Podcast-Gäste gewinnen mit Custom ChatGPT: 10 Buchungen in 2 Monaten

Ein Custom GPT, das deine Positionierung, deinen Pitch-Stil und deine Ausschlusskriterien kennt, schreibt personalisierte Podcast-Pitches in Minuten statt Stunden. Der Unterschied zu generischem ChatGPT: Das Modell startet jede Sitzung mit deinem Business-Kontext und muss nicht von Grund auf neu eingeführt werden. Der Initialaufwand liegt zwischen drei und fünf Stunden – danach ist das System wiederholbar delegierbar.

Das Wichtigste in Kürze

• Ein Custom GPT pitcht nur dann zuverlässig, wenn du ihm dein Business-Profil, deinen Pitch-Stil und konkrete Ausschlusskriterien beibringst – oberflächliches Training produziert generische Texte, die Hosts sofort als Massenmail erkennen.
• Der sinnvolle Workflow trennt Bewertung und Pitch-Erstellung: erst prüft das GPT, ob eine Show passt, dann schreibt es den Entwurf – nie beides gleichzeitig ohne Zwischenschritt.
• Für DACH-Unternehmen ist ein ChatGPT-Team- oder Enterprise-Account Pflicht, damit Eingaben nicht für Modelltraining genutzt werden; personenbezogene Daten von Hosts gehören grundsätzlich nicht ins GPT.
• ActiveCampaign eignet sich als Tracking-Backbone: Deal-Pipeline für laufende Pitches, Automation für Follow-up-Erinnerungen und Tag-basierte Attribution nach dem Auftritt.
• Das System ersetzt kein Netzwerk und keine Zielgruppenanalyse – es macht wiederholbares Pitching schneller, sobald die Grundlagen stimmen.

Was ein Custom GPT für das Podcast-Pitching leistet – und wo Grenzen liegen

Custom GPTs sind vorkonfigurierte GPT-4-Instanzen, die du in ChatGPT unter „Meine GPTs“ anlegen kannst. Im Unterschied zur normalen ChatGPT-Nutzung speichert ein Custom GPT deine Systemanweisung und optionale Wissensdateien dauerhaft: Jede Sitzung startet mit dem hinterlegten Kontext, ohne dass du dein Profil neu eintippen musst. Das macht den Unterschied, wenn Pitches regelmäßig und in verschiedenen Formaten (E-Mail, Bewerbungsformular, LinkedIn-Nachricht) gebraucht werden.

Was das System zuverlässig übernehmen kann: personalisierte Pitch-Texte in deiner Stimme schreiben, Shows anhand von Episodentiteln und Beschreibungen auf Passform prüfen, Follow-up-Entwürfe im Ton des Erstpitches generieren und Feedback aus abgelehnten oder ignorierten Pitches in künftige Formulierungen übersetzen. Jasz Joseph, eine US-amerikanische Marketing-Beraterin, hat diesen Ansatz konsequent umgesetzt und in zwei Monaten zehn Podcast-Buchungen erreicht – nachdem eine Assistentin zuvor Shows gepitcht hatte, die thematisch nicht zu ihrer Zielgruppe passten.

Was das System nicht kann: eigenständig aktuelle Podcast-Daten abrufen (dafür fehlt im Standard-Modus der Echtzeit-Web-Zugriff), E-Mails automatisch versenden oder beurteilen, ob eine Show gerade wächst oder an Reichweite verliert. Die Endkontrolle vor dem Abschicken bleibt Aufgabe des Menschen – das GPT liefert einen guten Entwurf, keinen autorisierten Endstand.

Wann ein Custom GPT dem Standard-ChatGPT überlegen ist

Wenn du gelegentlich eine einzelne Show pitchst, reicht ein gut ausgearbeitetes Prompt-Template in einem normalen ChatGPT-Gespräch. Ein Custom GPT lohnt sich ab dem Punkt, wo du regelmäßig mehrere Shows gleichzeitig bearbeitest, das Pitching an eine Assistenz delegieren willst oder dein Stil und dein Profil zu komplex sind, um sie in einem kurzen Prompt zusammenzufassen. Der Aufwand für ein gutes Custom GPT ist einmalig hoch; danach skaliert es ohne Mehraufwand.

