Kreativ-Briefings automatisch strukturieren und vervollständigen

Das echte Ausmaß des Problems

Das Institut for Practitioners in Advertising (IPA) hat 2023 gemeinsam mit der Beratung BetterBriefs eine der bislang größten Studien zur Briefing-Qualität durchgeführt. Das Ergebnis ist eindeutig: 80 Prozent der Marketingverantwortlichen glauben, gute Briefings zu schreiben, nur 10 Prozent der Agenturen stimmen dem zu. Und 78 Prozent der Kunden meinen, ihr Briefing gebe eine klare strategische Richtung vor. Nur 5 Prozent der Kreativagenturen sehen das genauso.

Diese Wahrnehmungslücke hat direkte finanzielle Konsequenzen. Die Studie schätzt, dass 33 Prozent der Marketingbudgets verschwendet werden, weil Briefings unklar oder misdirektiert sind. Agenturseitig: 73 Prozent der UK-Agenturen sagen, die Briefings, die sie erhalten, seien schlicht nicht gut genug. Nur 6 Prozent der Agenturen wissen nach einem Kundenbriefing genau, in welche strategische Richtung die Arbeit gehen soll.

Was das bedeutet, wenn man es in Agenturstunden übersetzt: Eine Agentur, die 40 Projekte pro Monat produziert, verbrennt bei einer Rate von einer zusätzlichen Überarbeitungsrunde pro fehlerhaftem Briefing schnell 80–120 Stunden monatlich für Rework, das sind 6.000 bis 9.000 Euro Margenerosion pro Monat, konservativ gerechnet bei einem Stundensatz von 75 Euro. Und das, bevor auch nur ein Konzept entwickelt wurde.

Das Problem liegt nicht darin, dass Kunden böswillig schlechte Briefings schreiben. Es liegt daran, dass sie nicht wissen, was eine Agentur konkret braucht, um loszulegen, und dass niemand im Intake-Prozess systematisch nachfragt.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Rebrief-Reduktion ist der wertvollste, aber schwer messbare Effekt. Wer vor der Einführung keine Baseline erhebt, wird ihn nicht beweisen können, dazu mehr in der Kostenrechnung.

Einschätzung auf einen Blick

Zeitersparnis, stark (4/5) Der Kern-Effekt ist real und sofort spürbar: Eine Stunde Briefing-Aufbereitung schrumpft auf 15–20 Minuten. Das ist keine theoretische Einsparung, es ist eine Aufgabe, die jedes Projekt durchläuft und die bisher hauptsächlich kognitive Kreisarbeit war: Lücken finden, Lücken füllen, hoffen. Das übernimmt die KI.

Kosteneinsparung, mittel (3/5) Die direkte Kosteneinsparung durch weniger Briefing-Stunden ist überschaubar. Der größere Hebel sind die verhinderten Rebriefings und Überarbeitungsschleifen, und die sind in der Agentur tatsächlich budgetwirksam, weil jede Schleife nicht fakturierbar ist. Höher bewertet als reine Zeitdokumentations-Tools, weil dieser Use Case direkt in die Margenstruktur eingreift.

Schnelle Umsetzung, sehr hoch (5/5) Du kannst heute loslegen. Ein gut formulierter Prompt und ein Briefing-Template, das du ohnehin hast, sind alles, was du brauchst. Template-Entwicklung dauert 1–3 Tage; ein erster Test ist in 20 Minuten machbar.

ROI-Sicherheit, niedrig (2/5) Das ist der ehrlichste Wert in dieser Bewertung. Den Zeitgewinn pro Brief kannst du messen. Ob eine verhinderte Überarbeitungsrunde kausal auf das bessere Briefing zurückgeht, oder auf einen besseren Kundendialog, eine erfahrenere Projektleiterin, oder zufällig einen klaren Kunden, ist schwer zu isolieren. Wer diesen Use Case einführt, sollte die Rebrief-Rate vor der Einführung dokumentieren, sonst hat man nach drei Monaten eine Meinung, aber keine Zahl.

