Nach der Implementierung: Warum Salesforce Marketing Automation im operativen Betrieb häufig ins Stocken gerät

Der Go-live von Salesforce Marketing Automation fühlt sich in vielen Organisationen wie der Moment an, in dem ein intensives Veränderungsprogramm endlich abgeschlossen ist. Journeys laufen, Daten fließen zwischen Systemen, Dashboards zeigen Aktivität und Benutzer haben ihre ersten Prozesse produktiv geschaltet. Genau hier entsteht jedoch leicht ein irreführendes Gefühl von Abschluss. Für Enterprise-Organisationen beginnt nach der Implementierung nämlich eine andere Phase, in der nicht mehr die technische Einrichtung, sondern die Qualität von Ownership, Entscheidungsfindung und Weiterentwicklung bestimmt, wie viel Wert die Plattform dauerhaft liefert.

Das Problem wird häufig erst Monate später sichtbar. Journeys funktionieren technisch weiterhin, passen aber immer weniger zu verändertem Kundenverhalten. Lead Scoring wird weiterhin genutzt, doch die Kriterien wurden nicht neu kalibriert. Reports bleiben gefüllt, während der Zusammenhang mit Pipeline-Qualität und kommerzieller Entscheidungsfindung schwächer wird. Marketing Automation kommt daher nur selten buchstäblich zum Stillstand; sie entwickelt sich schrittweise von einem strategischen Instrument zu einer Umgebung, die vor allem gewartet wird.

Diese Verschiebung ist für multinationale Unternehmen und größere europäische Organisationen besonders relevant. Je mehr Märkte, Business Units, kommerzielle Prozesse und Datenquellen von derselben Umgebung abhängig werden, desto größer wird die organisatorische Auswirkung von Stillstand. Eine Plattform, die während der Implementierung Skalierbarkeit schaffen sollte, kann dann gerade neue Fragmentierung erzeugen, wenn Optimierung, Governance und Entscheidungsfindung nach dem Go-live nicht als strukturelle Capability organisiert werden.

Der Go-live ist der Übergang von Projektsteuerung zu operativer Verantwortung

Während einer Implementierung ist der Governance-Kontext in der Regel außergewöhnlich klar. Es gibt einen Projektleiter, es gibt Deadlines, Entscheider besitzen ein explizites Mandat und Abhängigkeiten werden aktiv gesteuert. Wenn eine Journey nicht funktioniert, eine Datenquelle fehlt oder eine Entscheidung über Lead Scoring erforderlich ist, existiert eine Projektstruktur, in der das Problem zugewiesen, besprochen und gelöst wird. Diese vorübergehende Klarheit trägt wesentlich dazu bei, dass Organisationen während der Implementierung schnell Fortschritte erzielen können.

Nach dem Go-live verschwindet diese Struktur häufig schneller als die Abhängigkeiten, die sie verwaltet hat. Marketing Automation wird an die Linienorganisation übergeben, ohne dass explizit festgelegt wurde, wer anschließend Owner von Journeys, Scoring-Modellen, Datenqualität, KPIs und Änderungsentscheidungen wird. Das Ergebnis ist ein Governance-Vakuum. Die Technik funktioniert weiter, doch Entscheidungen, die während der Implementierung selbstverständlich getroffen wurden, müssen plötzlich mit täglichen Kampagnen, Produkteinführungen, Sales-Prioritäten und anderen operativen Verpflichtungen konkurrieren.

Die Implementierung endet mit dem Go-live; die Verantwortung für den Wert von Marketing Automation beginnt dort erst wirklich.

Gerade deshalb muss der Übergang in den operativen Betrieb als eigenständige Designfrage behandelt werden. Es geht nicht nur um Dokumentation und Wissenstransfer, sondern darum, temporäre Projekt-Governance durch ein permanentes Operating Model zu ersetzen. Entscheidungsfindung muss neues Ownership erhalten, Optimierung muss in die reguläre Planung aufgenommen werden und Abhängigkeiten zu Sales, Data, IT und Legal müssen auch nach dem Verschwinden des Projektteams steuerbar bleiben.

Wenn das nicht geschieht, entsteht Zurückhaltung. Teams erkennen Verbesserungspotenzial, wissen aber nicht, wer die Auswirkungen einer Änderung bewerten soll. Eine Anpassung an einer Journey kann Auswirkungen auf Segmentierung, Reporting und Sales-Follow-up haben; eine Änderung im Scoring kann Lead-Volumen und Erwartungen innerhalb von Sales beeinflussen. Wenn Decision Rights unklar sind, wird nichts zu verändern organisatorisch sicherer als kontrolliert zu verbessern. Stillstand ist dann keine bewusste Entscheidung, sondern das logische Ergebnis unklarer Verantwortung.

