ActiveCampaign KI-Eingabeaufforderung: Anwendungen und Einrichtung in Automationen

Der AI Prompt Block – in der deutschen Oberfläche als KI-Eingabeaufforderung bezeichnet – ist eine Automationsaction in ActiveCampaign, die du an jeder Stelle eines Workflows einsetzt. Du schreibst einen Prompt in natürlicher Sprache, gibst Kontaktdaten per Personalisierungs-Tag mit und legst das Zielfeld fest. ActiveCampaign schreibt das Modellergebnis zurück; die nächste Action im Workflow greift darauf zu.

Das Wichtigste in Kürze

• Die KI-Eingabeaufforderung ist eine native Action im ActiveCampaign Automation Builder – kein Code, keine externe Integration.
• Du steuerst das Ergebnis ausschließlich über den Prompt-Text und Personalisierungs-Tags; das Ausgabefeld bestimmst du selbst.
• Das Feature eignet sich besonders für Datentransformation, feldbasierte Personalisierung und die strukturierte Aufbereitung unstrukturierter Eingaben.
• Für verlässliche Ergebnisse braucht jeder Prompt drei Angaben: Aufgabe, gewünschtes Ausgabeformat und das Kontaktfeld, das mitgegeben wird.
• Der Block arbeitet am besten im Zusammenspiel mit klassischen Wenn-Dann-Bedingungen, nicht als Ersatz für regelbasierte Segmentierungslogik.

Was der AI Prompt Block in ActiveCampaign genau macht

Klassische Automationsactions in ActiveCampaign arbeiten mit festen Regeln: Ein Feld enthält einen bestimmten Wert, eine Bedingung trifft zu, eine E-Mail wird versendet. Der AI Prompt Block bricht mit dieser Logik, weil er eine Aufgabe in natürlicher Sprache entgegennimmt und das Ergebnis frei formuliert zurückgibt. Damit lassen sich Dinge abbilden, die mit reinen Wenn-Dann-Regeln entweder unmöglich oder unverhältnismäßig aufwändig wären.

Technisch gesehen sendet ActiveCampaign deinen Prompt zusammen mit den angegebenen Kontaktdaten an ein integriertes Sprachmodell. Die Antwort des Modells wird als Text zurückgegeben und in einem Kontaktfeld gespeichert – entweder in einem Standard- oder in einem Custom-Field. Von dort greift der Workflow ganz normal auf den Wert zu: Er wird in eine E-Mail eingefügt, als Bedingung ausgewertet oder an die nächste Action weitergegeben.

Ein wesentlicher Unterschied zu eigenständigen KI-Tools: Die KI-Eingabeaufforderung arbeitet ausschließlich innerhalb der Datensphäre des Kontakts. Sie kann Felder lesen und beschreiben – sie recherchiert nicht im Internet, ruft keine externen APIs auf und erzeugt keine Aktionen außerhalb des Kontaktdatensatzes. Was du mit ihr verarbeitest, ist auf das beschränkt, was du ihr im Prompt mitgibst.

Im Automation Builder findest du die Action unter dem Bereich KI. Sie lässt sich an jede Position im Workflow setzen – als erster Schritt zur Datenbereinigung direkt nach dem Auslöser, als Zwischenschritt für die Personalisierung vor dem E-Mail-Versand oder als abschließende Analyse-Action nach einer Interaktion. Wer den Automation Builder noch nicht systematisch kennt, findet in unserem ActiveCampaign Automation Builder Guide eine strukturierte Einführung in die Oberfläche.

Welche Anwendungsfälle in der Praxis tragen

Die Stärke des AI Prompt Blocks liegt in einem klar abgegrenzten Bereich: Er transformiert Daten, die bereits im System vorhanden sind, in eine Form, die für die weitere Verarbeitung nützlicher ist. Drei Anwendungsfelder funktionieren besonders gut.

Datentransformation: Telefonnummern, Eingaben und Freifelder bereinigen

Wenn Kontakte Telefonnummern in unterschiedlichen Formaten eintragen – mal mit Ländervorwahl, mal ohne, mal mit Leerzeichen, mal mit Bindestrichen – bricht jede SMS- oder WhatsApp-Integration spätestens beim ersten Massenversand. Klassische Regex-Regeln decken nicht jeden Schreibstil ab; ein KI-Prompt dagegen kommt mit allen gängigen Varianten zurecht und gibt eine einheitliche Ausgabe zurück.