Skalierbarkeit, stark (4/5) Mehr Projekte bedeuten direkt mehr Briefing-Zeit, und damit mehr eingesparte Stunden. Das Template wird nicht teurer, wenn 20 statt 10 Projekte laufen. Nicht perfekt bewertet, weil Kunden-spezifische Eigenheiten manchmal manuelles Nachschärfen erfordern.

Richtwerte, abhängig von Projektvolumen, Briefing-Reifegrad der Kundenbasis und vorhandenem Template.

Was das System konkret macht

Dieser Use Case ist kein KI-Projekt im technischen Sinne. Es gibt kein System, das du aufsetzen musst. Es gibt einen Prompt und ein Template, und das reicht.

Das Prinzip: Du gibst dem LLM (einem großen Sprachmodell wie Claude oder ChatGPT) den rohen Kunden-Input, eine E-Mail, eine PDF, eine transkribierte Voice-Nachricht, deine eigenen Call-Notizen. Das Modell hat den Auftrag, diesen Input auf ein vordefiniertes Briefing-Template abzubilden.

Was passiert dabei konkret:

1. Extraktion: Das Modell liest den Input und ordnet jede Information einem Briefing-Feld zu. Was steht zur Zielgruppe? Was zur Tonalität? Was zum Budget?

2. Lücken-Markierung: Felder, die aus dem Input nicht befüllbar sind, werden nicht erfunden, sie werden als [OFFEN: zu klären im Kick-off] markiert. Das ist der wichtigste Unterschied zu einem manuell befüllten Brief: Was fehlt, wird sichtbar gemacht, nicht weggelassen.

3. Rückfragen-Generierung: Aus den offenen Feldern und internen Widersprüchen im Input generiert das Modell eine priorisierte Liste von Klärungsfragen, die Fragen, ohne deren Antwort kein Konzept sinnvoll beginnen kann, zuerst.

4. Formatierung: Das Ergebnis ist ein vollständig strukturiertes Briefing-Dokument im Agentur-Format, bereit für das Kick-off-Meeting, nicht für die nächste Interpretationsrunde.

Was es nicht macht: Es erfindet keine Informationen. Es rät nicht, was der Kunde “wahrscheinlich meint”. Es füllt keine Lücken mit plausiblen Werten. Es macht explizit, was unklar ist. Das ist die wesentliche Qualitätseigenschaft, auf die du beim Prompt-Design achten musst.

Die Abgrenzung zur Briefing-Analyse (UC01)

Dieser Use Case unterscheidet sich bewusst von der Briefing-Analyse und Strategieableitung. Der Unterschied ist nicht subtil, es sind zwei verschiedene Phasen im Projektlebenszyklus:

Beide Anwendungen ergänzen sich: UC18 kommt zuerst und stellt sicher, dass ein vollständiges Briefing existiert. UC01 kommt danach und denkt es strategisch weiter. Wer beides nutzt, reduziert sowohl den Aufbereitungsaufwand als auch die Kick-off-Vorbereitung.

Konkrete Werkzeuge, was wann passt

Die gute Nachricht: Du brauchst kein spezielles Tool. Du brauchst ein LLM, einen guten Prompt und ein definiertes Briefing-Template.

Claude (Anthropic), empfohlen für Texttiefe und Präzision Claude ist in der direkten Textanalyse und strukturierten Ausgabe besonders stark, weniger Tendenz zum “Ausfüllen” von Lücken mit plausibler Fiktion als einige andere Modelle. Für die Briefing-Intake-Aufgabe ist das entscheidend: Du willst, dass das Modell explizit sagt, was fehlt, statt etwas Plausibles zu erfinden. Claude Pro: 20 USD/Monat. Für DSGVO-konforme Verarbeitung: Claude über AWS Bedrock (Frankfurt) oder Google Vertex AI (EU). Die Consumer-App claude.ai läuft über US-Server.

ChatGPT (OpenAI), für Teams, die schon darin arbeiten ChatGPT mit Custom GPT oder Project-Setup ist ein guter Startpunkt, wenn dein Team sowieso täglich darin arbeitet. Die Briefing-Vorlage wird einmal als System-Prompt hinterlegt, der Kunden-Input wird eingefügt, fertig. Wichtig: ab Team-Plan (25 USD/Nutzer/Monat), damit Eingaben nicht für Training genutzt werden und ein AVV verfügbar ist.

