Kana und die neue Generation von Marketing-Agenten: Chance oder Blackbox?

Kana und die neue Generation von Marketing-Agenten: Chance oder Blackbox?

Marketingabteilungen werden derzeit mit „KI-Tools“ überschüttet – von Textgeneratoren bis zu smarten Bidding‑Algorithmen. In dieser Überfülle wirkt ein weiteres Startup schnell redundant. Doch der Stealth‑Start von Kana mit 15 Millionen Dollar Seed-Finanzierung ist ein anderer Fall: Hier geht es nicht um das x‑te Copy‑Tool, sondern um flexible KI‑Agenten, die ganze Marketing‑Workflows übernehmen sollen – gestützt auf synthetische Daten. In diesem Beitrag analysieren wir, warum das für die europäische Werbewirtschaft relevant ist, wo Chancen liegen und wo sich aus Datenschutz‑ und AI‑Act‑Perspektive neue Risiken auftun.

Die Nachricht in Kürze

Laut einem Bericht von TechCrunch ist das in San Francisco ansässige Unternehmen Kana mit einer Seed‑Runde über 15 Millionen US‑Dollar aus dem Stealth‑Modus gekommen. Angeführt wurde die Finanzierung vom Wagniskapitalgeber Mayfield. Kana entwickelt eine Plattform aus KI‑Agenten für Marketingteams. Diese Agenten sollen Aufgaben wie Datenanalyse, Zielgruppensegmentierung, Kampagnensteuerung, Kundeninteraktion, Mediaplanung und die Optimierung von Inhalten für KI‑Chatbots übernehmen.

Die Gründer, CEO Tom Chavez und CTO Vivek Vaidya, sind alte Bekannte der MarTech‑Szene. Sie haben zuvor unter anderem Rapt (später von Microsoft übernommen) und Krux (von Salesforce akquiriert) aufgebaut. Kana entstand in den vergangenen neun Monaten im unternehmenseigenen Startup‑Studio super{set}.

Neben Agenten umfasst die Plattform ein Modul zur Generierung synthetischer Daten, um Drittanbieterdaten für Marktanalysen und Targeting zu ergänzen. Das System soll sich in bestehende Marketing‑Software integrieren lassen und »Menschen in der Schleife« behalten – also Freigaben, Feedback und Anpassungen durch Marketer ermöglichen. Das Kapital nutzt Kana für den Ausbau von Engineering, Produkt und Go‑to‑Market; ein Vertreter von Mayfield nimmt im Board Platz.

Warum das wichtig ist

Kana adressiert nicht noch einen einzelnen Use Case, sondern versucht, den „Gehirn“-Layer von Marketing zu besetzen. Statt nur Texte zu generieren oder Bilder zuzuschneiden, sollen Agenten ganze Aufgabenketten über mehrere Tools hinweg ausführen.

Ein denkbares Szenario: Eine Brand lädt ein Kampagnen‑Briefing hoch, Agenten leiten Ziele und KPIs daraus ab, entwerfen einen Mediaplan, identifizieren passende Zielgruppen in verschiedenen Plattformen, überwachen laufende Performance und passen Budgets an – alles mit klar definierten Freigabepunkten für Menschen.

Profitieren würden vor allem:

• Schlanke Marketingteams, die immer mehr Kanäle mit begrenzten Ressourcen bedienen müssen.
• Agenturen, die unter massivem Margendruck stehen und skalierbare Automatisierung brauchen.
• Große Marken, die mit einem Flickenteppich aus Tools und Datenquellen kämpfen.

Verlierer könnten mittlere SaaS‑Lösungen werden, deren Mehrwert primär darin besteht, „Workflow X in Kanal Y“ zu vereinfachen. Wenn ein übergreifender Agent mehrere APIs orchestrieren und Ergebnisse interpretieren kann, schrumpft der Nutzen vieler spezialisierter Oberflächen.

Besonders brisant ist der Fokus auf synthetische Daten. Angesichts strenger Regulierung, dem Ende der Third‑Party‑Cookies und steigender Kosten für externe Datenquellen suchen Werbetreibende nach Alternativen. Synthetische Datensätze, die aus vorhandenen Signalen erzeugt werden, versprechen Tests und Modellierung ohne direkten Zugriff auf individuelle Nutzer. Doch hier lauern rechtliche und ethische Fallstricke: Wenn Modelle versteckt reale Personen oder sensible Merkmale rekonstruieren, ist der vermeintliche Datenschutzvorteil schnell dahin.

