Marketingdaten für KI zu gouvernieren läuft auf vier Entscheidungen hinaus, die du triffst, bevor das Modell irgendetwas sieht: was es sehen darf, wo es laufen darf, wer die Ausgabe besitzt und wie lange du sie behältst. Triff diese Entscheidungen, bevor du eine Gedächtnisschicht baust, und sie formen die Architektur. Überspringe sie, und du baust die Schicht später neu, meist unter Anwaltsaufsicht, nachdem schon etwas schiefgegangen ist.
Ich habe Gedächtnis in Systeme gebaut und ich habe Teams diesen Schritt im Namen der Geschwindigkeit überspringen sehen. Das Muster ist konsistent: Das Modell sieht mehr, als irgendjemand beabsichtigt hat, eine Frage wird in einer Revue gestellt, und ein hastiges Retrofit folgt. Governance ist nicht die Steuer auf die interessante Arbeit; sie ist die Voraussetzung, die interessante Arbeit sicher zu tun.
Die vier Entscheidungen
Was darf das Modell sehen? Nicht jedes Stück Marketingdatum ist gleich. Öffentliche Research, interne Performance-Daten, Kunden-PII und regulierte Kategorien tragen alle unterschiedliche Pflichten. Entscheide die Klassifizierung, bevor das Modell etwas berührt, weil es, sobald Daten in einem Kontextfenster sind, kein echtes „Ungeschehenmachen" gibt.
Wo darf es laufen? Ein Modell, das in deiner Umgebung läuft, ist ein anderes Risiko als eines, an das du Prompts über eine API schickst, und beide sind verschieden von einem öffentlichen Tool, in das ein Teammitglied einfügt. Entscheide, welche Datenklassen zu welcher Art von Modell gehen dürfen, und mach die Antwort durchsetzbar statt aspirativ.
Wer besitzt die Ausgabe? Wenn das Modell einen Plan, ein Stück Copy oder eine Audience-Definition produziert, muss jemand sie besitzen. Governance heißt, diese Person zu benennen und klar zu sein, dass die Verantwortung nicht auf das Tool übergeht. Das ist dasselbe Prinzip wie der Prüfstandard in der Umsetzungsspur.
Wie lange behältst du sie? Die Aufbewahrung ist die Entscheidung, die Teams aufschieben und später bereuen. Wenn Kontext das Modell verbessert, willst du ihn behalten. Wenn er persönliche oder regulierte Daten enthält, kannst du verpflichtet sein, sie zu löschen. Entscheide die Aufbewahrung nach Datenklasse und mach die Löschung real.
Klassifiziere zuerst die Daten
Die Klassifizierung ist die Grundlage für die anderen drei Entscheidungen, also mach sie zuerst und halte sie einfach. Ein brauchbares Schema sind vier Eimer: öffentlich, intern, vertraulich und reguliert. Öffentliche Daten können fast überall hingehen. Interne Daten — Performance, Ausgaben, Strategie — bleiben bei genehmigten Modellen. Vertrauliche Daten — kundenspezifischer Kontext, unveröffentlichte Pläne — bleiben innerhalb der Kontrollen. Regulierte Daten — alles, was persönliche oder rechtlich geschützte Informationen berührt — bekommen die strengste Handhabung und landen oft gar nicht in einem allgemeinen Modell.
Der Wert der Klassifizierung ist, dass sie die Regeln für alle lesbar macht. Ein Marketer, der den Eimer kennt, weiß, was er in welches Tool einfügen darf, ohne für jeden Fall eine Richtliniennotiz zu brauchen. Einfach schlägt hier umfassend, weil eine Regel, an die sich niemand erinnert, keine Governance ist.
Wo das Modell läuft
Die Hosting-Entscheidung ist, wo die meisten echten Risiken sitzen. Ein Modell, das in deiner eigenen Umgebung mit deinen eigenen Kontrollen bereitgestellt wird, ist die enthaltenste Option und die meiste Arbeit im Betrieb. Ein Modell, auf das über eine Anbieter-API unter einer Datenverarbeitungsvereinbarung zugegriffen wird, ist der übliche Mittelweg, und die Bedingungen zählen enorm — ob Inputs die Modelle des Anbieters trainieren, wo die Daten gespeichert werden und was die Löschgarantien sind.
