KI-gestütztes Ticketing und Fanmanagement für Sportvereine

Das echte Ausmaß des Problems

Die rund 86.000 Sportvereine in Deutschland zählen 29,3 Millionen Mitgliedschaften (DOSB-Bestandserhebung, Stand 1. Januar 2025), eine der größten organisierten Gemeinschaften des Landes. Doch selbst in Vereinen mit professionellem Spielbetrieb sieht die Realität des Fanmarketings für viele Klubs außerhalb der ersten Bundesliga so aus: eine Excel-Tabelle mit E-Mail-Adressen, ein Newsletter-Tool, ein monatlicher Versand an alle.

Drei strukturelle Probleme liegen dahinter:

Fehlende Differenzierung. Eine undifferenzierte Mailingliste ist keine Marketinginfrastruktur. Fans, die dreimal pro Saison ins Stadion kommen, und solche, die zuletzt 2019 eine Karte gekauft haben, bekommen dieselbe E-Mail. Das Ergebnis sind niedrige Klickraten wie die 0,8 Prozent aus der Geschichte oben, kein Versagen des Marketingteams, sondern des Ansatzes.

Ungenutzte Verhaltensdaten. Jede Ticketkauftransaktion ist ein Datenpunkt: Wann wurde gekauft? Zu welchem Spiel? Einzeln oder in der Gruppe? Wie oft in dieser Saison? Die meisten Vereine sammeln diese Daten implizit, im Ticketingsystem, vielleicht in einem separaten CRM, vielleicht nirgends. Dass sich daraus Verhaltensprofile ableiten lassen, die weit präzisere Kommunikation ermöglichen, bleibt ungenutzt.

Verpasstes Umsatzpotenzial. Eine Studie in Frontiers in Sports and Active Living aus dem Jahr 2024 analysierte 500.591 Online-Merchandising-Transaktionen von 315.916 Fans des AFC Ajax über fünf Spielzeiten und identifizierte acht Fansegmente mit deutlich unterschiedlichem Lifetime Value. Die beiden wertvollsten Cluster, die sogenannten “Golden Fans”, umfassen rund 8,5 Prozent der Fans und sind laut den Autoren die wichtigsten Umsatzträger. Dass es im Ticketing ähnliche Unterschiede gibt, ist plausibel, gemessen hat es die Studie nicht.

Für Klubs der 2. Bundesliga, 3. Liga und professionellen Ligen im Handball, Basketball oder Volleyball bedeutet das: Das Umsatzpotenzial aus der bestehenden Fanbasis ist systematisch unterschöpft, nicht wegen fehlender Fans, sondern wegen fehlender Differenzierung.

Mit vs. ohne KI, ein ehrlicher Vergleich

¹ Annahmen dieser Seite, nicht belegt. Wie sich Klicks und Käufe bei euch verändern, zeigt erst der A/B-Test unten, und das Ergebnis hängt stark an Datenqualität, Angebotsstärke und Segmentgröße.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5) Die größte Zeitersparnis liegt in der Segmentierung und Kampagnenplanung: Was nach unserer Annahme 6–10 Stunden manuelle Arbeit pro Kampagne war (Listenexport, Segmentfilterung, Variantenerstellung), dauert mit einem eingerichteten Automationssystem 1,5–3 Stunden, also grob 4 bis 7 Stunden weniger. Bei einer Kampagne je Heimspiel, also 12 im Jahr, sind das 12 mal 4 bis 7 Stunden, rund 50 bis 80 Stunden Marketingzeit. Geld spart das nicht, das Marketingteam ist ohnehin bezahlt, es gewinnt Zeit. Das ist real, aber verglichen mit Anwendungsfällen wie Live-Coaching-Datenanalyse oder automatischer Spielanalyse kein transformativer Hebel für den Sportbetrieb selbst, deshalb Mittelfeldposition.

Kosteneinsparung, hoch (4/5) Der Hebel liegt nicht auf der Kostenseite des Marketings, sondern auf der Erlösseite. Im Rechenbeispiel unten kommen, wenn alle angenommenen Raten eintreten, rund 54.000 Euro Mehrumsatz in einer Saison zusammen, mit halbem Effekt rund 27.000 Euro, bei Softwarekosten um 1.000 Euro im Jahr. Dem Personalisierungsansatz zuordnen lässt sich das nur über einen A/B-Test mit ausreichend großen Gruppen. Damit landet dieser Anwendungsfall im oberen Viertel der Kategorie, hinter direkten Kostensenkungs-Use-Cases wie der Churn-Prognose für Fitnessstudios, aber deutlich vor Ansätzen mit indirekter Wirkung.

