Briefing-Analyse und Strategieableitung

Das echte Ausmaß des Problems

Kundenbriefings sind das Fundament jeder Kreativproduktion — und gleichzeitig einer der häufigsten Reibungspunkte im Agenturgeschäft. Laut einer Umfrage des GWA (Gesamtverband Kommunikationsagenturen) aus dem Jahr 2024 berichten über 60 Prozent der Agenturen, dass unklare oder lückenhafte Briefings zu Überarbeitungsrunden und Projektverzögerungen führen. Das kostet: Jede nicht eingeplante Überarbeitungsrunde bindet erfahrungsgemäß 4–8 Stunden Kreativ- und Projektmanagement-Zeit.

Das Problem hat mehrere Ebenen:

• Fehlende Informationen: Zielgruppe, Tonalität, Kanalstrategie, Budget — oft nur angedeutet oder gar nicht genannt
• Interne Widersprüche: Das Briefing wurde von mehreren Personen befüllt, ohne dass jemand Konsistenz geprüft hat
• Vagheit durch Angst vor Festlegung: Kunden halten sich bewusst vage, weil sie selbst noch keine klare Vorstellung haben
• Missing Context: Was der Kunde voraussetzt, weiß die Agentur nicht — und was die Agentur wissen muss, fehlt im Dokument

Das Ergebnis: Die Kreativarbeit beginnt nicht mit einem klaren Fundament, sondern mit Interpretation und Annahmen. Wenn diese Annahmen falsch sind, kostet es Wochen.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Erfahrungswerte aus Agenturgesprächen — keine repräsentative Studie. Die Reduktion von Überarbeitungsrunden hängt stark davon ab, wie konsequent das KI-Ergebnis in den Kunden-Dialog eingebracht wird.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Pro Projekt spart eine strukturierte KI-Analyse 1–2 Stunden — verteilt auf Briefing-Lesen, Notizen, Rückfragen formulieren, Kick-off vorbereiten. Bei einer Agentur mit 10–15 Projekten im Monat summiert sich das auf 10–30 Stunden monatlich. Nicht der größte Hebel in dieser Kategorie (Video-Produktion und Kundenpräsentationen sparen mehr absolute Zeit), aber der direkteste Einstieg.

Kosteneinsparung — niedrig (2/5) Der Nutzen ist real, aber indirekt: Weniger Überarbeitungsrunden bedeuten niedrigere interne Projektkosten. Das ist schwer in Euro zu isolieren, weil du niemals sicher weißt, ob eine Überarbeitungsrunde durch besseres Briefing-Management vermieden wurde oder durch andere Faktoren. Direktere Kosteneinsparungen findest du bei Angebotskalkulation oder Zeiterfassung.

Schnelle Umsetzung — sehr hoch (5/5) Dieser Use Case braucht keine neue Software, keine IT-Integration, keine Einführungsphase. Du kopierst das Briefing, gibst es in ChatGPT oder Claude, nutzt einen strukturierten Prompt — und hast in 5–10 Minuten eine Analyse. Kein anderer Use Case in dieser Kategorie ist so sofort einsatzbereit.

ROI-Sicherheit — mittel (3/5) Der Nutzen ist spürbar, aber schwer präzise zu messen. Du kannst nicht direkt belegen, dass die KI-Analyse eine bestimmte Überarbeitungsrunde verhindert hat. Wer ROI sauber nachweisen will, sollte Überarbeitungsrunden vor und nach der Einführung systematisch zählen — was in der Praxis selten gemacht wird.

Skalierbarkeit — mittel (3/5) Ein strukturierter Prompt skaliert mit jedem weiteren Briefing ohne Mehraufwand. Was nicht automatisch skaliert: Der Prompt muss gelegentlich angepasst werden, wenn neue Briefing-Typen (z. B. Event-Briefings vs. Kampagnen-Briefings) auftauchen. Und die Qualität der Analyse hängt davon ab, wie viel Kontext der Prompt über das Unternehmen und seine typischen Projekttypen enthält.

Richtwerte — stark abhängig von Briefing-Qualität der Kunden und Projektvolumen der Agentur.

Was die KI-Briefing-Analyse konkret macht

Der technische Ansatz ist einfach: Du gibst das Briefing-Dokument als Text in ein LLM — entweder kopiert oder als Dateiupload — und nutzt einen vorbereiteten Prompt, der das Modell anweist, strukturiert vorzugehen.

Was ein guter Briefing-Analyse-Prompt leistet:

1. Vollständigkeitsprüfung — Das Modell prüft, ob Pflichtfelder vorhanden sind: Zielgruppe, Tonalität, Kernbotschaft, Kanal-Mix, Budget, Timeline, Erfolgskennzahl. Fehlende Felder werden explizit gelistet.

2. Widerspruchs-Erkennung — Das Modell liest aktiv auf Inkonsistenzen: “jung und frisch” vs. “45+ Zielgruppe”, oder “Premium-Anspruch” vs. “5.000 Euro Produktionsbudget”. Diese Widersprüche kommen im manuellen Lesen oft erst beim Kick-off ans Licht — zu spät.