Notion AI, wenn Briefings im Notion-Workflow leben Wer Projekte in Notion führt, kann das Briefing-Template direkt in eine Notion-Datenbank bauen und Notion AI zur Befüllung nutzen. Vorteil: Briefing und Projektdokumentation sind sofort verknüpft. Nachteil: Notion AI läuft über US-Server; für sensible Kundendaten AVV prüfen.

Langdock, für Agenturen mit DSGVO-Anforderungen Langdock ist eine deutsche Plattform, die LLM-Zugriff mit EU-Datenhosting verbindet, Daten verlassen die EU nicht. Für Agenturen, die Kunden aus regulierten Branchen (Gesundheit, Finanzen, Pharma) betreuen und deren Briefings keine US-Server berühren dürfen, ist das die sauberste Option.

Make.com, wenn Automatisierung im Fokus steht Wer nicht möchte, dass ein Projektmanager aktiv einen Prompt startet, kann Make.com in den Briefing-Eingang schalten: Kunden-E-Mail landet in einem Postfach → Make-Szenario extrahiert den Text → sendet ihn an das LLM → strukturiertes Briefing-Dokument landet im Projektmanagement-System. Einmalig konfiguriert, danach vollautomatisch. EU-Datenhosting verfügbar.

Zusammenfassung: Wann welcher Ansatz

• Ad-hoc-Test oder kleines Team → Claude oder ChatGPT direkt
• Briefings in Notion → Notion AI
• DSGVO-sensible Kundschaft → Langdock
• Vollautomatischer Inbox-Workflow → Make.com mit LLM-API

Datenschutz und Datenhaltung

Kundenbriefings enthalten in der Regel keine personenbezogenen Daten im DSGVO-Sinne, aber sie können Marktstrategien, vertrauliche Produktinformationen und Business Intelligence enthalten, die Kunden als vertraulich behandeln. Sobald dieser Content an externe Server übertragen wird, ist DSGVO-Konformität Pflicht, nicht nur eine Formalität.

Konkrete Anforderungen:

• Auftragsverarbeitungsvertrag (AVV): Jedes LLM, das Kundendaten verarbeitet, braucht einen AVV gemäß Art. 28 DSGVO. Für ChatGPT Team, Claude Enterprise, Langdock und Make.com sind AVVs verfügbar, sie müssen aktiv angefordert und unterzeichnet werden.

• EU-Datenhosting: Claude und ChatGPT in den Consumer-Tarifen verarbeiten Daten auf US-Servern. Für Agenturen mit Kunden, die EU-Verarbeitung vorschreiben: Langdock (EU), Make.com (EU wählbar), Claude über AWS Bedrock Frankfurt oder ChatGPT Enterprise mit EU-Daten-Residenz.

• Was du nicht in den Prompt geben solltest: Vollständige Kundennamen + vollständige Strategie-Details gleichzeitig, wenn nötig, Eigennamen anonymisieren (z. B. “Kunde X aus der Pharmabranche” statt “Bayer AG”) und erst nach Verarbeitung im fertigen Briefing ergänzen.

• Kunden-Vertraulichkeit kommunizieren: Wenn ihr LLM-Tools zur Briefing-Verarbeitung einsetzt, empfiehlt sich ein kurzer Passus im Dienstleistungsvertrag oder der Datenschutzinformation. Manche Enterprise-Kunden fragen explizit, wo ihre Briefings verarbeitet werden.

Was es kostet, realistisch gerechnet

Einmalige Einrichtung

• Briefing-Template definieren und Prompt entwickeln: 1–3 Tage intern (erfahrungsgemäß)
• Ggf. Make.com-Szenario konfigurieren: 0,5–1 Tag mit Low-Code-Kenntnissen

Laufende Kosten

• Claude Pro: 20 USD/Monat Einzelnutzer; Team: 25–30 USD/Nutzer/Monat
• ChatGPT Team: ab 25 USD/Nutzer/Monat
• Langdock: Preise auf Anfrage, Einstieg ab ca. 10–15 EUR/Nutzer/Monat
• Make.com: kostenlos bis 1.000 Operationen/Monat, dann ab 9 USD

Was du dagegenrechnen kannst Eine Agentur mit 20 Neuprojekten pro Monat spart je 50–80 Minuten Briefing-Aufbereitungszeit = 1.000–1.600 Minuten = 17–27 Stunden monatlich. Bei einem internen Verrechnungssatz von 65–80 Euro/Stunde: 1.100–2.160 Euro eingesparte Aufbereitungszeit pro Monat. Das sind keine fakturierbaren Stunden, aber Stunden, die für kreative Arbeit frei werden.