Schnelle Umsetzung, mittel (3/5) Vier bis acht Wochen bis zur ersten personalisierten Kampagne sind realistisch, wenn die Fandaten bereits in einem zugänglichen Format vorliegen. Das ist der entscheidende Vorbehalt: Wer keine strukturierten Ticketingdaten hat oder wessen Kontaktliste aus verschiedenen Quellen ohne eindeutige Fan-ID zusammengestückelt ist, braucht zuerst die Datenbereinigung, dann die Segmentierung. Technisch ist das ein Wochenendjob, organisatorisch kann es Monate dauern. Deshalb kein Score über 3.

ROI-Sicherheit, hoch (4/5) Conversion-Rate und Erlöse lassen sich direkt messen und A/B-testen: Eine zufällige Hälfte eines Segments bekommt die Standardmail, die andere das zugeschnittene Angebot, nach vier Tagen hat man Ergebnisse. Die Gruppen müssen dafür groß sein: Einen Unterschied von 0,24 auf 1,1 Prozent Käufe erkennst du erst ab rund 1.400 Empfängern je Gruppe, kleinere Effekte brauchen deutlich mehr. Das macht diesen Anwendungsfall zu einem der wenigen im Sportbereich, bei dem der ROI nicht indirekt oder langfristig ist, sondern direkt pro Kampagne sichtbar. Kein 5, weil das Ergebnis stark von der Angebotsstärke und dem Spielplan abhängt, ein Relegationsspiel füllt sich von selbst, ein Mittwochsspiel gegen einen Aufsteiger nicht.

Skalierbarkeit, sehr hoch (5/5) Das ist der entscheidendste Vorteil: Das Automationssystem kostet für 5.000 Fans genauso viel wie für 50.000. Wenn ein Verein aufsteigt und die Fanbasis wächst, wächst die Reichweite der Kampagnen ohne Mehraufwand mit. Im direkten Vergleich mit anderen Sportanwendungsfällen, bei denen Skalierung neue Hardware, mehr Trainer oder mehr Lizenzen bedeutet, ist das ein echter struktureller Vorteil.

Richtwerte, stark abhängig von Datenbasis, bestehender CRM-Infrastruktur und Kampagnenfrequenz.

Was das System konkret macht

Der Kern ist ein dreistufiger Prozess: Daten zusammenführen, Fans segmentieren, automatisiert ansprechen.

Stufe 1: Daten zusammenführen. Das System zieht Daten aus dem Ticketingsystem (welcher Fan hat wann welche Karte gekauft), aus dem E-Mail-Tool (wer öffnet, wer klickt, wer abmeldet) und idealerweise aus dem Mitgliederverzeichnis (Vereinsmitglied ja/nein, Mitgliedschaftskategorie). Das Ergebnis: ein einheitliches Fanprofil mit einer eindeutigen ID pro Person.

Stufe 2: Fans segmentieren. Machine Learning, konkret der sogenannte RFM-Ansatz (Recency, Frequency, Monetary), berechnet für jeden Fan drei Werte: Wann war der letzte Kauf? Wie oft wurde gekauft? Wie viel wurde ausgegeben? Auf Basis dieser Werte entstehen Fansegmente, die nicht willkürlich sind, sondern aus dem Verhalten der eigenen Fanbasis destilliert werden:

• Stammgäste (hohe Frequenz, recent): prime Zielgruppe für Dauerkarten-Upgrades und VIP-Angebote
• Gelegenheitsbesucher (mittlere Frequenz, selektiv): ansprechen mit attraktiven Spielen, Derby, Nachbarschaftsklub, Pokal
• Einmalkäufer (niedrige Frequenz, einmalig): Bindungsaufbau durch niedrigschwellige Angebote, Familientag, reduzierte Tickets
• Schlafende Fans (keine Transaktion in 12+ Monaten): Rückgewinnungskampagne mit spezifischem Anlass oder Vergünstigung

Stufe 3: Automatisiert ansprechen. Trigger-basierte Kampagnen laufen dann automatisch: Wer drei Heimspiele in Folge besucht hat, bekommt automatisch ein Dauerkarten-Angebot, nicht nach Kalender, sondern wenn das Verhalten eintritt. Wer seit 14 Monaten keine Karte mehr gekauft hat, bekommt vor dem Derby eine Rückgewinnungs-E-Mail. Wer gestern geklickt, aber nicht gekauft hat, bekommt morgen eine Erinnerung.