3. Strategische Rückfragen — Das Modell formuliert die wichtigsten Klärungsfragen, sortiert nach Priorität: Was muss vor Projektbeginn geklärt werden? Was kann auch im Prozess entschieden werden?

4. Strategische Ableitung — Optional: Das Modell destilliert aus dem Briefing eine erste strategische Einschätzung — mögliche Positionierungsrichtungen, Spannungsfelder, Risiken. Das ersetzt keine Strategie-Arbeit, gibt aber dem Kreativteam einen Gedanken-Startpunkt.

Was KI hier nicht leisten kann: kreative Einschätzungen, Markt-Kontextwissen über den Kunden und seine Konkurrenz, oder ein Gefühl für das Ungesagte im Briefing. Das bleibt Erfahrungswissen, das erfahrene Account-Manager oder Kreativ-Direktorinnen mitbringen.

Konkrete Werkzeuge — was wann passt

ChatGPT — Erste Wahl für Briefing-Analyse, weil du PDFs direkt hochladen kannst (ab GPT-4). Kein Copy-Paste nötig. Nachteil: US-Datenhaltung. Kosten: 20 Euro/Monat für ChatGPT Plus.

Claude — Stärker bei langen Dokumenten und nuancierter Sprache. Claude verarbeitet sehr lange Briefings vollständig — kein Truncation-Problem. Besonders gut für inhaltliche Widersprüche und subtile Spannungsfelder. Kosten: Claude Pro ab 18 Euro/Monat, Claude für Teams ab 25 Euro/Nutzer/Monat.

Perplexity — Sinnvoll als Ergänzung: Wenn das Briefing Markt- oder Branchenbegriffe enthält, kann Perplexity sofort Kontext dazu liefern (aktuelle Marktlage, Wettbewerber-Informationen). Kostenlos für Basisnutzung.

Notion AI — Wenn die Agentur Briefings ohnehin in Notion erfasst, lässt sich Notion AI direkt in den Briefing-Workflow integrieren. Analyse, Zusammenfassung und Rückfragen bleiben im selben Dokument. Kosten: im Business-Plan (ca. 20 Euro/Person/Monat) enthalten.

Für den Einstieg empfehle ich: Claude für den Analyse-Prompt, weil es lange Dokumente am konsistentesten verarbeitet.

Datenschutz und Datenhaltung

Kundenbriefings enthalten regelmäßig vertrauliche Informationen: unveröffentlichte Produktpläne, Budgets, interne Marktpositionierungen, Personalentscheidungen. Das macht DSGVO-Compliance hier besonders relevant.

Was du tun musst: Bevor du Kundenbriefings in externe KI-Dienste hochlädst, prüfe:

1. Enthält das Briefing personenbezogene Daten? Namen, E-Mail-Adressen, Kontaktdaten — wenn ja, muss ein Auftragsverarbeitungsvertrag (AVV) mit dem KI-Anbieter vorliegen. Anthropic (Claude), OpenAI (ChatGPT) und Notion stellen AVVs bereit — aber du musst sie aktiv anfordern und unterzeichnen.

2. Hat dein Kunde eine Vertraulichkeitsklausel? Manche Kundenverträge verbieten das Teilen von Briefing-Inhalten mit Dritten — und ein KI-Dienst gilt als Dritter. Prüfe das vor dem ersten Upload.

3. Welche Daten braucht die Analyse wirklich? Oft reicht es, nur den relevanten Teil des Briefings einzugeben — ohne die vollständige Kontaktdaten-Seite. Minimalprinzip: Nur das einspeisen, was für die Analyse nötig ist.

Wenn vertrauliche Kundendaten ein Thema sind: Entweder einen lokalen LLM (z. B. Ollama mit einem offenen Modell) oder eine Enterprise-Lösung mit Datenresidenz in Deutschland einsetzen.

Was es kostet — realistisch gerechnet

Einrichtungskosten: Fast null. Ein strukturierter Analyse-Prompt kann in 2–3 Stunden entwickelt und getestet werden. Das macht man intern.

Laufende Kosten:

• ChatGPT Plus oder Claude Pro: 18–20 Euro/Monat pro Person
• Notion AI (wenn bereits genutzt): im Business-Plan enthalten

Konservatives ROI-Szenario: Eine Agentur mit 15 Projekten/Monat spart pro Briefing 45 Minuten Auswertungszeit. Bei einem internen Stundensatz von 80 Euro sind das 900 Euro monatlicher Wert — gegen 20 Euro Tool-Kosten. Aber: Das setzt voraus, dass die eingesparte Zeit in abrechenbare Arbeit umgewandelt wird, nicht in weniger Stress. In der Praxis gelingt das etwa zur Hälfte — realistischer Nutzen: 400–500 Euro/Monat.

Drei typische Einstiegsfehler

Fehler 1: Einen generischen Prompt verwenden “Analysiere dieses Briefing” liefert eine generische Zusammenfassung — keine Prüfung auf Lücken und Widersprüche. Die Qualität der Analyse steht und fällt mit der Qualität des Prompts. Investiere 2–3 Stunden, um deinen Standard-Analyse-Prompt auf echte Kundenbriefings zu testen und zu schärfen.