So konfigurierst du dein Custom GPT Schritt für Schritt

Der Aufbau läuft in fünf klar getrennten Schritten. Plane für die ersten drei Schritte zusammen mindestens drei Stunden – weniger reicht nicht für ein GPT, das deinen Stil trifft.

Schritt 1: Das Business-Profil als Systemanweisung aufbauen

Die Systemanweisung ist der Kern des Custom GPT. Sie lädt bei jeder Sitzung automatisch und gibt dem Modell den Kontext, den es braucht, um passend zu pitchen. Ein gutes Business-Profil umfasst vier Blöcke: was du machst, für wen du es machst, mit welchem Ergebnis – und für wen du ausdrücklich nicht arbeitest. Dieser letzte Block ist entscheidend: Ohne klare Ausschlusskriterien schreibt das GPT Pitches für Shows, deren Publikum nie zu deinen Kunden wird.

Ein konkretes Beispiel für einen Business-Profil-Block:

Ich bin ActiveCampaign-Spezialist und begleite B2B-Dienstleister im DACH-Raum beim Aufbau von Marketing-Automation. Meine Kunden sind Unternehmen mit fünf bis fünfzig Mitarbeitenden, die Neukundengewinnung systematisieren wollen. Ich arbeite nicht mit E-Commerce-Shops, Startups ohne Vertriebsmannschaft oder Solopreneuren im Coaching-Bereich. Meine häufigsten Podcast-Themen sind: Marketing-Automation ohne Agentur-Budget, E-Mail-Sequenzen für Beratungsunternehmen, CRM-Einführung im Mittelstand.

Ergänze außerdem eine Liste von zwei bis drei konkreten Projektergebnissen, die du nennen kannst – ohne Zahlen zu erfinden. Formuliere sie qualitativ: „Wir haben Unternehmen geholfen, ihren Follow-up-Prozess zu systematisieren, sodass kein Interessent mehr im Riss verloren geht.“ Das klingt glaubwürdiger als eine ungesicherte Prozentzahl.

Schritt 2: Deinen Pitch-Stil mit Beispielen definieren

Podcast-Hosts im DACH-Raum erkennen generische Pitches sofort: formell, ausschweifend, auf den Absender fokussiert statt auf den Mehrwert für die Zuhörerschaft. Damit dein GPT anders schreibt, braucht es Stil-Anker in beide Richtungen – Beispiele, die zeigen, wie du schreibst, und explizite Regeln, was du vermeidest.

Füge in die Systemanweisung oder als Wissensdatei ein:

• Zwei bis drei Pitch-Entwürfe, die deinen bevorzugten Ton treffen – entweder frühere Pitches, die zu Buchungen geführt haben, oder Muster, die du selbst für gut befindest
• Eine Liste verbotener Formulierungen: „innovative Lösungen“, „würde gerne“, „als Experte auf meinem Gebiet“, überlange Adjektivketten
• Angaben zur bevorzugten Länge: DACH-Podcaster schätzen eher kurze Erstpitches (200–300 Wörter) als ausführliche Selbstbeschreibungen
• Die gewünschte Anredeform: Du oder Sie – im B2B-Podcast-Raum ist das kein Detail, sondern ein erster Eindruck

Ein praktischer Tipp: Nutze die Spracheingabe in ChatGPT und sprich zehn Minuten lang über dein Business, typische Gesprächsthemen und Dinge, die du in Interviews immer wieder erklärst. Das Transkript transportiert deinen natürlichen Ton besser als ausformulierte Texte und eignet sich gut als Stil-Grundlage im GPT.

Schritt 3: Den Bewertungs- und Pitch-Workflow festlegen

Das GPT braucht nicht nur Kontext über dich, sondern auch eine klare Arbeitsanweisung – was es tut, wenn du ihm eine Show gibst. Definiere diesen Workflow in der Systemanweisung, damit er reproduzierbar ist.