Das ist kein Zaubertrick. Es ist systematische Verhaltenslogik, nur eben automatisiert, nicht manuell.

Datenstrategie: Welche Daten du wirklich brauchst

Das ist die Frage, die die meisten Vereine zu spät stellen. Nicht: „Welches CRM-Tool kaufen wir?” Sondern: „Welche Daten haben wir überhaupt, und in welcher Qualität?”

Bevor du auch nur an Segmentierung denkst, brauchst du vier Datentypen:

1. Fan-ID mit E-Mail. Jeder Ticketkauf muss einem Fan mit einer E-Mail-Adresse zugeordnet sein. Klingt trivial. Ist es nicht: Viele Vereine verkaufen Tickets über externe Portale (Reservix, Ticketmaster, EVENTIM), ohne dass die Fan-E-Mail-Adresse zurückgespielt wird. Wer so aufgestellt ist, hat Umsatzdaten, aber kein Fanprofil. Das ist der häufigste Startblocker.

2. Kaufhistorie über mehrere Spielzeiten. Ein einziges Spiel ist kein Muster. Für sinnvolle RFM-Segmentierung braucht du mindestens eine Spielzeittransaktionshistorie, besser zwei bis drei. Wer neu auf ein digitales System umsteigt, muss historische Daten manuell aufbereiten oder mit einer Spielzeit warten, bis ausreichend Daten vorliegen.

3. Rechtssicheres Opt-in. Du darfst eine E-Mail-Adresse aus dem Ticketkauf nur in engen Grenzen für Marketingkampagnen nutzen (Bestandskunden-Ausnahme nach § 7 Abs. 3 UWG, siehe Datenschutz), sonst brauchst du eine ausdrückliche Einwilligung. Wenn deine bestehende Fanliste aus Jahren angesammelter Kontakte besteht, ohne dokumentierten Opt-in, kannst du sie für Automatisierung nicht verwenden. Das ist kein theoretisches Problem, es ist die häufigste rechtliche Falle im Sportmarketing.

4. Mindestgröße pro Segment. Wenn dein Verein 3.000 Fans hat und du sieben Segmente bildest, hat jedes Segment rechnerisch 428 Personen, aber realistisch vielleicht 80–200 nach Filterung. Das ist zu wenig für statistisch stabile ML-Segmentierung. Für kleine Klubs sind manuelle Segmente (Dauerkarte / Gelegenheitsbesucher / Nicht-Aktiv) besser als automatisch generierte k-means-Cluster. Die AFC-Ajax-Studie (500.000+ Transaktionen, fünf Spielzeiten) stellte explizit fest, dass ihre Ergebnisse nicht auf andere Klubs übertragbar sind, und Ajax ist kein kleiner Verein.

Was das praktisch bedeutet: Für einen Verein mit 5.000–15.000 Fankontakten und zwei bis drei Jahren Ticketing-Kaufhistorie sind drei bis vier manuelle Segmente (Brevo-Filter reicht aus) der vernünftigere Start als ein ML-Modell. Für Klubs mit 30.000+ Fans und sauberem Datenprofil lohnt sich der Schritt zu echter KI-Segmentierung.