Journeys, Scoring und Datenqualität müssen als lebende Systeme gesteuert werden

Journeys erhalten während der Implementierung viel Aufmerksamkeit, weil sie unmittelbar sichtbar machen, welchen Wert Marketing Automation liefern kann. Nach dem Go-live verändert sich ihre Umgebung jedoch kontinuierlich. Produktportfolios ändern sich, Angebote werden geschärft, Saleszyklen entwickeln sich weiter und Kundenverhalten verändert sich. Eine Journey, die bei der Implementierung inhaltlich stark war, bleibt deshalb nicht automatisch relevant. Ohne regelmäßige Neubewertung wird ein strategisch entwickelter Flow langsam zu einem historischen Abbild von Bedingungen, die nicht mehr vollständig bestehen.

Für Lead Scoring gilt dasselbe. Scores werden häufig so entwickelt, als stellten sie einen objektiven Maßstab für Kaufbereitschaft dar, während sie in Wirklichkeit kommerzielle Annahmen in Systemlogik übersetzen. Wenn sich Märkte, Angebote oder Verhaltensweisen verändern, müssen diese Annahmen erneut überprüft werden. Ein Modell, das jahrelang unverändert bleibt, kann technisch perfekt funktionieren und gleichzeitig immer weniger Vorhersagewert besitzen. Sales bemerkt dies in der Regel früher als Marketing und beginnt anschließend, das System mit eigener Interpretation oder Intuition zu korrigieren.

Datenqualität kann beide Prozesse verstärken oder schwächen. Veränderungen in Quelldaten, Definitionen und CRM-Prozessen haben direkten Einfluss auf Segmentierung, Scoring und Journeys. Wenn Datenqualität nach der Implementierung als feststehende technische Gegebenheit behandelt wird, können sich Fehler und semantische Verschiebungen unbemerkt ansammeln. Teams sehen anschließend weniger zuverlässige Segmente und Reports, schreiben das Problem jedoch der Plattform statt dem operativen Management des Datenfundaments zu.

Eine reife Operation behandelt deshalb eine begrenzte Zahl von Bestandteilen explizit als regelmäßig neu zu kalibrierende Komponenten:

• Journeys: Passen Entscheidungsmomente, Content und Timing noch zur aktuellen kommerziellen Realität?
• Lead Scoring und Segmentierung: Repräsentieren die verwendeten Kriterien weiterhin die Signale, auf die Marketing und Sales steuern wollen?
• Datenqualität: Sind Quelldaten, Definitionen und Synchronisationen noch zuverlässig genug für automatisierte Entscheidungsfindung?
• Salesfeedback: Werden Ergebnisse aus Follow-up, Opportunity-Entwicklung und Pipeline tatsächlich in die Marketinglogik zurückgeführt?

Weiterentwicklung wird damit nicht zu einer Sammlung gelegentlicher Verbesserungsprojekte. Sie wird Bestandteil eines zyklischen Prozesses, in dem Annahmen anhand aktueller Ergebnisse überprüft und Änderungen kontrolliert umgesetzt werden. Das verhindert, dass die Umgebung schrittweise um die Logik herum einfriert, mit der sie ursprünglich ausgeliefert wurde, und macht zugleich sichtbar, wo Optimierung tatsächlich kommerziellen Wert hinzufügt.

Governance und Ownership müssen nach der Implementierung gerade konkreter werden

Während Implementierungen wird Governance häufig nahezu automatisch organisiert, weil das Projekt eine klare Eskalationslinie besitzt. Nach dem Go-live entsteht die Tendenz, Governance auf Dokumentation, Zugriffsrechte oder regelmäßige Plattformverwaltung zu reduzieren. Für Enterprise-Marketing-Automation reicht das nicht aus. Governance muss vielmehr festlegen, wie die Organisation mit Änderungen umgeht, die mehrere Prozesse, Teams oder Märkte gleichzeitig betreffen können, und wer dabei tatsächlich entscheidungsbefugt ist.

