KI im Ticket-Marketing: Warum dein Output generisch bleibt, solange deine Daten es sind (2026)
Nicht das Tool entscheidet über die Qualität. Sondern das, was du hineinfütterst — und das gehört dir oder eben nicht.
Es gibt zwei Sorten von Enttäuschung mit KI im Eventmarketing.
Die eine klingt so: „Das Plakat sieht aus wie jedes andere." Die andere so: „Der Text klingt nach niemandem."
Beide haben dieselbe Ursache, und sie liegt nicht im Tool.
Jan Gasber war zu Gast im Musik Marketing Talk bei Mo von We Influence People, um genau darüber zu sprechen: Was KI im Marketing für Künstler:innen und Veranstalter:innen wirklich verändert.
Die ehrlichste Erkenntnis aus knapp 30 Minuten:
Der Unterschied zwischen einem generischen und einem starken Ergebnis ist fast nie das Modell. Es ist der Datenschatz, auf den es zugreifen kann — und den die meisten in der Branche nie aufgebaut haben.
Die entscheidende Leitfrage lautet deshalb:
» Wenn eine KI immer die wahrscheinlichste Antwort ausspuckt — womit willst du dich dann eigentlich noch abheben?
Das Wichtigste vorab
+ Ein KI-Modell rechnet Wahrscheinlichkeiten. Es liefert also den Durchschnitt. Der Durchschnitt ist nicht schlecht — aber er unterscheidet dich von niemandem.
+ Wer sich abheben will, muss das, was er automatisiert, vorher jahrelang manuell gemacht haben. Ohne eigene Substanz kein eigener Output.
+ Zerlege deine Prozesse in Arbeitsschritte und entscheide je Schritt: Mensch oder KI. Das Fundament — CI, Tone of Voice, Farbcode — bleibt beim Menschen.
+ Ticketing-Daten und E-Mail-Adressen historisch sammeln und archivieren, gerade beim Wechsel des Ticketanbieters. Sie sind der Rohstoff, ohne den KI im Ticket-Marketing wenig Hebel hat.
+ Human in the Loop bleibt Pflicht. Nicht als Bremse, sondern als Kontroll- und Freigabeinstanz — vor allem bei Typografie und Textanordnung in Creatives.
Warum dein Output nach allen anderen klingt
Ein KI-Modell ist im Kern ein Rechenmodell für Wahrscheinlichkeiten. „Paris ist eine Stadt in ..." — das wahrscheinlichste nächste Wort ist Frankreich. Genau das passiert auch, wenn du „schreib mir einen Postingplan" eintippst: Du bekommst das, was am häufigsten in vergleichbaren Fällen die Antwort war.
Das ist der Durchschnitt. Und der Durchschnitt ist nicht schlecht — er ist nur nicht deiner.
Daraus folgt etwas, das viele nicht hören wollen: Um dich abzuheben, musst du das, was du automatisieren willst, vorher lange manuell gemacht haben. Sonst hast du nichts, wovon sich der Output abheben könnte.
❌ „Erstell mir einen Postingplan für mein Festival." — Du bekommst den Durchschnitt des Internets.
✅ „Hier sind meine Postingpläne der letzten drei Jahre, meine besten und schlechtesten Creatives, meine Zielgruppe und mein Tone of Voice. Jetzt entwickle fünf neue Formatideen." — Du bekommst etwas, das nur du bekommen kannst.
Wenn generische Plakate und generische Texte herauskommen, liegt das fast immer daran, dass keine Grundlage existiert, auf der das Modell arbeiten könnte.
Die KI ist nur so gut wie die Informationen, auf deren Basis sie arbeitet.
Zerleg den Prozess, bevor du irgendetwas automatisierst
Die Herangehensweise, die bei uns bei jedem Bereich funktioniert, ist unspektakulär und genau deshalb wirksam.
Nimm einen Prozess — eine Kampagne aufsetzen, ein Event-Artwork erstellen, ein Video-Asset bauen, Trends recherchieren — und liste die einzelnen Arbeitsschritte auf. Dann geh sie einzeln durch:
» Welcher Schritt sollte weiterhin von einem Menschen ausgeführt werden?
» Welcher Schritt kann automatisiert werden?
Die Antwort ist dabei bemerkenswert stabil: Das Fundament kommt vom Menschen. Die CI. Der Tone of Voice. Der Farbcode. Die Substanz, auf deren Basis die KI dann arbeitet.
Was die KI übernehmen kann, ist die Arbeit auf diesem Fundament: Trends recherchieren. Aus einer Grafik fünf Variationen ableiten. Aus drei Jahren Postingplan fünf neue Formatideen entwickeln. Zahlen rausschreiben, tracken, Dokumente ablegen.