Konkrete Werkzeuge, was wann passt

Brevo , der DSGVO-konforme Einstieg für die meisten Vereine

Brevo ist in diesem Anwendungsfall das naheliegendste Werkzeug für die meisten deutschen Vereine: EU-Datenhosting, kostenloser Dauerplan (bis 300 E-Mails/Tag), Starter ab 7 €/Monat für 5.000 E-Mails. Für einen Regionalligisten oder Drittligisten mit 8.000–15.000 Fankontakten reicht der Standard-Plan für alle Grundfunktionen, allerdings nicht im Einstiegspaket für 15 €/Monat: Die Pakete bis 15.000 E-Mails deckeln die Kontakte bei höchstens 2.500, erst ab dem 20.000er-Paket (55 €/Monat) sind 500.000 Kontakte enthalten, bei zwei Kampagnen im Monat an 15.000 Kontakte braucht es das 30.000er-Paket für 62 €/Monat. Enthalten sind manuelle Segmentierung per Filter, automatische Trigger-Kampagnen (z. B. “3 Heimspiele besucht → Dauerkarten-Mail”), A/B-Tests auf Betreffzeilen. KI-Segmentierung und Contact-Scoring sind erst im Professional-Plan (ab 499 €/Monat) verfügbar, für die meisten Vereine in dieser Größenordnung nicht notwendig.

Klaviyo , mächtige Segmentierung, aber US-Hosting und steile Preiskurve

Klaviyo ist die stärkere Maschine, wenn es um verhaltensbasierte Segmentierung und automatische Flows geht. Predictive Analytics (Abwanderungsrisiko, voraussichtlicher nächster Kauf) sind direkt in der Plattform verfügbar, ohne eigene Datenwissenschaft. Zwei Einschränkungen: Die Daten liegen auf US-Servern (kein EU-Hosting), was für Vereine, die Fandaten aus Deutschland verarbeiten, datenschutzrechtliche Abstimmung erfordert. Und: Der Preis steigt mit der Kontaktzahl, bei 10.000 Kontakten liegt er bereits über 100 US-Dollar im Monat, bei 50.000 Kontakten über 400 US-Dollar. Für Bundesliga-Klubs mit professionellem Marketingteam realistisch. Für Drittligisten oft überdimensioniert.

ActiveCampaign , Mittelweg zwischen Mächtigkeit und Komplexität

ActiveCampaign bietet starke Marketing-Automation und CRM-Grundfunktionen in einem Tool, mit einer Lernkurve, die zwischen Brevo und Klaviyo liegt. Gehostet wird standardmäßig in den USA, EU-Hosting gibt es nur über Enterprise-Verträge. Für Vereine, die neben E-Mail-Kampagnen auch Vertriebsnachverfolgung (z. B. VIP-Verkauf, Sponsoring-Leads) integrieren wollen, ist die CRM-Komponente ein echter Vorteil. Starter ab ca. 15 USD/Monat für 1.000 Kontakte, der Preis steigt mit der Kontaktanzahl deutlich.

SAP Engagement Cloud , Enterprise-Lösung für Profivereine

SAP Engagement Cloud (ehemals Emarsys, umbenannt Ende 2025) bietet Omnichannel-Personalisierung über E-Mail, Push, SMS und Web für große Kontaktbestände. Kosten: ab 1.500–2.500 US-Dollar/Monat für bis zu 50.000 Kontakte laut einem Preisleitfaden des SAP-Partners Spadoom, Implementierungskosten separat (ab 30.000 US-Dollar). Das ist Bundesliga-Budget, nicht Drittliga-Budget.

Zusammenfassung: Wann welcher Ansatz

• Bis in den mittleren fünfstelligen Kontaktbereich, DSGVO-Priorität → Brevo Standard
• Komplexere Flows und Predictive Analytics, US-Hosting akzeptabel → Klaviyo
• CRM und E-Mail in einem, US-Hosting akzeptabel → ActiveCampaign
• Profiverein, Enterprise-Budget, Omnichannel → SAP Engagement Cloud

Datenschutz und Datenhaltung

Fan-Marketingdaten sind personenbezogene Daten im Sinne der DSGVO. Das ist keine Formalität, es hat praktische Konsequenzen:

Opt-in ist die Regel, kein Nice-to-have. Werbung per E-Mail regelt § 7 UWG: grundsätzlich nur mit ausdrücklicher, dokumentierter Einwilligung, separate Checkbox bei der Registrierung, nicht im Kleingedruckten versteckt. Die einzige Ausnahme ist § 7 Abs. 3 UWG: Wer die Adresse beim Ticketkauf erhalten hat, darf für eigene ähnliche Angebote werben, also für weitere Tickets, wenn der Fan nicht widersprochen hat und beim Kauf und in jeder Mail auf sein Widerspruchsrecht hingewiesen wird. Wenn eure bestehende Fanliste historisch gewachsen ist und kein sauberes Opt-in dokumentiert ist, ist das die Aufgabe vor dem Start: Opt-in-Kampagne, bei der Fans aktiv zustimmen.

