KI-Coding-Agent oder No-Code-Builder: der reale Unterschied

Ihre Growth-Ops-Warteschlange hat diese Woche drei Tickets: eine Landingpage-Variante zum Testen, ein CRM-Feld-Sync, der ständig bricht, und ein Dashboard, das niemand in Looker bauen will. Ein KI-Coding-Agent, Werkzeuge wie Cursor, Claude Code oder der Agent-Modus von GitHub Copilot, liefert für zwei dieser drei Tickets an einem Nachmittag lauffähigen Code. Das dritte hängt davon ab, was nach Kampagnenende passiert. Dieser Beitrag zeigt, wofür ein KI-Coding-Agent tatsächlich gebaut ist, was ein No-Code-Agent-Builder stattdessen leistet, und wo die Verwechslung beider Sie einen Produktionsvorfall kostet.

KI-Coding-Agent und No-Code-Agent-Builder sind nicht dasselbe Werkzeug

Wer heute "KI-Coding-Agent" sucht, bekommt auf einer Ergebnisseite zwei verschiedene Kategorien vermischt. Cursor, Claude Code, der Agent-Modus von GitHub Copilot und Devin schreiben und führen echten Code aus: Sie öffnen ein Repository, lassen eine Testsuite laufen, committen eine Änderung. Gumloop, Lindy und Metaflow bauen stattdessen Workflows: Sie verketten API-Aufrufe hinter einer Drag-and-Drop-Oberfläche, kein Repository in Sicht.

Beide werden Marketing- und Growth-Teams als "bauen Sie Ihre eigene Automatisierung, sparen Sie sich den Entwickler" verkauft. Nur eines der beiden rührt an die Versionskontrolle, und dieser Unterschied entscheidet, wer den Fix übernimmt, wenn etwas bricht.

Ein Workflow aus einem No-Code-Agent-Builder scheitert innerhalb seiner eigenen Sandbox: ein defekter Schritt, ein Rerun, ein Support-Ticket an den Anbieter. Ein Skript, das ein KI-Coding-Agent geschrieben hat und das Sie selbst deployt haben, scheitert dort, wo Sie es platziert haben: eine geplante Funktion, ein Webhook, auf den früher ein bezahltes Tool zugriff, ein Cron-Job auf einem Shared Server, dessen SSL-Zertifikat seit 2024 niemand erneuert hat. Compass routet eine Kampagne so, wie ein Bereitschafts-Ingenieur an ein Deployment herangeht: was zuerst bricht, und was es auffängt.

Zwei reale Fälle, in denen Growth-Teams zu einem Coding-Agenten statt zu einem Workflow-Builder greifen: ein UTM-Parser, der die Randfälle abfängt, die das native Tagging der Ad-Plattform fallen lässt, oder ein interner Slack-Befehl, der Attributionszahlen direkt aus dem Data Warehouse zieht, statt auf ein BI-Ticket zu warten. Beide sind fünf Zeilen Geschäftslogik, verpackt in dreißig Zeilen Authentifizierungs-Boilerplate: genau das, was ein Agent gut erledigt und ein Mensch nicht zweimal tippen will.

Wegic sitzt zwischen den beiden Kategorien. Sie beschreiben eine Seite oder eine kleine Website im Chat, und das Tool schreibt den tatsächlichen Code dahinter, statt eine Vorlage zu befüllen. Für ein Team, das die Ausgabe eines Coding-Agenten will, ohne ein Terminal zu öffnen, ist das der näherliegende Vergleich, kein reiner Workflow-Builder.

Was Growth-Teams tatsächlich an einen Coding-Agenten weitergeben

Drei Muster zeigen sich bei den Teams, die wir bei der Einführung beobachtet haben: interne Dashboards, die zwei APIs verbinden, die das BI-Tool nicht nativ zusammenführt; einmalige Datenabfragen, die sonst einen Analysten einen Nachmittag kosten würden; und Klebe-Skripte, die dafür sorgen, dass ein Tracking-Pixel über eine Weiterleitungskette hinweg korrekt feuert, nachdem ein Plattform-Update sie gerade zerschossen hat.

Keines davon ist "bauen Sie unseren gesamten Martech-Stack". Sie sind begrenzt, haben einen klaren Eigentümer, und scheitern laut, wenn sie scheitern. Der letzte Punkt zählt mehr, als er klingt: Ein stiller Fehler in einem Attributionsskript ist schlimmer als gar kein Skript, weil das Team weiter Entscheidungen auf Basis von Zahlen trifft, die längst falsch sind.