Ein bewährter Ablauf in der Praxis:

1. Du gibst dem GPT: Show-Name, drei bis fünf aktuelle Episodentitel, ggf. kurze Beschreibung der Zielgruppe laut Website.
2. GPT bewertet: Passt diese Show zu meinem Profil? Wenn ja: Begründung in zwei Sätzen. Wenn nein: Begründung und Ende des Prozesses.
3. Bei Passform: GPT benennt zwei bis drei Themen aus deinem Profil, die inhaltlich zur Show passen.
4. Du bestätigst die Themen oder korrigierst die Auswahl.
5. GPT schreibt einen Pitch-Entwurf, maximal 250 Wörter, im hinterlegten Stil.
6. Du prüfst, passt an und schickst ab.

Dieser Sechsschritte-Flow dauert in der Praxis weniger als fünf Minuten pro Show – statt der früher nötigen dreißig bis vierzig Minuten für Recherche, Bewertung und Pitch-Schreiben. Wichtig ist Schritt zwei: Wer die Bewertung überspringt und direkt zum Pitch springt, landet schnell bei Shows, deren Publikum nie kauft.

Schritt 4: Feedback systematisch einpflegen

Das GPT lernt nicht von selbst aus deinen Reaktionen. Jede Korrektur, die du an einem Entwurf vornimmst, geht verloren, sobald du die Sitzung schließt – es sei denn, du pflegst das Feedback explizit zurück in die Systemanweisung oder in eine Wissensdatei. Führe dafür ein einfaches Dokument: Formulierungen, die das GPT vermeiden soll, Situationen, in denen es trotz schlechter Passform gepitcht hat, und Stil-Korrekturen, die du zweimal oder öfter vorgenommen hast. Ergänze dieses Dokument nach jedem Pitching-Batch und lade es als aktualisierte Version in dein Custom GPT. Nach vier bis sechs Wochen entsteht daraus ein Stilprofil, das sich deutlich von generischem Massen-Output unterscheidet.

Schritt 5: Das GPT regelmäßig aktualisieren

Dein Business entwickelt sich: neue Schwerpunkte, neue Ergebnisse, neue Themen, die du in Interviews einbringst. Ein Custom GPT, das mit einem zwölf Monate alten Profil arbeitet, pitcht dich für die falsche Version deines Unternehmens. Plane nach jedem größeren Podcast-Auftritt oder einmal pro Quartal eine kurze Review-Session: Was hat sich an deiner Positionierung geändert? Welche neuen Fallbeispiele gibt es? Welche Themen willst du nicht mehr in den Vordergrund stellen? Diese Updates dauern in der Regel weniger als dreißig Minuten und verhindern, dass das System allmählich an dir vorbeipitcht.

Manuelles Pitching vs. Custom GPT: Was sich in der Praxis verändert

Die folgende Tabelle zeigt, wo der Custom-GPT-Ansatz Zeit spart – und wo die menschliche Arbeit bleibt.

Integration in ActiveCampaign: Pitch-Pipeline und Follow-up

Das Custom GPT produziert Entwürfe – aber ohne ein Tracking-System daneben verlieren sich offene Pitches, Follow-up-Termine rutschen durch und die Frage, welche Shows tatsächlich zu Leads führen, bleibt unbeantwortet. ActiveCampaign eignet sich hier als Backbone, weil Deals, Automationen und Kontakt-Tagging im gleichen System laufen.

Eine eigene Deal-Pipeline für das Podcast-Pitching anlegen

Richte in ActiveCampaign unter CRM eine Deal-Pipeline „Podcast-Pitching“ ein. Sinnvolle Stufen:

1. Identifiziert – Show ist auf der Liste, Passform noch nicht bewertet
2. Bewertet – GPT hat die Show geprüft, Entwurf liegt vor
3. Gepitcht – Pitch abgeschickt, Datum im Deal hinterlegt
4. Follow-up ausstehend – kein Rücklauf nach zehn bis vierzehn Tagen
5. Zugesagt – Host hat bestätigt, Termin steht
6. Aufgenommen – Episode produziert, Veröffentlichung ausstehend
7. Live – Episode erschienen

Jeder Deal erhält den Host-Namen als verknüpften Kontakt und die Show als Deal-Titel. So siehst du auf einem Blick, wie viele Pitches parallel laufen und wo Follow-ups fällig werden. Wie du Follow-up-Automationen in ActiveCampaign für Nachfass-Prozesse aufbaust, lässt sich direkt auf diesen Workflow übertragen.

