- 24. August 2026
- Veröffentlicht durch: AG CommTech
- Kategorien:
KI-Agenten & Datenstrategie
Playbook für Kommunikationsabteilungen: KI-Agenten mit klugen Daten füttern
Impulspapier der AG CommTech: Welche Daten KI-Agenten brauchen, wie sie angeschlossen werden und wie der Einstieg in 90 Tagen gelingt
Auf einen Blick
Die wichtigsten Erkenntnisse
Der Engpass beim Skalieren von KI ist selten das Modell selbst – sondern Datenqualität, Governance, Integration und Arbeitsabläufe. Nicht zuerst den „smartesten” Agenten bauen, sondern zuerst die klügsten Daten anschlussfähig machen.
„Kluge Daten” sind relevant, erlaubt, aktuell, strukturiert, versioniert und mit Kontext angereichert. Genau daran scheitern viele frühe GenAI-Projekte – Daten liegen vor, aber nicht als governancefähiges Wissenssystem.
Sechs Datenquellen sind für Kommunikationsagenten besonders wertvoll: Medien- und Wettbewerbsanalysen, Unternehmenskommunikations-Korpus, Stakeholder- und Workflowdaten, Feedback-Signale, Markt- und Politikintelligenz sowie der Governance-Korpus.
Ein 90-Tage-Plan führt vom Use-Case über das erste Datenprodukt bis zum Pilotbetrieb – mit klaren KPIs: Retrieval-Trefferqualität, Briefing-Zeit, Freigabequote und Eskalationsrate wegen Richtlinienverletzungen.
Ausgangslage
Warum generische KI-Modelle für Kommunikation nicht ausreichen
Für wissensintensive Aufgaben in Kommunikation, PR und Corporate Affairs reicht ein generisches Modell allein nicht aus. Erfolgreiche Agentensysteme werden mit unternehmensindividuellen Daten versorgt – damit aus generischen Antworten spezifische, auf das Unternehmen ausgerichtete Antworten werden. Für Kommunikationsabteilungen ist das besonders relevant, weil ihre Arbeit stark kontextabhängig ist: Botschaften, Freigaben, Themen, Stakeholder, Märkte, Reputationslagen und Wettbewerbsdynamiken ändern sich laufend.
Die wichtigste Datenquelle in vielen Organisationen sind Medienanalysen zum eigenen Unternehmen und zum Wettbewerb – weil sie reale Außenwahrnehmung, Themenverschiebungen und kommunikative Vergleichsmaßstäbe sichtbar machen. Genau diesen Kontext braucht ein Kommunikationsagent für gute Entscheidungen. „Alles in den Kontext kippen” ist dabei kein verlässlicher Qualitätshebel: Modelle nutzen relevante Informationen im Mittelbereich langer Kontexte oft schlechter – das bekannte „lost in the middle”-Problem.
Die 6 Datenquellen
Welche Daten Kommunikationsagenten vorrangig brauchen
Medien- und Wettbewerbsanalysen liefern angereicherte Medienintelligenz: Themencluster, Tonalität, Share of Voice, Message-Pull-through, Krisensignale, Reputation und Wettbewerbs-Benchmarks. Der Kommunikations-Korpus umfasst Pressemitteilungen, Statements, Q&As, Sprachregelungen, Krisenhandbücher, Messaging-Architekturen und Freigabetexte – als indexierbaren, versionierten Wissensbestand mit Metadaten wie Gültigkeitsdatum und Freigabestatus. Stakeholder- und Workflowdaten (Journalisten-Listen, Redaktionskalender, Genehmigungswege, Freigabestufen) ermöglichen es Agenten, nicht nur zu lesen, sondern in erlaubten Grenzen auch Workflows anzustoßen.
Feedback- und Signalquellen (Web-Analytics, Social Comments, Mitarbeitenden-Feedback, FAQ-Logs) helfen, Botschaften auf Wirkung und Verständnis zu prüfen. Markt-, Politik- und Wettbewerbsintelligenz ist für Corporate Affairs und CEO-Kommunikation unverzichtbar – aber nur dann einzubinden, wenn Herkunft, Rechte und Aktualität sauber dokumentiert sind. Der Governance- und Freigabekorpus schließlich legt fest, was ein Agent nicht darf: AI-Policies, Disclosure-Regeln, Verbotslisten, Kriseneskalationen und menschliche Verantwortlichkeiten.