Auftragsverarbeitung (AVV) mit dem E-Mail-Tool. Wer Fan-E-Mail-Daten an Brevo, Klaviyo oder ActiveCampaign übergibt, schließt einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO ab. Alle genannten Anbieter stellen AVV-Dokumente bereit, bei Brevo per Self-Service im Account, bei Klaviyo auf Anfrage, bei ActiveCampaign per Einstellung. Das ist ein konkreter Schritt, der vor dem Produktivbetrieb erledigt sein muss.

EU-Hosting vs. US-Hosting. Brevo hostet in EU-Rechenzentren. Klaviyo und ActiveCampaign nutzen US-Server mit Standardvertragsklauseln beziehungsweise dem EU-US Data Privacy Framework als Übertragungsgrundlage. Das reicht für die meisten Vereine aus, sollte aber mit dem Datenschutzbeauftragten abgestimmt werden, wenn sensiblere Daten (Mitgliedschaftsdaten, Zahlungsinformationen) integriert werden.

Segmentierung auf Basis von Kaufverhalten. Das Profiling von Fans nach Kaufhistorie ist in der Regel als berechtigtes Interesse (Art. 6 Abs. 1 lit. f DSGVO) begründbar, wenn es zur Vertragserfüllung oder zu ähnlichen Dienstleistungen dient. Die genaue Begründung und Transparenzpflicht gegenüber Betroffenen (Datenschutzerklärung) sollte juristisch geprüft sein.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• Datenbankbereinigung und Opt-in-Aufbau: intern 20–40 Stunden oder extern 1.500–3.500 Euro bei einer Marketingagentur
• Tool-Setup und erste Segment-Konfiguration: bei Brevo/ActiveCampaign 5–10 Stunden intern; keine Agentur notwendig, wenn technische Grundkenntnisse vorhanden
• Bei Klaviyo: externe Einrichtung empfohlen, grob 3.000–15.000 Euro je nach Komplexität (Annahme); bei SAP Engagement Cloud ab 30.000 US-Dollar (siehe oben)

Laufende Kosten (monatlich)

• Brevo Standard: 15 €/Monat für 5.000 E-Mails, 55 € für 20.000, 69 € für 40.000, 89 € für 60.000 (ab 20.000 E-Mails mit bis zu 500.000 Kontakten)
• Klaviyo Email: über 100 US-Dollar/Monat bei 10.000 Kontakten, über 400 US-Dollar bei 50.000
• ActiveCampaign: ab ca. 15 US-Dollar/Monat für 1.000 Kontakte, für eure Listengröße im Preisrechner prüfen, bei zehntausenden Kontakten ein Vielfaches
• SAP Engagement Cloud: 1.500 US-Dollar/Monat aufwärts, Jahresvertrag üblich

Rechenbeispiel mit optimistischen Annahmen: Drittliga-Verein mit 18.000 Zuschauern Kapazität

Ausgangslage: 40.000 Fankontakte, 12 Heimspiele pro Saison, durchschnittlich 14.000 Zuschauer je Spiel, durchschnittlicher Ticketpreis 18 Euro.

Bisher: Massenversand an alle, 1,2 % Klickrate, 20 % Conversion → 96 Verkäufe je Kampagne.

Nach Segmentierung: Stammgäste (8.000) bekommen Dauerkarten-Angebot, Gelegenheitsbesucher (15.000) bekommen spiele-spezifische E-Mails, schlafende Fans (17.000) Reaktivierungskampagne zum Derby.

Angenommenes Ergebnis: Die Klickrate der Gelegenheitsbesucher steigt auf 3,2 %, die Conversion auf 35 %. Das ergibt 15.000 mal 3,2 % mal 35 %, also 168 Verkäufe aus diesem Segment. Vorher kamen aus denselben 15.000 Kontakten 15.000 mal 1,2 % mal 20 %, also 36 Verkäufe. Mehr sind es also 132 Tickets je Heimspiel, mal 18 Euro 2.376 Euro, mal 12 Heimspiele 28.512 Euro.