Hinzu kommt: Die Gründer sind keine Unbekannten für Enterprise‑Käufer. Wer bereits MarTech an Microsoft und Salesforce verkauft hat, kennt Integrationshürden, Security‑Audits, SLAs und Compliance‑Anforderungen aus der Praxis. In einem Markt voller junger KI‑Startups kann genau diese Erfahrung das Zünglein an der Waage sein, wenn es um Pilotprojekte mit Konzernen geht.

Das große Bild

Kanas Ansatz fügt sich in mehrere Makrotrends ein.

1. Vom Assistenz‑Feature zum autonomen Agenten.

Die erste Generative‑AI‑Welle im Marketing bestand aus punktuellen „Co‑Piloten“: Textvorschläge, Bildanpassungen, Smart Replies. Der nächste Schritt sind Agenten, die eigenständig planen, ausführen und optimieren – mit klar gesteckten Leitplanken. Große Foundation‑Model‑Anbieter propagieren solche agentischen Frameworks; Kana setzt sie gezielt für den Marketing‑Stack um.

2. Das Sterben klassischer Tracking‑Modelle.

Mit der Einschränkung von IDs in Browsern und Betriebssystemen bröckelt das Fundament des Performance‑Marketings. Plattformen reagieren mit geschlossenen, stark automatisierten Produkten wie Performance Max oder Advantage+, die kaum Einblick in ihre Entscheidungslogik geben. Kana skizziert ein Gegenmodell: Ein intelligenter Layer, der sich über mehrere Systeme spannt und zusätzlich mit synthetischen Daten arbeitet – also mehr Kontrolle für Werbetreibende, zumindest in der Theorie.

3. Incumbents tackern KI auf bestehende Suites, Startups bauen um KI herum.

Salesforce, Adobe, SAP Emarsys, HubSpot und andere integrieren KI‑Funktionen in ihre Clouds. Diese Initiativen sind wichtig, aber begrenzt durch monolithische Architekturen und Produktgrenzen. Kana dreht das um: Erst kommt der Agenten‑Layer, dann folgen Integrationen. Historisch haben solche „Abstraktionsschichten“ ganze Branchen umgekrempelt – man denke an DSPs im Programmatic Advertising.

Die entscheidende Frage ist, ob wir aus der Vergangenheit gelernt haben. Intransparente Optimierung, fehlende Audit‑Möglichkeiten und die Fixierung auf Klick‑Metriken haben der Werbebranche bereits geschadet. Werden KI‑Agenten zu einem Werkzeug für bessere Entscheidungen – oder nur zu einer neuen Verpackung für alte Blackbox‑Mechanismen?

Die europäische und DACH‑Perspektive

Für den europäischen Markt – und speziell für die DACH‑Region – ist Kana aus mehreren Gründen spannend.

Erstens, Regulierung. GDPR ist längst Alltag, doch mit dem EU‑AI‑Act kommen zusätzliche Pflichten: Systeme zur Profilbildung und Verhaltensprognose müssen Risiko‑Management, Transparenz und menschliche Kontrolle nachweisen. Ein Marketing‑Agent, der synthetische Daten erzeugt und Budgets automatisch verschiebt, fällt nicht in die höchste Risikoklasse, wird aber sehr genau geprüft werden – insbesondere, wenn sensitive Segmente (Gesundheit, Finanzen, Politik) betroffen sind.

Zweitens, Datenstandorte und Souveränität. Deutsche, österreichische und Schweizer Unternehmen achten stark auf Hosting in der EU bzw. im EWR, oft sogar auf bestimmte Länder. Ein US‑Startup, das tief in CRM‑, CDP‑ und Kampagnendaten eingreift, wird ohne überzeugendes Konzept zu Datenresidenz, Verschlüsselung und Auftragsverarbeitung wenig Chancen haben. Frühzeitige Angebote wie EU‑Rechenzentren und Standardvertragsklauseln werden Pflicht.