Derselbe Ansatz funktioniert für andere Freitext-Eingaben: Jobbezeichnungen standardisieren (aus „Head of Mktg", „Marketing Leiter" und „Marketingleiterin" wird jeweils „Marketing"), Herkunftsländer aus Formulareingaben in ISO-Codes umwandeln oder Betreffzeilen aus Antwort-E-Mails in kurze Schlagwörter zusammenfassen, die sich als Tag hinterlegen lassen. Entscheidend ist in allen Fällen, dass du im Prompt explizit angibst, welches Format die Ausgabe haben soll – sonst antwortet das Modell zu frei, und das Ergebnis lässt sich schlechter weiterverarbeiten.

Feldbasierte Personalisierung: Individuelle Werte für jeden Kontakt erzeugen

Echte Personalisierung jenseits des Vornamens war bisher aufwändig: Du brauchtest Daten, die bereits strukturiert im System lagen, und musstest den richtigen Wert manuell hinterlegen oder über einen Webhook importieren. Die KI-Eingabeaufforderung erlaubt dir, aus vorhandenen Feldern neue, kontextspezifische Werte zu berechnen und direkt zu schreiben.

Ein konkretes Beispiel: Ein Kontakt hat in einem Formular sein Geburtsdatum angegeben. Du richtest einen täglich laufenden Trigger ein, der am Geburtstag anschlägt. Die KI-Action berechnet das aktuelle Alter aus Geburtsdatum und heutigem Datum und formuliert eine individuelle Zeile – etwa „Du bist heute 34 Jahre alt – herzlichen Glückwunsch!" – die in ein Custom-Field geschrieben wird. Die nachfolgende E-Mail zieht den Wert aus dem Feld. Ohne diese Funktion bräuchtest du für jedes mögliche Alter eine separate Wenn-Dann-Bedingung.

Auf dieselbe Weise lassen sich Einstiegs-E-Mails aufbauen, die auf die Branche des Kontakts eingehen, oder Follow-ups, die den zuletzt getätigten Kauf in einem kurzen Satz aufgreifen – vorausgesetzt, diese Daten stehen als Feldwerte im System.

Freitext-Qualifizierung: Formulareingaben strukturiert auswerten

Viele Kontaktformulare fragen nach dem Hauptziel oder der größten Herausforderung des Leads. Die Antworten kommen als Freitext und lassen sich schlecht direkt segmentieren. Mit einer KI-Action kannst du aus jeder Freitext-Antwort eine Kategorie ableiten – etwa „Neukundengewinnung", „Kundenbindung", „Prozessautomatisierung" – und diese in einem Custom-Field hinterlegen. Darauf baut eine normale ActiveCampaign-Segmentierung auf, die dann präzise und regelbasiert weiterarbeitet.

Wichtig: Das ist keine Scoring-Logik im eigentlichen Sinne. Der AI Prompt Block vergibt keine Punkte und greift nicht auf historische Aktivitätsdaten zurück. Er wertet aus, was direkt im Prompt steht. Für Lead Scoring über Zeit ist das klassische ActiveCampaign-Scoring-System weiterhin die richtige Wahl. Die KI-Action und das Scoring ergänzen sich gut: Erstere qualifiziert beim ersten Kontakt, letzteres bewertet das Verhalten danach.

So richtest du die KI-Eingabeaufforderung ein – am Beispiel Telefonnummern

Das folgende Beispiel richtet die automatische Telefonnummern-Formatierung ein. Es ist ein guter Einstieg, weil das Ziel der Ausgabe eindeutig ist und du das Ergebnis unmittelbar am Kontaktdatensatz prüfen kannst.

1. Öffne in ActiveCampaign den Bereich Automationen und lege eine neue Automation an oder öffne eine bestehende.
2. Wähle als Auslöser ein passendes Ereignis – zum Beispiel „Kontakt tritt in Liste ein" oder „Formular wird abgeschickt".
3. Füge eine neue Action hinzu. Im Aktions-Menü findest du unter der Kategorie KI die Action KI-Eingabeaufforderung.
4. Schreibe deinen Prompt in das Textfeld. Für die Telefonnummern-Formatierung: „Formatiere die folgende Telefonnummer im internationalen E.164-Format (Beispiel: +4915112345678). Gib ausschließlich die formatierte Nummer aus, ohne weiteren Text. Telefonnummer: %PHONE%". Das Tag %PHONE% wird durch den tatsächlichen Feldwert des Kontakts ersetzt.
5. Lege im Feld Ergebnis speichern in das Zielfeld fest. Wähle hier das Telefonnummernfeld des Kontakts oder ein eigens dafür angelegtes Custom-Field.
6. Speichere die Action und aktiviere die Automation. Ab sofort formatiert die KI jede Telefonnummer, die in die Automation läuft, standardisiert und schreibt das Ergebnis ins gewählte Feld.