Der Unterschied zwischen geteilter Verantwortung und diffusem Ownership ist dabei entscheidend. Marketing, Sales, Data und IT haben alle ein legitimes Interesse an der Umgebung, doch gemeinsames Interesse bedeutet nicht, dass jede Entscheidung gemeinsam getroffen werden muss. Wenn niemand explizit befugt ist, die Neukalibrierung eines Scoring-Modells einzuleiten, eine Journey außer Betrieb zu nehmen oder eine Datendefinition zu verändern, bleibt die Plattform von informellem Konsens abhängig. Das verlangsamt nicht nur Optimierung, sondern erschwert auch zu erkennen, wer Verantwortung trägt, wenn Ergebnisse zurückgehen.

Ein reifes Governance-Modell unterscheidet daher zwischen Initiieren, Bewerten und Entscheiden. Ein Marketer kann einen Optimierungsbedarf erkennen, ohne dadurch automatisch befugt zu sein, die gesamte Journey-Logik zu verändern. Sales kann zurückmelden, dass die Lead-Qualität sinkt, während vorab vereinbarte Kriterien bestimmen, wann eine Neukalibrierung erforderlich ist. Data- und IT-Teams sichern die Zuverlässigkeit der zugrunde liegenden Informationen, ohne dadurch Owner der kommerziellen Entscheidungslogik zu werden.

Diese Trennung erzeugt keine Bürokratie, wenn sie gut gestaltet ist. Sie verhindert vielmehr, dass jede Änderung erneut eine Diskussion über Verantwortung auslöst. Governance beschleunigt den operativen Betrieb, sobald Teams im Voraus wissen, welche Entscheidungen sie selbstständig treffen dürfen, welche Entscheidungen multidisziplinär bewertet werden müssen und wann Eskalation tatsächlich notwendig ist. Governance entwickelt sich damit von einem Kontrollmechanismus zur Infrastruktur, die kontrollierte Veränderung ermöglicht.

KPI-Disziplin verbindet Plattformaktivität mit kommerzieller Entscheidungsfindung

Einer der Gründe, warum operativer Stillstand lange unsichtbar bleiben kann, liegt darin, dass Marketing Automation weiterhin viel Aktivität erzeugt. E-Mails werden versendet, Prospects bewegen sich durch Journeys, Formulare generieren Leads und Dashboards zeigen Engagement. Wenn die Organisation weiterhin primär über diese Aktivität berichtet, scheint wenig Anlass zur Sorge zu bestehen. Das Problem entsteht, wenn diese Zahlen immer weniger über Qualität, kommerzielle Progression oder den Beitrag zur Pipeline aussagen.

Nach der Implementierung müssen KPIs deshalb mit der Rolle der Plattform mitwachsen. Open Rates, Click-Through Rates und Lead-Zahlen können weiterhin nützliche operative Signale sein, reichen jedoch nicht aus, um festzustellen, ob Marketing Automation als Enterprise-Capability besser oder schlechter funktioniert. Dafür müssen auch die Qualität qualifizierter Leads, Weiterentwicklung zu Sales, Entwicklung zur Opportunity, Vorhersagbarkeit von Ergebnissen und das Ausmaß betrachtet werden, in dem Marketing und Sales dieselben Definitionen verwenden.

Gerade hier entsteht häufig ein Ownership-Problem. Operative Marketing-KPIs liegen bei Marketing, während Opportunity- und Umsatzinformationen meist von Sales verwaltet werden. Marketing Automation befindet sich zwischen diesen beiden Welten. Wenn niemand Verantwortung für die Verbindung übernimmt, bleibt Reporting auf der Marketingseite hängen und das Feedback fehlt, mit dem Scoring, Segmentierung und Journeys inhaltlich verbessert werden könnten.

Der Unterschied zwischen einer projektbasierten Implementierung und einer reifen operativen Ausgestaltung wird dadurch auf mehreren Governance-Ebenen sichtbar:

Der Vergleich zeigt, warum ein erfolgreicher Go-live für sich genommen wenig über operative Reife aussagt. Während der Implementierung werden viele Voraussetzungen temporär organisiert, weil das Projekt sie benötigt. Erst wenn diese Voraussetzungen nach dem Go-live dauerhaft verankert werden, entsteht eine Umgebung, in der Optimierung nicht von individueller Aufmerksamkeit oder gelegentlicher Eskalation abhängig ist.