Eine CI zu entwickeln ist die Königsklasse — dafür holt man sich jemanden, der das kann, und bezahlt das entsprechend. Das Duplizieren und Anpassen dagegen ist genau der Teil, für den bei den meisten Projekten ohnehin das Budget fehlt. Lieber in eine wirklich gute Grundlage investieren und darauf selbstständig weiterarbeiten, als beides halb zu machen.
Und der eigentliche Gewinn ist nicht die gesparte Stunde. Es ist die Stunde, die dadurch frei wird für das Strategische und Kreative — das, was dich tatsächlich weiterbringt.
Human in the Loop: Die Kontrollinstanz, die du nicht wegoptimieren solltest
Ein Beispiel aus der Praxis: Du willst ein Ad-Artwork. Das Fundament hat ein Mensch gebaut, die KI legt fünf Textvariationen darauf. Vor der Veröffentlichung muss trotzdem jemand prüfen, ob Textanordnung und Typografie stimmen — genau da baut KI in der Content-Erstellung noch regelmäßig Fehler ein.
Human in the Loop heißt: Du bestimmst bewusst, an welcher Stelle du in den Prozess einsteigst, freigibst und Feedback zurückspielst, aus dem das System lernt.
Zwei Dinge gehören dabei zusammen:
+ Prüfen, bevor etwas rausgeht. Nicht aus Misstrauen, sondern weil ein einziges schiefes Asset in einer Kampagne teurer ist als die eingesparte Minute.
+ Aktiv widersprechen lassen. KI-Modelle neigen dazu, zuzustimmen — alles, was du sagst, ist erstmal super. Der Standardzusatz, der das aufbricht: „Hinterfrage meine Aussagen kritisch und gib mir zwei, drei andere Optionen." Das erweitert die Perspektive, statt sie zu bestätigen.
Auch regulatorisch ist genau dieser Punkt relevant: Bei der neuen Kennzeichnungspflicht wird das Textthema unter anderem deshalb weitgehend ausgeklammert, weil der Mensch dort weiterhin in der Schleife steckt.
Die richtigen Fragen zu stellen, ist der Skill, der dich in der Arbeit mit KI am weitesten bringt.
〰️
Die richtigen Fragen zu stellen, ist der Skill, der dich in der Arbeit mit KI am weitesten bringt. 〰️
Der Teil, der für Veranstalter:innen wirklich zählt: deine Daten
Jetzt kommt der Punkt, an dem sich Ticket-Marketing von allgemeinem KI-Gerede unterscheidet.
Eine der größten Stärken von KI ist es, Daten lesbar zu machen, auszuwerten und Muster zu erkennen.
Bei uns bedeutet das konkret: Wir bauen gerade ein Master-Reporting-Dashboard über knapp sechs Jahre Kampagnendaten. Damit sehen wir pro Segment — etwa Festival/elektronisch — welche Creatives im Schnitt den besten Return und Umsatz erzielt haben. Und das lässt sich auf andere Kund:innen übertragen.
Der Effekt: Auch wenn jemand mit unstrukturierten Daten zu uns kommt, sehen wir sehr schnell, wo das Bottleneck sitzt — Kampagnenstruktur, Budgetkalkulation oder Content.
Ein Befund aus genau diesen Auswertungen: Bei vielen Veranstalter:innen im Nachtgeschäft ist Dezember der stärkste Monat des Jahres. Frag zehn Veranstalter:innen nach ihrem stärksten Monat — nicht alle würden Dezember sagen.
Und genau daraus entstehen die besseren Entscheidungen: Wann setze ich welches Budget ein? Kann ich diesen Monat mit einer Act-Ankündigung, einem gesonderten Ticketkontingent oder einem Ticket-Offer zusätzlich hebeln?
Dasselbe funktioniert auch ohne Agentur. Mit einem KI-Tool baust du dir ein einfaches Dashboard für die Frage, die eigentlich jede Woche auf dem Tisch liegen sollte:
» Wie entwickelt sich mein Vorverkauf über das Jahr?
» Stehe ich heute besser oder schlechter da als vor einem Jahr, einem halben Jahr, drei Monaten?
» Welche saisonalen Faktoren spielen gerade rein?
Es wird in dieser Branche viel schöngeredet — schwieriges Wirtschaftsjahr, gedrückte Stimmung, schwache Kaufkraft. All das existiert. Aber die wenigsten schauen sich vorher die harten Zahlen an.
Ohne archivierte Daten kein Hebel
Und hier liegt das eigentliche Take-away für jede:n Künstler:in, jede:n Veranstalter:in:
Sammle und archiviere deine Ticketing-Daten und E-Mail-Adressen historisch. Besonders dann, wenn du den Ticketanbieter wechselst. Genau an dieser Stelle gehen in der Praxis die meisten Datenbestände verloren — und mit ihnen die Grundlage für jede Auswertung, die dir später etwas bringen würde.