Drittens, lokale MarTech‑Player. In Europa existiert ein Ökosystem aus Anbietern wie Emarsys (SAP), Selligent, Bloomreach oder zahlreichen spezialisierten CDPs, die sich als DSGVO‑konforme Alternativen zu US‑SaaS positionieren. Der Druck, echte KI‑Automatisierung über mehrere Kanäle zu liefern, wächst. Kanas Agenten‑Ansatz könnte diese Anbieter dazu zwingen, eigene agentische Lösungen zu entwickeln oder Partnerschaften einzugehen – sonst riskieren sie, auf die Rolle eines „dummen Systems“ reduziert zu werden, das nur noch Daten zuliefert.

Viertens, Kultur des Misstrauens gegenüber Überwachung. Gerade in Deutschland ist die Skepsis gegenüber Tracking und Targeting historisch bedingt hoch. Betriebsräte und Datenschutzbeauftragte werden sich nicht mit Marketing‑Folien zufriedengeben. Sie werden wissen wollen, wie ein Agent Entscheidungen trifft, welche Daten einfließen und ob sich Diskriminierung ausschließen lässt. Wer diesen Diskurs ernst nimmt, kann sich differenzieren – wer ihn ignoriert, wird kaum in Konzernumgebungen Fuß fassen.

Blick nach vorn

Kurzfristig ist zu erwarten, dass Kana seine Energie auf einige wenige, eher US‑amerikanische Großkunden und Agenturnetzwerke konzentriert. Agentensysteme müssen sich an realen Workflows „abarbeiten“, bevor sie skalierbar sind. Für Europa wird es vermutlich um erste Pilotprojekte mit globalen Marken gehen, die bereits mit den Gründern gearbeitet haben.

In den nächsten 12–24 Monaten zeichnen sich mehrere Entwicklungen ab:

• Agenten‑Layer als neues Buzzword. Immer mehr Anbieter werden behaupten, die „Steuerzentrale“ über dem Marketing‑Stack zu sein. Die Differenzierung wird darüber laufen, wie tief Integrationen gehen und wie transparent Entscheidungen sind.
• Regulatorische Klärung zu synthetischen Daten. Aufsichtsbehörden und Gerichte werden sich intensiver damit beschäftigen, ob und wann synthetische Daten als anonymisiert gelten. Fehlkonfigurationen können schnell zu Datenschutzverstößen führen.
• Neue Berufsbilder im Marketing. Rollen wie „Agent Ops“ oder „AI Orchestrator“ könnten entstehen: Menschen, die Ziele definieren, Policies setzen, Logfiles prüfen und bei Abweichungen eingreifen.
• M&A‑Druck. Sollten Kanas Agenten bei einigen globalen Werbetreibenden signifikante Effizienzgewinne bringen, wird der Druck steigen, das Unternehmen in eine große Cloud‑ oder MarTech‑Suite zu integrieren.

Offen bleibt: Wie werden europäische Behörden Marketing‑Agenten einordnen, die zwar nicht in kritischen Infrastrukturen laufen, aber milliardenfach Nutzerentscheidungen beeinflussen? Wie viele Unternehmen werden bereit sein, Budget‑Steuerung teilweise an ein System abzugeben, dessen interne Gewichtungen sie nur bedingt nachvollziehen können? Und: Entsteht damit wirklich mehr Kreativ‑Freiheit für Menschen – oder nur noch ein weiterer Layer an Automatisierung, den man „managen“ muss?

Für die DACH‑Region heißt das: Jetzt ist der richtige Zeitpunkt, Governance‑Strukturen für KI im Marketing aufzubauen – bevor Agenten im großen Stil eingeführt werden.

Fazit

Kana steht mit seinen 15 Millionen Dollar Seed‑Kapital für mehr als nur ein weiteres KI‑Tool: Das Startup ist ein Signal für den Übergang zu agentengetriebener, kanalübergreifender Automatisierung auf Basis synthetischer Daten. Gelingt der versprochene Flexibilitäts‑Ansatz, geraten viele spezialisierte MarTech‑Lösungen unter Druck, und etablierte Anbieter müssen ihre KI‑Strategien neu sortieren. Unternehmen in der EU sollten diese Entwicklung aufmerksam, aber kritisch begleiten – mit klaren Anforderungen an Transparenz, Datenschutz und Kontrollmechanismen. Würden Sie einer KI den Schlüssel zu Ihrem nächsten achtstelligen Werbebudget überlassen?