Automationen für Follow-up-Erinnerungen

Eine einfache Automation auf Basis des Deal-Status ersetzt manuelle Erinnerungen: Wenn ein Deal länger als zwölf Tage in der Stufe „Gepitcht“ verbleibt, erstellt ActiveCampaign automatisch eine Aufgabe „Follow-up prüfen“. Das verhindert, dass Pitches im Tagesgeschäft verschwinden, ohne dass eine Reaktion erfolgt ist. Du musst die Automation nicht komplex aufbauen – ein einzelner Trigger (Deal-Status + Zeitbedingung) und eine Aufgaben-Erstellung reichen.

Podcast-Leads taggen und sauber messen

Damit du nach mehreren Auftritten weißt, welche Shows tatsächlich Kontakte gebracht haben, braucht jeder Auftritt eine eigene Einstiegs-URL. Das einfachste Setup: Für jeden Podcast-Auftritt eine UTM-parametrisierte URL anlegen, die du in der Episodenbeschreibung und in deinen Social-Media-Hinweisen verwendest. ActiveCampaign Site-Tracking erkennt diese Besuche und kann Kontakte, die über diese URL eintreffen, automatisch mit einem Tag „Quelle: Podcast [Show-Name]“ versehen. So entsteht nach sechs bis zwölf Monaten eine verlässliche Datenbasis – welche Formate dein Publikum wirklich erreichen und welche zeigen, dass Zielgruppe und Show nicht gepasst haben.

Typische Fehler – Ursachen und Gegenmittel

Zu wenig Kontext im GPT hinterlegen

Ursache: Das Training des Custom GPT wird als einmaliger Einrichtungsschritt behandelt, nicht als kontinuierlicher Prozess. Die Systemanweisung ist zu kurz und zu allgemein – „Ich bin Marketing-Experte“ reicht nicht für ein GPT, das deinen Stil trifft.

Gegenmittel: Plane für das initiale Training mindestens drei Stunden. Ein einfacher Qualitätstest: Gib dem GPT eine Show, die eindeutig nicht zu deiner Zielgruppe passt. Lehnt es sie mit einer nachvollziehbaren Begründung ab? Wenn es trotzdem einen Pitch schreibt, ist das Training zu oberflächlich.

Bewertung und Pitch-Erstellung nicht trennen

Ursache: Das GPT wird direkt für die Pitch-Erstellung eingesetzt, ohne eine Show vorher zu bewerten. Das führt zu Pitches für Shows, deren Zielgruppe nicht zu deinem Angebot passt – auch wenn das Thema oberflächlich stimmig klingt.

Gegenmittel: Trenne beide Schritte im Workflow konsequent. Lass das GPT immer erst begründen, warum eine Show passt – bevor es einen Pitch schreibt. Wenn die Begründung dünn ist, ist das ein Signal, die Show zu überspringen.

Kein Tracking-System parallel führen

Ursache: Pitches werden direkt aus dem GPT versandt, ohne in einer Pipeline erfasst zu werden. Der Überblick über offene, abgelehnte und bestätigte Pitches geht verloren, Follow-up-Termine werden verpasst.

Gegenmittel: Kein GPT-gestütztes Pitching ohne Deal-Pipeline. Ein Spreadsheet ist besser als nichts; eine ActiveCampaign-Pipeline erlaubt zusätzlich Automationen und Attribution.

Deutschsprachige Besonderheiten ignorieren

Ursache: Viele Custom-GPT-Vorlagen stammen aus dem englischsprachigen Raum und erzeugen Pitches, die im DACH-Kontext zu direkt, zu werblich oder in der falschen Anredeform sind.