Und dann gibt es den Public-Tool-Fall, den man explizit schließen muss. Wenn Teammitglieder einen Browser öffnen und Kundendaten in ein beliebiges Tool einfügen können, zählt nichts vom Rest. Benenne die genehmigten Tools, blockiere oder entmutige den Rest und erkläre warum. Der ungouvernierte Weg ist fast immer der bequeme.
Wer die Ausgabe besitzt
Jedes KI-unterstützte Deliverable braucht einen benannten Eigentümer, und der Eigentümer ist eine Person, kein Workflow. Das ist keine Spitzfindigkeit; es ist, was die Ausgabe defensibel macht. Wenn ein Modell einen Mediaplan entwirft und niemand absegnet, hat die Agentur oder das Team effektiv die Vermutung einer Maschine veröffentlicht. Governance vergibt die Unterschrift.
Das verbindet sich direkt mit dem Einkauf. Wenn du den AI-nativen Service einer Agentur kaufst, sollte der Vertrag sagen, wer die Ausgabe besitzt und wer verantwortlich ist, wenn sie falsch ist. Mehrdeutigkeit dort ist, wie ein Qualitätsvorfall zu einem rechtlichen wird. Die Governance-Antwort und der Prüfstandard sind dieselbe Disziplin, auf verschiedene Risiken angewandt.
Aufbewahrung und Löschung
Aufbewahrung ist, wo der Verzinsungsnutzen des Gedächtnisses und die Löschpflicht kollidieren, und es gibt keinen Weg daran vorbei, es durchzudenken. Kontext macht das Modell nützlich, also willst du die Briefs, Ergebnisse und Entscheidungen behalten. Ein Teil derselben Daten kann Löschpflichten oder vertraglichen Grenzen unterliegen. Die Lösung ist Aufbewahrung nach Klasse: Behalte den abgeleiteten, de-identifizierten Kontext unbegrenzt; behalte rohe persönliche Daten nur so lange, wie du darfst; und mach die Grenze zwischen ihnen explizit.
Der Grund, das vor dem Bau zu tun, ist, dass Löschung in eine Gedächtnisschicht nachzurüsten schmerzhaft ist. Wenn Rohdaten und abgeleiteter Kontext vermischt sind, ist sie später zu trennen eine Migration. Entwirf die Trennung von Anfang an. Das ist das praktische Herz dessen, warum KI ohne Gedächtnis nur ein teurer Chatbot ist — das Gedächtnis ist der Wert und auch die Governance-Oberfläche.
Eine ausgearbeitete Klassifizierung
Nimm eine typische Kampagne und sortiere die Inputs. Die Kategorie-Research und die Wettbewerbslandschaft sind öffentlich — sie können überall hingehen. Die Ausgaben des Kunden, die Performance-Historie und die interne Strategie sind intern — nur genehmigte Tools. Die unveröffentlichten Kreativkonzepte und die Kundenliste des Kunden sind vertraulich — halte sie innerhalb der Kontrollen. Und alles, was eine Person identifiziert oder in eine regulierte Kategorie fällt, bekommt die strengste Handhabung und bleibt oft ganz aus allgemeinen Modellen heraus.
Sobald diese Sortierung existiert, schreiben sich die Regeln selbst. Öffentliche Daten können in öffentliche Tools. Interne und vertrauliche Daten gehen nur in kontrahierte, genehmigte Modelle. Regulierte Daten gehen nirgendwohin ohne eine spezifische Prüfung. Die Klassifizierung ist, was eine vage Richtlinie in eine Entscheidung verwandelt, die ein Marketer in zehn Sekunden treffen kann, was die einzige Art von Governance ist, die den Kontakt mit einer vollen Woche überlebt.
Anbieterbedingungen, die zählen
Wenn du einen Modellanbieter bewertest, entscheiden vier Bedingungen den größten Teil des Risikos. Trainiert der Anbieter auf deinen Inputs, oder sind deine Prompts vom Training ausgeschlossen? Wo werden die Daten gespeichert und verarbeitet, was zählt, wenn du Datenresidenz-Pflichten hast? Was sind die Löschgarantien und wie setzt du sie durch? Und was passiert mit deinen Daten, wenn der Vertrag endet? Verlange die Antworten schriftlich, weil die Marketing-Website sie dir nicht sagen wird.