Ein gutes Testkriterium vorab: Kann eine einzelne Person die komplette Logik des Skripts in einem Satz erklären? Wenn die Antwort drei Nebensätze und ein Diagramm braucht, gehört die Aufgabe nicht in einen ersten Coding-Agent-Auftrag, sondern auf die Roadmap eines echten Projekts mit Zeitbudget.

Gartners Einschätzung zu dieser Verschiebung ist unverblümt: Bis Ende 2026 werden 80 % der Technologieprodukte und -dienstleistungen von Menschen außerhalb klassischer IT-Rollen gebaut. Das ist keine Marketingstatistik speziell zu KI-Agenten, sondern eine strukturelle Prognose darüber, wer heute Software schreibt. Ein Growth-Marketer, der Claude Code bittet, einen Webhook zu reparieren, steckt bereits in dieser Zahl.

Verzichten Sie auf Anfragen, die eher nach einer Stellenbeschreibung als nach einer Aufgabe klingen: "bau uns ein Attributionsmodell". Ein KI-Coding-Agent kann ein Skript schreiben, das zwei Tabellen verknüpft. Er sollte nicht derjenige sein, der über Ihre Attributionsmethodik entscheidet.

Ein viertes Muster ist kleiner, taucht aber ständig auf, sobald ein Team genauer hinschaut: eine brüchige Zapier-Kette als einzelnes Skript neu schreiben, wenn die Pro-Task-Preise der Automatisierungsplattform sich still und leise zum teuersten Posten im Martech-Budget entwickelt haben. Der Coding-Agent ersetzt nicht die Orchestrierungslogik, er ersetzt nur den Aufschlag des Anbieters für fünf bedingte Schritte.

Wo der Wirkungsradius real wird

Das ist der Teil, den der Rat "prompten Sie es einfach" auslässt. Der Coding-Agent ist nicht das Risiko. Was er berührt, ist es.

Ein Skript, das Kampagnenausgaben aus der Nur-Lese-API einer Ad-Plattform liest, ist risikoarm: schlimmstenfalls eine falsche Zahl in einem Report, den jemand vor einer Vorstandssitzung gegenprüft. Ein Skript, das in Ihr CRM schreibt, einen API-Key rotiert oder ein Segment-Update direkt an Ihre E-Mail-Plattform pusht, ist ein anderes Tier. Halluziniert der Agent einen Feldnamen oder überspringt er ein Rate-Limit, landet dieser Fehler in Produktionsdaten, aus denen Ihr Sales-Team morgen früh anruft.

Zugangsdaten sind der Teil, der am schnellsten übersprungen wird. Ein Agent, der einen CRM-API-Key braucht, um sein eigenes Skript zu testen, fügt diesen Key bereitwillig in eine Config-Datei ein, die irgendwann committet wird, oder in ein Chat-Log, das das Projekt überlebt. Nichts davon ist der Agent, der sich schlecht verhält, er tut genau das, worum er gebeten wurde. Die Leitplanke muss von dem Menschen kommen, der entscheidet, wo dieser Key liegt, bevor der erste Testlauf startet, nicht nachdem ein Security-Review ihn findet.

Die Adoptionsdaten bestätigen, wo das tatsächlich ankommt. Marketing- und SDR-/Outbound-Funktionen zeigen eine Adoptionsrate von rund 41 % bei KI-Agenten, mit einer medianen Amortisationszeit von 3,4 Monaten, der schnellsten aller gemessenen Funktionen, und Marketing-Verantwortliche berichten von rund 5,4 eingesparten Stunden pro Woche, sobald ein Skript läuft. Eine schnelle Amortisation ist ein gutes Signal für den Business Case. Sie sagt nichts darüber aus, wer Bereitschaft hat, wenn das Skript während einer Launch-Woche lautlos aufhört zu feuern.

Der Fix ist kein Policy-Dokument, das niemand liest. Es sind drei Fragen, bevor ein von einem KI-Coding-Agenten gebautes Skript irgendetwas jenseits eines Nur-Lese-Feeds berührt: Wer besitzt es, nachdem die Kampagne endet, wo lebt es (nicht "auf meinem Laptop"), und was passiert, wenn es dienstags um 2 Uhr nachts ausfällt. Wenn Sie diese drei Fragen nicht in je einem Satz beantworten können, bleibt das Skript in der Sandbox, bis Sie es können.