Dazu 120 Dauerkarten-Neuabschlüsse aus der Stammgast-Kampagne zu 340 Euro, also 40.800 Euro Umsatz. Mehrumsatz ist davon nur ein Teil: Diese Stammgäste hätten sonst Einzelkarten gekauft, bei angenommenen 7 Spielen zu 18 Euro für 126 Euro. Je Dauerkarte bleiben 214 Euro, mal 120 25.680 Euro.

Zusammen rund 54.000 Euro Mehrumsatz in der Saison, wenn alle angenommenen Raten eintreten, belegt ist keine davon. Mit halbem Effekt sind es rund 27.000 Euro.

Die Softwarekosten: Bei 40.000 bis 60.000 Mails im Monat kostet Brevo Standard 69 bis 89 Euro, mal 12 macht das 828 bis 1.068 Euro im Jahr, dazu die einmalige Einrichtung (intern 20 bis 40 Stunden oder 1.500 bis 3.500 Euro extern). Auch mit halbem Effekt und externer Einrichtung bleibt der Mehrumsatz ein Vielfaches der Kosten.

Wie du den Nutzen tatsächlich misst: Pro Kampagne A/B-Test zwischen segmentierter und unsegmentierter Gruppe, zufällig aufgeteilt, mit je mindestens rund 1.400 Empfängern. Conversion-Rate und Erlös je Variante werden direkt in deinem E-Mail-Tool erfasst, wenn Ticketshop und E-Mail-Tool verbunden sind.

Typische Einstiegsfehler

1. Mit dem Tool starten, nicht mit den Daten. Die häufigste Variante: Brevo wird eingerichtet, Kontaktliste hochgeladen, erste Kampagne versendet, und dann passiert nichts Besonderes. Weil dieselbe undifferenzierte Liste aus dem alten System weiterverwendet wird, nur mit neuem Absendertool. Das Tool kann nur so gut sein wie die Daten dahinter. Wer ohne Datenbereinigung und klare Fan-IDs startet, kauft sich ein Motorsportlenker für ein Tretrad.

2. Zu viele Segmente von Anfang an. Vier Segmente mit je 500 Fans sind besser als zwölf Segmente mit je 100 Fans. Kleine Segmente produzieren statistisch instabile Ergebnisse, eine Kampagne an 90 Personen sagt dir noch nicht, ob dein Ansatz funktioniert. Start mit drei bis vier Kernsegmenten, messe sechs Monate, verfeinere dann.

3. Kein Opt-in, aber trotzdem personalisiert versenden. Dies ist der teuerste Fehler. Personalisierung ist nur erlaubt, wenn die Einwilligung dafür da ist. Wer seine bestehende Fanliste ohne geprüfte Opt-in-Dokumentation oder Bestandskunden-Grundlage segmentiert und automatisiert anschreibt, riskiert Abmahnungen, Beschwerden bei der Datenschutzaufsicht und Verlust des Vertrauens. Bevor das erste Trigger-Mail rausgeht, muss die Rechtslage der Kontaktliste geklärt sein.

4. Das System wird eingerichtet, aber die Segmente nie aktualisiert. Das ist der schleichendste Fehler. Fans, die in der letzten Saison Gelegenheitsbesucher waren, können nach einem Aufstieg Stammgäste sein, oder umgekehrt. Wer die Segmentierung einmal aufsetzt und ein Jahr nicht anschaut, schreibt bald Ex-Stammgäste mit Dauerkarten-Angeboten an und schlafende Fans mit VIP-Einladungen. Segmente brauchen eine feste Person, die sie nach jeder Saison überprüft und anpasst.

Was mit der Einführung wirklich passiert, und was nicht

Die Technik ist lösbar. Das Schwierige ist die Organisation drumherum.

Datenschutzklärung dauert länger als geplant. In fast jedem Einführungsprojekt im Sportmarketing ist die rechtliche Abklärung, Opt-in-Status, AVV, Datenschutzerklärungsanpassung, der erste Engpass. Nicht weil es kompliziert ist, sondern weil es Zuarbeit vom Vereinsjuristen oder externen Datenschutzberater braucht, der andere Prioritäten hat. Einplan: zwei bis vier Wochen Puffer für diesen Schritt.