Ein struktureller Review-Rhythmus macht dies steuerbar. Nicht jedes Meeting muss zu einem umfangreichen Governance-Prozess werden, aber Ergebnisse, Annahmen und Änderungen müssen zu festen Zeitpunkten gemeinsam bewertet werden. Wenn beispielsweise die Lead-Qualität sinkt, sollte nicht nur gefragt werden, welche Kampagne schlechter performt, sondern auch, ob Scoring-Kriterien, Lifecycle-Definitionen oder Datenquellen noch zur kommerziellen Realität passen. Reporting verschiebt sich dadurch von Rechenschaft hin zu Entscheidungsfindung.

Ein reifes Operating Model macht Optimierung zum Bestandteil des normalen Betriebs

Marketing Automation bleibt nur dann in Bewegung, wenn Weiterentwicklung nicht von gelegentlicher Aufmerksamkeit abhängt. In vielen Organisationen konkurriert Optimierung ständig mit unmittelbar sichtbaren kommerziellen Tätigkeiten. Neue Kampagnen, Produkteinführungen und dringende Sales-Anfragen erhalten automatisch Priorität, während Verbesserungen an bestehenden Journeys oder Scoring-Modellen leichter aufgeschoben werden. Jede einzelne Verzögerung wirkt harmlos, doch gemeinsam verursachen sie die Verschiebung von Optimieren zu Warten.

Ein Operating Model durchbricht dieses Muster, indem Weiterentwicklung einen festen Platz im operativen Rhythmus erhält. Das bedeutet nicht, dass jeden Monat große Änderungen notwendig sind. Es bedeutet jedoch, dass strukturierte Zeitpunkte existieren, an denen festgestellt wird, was Aufmerksamkeit benötigt, wer verantwortlich ist und welche Verbesserungen Priorität erhalten. Dadurch wird Stillstand sichtbar, bevor er sich in jahrealten Journeys, verschmutzten Segmenten oder Scoring-Modellen niederschlägt, die von Sales kaum noch ernst genommen werden.

Marketing Automation bleibt nicht strategisch, weil die Plattform aktiv bleibt, sondern weil die Organisation strukturell weiter entscheidet, was sich verändern muss und warum.

Dabei muss auch Wissen gesichert werden. Eine Umgebung, die nur für wenige einzelne Spezialisten verständlich bleibt, ist operativ verwundbar, unabhängig davon, wie gut sie technisch eingerichtet ist. Wenn Optimierung von persönlichen Erinnerungen daran abhängt, warum eine Regel einst hinzugefügt wurde oder welche Ausnahme für eine bestimmte Kampagne geschaffen wurde, steigt der Verwaltungsaufwand mit jeder Änderung. Prozessdokumentation, klares Ownership und reproduzierbare Entscheidungsfindung reduzieren diese Abhängigkeit.

Externe Consultants können in dieser Phase unterstützen, doch ihre Anwesenheit löst das zugrunde liegende organisatorische Problem nicht. Das Problem besteht nicht darin, dass Consultants nach der Implementierung gehen; das Problem entsteht, wenn die Organisation kein strukturelles Modell für die Zeit danach entwickelt hat. Langfristige externe Unterstützung kann sinnvoll sein, aber nur, wenn klar bleibt, welche Verantwortung intern liegt und wie Wissen, Entscheidungsfindung und Governance nachhaltig organisiert werden.

Marketing Automation verändert sich damit von einem abgeschlossenen Softwareprojekt zu einem kontinuierlichen Program. Die Umgebung wird nicht permanent umgebaut, aber permanent gesteuert. Dieser Unterschied bestimmt, ob technologische Möglichkeiten als strategische Capability verfügbar bleiben oder schrittweise auf bestehende Funktionalität reduziert werden, die niemand mehr grundlegend zu verändern wagt.

Internationale Skalierung erfordert zentrale Rahmenbedingungen und lokale Verantwortung

Für multinationale Unternehmen wird operative Reife komplexer, weil dieselbe Salesforce-Umgebung mehrere kommerzielle Realitäten unterstützen muss. Märkte unterscheiden sich hinsichtlich Kundenverhalten, Salesprozessen, Regulierung und interner Organisation. Vollständige Einheitlichkeit ist daher unrealistisch, doch unkontrollierte lokale Variation macht die Plattform letztlich ebenso wenig skalierbar. Ohne zentrale Rahmenbedingungen entstehen regionale Interpretationen von Journeys, Lead Scoring, Daten und KPIs, die sich im Laufe der Zeit kaum noch miteinander vergleichen lassen.