Hinzu kommt der schwerer messbare, aber oft größere Effekt: verhinderte Rebriefings. Eine Rebrief-Runde kostet erfahrungsgemäß 3–6 Stunden intern (neues Kick-off, Konzept-Anpassung, Abstimmung). Wenn du monatlich zwei davon vermeidest, sind das 6–12 Stunden, 400–960 Euro Margenvorteil.

Wie du den ROI tatsächlich misst Dokumentiere vier Wochen lang vor der Einführung: Wie viele Briefings kommen rein? Wie viele sind beim ersten Kick-off vollständig? Wie viele enden in einem Rebrief-Meeting? Das ist deine Baseline. Nach 90 Tagen dieselben Fragen, dann hast du Zahlen, keine Meinungen.

Typische Einstiegsfehler

1. Den Kunden-Input ungekürzt übergeben und kein Template mitgeben. Ohne ein definiertes Briefing-Template als Output-Vorgabe wird das Modell ein “gutes Briefing” generieren, aber eben das, was es für ein gutes Briefing hält, nicht das, was deine Agentur braucht. Der Prompt muss explizit das Zielformat definieren: alle 23 Felder deiner Agentur-Vorlage, was davon Pflicht ist, was optional, sonst erhältst du eine generische Zusammenfassung statt ein einsatzbereites Dokument.

2. Das Modell Lücken schließen lassen statt markieren. Der häufigste Fehler bei der Prompt-Formulierung: “Wenn eine Information fehlt, ergänze eine sinnvolle Annahme.” Das klingt praktisch, ist aber gefährlich. Das Modell wird Budget-Annahmen treffen, Zielgruppen spezifizieren und Tonalitäten einsetzen, und wenn diese Annahmen falsch sind, bemerkt es niemand, bis das Konzept in einer Richtung präsentiert wird, die der Kunde nie bestellt hat. Der Prompt muss explizit verbieten, Lücken zu erfinden.

3. Das Template einmal definieren und nie anpassen. Kunden in unterschiedlichen Branchen stellen unterschiedliche Anforderungen. Ein Briefing für eine FMCG-Kampagne hat andere Pflichtfelder als ein B2B-Employer-Branding-Projekt. Ein universelles Template für alle Projekte führt dazu, dass entweder zu viele irrelevante Felder offen bleiben, oder zu wenige branchenspezifische Felder überhaupt abgefragt werden. Sinnvoll: zwei bis drei Template-Varianten je nach Projekttyp.

4. Die Lücken-Liste im Kick-off ignorieren. Das strukturierte Briefing ist der Output. Die Lücken-Liste ist der eigentliche Mehrwert. Sie zeigt priorisiert, welche Fragen das Kick-off beantworten muss, damit kreative Arbeit sinnvoll beginnen kann. Wer diese Liste nicht konsequent im Meeting abarbeitet, hat das Tool genutzt, um ein hübsch formatiertes Dokument zu erzeugen, aber nicht, um Missverständnisse zu verhindern.

5. Automatisierung ohne Qualitätsprüfung einschalten. Wenn Make.com oder Zapier das Briefing vollautomatisch erstellt und direkt ins Projektmanagement-System schreibt, ohne dass eine Projektmanagerin es einmal gelesen hat: problematisch. Das Modell kann Kunden-Input falsch interpretieren, Ironie nicht erkennen und Priorisierungen vertauschen. Der Automatisierungsschritt endet sinnvoll mit einer “zur Freigabe”-Aufgabe, nicht mit einer direkt versendeten Version.