Das Ticketing-System gibt die Daten nicht heraus. Viele externe Ticketingdienstleister (Reservix, Ticketmaster, EVENTIM) halten die Fandaten, nicht der Verein. Export in verwertbarer Form ist oft nicht selbstverständlich und manchmal vertraglich eingeschränkt. Das ist die zweite häufige Überraschung. Vor dem CRM-Aufbau: klären, welche Daten aus dem Ticketingsystem exportierbar sind und in welchem Format.

Interne Skepsis nach der ersten Kampagne. Die erste automatisierte Kampagne wird selten die beste sein, weil Segmente noch grob sind und Angebote noch nicht perfekt passen. Wer dann intern den Erfolgsmaßstab aus Massenversands-Zeiten anlegt (“wir hatten früher auch 0,8 % Klickrate”), übersieht den Trend. Wichtig: Vor dem Start die Erwartungen kalibrieren. Ziel für die erste Kampagne ist nicht die perfekte Klickrate, sondern der erste messbare Unterschied zwischen Segment A und Segment B.

Was konkret hilft:

• Vor dem Tool-Kauf: Datenverfügbarkeit klären (Ticketingsystem-Export, Opt-in-Status, Fan-ID-Zuordnung)
• Eine Person benennen, die die Segmente quartalsweise überprüft
• Nach Spielzeit 1 auswerten, nicht nach Kampagne 1

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Unsere Fans reagieren nicht auf E-Mails.” Das stimmt oft, wenn sie dieselbe E-Mail sehen wie alle anderen. Ob es auch für ein Angebot gilt, das zum Verhalten passt, zeigt dir ein einziger A/B-Test mit einem Segment. Die Frage ist nicht, ob Fans auf E-Mails reagieren, sondern ob das Angebot relevant ist.

„Wir haben keine Ressourcen für so ein Projekt.” Der initiale Aufwand ist real, vier bis sechs Wochen, eine verantwortliche Person intern. Aber danach läuft das System automatisch. Die Alternative ist: Jede Kampagne weiter manuell aufsetzen, segmentieren (oder nicht), versenden. Bei einer Kampagne je Heimspiel bedeutet Automatisierung nach unserer Annahme rund 50 bis 80 Stunden gespartes Marketinghandwerk pro Saison, nach einmaliger Einrichtung. Der ROI liegt in der Zeitersparnis plus der Erlössteigerung.

„Unsere Fandaten sind zu unordentlich.” Das ist ein ehrlicher Einwand, kein Ausschlusskriterium. Unordentliche Daten sind der Normalzustand, kein Verein fängt mit einer sauberen Fan-Datenbank an. Die Bereinigung ist Aufwand (einmalig 20–40 Stunden intern), aber machbar. Was wirklich nicht funktioniert: mit ungeprüftem Opt-in starten oder ohne Fan-ID-Zuordnung. Datenbereinigung kommt vor dem Tool.

Woran du merkst, dass das zu dir passt

Das passt zu dir, wenn:

• Dein Verein regelmäßig Heimspiele mit mehr als 500 freien Plätzen hat und kein strukturiertes Reaktivierungsmarketing existiert
• Du eine E-Mail-Liste mit mehr als 5.000 Fankontakten hast, die du aktuell undifferenziert anschreibst
• Dein Ticketingsystem personenbezogene Kaufdaten liefert, d. h. du weißt, wer welches Spiel besucht hat
• Die Marketingkampagnen aktuell manuell erstellt und versandt werden, ohne automatische Trigger

Drei harte Ausschlusskriterien, wann du (noch) nicht starten solltest:

1. Keine strukturierten Fan-Kaufdaten vorhanden. Wenn Tickets ausschließlich über Drittanbieter verkauft werden und du keine Fan-E-Mail-Adresse im Gegenzug bekommst, du keine Fan-ID hast, die Käufe zuordnet, kannst du nicht segmentieren, was du nicht hast. Dann ist der erste Schritt die Einführung eines eigenen Ticketingkanals (etwa pretix) mit Datenspeicherung, nicht das CRM-Tool.

2. Kein verifizierbarer DSGVO-Opt-in für die bestehende Fanliste. Eine E-Mail-Liste, für die kein dokumentiertes Opt-in vorliegt, darf nicht für Predictive Analytics oder automatisierte Marketingkampagnen genutzt werden. Das ist keine theoretische Gefahr: Werbemails ohne Grundlage ziehen Abmahnungen nach § 7 UWG und Beschwerden bei der Datenschutzaufsicht nach sich. Erst Opt-in bereinigen, dann System einrichten.