Für komplexere Prompts – etwa bei der Kategorisierung von Freitext-Antworten – hilft eine explizite Werteliste am Ende des Prompts: „Antworte ausschließlich mit einem der folgenden Werte: Neukundengewinnung, Kundenbindung, Prozessautomatisierung, Sonstiges." Ohne eine solche Einschränkung formuliert das Modell zu frei, und der zurückgegebene Text lässt sich schlechter als Feldwert weiterverarbeiten.

Vergleich: KI-Eingabeaufforderung, native Wenn-Dann-Logik und externe KI-Integration

Um zu entscheiden, welches Werkzeug für eine Aufgabe passt, hilft ein direkter Vergleich der drei häufig genutzten Ansätze.

Die Tabelle zeigt: Die KI-Eingabeaufforderung ist der Mittelweg zwischen fester Regellogik und vollständig extern gesteuerter KI-Integration. Sie eignet sich für Aufgaben, bei denen natürlichsprachliche Verarbeitung nötig ist, aber kein eigener API-Key und kein technisches Mapping-Setup vertretbar sind.

Typische Fehler beim Einsatz der KI-Eingabeaufforderung

Der häufigste Fehler ist ein zu offener Prompt. Wer schreibt „Verbessere den Text des Kontakts", bekommt eine Antwort, die weder im Format noch im Inhalt vorhersagbar ist. Das macht die nachgelagerte Automationslogik fragil. Je präziser du Aufgabe, Format und den Wertebereich der Ausgabe definierst, desto stabiler arbeitet der Block.

Ein zweiter häufiger Fehler: Das Ergebnis direkt in ein Feld zu schreiben, das bereits produktiv genutzt wird, ohne es vorher zu testen. Empfehlenswert ist, zunächst ein temporäres Custom-Field als Puffer zu verwenden, das Ergebnis dort zu prüfen und erst dann – über eine nachgelagerte Wenn-Dann-Action – in das eigentliche Zielfeld zu übertragen.

Dritter Punkt: Prompts, die auf externe Informationen angewiesen sind. „Finde den LinkedIn-Profil-Link des Kontakts" funktioniert nicht – das Modell kann nicht im Internet recherchieren. Was aus externen Quellen kommen soll, muss vorher per Webhook oder Datei-Import ins System gebracht werden.

Schließlich: Latenz einkalkulieren. Jeder KI-Aufruf braucht etwas Zeit. In zeitkritischen Automationen – etwa einem Willkommens-Workflow, der innerhalb von Sekunden nach Formularabgabe startet – ist das spürbar. Eine kurze Warten-Action vor der KI-Action gibt dem Prozess Puffer und verhindert Folgefehler durch einen abgebrochenen KI-Aufruf.

Wann die KI-Eingabeaufforderung nicht die richtige Wahl ist

Bei binären, regelbasierten Entscheidungen – Kontakt hat Tag X, also geht er in Zweig A; Kontakt hat Tag X nicht, also in Zweig B – ist klassische Wenn-Dann-Logik schneller, deterministisch und ohne Latenz. KI macht nur dort Sinn, wo die Entscheidung nicht als einfache Regel formulierbar ist.

Ebenso ungeeignet ist der Block für die Verarbeitung langer Texte. Umfangreiche Support-Transkripte oder Formularantworten, die mehrere Hundert Wörter umfassen, können Tokenlimits treffen. Das Ergebnis wird dann abgeschnitten oder unvollständig zurückgegeben. Wenn du lange Texte verarbeiten musst, ist eine externe Integration mit einem Modell, das ein größeres Kontextfenster bietet, die zuverlässigere Wahl.