Gegenmittel: Definiere explizit in der Systemanweisung, in welcher Sprache du pitchst und welche Anredeform gilt. Im deutschsprachigen B2B-Podcast-Raum ist das Duzen in der Erstansprache noch keine Selbstverständlichkeit – besonders bei Show-Hosts, die eher etablierte Unternehmen ansprechen. Gib dem GPT eine klare Regel, anstatt es raten zu lassen.

Datenschutzrelevante Daten ins GPT eingeben

Ursache: ChatGPT Free und Plus nutzen Konversationsdaten standardmäßig für Modellverbesserungen, sofern das in den Einstellungen nicht deaktiviert ist. Wenn dabei Informationen über konkrete Personen (Name, E-Mail-Adresse eines Hosts, Kontextdaten aus dem CRM) eingetragen werden, entsteht ein datenschutzrechtliches Problem.

Gegenmittel: Für DACH-Unternehmen ist ein ChatGPT-Team- oder Enterprise-Account die Grundlage, nicht die Option. Dort verzichtet OpenAI auf das Training mit Konversationsdaten. Zusätzlich gilt: Keine personenbezogenen Daten von Podcast-Hosts ins GPT – Show-Name und thematische Beschreibung reichen für die Pitch-Erstellung vollständig aus.

Wann der Custom-GPT-Ansatz nicht passt

Das System ist kein universelles Werkzeug. Es gibt Konstellationen, in denen der Aufbau eines Custom GPT mehr Aufwand erzeugt, als er zurückgibt.

Der Ansatz lohnt sich nicht, wenn du weniger als fünf bis zehn Pitches pro Monat planst. Der Initialaufwand rechnet sich erst ab einer gewissen Pitch-Frequenz. Wer gelegentlich für einzelne Shows pitcht, kommt mit einem sorgfältig ausgearbeiteten Prompt-Template in einem normalen ChatGPT-Gespräch effizienter ans Ziel.

Er funktioniert auch dann nicht, wenn deine Positionierung noch nicht klar ist. Das GPT kann nur abbilden, was du ihm beibringst – wenn du selbst unsicher bist, für welche Zielgruppe und welche Show-Formate du am besten passt, wird das GPT diese Unsicherheit verstärken, nicht auflösen. In diesem Fall ist das wichtigere Vorarbeit, eine Podcast-Strategie als Unternehmen zu entwickeln, bevor du das Pitching automatisierst.

Außerdem ersetzt das System kein Netzwerk. Warm Introductions durch gemeinsame Bekannte oder Empfehlungen von Hosts, bei denen du bereits zu Gast warst, haben eine deutlich höhere Annahmerate als Kalt-Pitches – unabhängig davon, wie gut der Pitch formuliert ist. Das Custom GPT optimiert den Kalt-Pitch-Prozess, schafft aber keine Beziehungen. Wer in einer Nische unterwegs ist, in der die meisten Buchungen über persönliche Kontakte laufen, sollte das System als Ergänzung betrachten, nicht als Kern seiner Podcast-Strategie.

Häufige Fragen

Was kostet ein Custom GPT für das Podcast-Pitching?

Custom GPTs sind im ChatGPT-Plus-Abo enthalten (Stand 2026: zwanzig Euro pro Monat). Für DACH-Unternehmen, die Datenschutz ernst nehmen, ist der ChatGPT-Team-Account die sinnvollere Grundlage – er kostet mehr pro Nutzer, schließt aber Training mit eigenen Konversationsdaten aus. Die eigentlichen Kosten entstehen nicht im Abo, sondern in der Zeit für das initiale Training und die regelmäßige Pflege: Wer drei bis fünf Stunden Setup-Zeit nicht investieren will, wird kein GPT bekommen, das zuverlässig in seinem Stil pitcht.

Wie lange dauert es, bis ein Custom GPT zuverlässig pitcht?

