Was bedeutet DeepSeek für Marketingfachleute?
Zuletzt aktualisiert am
February 5, 2025
veröffentlicht:
February 5, 2025

Was bedeutet die Post-DeepSeek Ära für Marketingfachleute?
Ich bekomme immer noch Nachrichten von Kollegen (sowie Freunden und Familienmitgliedern) zum Thema DeepSeek und was dies für die Zukunft der künstlichen Intelligenz im Silicon Valley bedeutet. Unsere Data Scientists und ML-Ingenieure sind dabei, DeepSeek ausgiebig zu testen; so, wie wir es mit allen wichtigen Modellen tun. Deshalb möchte ich diese Woche auf einen bestimmten Aspekt dieser Frage eingehen:
Was bedeutet die Post-DeepSeek Ära für Marketingfachleute?
Zunächst einmal wissen wir jetzt, dass die Kosten für die Rechenleistung von LLMs kein entscheidender Faktor mehr für die Budgetplanung sind. Dies wurde wenige Tage nach Bekanntwerden der Nachricht bestätigt, als Forscher der UC Berkeley in der Lage waren eine Miniaturausgabe von DeepSeek zu erstellen – für nur 30 US-Dollar an Rechenkosten! Sicherlich macht der abschließende Testlauf für ein Modell dieser Größenordnung (oder sogar die von DeepSeek angegebenen Kosten von 6 Millionen US-Dollar) nur einen Bruchteil der gesamten Infrastruktur- und F&E-Kosten aus, die anfallen, um mit den aktuellen Marktführern gleichzuziehen. Im Wesentlichen ebnen die Modelle selbst jedoch den Weg für eine schnelle Kommerzialisierung.
Ich selber sehe die schnell wachsende Kosteneffizienz von LLMs in meinem eigenen Unternehmen: Allein im letzten Jahr haben sich unsere Modell-Schulungskosten halbiert.
Dieser Makrotrend bedeutet wahrscheinlich das bevorstehende Ende der Google-Suche, wie wir sie in den letzten 25 Jahren kannten. Jetzt, da wir LLMs für die meisten Suchanfragen sehr kostengünstig einsetzen können, nimmt die Nutzung von Google-ähnlichen Landing Pages durch Menschen rapide ab. Ich gehe davon aus, dass in den nächsten Jahren bis zu 80 Prozent der klassischen Google-Suchanfragen durch neue KI-Agent-basierte Sucherfahrungen ersetzt werden.
Diese Kosteneinsparungen sind besonders für das digitale Marketing von Start-ups und kleineren Unternehmen interessant. Ohne exorbitante Rechenkosten zahlen zu müssen, können sie besser mit größeren Unternehmen konkurrieren, indem LLM-gestützte Content-, Analyse- und Marketingforschungspläne mit überschaubaren Budgets erstellt werden.
Die sinkenden Kosten sprechen auch dafür, dass Marketingfachleute KI nicht länger als ein „nettes Tool, das man haben kann, wenn man es sich leisten kann“ betrachten sollten - sondern als einen wesentlichen Bestandteil ihrer Arbeit. Und zwar aus folgendem Grund:
Content Marketing im Zeitalter von agentenbasierten Workflows
Mit den sinkenden LLM-Computing-Kosten gehen die sich abzeichnenden Möglichkeiten weit über die Content-Erstellung und -Zusammenfassung hinaus. Mein Rat ist, das Potenzial von agentenbasierten KI-Workflows zu untersuchen. Anstatt ein einzelnes LLM zu verwenden,um Ergebnisse aus direkten Aufforderungen zu generieren, fragen agentische Workflows eine Argumentations-KI, wie sie ein bestimmtes Problem lösen würde – und bitten auch andere, stärker spezialisierte KI, es zu lösen.
Agentic-Workflows können dabei helfen, bessere und umfassendere Kundeneinblicke in ihre Zielgruppe und ihre Wettbewerber zu gewinnen und die Stärke ihrer Content-Strategien und Erkenntnisse zu ermitteln. Und in einer erfrischenden Abkehr von der SEO-Ära der Suchbegriffe/Webanalyse können wir den Markt mit natürlicheren Sprachdefinitionen und Themenanalysen untersuchen und aufkommende Trends finden. Und das nach DeepSeek zu immer geringeren Kosten und mit spezialisierten vertikalen Marktanwendungen!
Bei Rellify haben wir eine Plattform entwickelt, die auf der Grundlage von maschinellem Lernen automatisiert unternehmensspezifische Modelle mit umfassenden Informationen zu relevanten Themen generiert; diese wiederum werden zur Erstellung von LLMs verwendet. So können sich unsere Kunden stärker auf strategische Fragen konzentrieren, wie z. B. die zu behandelnden Themen, und ihr Angebot differenzieren, indem sie die Leistungsfähigkeit von LLMs im kreativen Prozess nutzen, um relevante Inhalte zu erstellen.
Dieser Ansatz führt dazu, dass die Sichtbarkeit unserer Kunden in den Ergebnissen der KI sowie der klassischen SEO-Suche deutlich gesteigert wird: Denn unsere vertikalen Modelle erkennen, welche Themen wichtig sind (Welche relevanten Fragen sollten in qualitativ hochwertigen Inhalten adressiert werden?) und nicht nur, welche Keywords das größte Suchvolumen generieren.
Doch das soll nicht heißen, dass die Google-Suche und die Suchalgorithmen verschwinden werden: Datenanalysen rund um den Webindex von Google sind für Marketingfachleute, die mit LLMs arbeiten, nach wie vor wichtig. In unserem eigenen Unternehmen nutzen wir sie als beste Annäherung an das Zielgruppeninteresse. Wir sollten jedoch damit rechnen, dass sie an Bedeutung verlieren wird – insbesondere bei der Entwicklung von Marketing-/Content-Strategien.
Was Rellify betrifft, so haben wir uns schon seit einiger Zeit auf die Zeit vorbereitet, in der OpenAI nicht mehr der unangefochtene Branchenexperte für LLM-Modelle ist. Ich glaube, ich bin nicht der Einzige, der froh ist, sagen zu können, dass diese Zeit jetzt gekommen ist.
Möchtest Du wissen, wie unsere Lösungen auch Dein Unternehmen voranbringen? Dann vereinbare gleich Deinen persönlichen Demotermin!
Peter Kraus ist CEO und Gründer von Rellify, einem Unternehmen für Content Intelligence, das von Grund auf mit KI-Technologie entwickelt wurde, um Erkenntnisse und Strategien für die gesamte Customer Journey zu generieren.