Was mit der Einführung wirklich passiert

Die ersten drei Tage: Das Team ist skeptisch. “Das macht doch jeder von uns schon im Kopf.” Das stimmt, und es ist genau das Problem. Wer es im Kopf macht, macht es nach eigenem Schema, unterschiedlich schnell und mit unterschiedlichen Lücken.

Typisches Widerstandsmuster: “Das dauert doch genauso lang.” Beim ersten Versuch dauert es meistens tatsächlich genauso lang, weil man den Prompt noch nicht gut kennt, die Output-Qualität noch bewertet und das Template noch nicht sitzt. Der Durchbruch kommt typischerweise nach drei bis fünf Projekten, wenn der Ablauf zur Routine geworden ist. Wichtig: den Erwartungen des Teams kommunizieren, dass die Lernkurve existiert.

Wer profitiert zuerst: Juniorere Projektmanagerinnen und -manager, die das Agentur-Briefing-Template noch nicht verinnerlicht haben. Sie brauchen kein implizites Expertenwissen mehr, um ein vollständiges Briefing zu erkennen, das Modell übernimmt die Prüfung.

Wer zögerlich bleibt: Erfahrene Projektleiterinnen, die Briefings bisher intuitiv gut aufbereitet haben. Für sie ist der Effizienzgewinn geringer, weil ihr mentales Template bereits schnell arbeitet. Der Nutzen liegt für sie weniger in der Zeitersparnis als in der Konsistenz und dem lückenlosen Rückfragen-Protokoll.

Was konkret hilft:

• Mit einem Pilotprojekt starten, nicht mit dem nächsten Großkunden, sondern mit einem Routineauftrag
• Zwei Varianten vergleichen: Wie hätte die Person das Briefing manuell aufbereitet? Was hat die KI anders oder besser herausgearbeitet?
• Feedback nach drei Projekten einsammeln: Welche Felder werden immer als “OFFEN” markiert, obwohl man sie kennt? Das deutet auf einen Prompt-Fehler hin

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Wir haben doch schon ein Briefing-Template.” Das Template ist der Zielzustand, nicht der Prozess dahin. Das Problem ist nicht, dass das Template fehlt, sondern dass Kunden-Inputs nicht systematisch auf das Template abgebildet werden. Das Template liegt im SharePoint. Der Kunden-Input liegt in der E-Mail. Und dazwischen liegt eine Stunde kognitive Arbeit.

„Unsere Kunden-Inputs sind zu individuell für ein Template.” Das klingt nach Differenzierungsmerkmal, ist aber meistens nicht belastbar. Die Felder, die ein vollständiges Kreativ-Briefing ausmachen, Ziel, Zielgruppe, Tonalität, Botschaft, Budget, Deadline, Freigabeweg, Erfolgsmessung, sind für 90 Prozent aller Projekte identisch. Was variiert, sind die Inhalte, nicht die Felder. Und genau dafür ist ein Template da.

„Was, wenn die KI das falsch interpretiert?” Das wird sie. Nicht oft, aber es wird vorkommen. Deshalb ist das Modell nicht der finale Entscheider, es ist der erste Bearbeiter. Die Projektmanagerin prüft das Ergebnis, korrigiert offensichtliche Fehler und entscheidet, welche Lücken für das Kick-off priorisiert werden. Der Modell-Output ist ein Entwurf, der 80 Prozent der Arbeit abnimmt, nicht ein fertiges Dokument, das ohne Augen bleibt.

„Das ist doch nicht für alle Kunden gleich gut.” Stimmt. Kunden, die bereits strukturierte, vollständige Briefings liefern, profitieren kaum, weil es nichts zu strukturieren gibt. Der Use Case zahlt sich am stärksten für Kunden aus, die gewohnheitsmäßig vage oder fragmentierte Inputs liefern. Wenn du drei, vier solche Kunden im Portfolio hast: Das reicht bereits für einen messbaren Effekt.