Rechne mit drei bis vier Wochen aktiver Nutzung, bis ein Custom GPT konsistente Ergebnisse liefert. In dieser Phase fallen typischerweise viele Anpassungen an: Formulierungen, die nicht stimmen, Situationen, in denen das GPT trotz schlechter Show-Passform pitcht, oder Tonalitätsprobleme bei bestimmten Host-Typen. Wer das Feedback nach jedem Pitching-Batch konsequent einpflegt, hat nach dieser Zeit ein Werkzeug, das seinen Stil trifft. Wer das Custom GPT nach dem Setup unverändert lässt, wird dauerhaft mittelmäßige Entwürfe sehen.

Welche Informationen muss ich dem GPT beibringen?

Mindestens: Business-Profil (was du machst, für wen, mit welchem Ergebnis), Ausschlusskriterien (welche Shows und Zielgruppen passen nicht), zwei bis drei Stil-Anker als Beispiel-Pitches und einen definierten Bewertungs-Workflow. Hilfreich zusätzlich: ein Transkript aus einem früheren Podcast-Auftritt als Ton-Referenz, eine Liste typischer Themen, die du in Interviews einbringst, und Formulierungen, die du bewusst vermeidest. Wie du Prompts für Marketing-Aufgaben strukturierst, hilft auch beim Aufbau der Systemanweisung im Custom GPT.

Kann das Custom GPT die Podcast-Recherche vollständig übernehmen?

Nein – nicht im Standard-Modus. Ohne angebundene Tools hat das Custom GPT keinen Echtzeit-Web-Zugriff. Es kann auf Basis seines Trainingsbestands Podcast-Namen nennen, aber diese Informationen können veraltet sein und sind nicht verlässlich. Die Recherche aktiver und relevanter Shows bleibt manuelle Aufgabe oder erfordert ein separates Tool mit Web-Anbindung. Sinnvolle Arbeitsteilung: Du recherchierst Shows und gibst dem GPT die Kandidaten – das GPT übernimmt Bewertung, Pitch-Erstellung und Follow-up-Texte.

Funktioniert Kalt-Pitching im deutschsprachigen Podcast-Raum überhaupt?

Es kommt auf das Format an. Viele etablierte DACH-Podcasts mit großer Reichweite buchen Gäste über persönliche Kontakte, nicht über Kalt-Pitches. Gleichzeitig gibt es viele wachsende Shows, die aktiv Gastvorschläge suchen – erkennbar an Bewerbungsformularen auf ihrer Website, expliziten Aufrufen auf LinkedIn oder Hinweisen in der Episodenbeschreibung. Für diese Formate funktioniert ein gut gemachter Kalt-Pitch. Für geschlossene Formate ohne öffentlichen Bewerbungsprozess ist der bessere Weg, als Zuhörer sichtbar zu werden oder gemeinsame Bekannte anzusprechen – dort spare dir den Kalt-Pitch.

Was tun, wenn das GPT Pitches schreibt, die sich nicht nach mir anhören?

Das ist ein Zeichen, dass das Stil-Training nicht ausreichend ist. Der häufigste Grund: Die Systemanweisung beschreibt den Stil in abstrakten Begriffen („direkt und authentisch“), ohne konkrete Beispiele zu geben. Füge zwei bis drei Pitch-Entwürfe ein, die du selbst geschrieben hast und gut findest – oder ein Transkript aus einem Podcast-Gespräch, in dem du dich gut vertreten siehst. Danach gibt es dem Modell eine konkrete Schreibprobe als Referenz statt einer abstrakten Beschreibung. Das ist der zuverlässigste Weg, Stil-Abweichungen zu beheben.

Ob das System trägt, zeigt sich nach dem ersten echten Pitching-Batch – nicht vorher. Wer das Training ernstnimmt, Feedback konsequent einpflegt und das Tracking in ActiveCampaign parallel aufbaut, hat nach vier bis sechs Wochen ein wiederholbares Pitch-System, das nicht mehr daran hängt, wer es gerade bedient. Der Einstieg ist immer gleich: zuerst das Business-Profil schreiben, dann die ersten Shows im GPT bewerten lassen – nicht auf ein perfektes Setup warten, bevor das System in der Praxis getestet wird.