Für Aufgaben, bei denen absolute Konsistenz über viele Kontakte hinweg entscheidend ist – etwa ein standardisiertes Branchen-Tagging, das die gesamte Segmentierung trägt – solltest du das Ergebnis der KI immer durch eine Nachbearbeitungsregel absichern. Ein Sprachmodell kann dieselbe Eingabe gelegentlich unterschiedlich interpretieren; das ist kein Defekt, sondern ein inhärentes Merkmal probabilistischer Modelle. Die Kombination aus KI-Action und nachgelagerter Harmonisierungs-Rule gibt dir Konsistenz, ohne auf die Flexibilität verzichten zu müssen.

Häufige Fragen

Muss ich für die KI-Eingabeaufforderung einen eigenen API-Schlüssel hinterlegen?

Nein. Das Feature ist nativ in ActiveCampaign integriert; das Sprachmodell wird von ActiveCampaign bereitgestellt. Du benötigst keinen eigenen OpenAI- oder anderen Schlüssel und hast keinen Einfluss auf das verwendete Modell. ActiveCampaign steuert die Modellversion intern.

Werden die Kontaktdaten, die ich im Prompt verwende, für das Training des Sprachmodells genutzt?

ActiveCampaign gibt in seiner Dokumentation an, dass Daten, die über die API an das integrierte Sprachmodell übertragen werden, nicht für das Training verwendet werden. Bei datenschutzrechtlich sensiblen Einsatzszenarien – etwa wenn du besondere Kategorien personenbezogener Daten verarbeitest – empfiehlt sich trotzdem eine rechtliche Prüfung, bevor du den Block in produktiven Automationen aktivierst.

Wie lange dauert ein KI-Aufruf in der Automation, und wie wirkt sich das auf Wartezeiten aus?

Ein einzelner KI-Aufruf dauert in der Praxis typischerweise einige Sekunden. Das ist für die meisten Automationen unproblematisch, kann aber bei zeitkritischen Workflows – etwa Echtzeit-Bestätigungs-E-Mails unmittelbar nach Formularabgabe – spürbar sein. Plane eine kurze Warten-Action vor der KI-Action ein, wenn die Automation auf ein sehr schnelles Folgeereignis angewiesen ist.

Kann ich die KI-Eingabeaufforderung nutzen, um vollständige E-Mail-Inhalte zu generieren?

Technisch ja. Du kannst ein Custom-Field mit KI-generiertem Text füllen und dieses Feld in eine E-Mail-Vorlage einbetten. In der Praxis eignet sich das gut für kurze, kontextspezifische Passagen – einen personalisierten Einstiegssatz, eine produktbezogene Empfehlung oder eine individuelle Grußzeile. Vollständige E-Mail-Texte per KI zu generieren ist möglich, erfordert aber sorgfältige Qualitätssicherung, weil das Modell Länge und Format nicht garantiert konsistent liefert. Konkrete Prompt-Vorlagen für die E-Mail-Erstellung findest du im Beitrag zu KI-Prompts im ActiveCampaign-E-Mail-Marketing.

Wie verhält sich der Block, wenn das Quellfeld eines Kontakts leer ist?

Wenn ein Personalisierungs-Tag im Prompt auf ein leeres Feld verweist, übergibt ActiveCampaign einen leeren Wert. Das Modell gibt dann entweder eine leere Ausgabe oder einen generischen Text zurück, der im Zielfeld unbrauchbare Werte hinterlässt. Schalte der KI-Action eine Bedingung vor, die prüft, ob das Quellfeld ausgefüllt ist, und führe die Action nur dann aus.

Lässt sich die KI-Eingabeaufforderung mit dem ActiveCampaign Predictive Sending kombinieren?

Die beiden Features arbeiten auf verschiedenen Ebenen und schließen sich nicht aus. Die KI-Eingabeaufforderung verarbeitet Daten innerhalb des Workflows und schreibt Werte in Felder. Predictive Sending analysiert das historische Öffnungsverhalten eines Kontakts und passt den Versandzeitpunkt an. Du kannst beide Features parallel einsetzen: Die KI-Action bereitet die Inhalte vor, Predictive Sending bestimmt, wann die E-Mail versendet wird.

Wer die KI-Eingabeaufforderung tiefer ausschöpfen möchte – etwa für Sentiment-Analyse nach Formulareingaben oder für die automatisierte Aufbereitung von Vertriebsnotizen – und dabei Unterstützung bei Setup und Strategie sucht, kann das direkt über ein erstes Gespräch mit Advertal angehen.