Ein reifer internationaler Ansatz unterscheidet deshalb zwischen Prinzipien, die zentral gesteuert werden müssen, und Ausführung, die lokal variieren darf. Ownership, Entscheidungsregeln, Lifecycle-Definitionen und Kern-KPIs benötigen eine organisationsweite Grundlage, weil sie bestimmen, ob Ergebnisse zwischen Märkten noch dieselbe Bedeutung besitzen. Innerhalb dieser Rahmenbedingungen können lokale Teams Entscheidungen über Content, Timing, Kampagnenausführung und marktspezifische Nuancen treffen. So entsteht Flexibilität, ohne dass jede Region ihr eigenes Marketing-Automation-Modell entwickelt.

Dies macht zugleich deutlich, warum Marketing Automation nicht ausschließlich als Marketingverantwortung organisiert werden kann. IT und Data bestimmen teilweise die Zuverlässigkeit von Integrationen und Quelldaten, Sales beeinflusst die Bedeutung von Qualifikation und Follow-up und Legal kann Grenzen für Verarbeitung und Nutzung festlegen. Die Herausforderung besteht nicht darin, all diese Funktionen gemeinsam zu Ownern von allem zu machen, sondern ihre Verantwortlichkeiten so zu verbinden, dass keine kritische Entscheidung zwischen den Abteilungen liegen bleibt.

Mit zunehmendem Wachstum der Organisation wird diese Klarheit immer wichtiger. Neue Märkte und Business Units bringen automatisch zusätzliche Anforderungen mit sich. Ohne explizite Rahmenbedingungen wird jede Erweiterung zu einer neuen Ausnahme von bestehenden Prozessen, wodurch die Plattform immer weniger als gemeinsame Infrastruktur funktioniert. Mit einem reifen Operating Model können neue Anforderungen dagegen innerhalb bestehender Entscheidungsprinzipien bewertet werden. Dadurch bleibt lokale Anpassung möglich, ohne dass die Kohärenz des breiteren Systems immer wieder grundsätzlich infrage gestellt wird.

Weiterentwicklung macht Marketing Automation zu einer dauerhaften Enterprise-Capability

Der letztliche Unterschied zwischen einer erfolgreichen Implementierung und nachhaltigem Wert entsteht nach dem Go-live. Eine technisch starke Umgebung kann jahrelang funktionieren, ohne sich inhaltlich mit der Organisation weiterzuentwickeln. Dadurch ist operativer Rückgang schwieriger zu erkennen als technische Instabilität: Nichts muss kaputtgehen, bevor strategischer Wert abnimmt. Genau deshalb muss die Organisation selbst Mechanismen schaffen, die Relevanz, Qualität und Entscheidungsfindung regelmäßig infrage stellen.

Weiterentwicklung bedeutet dabei nicht, ständig neue Funktionalität hinzuzufügen. Häufig liegt der größte Wert darin, das Bestehende zu verbessern: Journeys stärker an aktuellen Kundenbedürfnissen auszurichten, Scores neu zu kalibrieren, Segmentdefinitionen zu bereinigen, Datenqualität zu sichern und KPIs besser mit kommerziellen Ergebnissen zu verknüpfen. Solche Verbesserungen erfordern weniger technologische Innovation als organisatorische Disziplin und die Fähigkeit, bestehende Annahmen erneut zu bewerten.

Salesforce Marketing Automation wird damit zu einer Capability, die wie andere kritische Geschäftsprozesse aktiv gesteuert werden muss. Ownership muss bestehen bleiben, nachdem das Projektteam verschwunden ist, Entscheidungsfindung muss einen strukturellen Rhythmus erhalten und Optimierung muss Teil der regulären Priorisierung werden. Ohne diese Voraussetzungen verwandelt sich eine flexible Plattform langsam in eine Sammlung von Prozessen, die hauptsächlich deshalb erhalten bleiben, weil niemand genau weiß, welche Auswirkungen eine Änderung an anderer Stelle haben könnte.

Für Enterprise-Organisationen liegt der tatsächliche Wert deshalb nicht darin, den Go-live zu erreichen, sondern darin, danach kontrolliert weiter verändern zu können. Wenn Governance, Daten, KPIs, Journeys und kommerzielles Feedback innerhalb eines Operating Models miteinander verbunden werden, bleibt Marketing Automation nicht nur operativ verfügbar, sondern auch strategisch relevant. Die Plattform unterstützt dann nicht ausschließlich Kampagnenausführung, sondern entwickelt sich gemeinsam mit der Organisation weiter und bleibt ein nutzbares Instrument für skalierbare kommerzielle Entscheidungsfindung.