3. Unter 5.000 aktive Fankontakte in der Liste. Bei sehr kleinen Klubs ist der Nutzen von KI-Segmentierung marginal. Wenn die Gelegenheitsbesucher-Gruppe 180 Personen hat und die Stammgast-Gruppe 120, ist jeder Unterschied statistisch kaum interpretierbar. Hier sind drei persönliche Telefonanrufe und ein gut getimtes Dauerkarten-Angebot wirkungsvoller als jede Automatisierung.

Das kannst du heute noch tun

Öffne Brevo (kostenloser Dauertarif, keine Kreditkarte), schließe im Konto den AVV ab und lade die Kontakte hoch, für die ein dokumentiertes Opt-in oder die Bestandskunden-Ausnahme gilt. Erstelle manuell drei Segmente: “Aktiv (letzter Kauf < 6 Monate)”, “Inaktiv (letzter Kauf 6–18 Monate)”, “Schlafend (letzter Kauf > 18 Monate oder unbekannt)”. Dann teile das größte Segment zufällig in zwei Hälften: Die eine bekommt die übliche Mail, die andere ein auf sie zugeschnittenes Angebot. Vergleiche Klicks und Käufe zwischen den Hälften. Dass Aktive öfter klicken als Schlafende, beweist nichts, das tun sie immer. Der kostenlose Tarif versendet 300 E-Mails am Tag, für eine Kampagne an Tausende brauchst du einen bezahlten Tarif ab 7 Euro im Monat (Starter), für eure Listengröße siehe oben.

Für die Segmentierung kannst du auch einen LLM wie ChatGPT nutzen, um aus deiner beschreibenden Fan-Charakterisierung einen konkreten Kampagnentext zu erstellen:

Quellen & Methodik

• AFC Ajax Fan-Segmentierungsstudie: Chouaten, K., Rodriguez Rivero, C., Nack, F., Reckers, M. (2024), „Unlocking high-value football fans: unsupervised machine learning for customer segmentation and lifetime value”, Frontiers in Sports and Active Living (PMC11378343). 500.591 Online-Merchandising-Transaktionen von 315.916 Fans über fünf Spielzeiten, acht Fansegmente. Die Autoren schreiben ausdrücklich, dass die Ergebnisse nicht auf andere Klubs übertragbar sind.
• SAP Engagement Cloud Pricing: Spadoom.com, „SAP Engagement Cloud (Emarsys) Pricing & Cost Guide (2026)”. Preisangaben ($1.500–$2.500/Monat für bis zu 50.000 Kontakte); Stand: Mai 2026.
• § 7 UWG: Werbung per E-Mail nur mit Einwilligung, Ausnahme für Bestandskunden nach Abs. 3.
• Rechenbeispiel und Tabellenwerte: eigene Annahmen, im Text als Rechenweg ausgewiesen. Belegte Klick- und Kaufraten für segmentierte Ticketkampagnen im deutschen Sport haben wir nicht gefunden.
• Brevo-Preise: Paketrechner auf brevo.com/de/pricing, abgerufen am 18.09.2026, monatliche Zahlung. Starter ab 7 €/Monat, Standard ab 15 €/Monat für 5.000 E-Mails, Standard 55 € für 20.000, 62 € für 30.000, 69 € für 40.000, 89 € für 60.000 E-Mails; Pakete bis 15.000 E-Mails mit höchstens 2.500 Kontakten; kostenloser Dauertarif mit 300 E-Mails/Tag.
• DOSB-Bestandserhebung: dosb.de/medien-service/statistiken, rund 86.000 Vereine und 29,3 Millionen Mitgliedschaften, Stand 1. Januar 2025.
• Art. 28 DSGVO (AVV): Datenschutz-Grundverordnung in der aktuell gültigen Fassung, Pflicht zum Auftragsverarbeitungsvertrag bei Weitergabe personenbezogener Daten an Dienstleister.

Du willst wissen, welche Fansegmente in deinem Verein am meisten Umsatzpotenzial haben und wie dein Ticketingsystem die nötigen Daten liefert? Meld dich, das klären wir in einem kurzen Gespräch.