Denn KI ist hier kein Ersatz für Daten. Sie ist ein Verstärker. Wer diese Historie hat, bekommt echte Entscheidungsgrundlagen. Wer sie nicht hat, bekommt trotzdem etwas — nur eben ohne Hebel.
Dazu ein Punkt, der oft zu spät bedacht wird: Datenschutz nach vorn denken. Investiert das Geld in eine saubere Datenschutzgrundlage, bevor ihr anfangt zu sammeln — Empfehlungen für spezialisierte Anwält:innen geben wir gern weiter. Und holt euch schon in der allerersten Newsletter-Aktivierung die Einwilligung, die Daten auch in KI-Systemen zu nutzen.
Der praktische Grund: Dann könnt ihr später auswerten, transferieren und sogar das Tool wechseln, ohne ein neues Opt-in einholen zu müssen. Und ihr vermeidet genau den Moment, in dem euch bei einer erneuten Bestätigungsanfrage die Hälfte der Liste abspringt.
Wir sind hier keine Rechtsberatung — aber die Frage kostet euch heute eine Stunde und später eine Datenbank.
Werkzeuge und Gewohnheiten, die den Unterschied machen
Die Toolfrage ist die am wenigsten wichtige — und trotzdem die, die am häufigsten gestellt wird. Vor einem Jahr nutzten alle ChatGPT, heute arbeiten viele mit Claude, morgen kommt vielleicht etwas anderes. Der Skill überträgt sich, das Tool nicht.
Was aktuell den Unterschied macht, sind die Integrationen: Ein Modell, das direkt an Canva, Notion, Monday oder Dropbox andockt, verändert Workflows stärker als jede bessere Textqualität. Aus „ich spreche eine Idee ein" wird „fasse das zusammen, leg es auf der Notion-Seite ab und zieh das Creative aus der Dropbox dazu".
Und zwei Gewohnheiten, die praktisch sofort etwas bringen:
-
Erzähl dem System eine Stunde lang per Sprachnachricht, wer du bist, was du machst, wo du stehst. Leg eine übersichtliche Ordnerstruktur an: Postings der letzten Releases, Postingpläne der letzten Jahre, Links deiner Beiträge in einem Dokument. Das ist die Arbeit, die alle überspringen — und die den ganzen Unterschied macht.
-
Jeder Mensch spricht schneller, als er tippt. Sprachmemo einsprechen, transkribieren lassen, als Grundlage weiterarbeiten. Gerade für kreative Köpfe, die schneller denken als schreiben, ist das befreiend: Es muss im ersten Schritt nicht richtig klingen. Und bei Meetings — mit Zustimmung aufgezeichnet — liegt in den Transkripten der beste Content-Rohstoff, den es gibt: die Fragen, die Veranstalter:innen immer wieder stellen.
Ein Satz aus der Folge, der als Arbeitsprinzip taugt: Wenn du ein Problem hast, frag dich, wie dir dein Agent dabei helfen könnte — und was er bräuchte, um es zu lösen.
Was bewusst nicht automatisiert gehört
Zum Schluss die Grenze, die wir beide im Podcast an derselben Stelle gezogen haben.
Das kreative Schaffen — Musik machen — sollte unangetastet bleiben. Darum geht es am Ende. Und praktisch niemand, mit dem wir arbeiten, hat Lust auf genau die Aufgaben, die KI gut kann: Copy schreiben, Skripte für Studio-Videos, Newsletter von Hand tippen.
Genau da gehört die Automatisierung hin. Nicht in die Kunst.
Die nützlichste Frage für jede:n Künstler:in, jede:n Veranstalter:in ist deshalb sehr einfach: Was habe ich diese Woche für Aufgaben — und was davon geht mit KI einfacher, schneller und besser? Und was davon will ich ganz bewusst weiter selbst machen?
Fazit
KI verändert das Marketing für Künstler:innen und Veranstalter:innen in drei Richtungen: Es wird effizienter, schneller und vor allem übersichtlicher, weil sich Dinge endlich vergleichen lassen.
Aber sie ersetzt keine Entscheidung. Sie verbessert nur die Grundlage, auf der du entscheidest. Und diese Grundlage besteht aus Daten, die dir gehören: deine Vorverkaufshistorie, deine Ticketkäufer:innen, deine E-Mail-Liste, deine Kampagnen der letzten Jahre.
Es geht nicht um Tools. Es geht um Haltung — und um Besitz. Modelle kommen und gehen. Deine Fan-Daten bleiben. Stop Renting. Start Owning.
» Lust auf mehr? Dann sprich mit uns oder schau bei mgnfy.com vorbei.
Dieser Artikel basiert auf dem Gastauftritt von unserem Experten Jan Gasber im Podcast “Musik Marketing Talk” mit Mo von We Influence People (Folge 130, KI im Musikmarketing) — hier geht's zur Folge.