Die meisten Enterprise-Anbieter bieten jetzt eine No-Training-Option und vernünftige Löschbedingungen; der Punkt ist, es zu bestätigen statt anzunehmen. Für ein Team, das Kundendaten in ein Chat-Fenster einfügt, gelten keine dieser Bedingungen, weshalb die Genehmigte-Tools-Liste explizit und kurz sein muss.
Die Reihenfolge der Operationen
Klassifiziere die Daten, entscheide, wo jede Klasse laufen darf, benenne den Eigentümer der Ausgabe und setze die Aufbewahrung nach Klasse. Mach das in dieser Reihenfolge, vor dem ersten Prompt, der echte Daten berührt. Dann schreibe es dort auf, wo das Team es findet, und mach die genehmigten Tools zum leichten Weg. Governance, die darauf beruht, dass Leute sich an eine Regel erinnern, ist keine Governance; sie ist Hoffnung.
FAQ
Brauchen wir eine formale Richtlinie oder reicht eine Teamvereinbarung?
Beginne mit einem Ein-Seiten-Entscheidungsprotokoll zu den vier Fragen und formalisiere es später, wenn deine Skalierung oder ein Regulator es verlangt. Eine kurze, durchgesetzte Vereinbarung schlägt eine lange, ignorierte Richtlinie. Der Punkt ist zu entscheiden, nicht ein Dokument zu produzieren.
Können wir öffentliche KI-Tools für interne Marketingdaten nutzen?
Nur wenn die internen Daten nicht vertraulich oder reguliert sind und die Bedingungen des Tools es erlauben. Für die meisten Teams ist die ehrliche Antwort, interne und Kundendaten über genehmigte, kontrahierte Tools zu leiten und öffentliche Tools für öffentliche oder synthetische Daten zu behalten.
Wie setzen wir die Datengrenze selbst?
Durch Klassifizierung, nicht durch Tool. Sortiere jeden Input in einen von vier Eimern — öffentlich, intern, vertraulich, reguliert — und lass den Eimer entscheiden, wohin er darf: öffentliche Daten in öffentliche Tools, interne und vertrauliche in genehmigte kontrahierte Modelle, regulierte Daten nirgendwohin ohne eine spezifische Prüfung. Die Grenze ist die Klassifizierung, und sobald sie existiert, kann ein Marketer den Call in zehn Sekunden ohne Richtliniennotiz treffen.
Was, wenn wir nicht sagen können, in welchen Eimer etwas gehört?
Standardmäßig in den strengeren Eimer und auf eine kurze Prüfliste, statt zu raten. Mehrdeutige Daten sind meist persönlich, kundenspezifisch oder reguliert, genau die Daten, von denen du nicht später entdecken willst, dass sie falsch gehandhabt wurden. Eine zweizeilige Liste der Fälle, die Leute wirklich markieren, monatlich geprüft, löst die Graubereiche, ohne die Arbeit zu verlangsamen.
Die Kurzfassung
Gouverniere Marketingdaten für KI mit vier Entscheidungen, die getroffen werden, bevor das Modell etwas sieht: was es sehen darf, wo es laufen darf, wer die Ausgabe besitzt und wie lange du sie behältst. Klassifiziere zuerst, hoste bewusst, benenne einen Eigentümer und setze die Aufbewahrung nach Klasse — dann baue die Gedächtnisschicht darauf. Der Umsetzungs-Guide deckt den Rest der operativen Fragen ab, und die Spur für interne Teams arbeitet Governance bis zur Messung durch.
Wenn du das in deinem eigenen Team eingerichtet hast, möchte ich hören, bei welcher der vier Entscheidungen die Einigung am schwersten war.
Viele Grüße, Chandler
Dieser Artikel ist auf Deutsch verfügbar, aber die Kursmaterialien (Videos, Templates und Begleitguides) sind auf Englisch und Japanisch; diese Website gibt es in 13 Sprachen.