Fehler 2: Das KI-Ergebnis ungeprüft verwenden Die KI kann “Widersprüche” identifizieren, die gar keine sind — weil ihr Kontext fehlt, den die erfahrene Projektleiterin kennt. Behandle die Analyse als erste Orientierung, nicht als Facit. Ein kurzer Blick von jemandem mit Kundenwissen dauert 5 Minuten und verhindert peinliche Rückfragen.

Fehler 3: Die Methode nicht verstetigen Die ersten zwei Mal läuft die KI-Analyse super. Dann hört man auf, weil der Alltagsdruck zurückkommt. Erfolgreiche Teams verankern die Briefing-Analyse als festes Schritt vor jedem Kick-off — nicht als optionale Ergänzung.

Fehler 4 (Maintenance): Den Prompt nicht aktualisieren Wenn sich der Briefing-Standard des Kunden verändert, hinkt der Prompt hinterher. Wer den Prompt erstellt hat, sollte einmal im Quartal prüfen, ob er noch auf aktuelle Briefing-Typen passt. Meist genügt eine 20-minütige Aktualisierung.

Was mit der Einführung wirklich passiert

Erfahrungsgemäß gibt es zwei Widerstands-Muster:

“Das macht doch die KI falsch” — Projektleitende, die viel Erfahrung haben, sehen KI-Lücken-Listen oft kritisch, weil sie selbst gut darin sind, Briefing-Probleme zu erkennen. Sie haben nicht Unrecht. Die KI ersetzt nicht ihr Urteil — sie macht es schneller und gibt einen strukturierten Startpunkt. Am besten: Einmal gemeinsam live testen und das Ergebnis diskutieren. Das nimmt 80 Prozent der Skepsis.

“Dafür haben wir keine Zeit” — Paradox, aber real: Teams, die am dringendsten unter schlechten Briefings leiden, haben oft auch am wenigsten Zeit, neue Methoden einzuführen. Lösung: Nicht als Projekt verkaufen, sondern als 10-Minuten-Ergänzung beim nächsten konkreten Briefing ausprobieren. Keine Schulung, kein Meeting.

Was nicht passiert: Dass die KI die Briefing-Qualität der Kunden verbessert. Dafür braucht es Kunden-Gespräche und manchmal ein eigenes Briefing-Template, das du dem Kunden mitgibst.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

“Unsere Kunden würden nicht wollen, dass wir ihre Briefings in eine KI einspeisen.” Ein legitimer Einwand — manche Kunden haben NDA-Klauseln, die das tatsächlich verbieten. Prüfe das konkret für jeden Kunden. Für die meisten gilt: Wenn du einen AVV hast und nur für die Analyse notwendige Passagen (ohne Personendaten) eingibst, ist das DSGVO-konform. Für besonders sensible Kunden: Einen lokalen LLM nutzen, der keine Daten nach außen sendet.

“Das spart uns ja kaum Zeit — das Lesen muss ich sowieso selbst machen.” Richtig: Das Lesen nimmst du dir nicht ab. Aber die systematische Lücken- und Widerspruchs-Prüfung ist eine andere Aufgabe — und die dauert ohne KI erfahrungsgemäß 40–60 Minuten pro Projekt. Den Rückfragen-Block zu formulieren ist ein weiterer Time-Consumer. Hier spart die KI real.

Woran du merkst, dass das zu dir passt

Das passt gut:

• Deine Agentur bearbeitet 5 oder mehr neue Kundenbriefings pro Monat
• Briefing-Qualität ist ein regelmäßiges Thema in Retrospektiven oder Projekt-Reviews
• Überarbeitungsrunden durch Missverständnisse kosten euch messbar Zeit

Das passt noch nicht oder nicht gut:

• Du hast weniger als 3 neue Projekte pro Monat — der Einrichtungsaufwand rentiert sich kaum
• Deine Kunden liefern ausschließlich mündliche Briefings ohne Dokument — dann gibt es nichts zu analysieren
• Dein Team ist so klein (1–2 Personen), dass Briefing-Analyse ohnehin in 15 Minuten erledigt ist

Das kannst du heute noch tun

Lade das nächste Kundenbriefing in Claude oder ChatGPT hoch und schicke diesen Prompt:

Quellen & Methodik

• GWA Frühjahrsmonitor 2024/2025 — Erhebung zu Wachstumstreibern und Herausforderungen in deutschen Kommunikationsagenturen; Angaben zu Briefing-Qualität als Projektverzögerungs-Faktor. gwa.de/presse-meldungen
• GWA KI-Whitepaper 2025: “Neue Spielregeln” — 100-seitige Analyse der KI-Adoption in deutschen Kommunikationsagenturen, inkl. Einschätzung von Prozesspotenzialen. gwa.de/ki-paper
• Eigene Erfahrungswerte — Erfahrungsberichte aus Gesprächen mit Projektleitenden in Agenturen mit 8–50 Mitarbeitenden. Keine repräsentative Studie, aber konsistente Beobachtungsmuster.