Woran du merkst, dass das zu dir passt

• Du bearbeitest mindestens 8–10 neue Kundenprojekte pro Monat, darunter einige, bei denen das Briefing beim ersten Kick-off noch Lücken hat
• Dein Team wiederholt denselben Rechercheaufwand für jeden neuen Brief, weil es kein systematisches Eingangs-Protokoll gibt
• Briefing-Qualität ist personenabhängig, erfahrene Projektmanagerinnen liefern ein gutes Briefing-Dokument, junior-erfahrene hinterlassen mehr Lücken
• Rebrief-Meetings kommen vor und du weißt aus dem Bauch heraus, dass mindestens ein Drittel davon durch eine bessere Briefing-Phase verhindert worden wäre
• Kunden aus eher kreativ-unerfahrenen Branchen, NGOs, Handwerksunternehmen, B2B-Mittelstand, die selten mit Agenturen zusammenarbeiten und entsprechend wenig strukturierte Inputs liefern

Wann es sich nicht lohnt, drei harte Ausschlusskriterien:

1. Weniger als 5–6 Neuprojekte pro Monat. Unter diesem Volumen amortisiert sich der Aufwand für Template-Definition und Prompt-Entwicklung nicht. Der manuelle Prozess ist bei diesem Volumen einfach schneller optimiert.

2. Kein definiertes Briefing-Template in der Agentur. Das klingt unwahrscheinlich, ist aber verbreiteter als gedacht. Wenn Briefings bei euch bisher formlos waren, jede Projektmanagerin nach eigenem Schema, dann ist der erste Schritt nicht das KI-Tool, sondern das gemeinsame Template. Die KI kann ein Template befüllen, aber sie kann keines erfinden, das zu eurer Agentur passt.

3. Projektstapel sind vor allem mündlich. Wenn der Großteil eurer Kunden-Inputs in Telefonaten oder persönlichen Meetings entsteht, ohne schriftliche Zusammenfassung danach, fehlt dem Modell der Input. In diesem Fall ist der erste Schritt: systematische Call-Protokollierung (per Transkription mit Otter.ai oder ähnlichem), danach kann die Briefing-Aufbereitung starten.

Das kannst du heute noch tun

Nimm eine E-Mail oder ein Dokument aus den letzten Wochen, das als Kunden-Briefing hereingekommen ist, am besten eines, das unvollständig oder vage war. Öffne Claude oder ChatGPT und füge den folgenden Prompt ein. Dann hänge den Kunden-Input dran.

Quellen & Methodik

• IPA/BetterBriefs-Studie 2023: Institute for Practitioners in Advertising (IPA) und BetterBriefs, „Better Briefs: A global study on the quality of marketing and creative briefs” (2023). Quellen: IPA-Pressemitteilung, The Drum-Bericht, Contagious-Zusammenfassung. Kerndaten: 80 % der Kunden / 10 % der Agenturen sehen Briefings als qualitativ gut; 33 % Budgetverschwendung durch schlechte Briefings; 73 % der UK-Agenturen: Briefings nicht gut genug.
• Rework-Kostenabschätzung: Erfahrungswerte und Fallrechnungen aus dem Simple.io-Blog (2023) und Medium-Beitrag der Simple Marketing Operations Solutions: 80–120 Stunden/Monat Rework bei einer Agentur mit 40 Projekten/Monat. Quelle: Simple.io-Blog.
• Rebrief-Rate: IPA/BetterBriefs (2023); 69–73 % der Befragten bestätigen, dass Rebriefings zu häufig vorkommen.
• Werkzeug-Preise: Claude Pro 20 USD/Monat (Anthropic, Stand Mai 2026); ChatGPT Team ab 25 USD/Nutzer/Monat (OpenAI, Stand Mai 2026); Make.com ab kostenlos bis 9 USD/Monat Core-Plan (Stand Mai 2026).
• Methodischer Hinweis: Die Vergleichswerte in der Tabelle (Briefing-Aufbereitungszeit, Rebrief-Raten) basieren auf Erfahrungswerten aus Agentur-Implementierungen und den zitierten Studien, keine repräsentative Primärstudie, aber konsistente Beobachtungen aus Praxisberichten.

Du willst wissen, welche Briefing-Felder in deiner Agentur wirklich blockierend sind, und wie ein Prompt aussieht, der zu deinen spezifischen Projekttypen passt? Meld dich, das klären wir in einem kurzen Gespräch.