Architektur & Anbindung
Wie Daten verbunden und Agenten angelernt werden
„Agenten anlernen” bedeutet für Kommunikationsabteilungen in der Regel nicht zuerst klassisches Fine-Tuning. Der praktikablere erste Schritt ist, einen Agenten mit freigegebenen Wissensquellen, Suchmechanismen, Rollenrechten, zulässigen Aktionen und einem Evaluationsset auszustatten. Der Grundbaustein ist ein LLM plus Retrieval, Tools und Memory. Ist der Wissensbestand klein und stabil (unter ~200.000 Tokens / 500 Seiten), kann er direkt in den Prompt-Kontext; wächst die Basis darüber hinaus, ist Retrieval typischerweise die robustere Architektur.
Zwei technische Prinzipien sind für Kommunikationswissen besonders wertvoll: Erstens sollte das Korpus nach semantischen Einheiten zerlegt werden – Q&A-Blöcken, Statements, Freigaberegeln oder Themenmodulen, nicht nur nach Seiten. Zweitens sollte Retrieval nicht nur mit semantischen Embeddings, sondern zusätzlich mit exakten Worttreffern arbeiten, weil viele Kommunikationsanfragen exakte Begriffe enthalten: Produktnamen, Vorstandsrollen, Claims oder journalistische Framing-Begriffe. Für corpusweite Sensemaking-Fragen (z.B. „Wie haben sich unsere Themenfelder im letzten Quartal verschoben?”) kann GraphRAG mit graphbasierten Indizes deutlich hilfreicher sein als Standard-RAG.
90-Tage-Plan
Governance, Sicherheit und der Weg zum ersten Agenten
Je stärker ein Agent an interne und externe Daten angeschlossen ist, desto wichtiger werden Governance und Vertrauensarchitektur. Praktisch heißt das: Connectoren nur gezielt aktivieren, Rechte knapp halten, externe Quellen whitelisten, Ausgaben validieren und vor kritischen Aktionen immer menschliche Bestätigung verlangen. Das „Human-in-the-Loop”-Modell ist kein Bremsklotz, sondern die Voraussetzung dafür, dass Geschwindigkeit nicht auf Kosten von Verantwortung, Reputation und Compliance geht.
Der 90-Tage-Plan beginnt im ersten Monat mit der Auswahl eines geschäftsrelevanten Use-Cases (etwa ein Media-Intelligence-Copilot, ein Briefing-Agent oder ein Q&A-Entwurfs-Agent). Im zweiten Monat entsteht das erste Datenprodukt: bereinigt, klassifiziert, mit Metadaten versehen und in einen Retrieval-Layer überführt. Im dritten Monat geht das System in begrenzten Pilotbetrieb – gemessen an Retrieval-Trefferqualität, durchschnittlicher Briefing-Zeit, Freigabequote und Eskalationsrate wegen Richtlinienverletzungen. Der sinnvollste erste Agent verbindet Medienanalyse, Unternehmenswissen und Freigaberegeln zu belastbaren Briefings.
Nutzen
Was dieses Playbook leistet
Datenstrategie
Klare Taxonomie der sechs wichtigsten Datenquellen für Kommunikationsagenten – mit konkreten Anforderungen an Struktur, Metadaten, Governance und Aktualität.
Technische Architektur
Praxisnahe Erklärung von RAG, GraphRAG, Chunking und hybridem Retrieval – übersetzt in die spezifischen Anforderungen der Unternehmenskommunikation.
90-Tage-Roadmap
Schritt-für-Schritt-Plan von Use-Case-Auswahl über Datenprodukterstellung bis zum Pilotbetrieb – mit konkreten KPIs für Kommunikationsabteilungen.
Mitwirkende
Autoren & wissenschaftliche Begleitung
Download
Playbook jetzt kostenlos herunterladen
Fülle das Formular aus und erhalte das vollständige Impulspapier „Playbook für Kommunikationsabteilungen: KI-Agenten mit klugen Daten füttern” als PDF.
