aktuellen Anzeigen nach Persona, Aussage, Spannung und Ton entschlüsseln.
- Wählen Sie die Spannungen aus. Wählen Sie die zwei oder drei Spannungen aus, die Ihre Marke glaubwürdig beantworten kann, mit Stichprobengrößen und Beispielbeiträgen.
- Schreiben Sie die Markenebene einmal. Sprachregeln, genehmigte Ansprüche, Beweispunkte und verbotene Wörter in einer kurzen strukturierten Datei.
- Ergebnisse mit Begründung protokollieren. Notieren Sie nach jedem Test den Gewinner, den Verlierer und einen Satz zum Warum.
- Stellen Sie einen Aktualisierungsrhythmus ein. Mitbewerber- und Zielgruppenebenen veralten am schnellsten; Aktualisieren Sie sie mindestens monatlich.
- Verbinden statt Einfügen. Stellen Sie das Paket Ihrem Assistenten über einen Connector zur Verfügung, sodass jedes Teammitglied mit derselben Version arbeitet.
Die modellgenerierten Momente der Wahrheit von SOMIN erfassen, warum dies wichtig ist. Einer von ihnen, für eine Strategiepersönlichkeit, lautet: „Ich hätte unseren Ansatz anpassen sollen, anstatt überall die gleiche Strategie anzuwenden.“ Ein gemeinsames Kontextpaket ist die Art und Weise, wie ein Team standardmäßig zuschneidet.
Woher wissen Sie, dass der Kontext funktioniert?
Überprüfen Sie Vielfalt, Rückverfolgbarkeit und prognostizierte Leistung. Wenn sich alle drei verbessern, erfüllt der Kontext seine Aufgabe.
- Variety. Erstellen Sie Konzepte für zwei konkurrierende Marken mit derselben Eingabeaufforderung. Wenn man die Markennamen vertauschen kann, ohne dass es jemand merkt, ist der Kontext zu dünn.
- Nachverfolgbarkeit. Jedes Konzept sollte auf den Beitrag, die Spannung oder das Ergebnis hinweisen, die es rechtfertigen. In unserem Strategieagenten wird jede Erkenntniskette durch die tatsächlichen Beiträge dahinter untermauert, sodass ein Stratege ein Konzept überprüfen kann, bevor es irgendwohin gelangt.
- Vorhergesagte Leistung. Bewerten Sie Konzepte vor Ausgaben. Der bezahlte Medienagent von SOMIN prognostiziert die Klickrate für jedes Konzept mit einer Vorhersagegenauigkeit von 78 % über Kunden-Benchmarks hinweg.
Gleichheit ist das sichtbare Symptom, und wir besprechen seine Ursachen im Detail in warum KI jede Marke gleich klingen lässt.
FAQ
Was ist Context Engineering im Marketing?
Dabei handelt es sich um die Praxis, auszuwählen und zu strukturieren, was ein KI-Modell liest, bevor es schreibt, z. B. Konkurrenzanzeigen, Zielgruppenspannungen, Markenwerte und Leistungsverlauf, sodass die Ausgabe zu Ihrer Marke und Ihrem Markt passt und nicht zum Kategoriedurchschnitt.
Was ist der Unterschied zwischen einer Eingabeaufforderung und einem Kontext?
Die Eingabeaufforderung ist die Anfrage; Der Kontext ist alles andere, was das Modell sehen kann, wenn es antwortet. Zwei Teams können dieselbe Eingabeaufforderung verwenden und unterschiedliche Anzeigen erhalten, wenn sich ihr Kontext unterscheidet.
Wie verhindere ich, dass ChatGPT oder Claude generische Anzeigen schreiben?
Geben Sie dem Model die Konkurrenzanzeigen, die es meiden sollte, eine bestimmte Zielgruppenspannung mit Beweisen, Ihren bestätigten Behauptungen und Ihren jüngsten Gewinnern und Verlierern. Dann fragen Sie nach einem Blickwinkel, den keiner der Konkurrenten verwendet.
Führt mehr Kontext immer zu besseren Ergebnissen?
Nein. Models haben ein begrenztes Aufmerksamkeitsbudget, sodass irrelevantes Material die Qualität beeinträchtigen kann. Stellen Sie ein kleines Paket mit Beweisen mit hoher Signalstärke zusammen und rufen Sie den Rest bei Bedarf mithilfe von Tools ab.
Wie oft sollte der Marketingkontext aktualisiert werden?
Mitbewerber- und Zielgruppenebenen ändern sich am schnellsten und sollten mindestens monatlich aktualisiert werden. Markenregeln und genehmigte Aussagen können vierteljährlich oder bei einem Markenwechsel überprüft werden.
Beginnen Sie mit einer Kampagne: Erstellen Sie die vier Kernebenen dafür, führen Sie Ihre übliche Eingabeaufforderung mit und ohne diese aus und vergleichen Sie die Ergebnisse nebeneinander. Wenn Sie lieber verbinden als einfügen möchten, bietet das kostenlose Marketing Mondays-Plugin Claude Live-Zugriff auf Ihre SOMIN-Kategoriedaten.