Die zusätzlichen fünfzehn Minuten Setup lohnen sich, wenn das Skript Kundendaten, ein laufendes Kampagnenbudget oder irgendetwas berührt, das ein Compliance-Review später hinterfragen würde. Sparen Sie sich die Zeremonie, wenn es ein einmaliger Abzug ist, der nach Versand des Reports weggeworfen wird.

Die Bürgerentwickler-Statistik, die alle zitieren, und was sie auslässt

Gartners 80-Prozent-Zahl wird in jedem "KI demokratisiert das Programmieren"-Beitrag wiederholt, ohne den Vorbehalt, der sie erst nützlich macht: Sie zählt interne Tools, Prototypen und Abteilungs-Utilities. Sie bedeutet nicht, dass 80 % der produktiven Marketing-Infrastruktur bis zum selben Datum von Nicht-Entwicklern gewartet wird.

Es gibt eine reale Lücke zwischen "ein Growth-Marketer hat mit einem KI-Coding-Agenten ein lauffähiges Skript ausgeliefert" und "dieses Skript ist jetzt Infrastruktur, auf die sich das Unternehmen verlässt". Ersteres passiert heute, ständig. Zweiteres braucht dieselben Dinge wie immer: Versionskontrolle, einen Eigentümer, und einen Weg zurück. Dass ein Agent den Code schreibt, hebt diese Anforderung nicht auf, er verschiebt sie nur zeitlich nach vorne, vor den Betrieb statt danach, wenn es bricht.

Behandeln Sie die Bürgerentwickler-Zahl als Beschreibung dessen, wer jetzt in der Lage ist, etwas auszuliefern, nicht als Urteil darüber, was unbeaufsichtigt laufen sollte.

Dieser Unterschied zwischen "kann ausliefern" und "darf unbeaufsichtigt laufen" ist der Punkt, an dem die meisten internen Diskussionen über KI-Coding-Agenten stecken bleiben. Die Technik ist selten das Problem, die fehlende Antwort auf die Eigentümerfrage schon.

Verzichten Sie auf den Rat "lassen Sie sich einfach Ihr Dashboard bauen"

Die meisten Beiträge zu "KI-Coding-Agent für Marketing" empfehlen, mit einem vollständigen internen Tool zu starten: eine Kampagnenzentrale, ein einheitliches Reporting-Dashboard, das volle Programm. Das ist das falsche erste Projekt.

Die Teams mit echtem Mehrwert starten kleiner: ein Skript, ein klarer Input, ein klarer Output, geprüft von jemandem, der Code lesen kann, auch wenn er ihn nicht täglich schreibt. Ein Dashboard ist zehn Skripte mit einer Oberfläche. Liefern Sie das erste Skript sauber aus, bevor Sie zehn davon zusammennähen und es Infrastruktur nennen.

Ertrinkt das Team schon vor dem Coding-Teil in Meeting-Notizen und Folgeaufgaben, ist das ein anderes, kleineres Problem, das sich zuerst zu lösen lohnt, und eines, das ein KI-Meeting-Agent erledigt, ohne eine einzige Zeile Kampagnencode zu berühren.

Wie das in einen orchestrierten Kampagnen-Stack passt

Ein KI-Coding-Agent schreibt die Funktion. Eine Orchestrierungsebene entscheidet, wann diese Funktion läuft, was sie auslöst, und was als Nächstes über E-Mail, Ads und CRM hinweg passiert. Beides zu verwechseln ist, wie Teams am Ende ein brillantes Skript haben, das niemand irgendwo eingebunden hat, das in einem Repo liegt, nie von der Kampagne ausgelöst, für die es gebaut wurde.

Compass' Position dazu ist direkt: Orchestrierung ist die Ebene, die eine Kampagne kanalübergreifend anhand von Live-Signalen routet, nicht die Ebene, die den Code schreibt, auf dem diese Kanäle laufen. Beide ergänzen sich, sie konkurrieren nicht. Ein von einem Coding-Agenten gebautes Skript, das eine stockende E-Mail-Sequenz meldet, nützt nur, wenn etwas Nachgelagertes den Versand noch am selben Tag auf Ads umleitet, nicht im nächsten Sprint.

Für Teams, die die Commerce-Seite eines Launches betreiben, reicht dieses Routing weit über Marketing-Tools hinaus: Eine Shop-Plattform mit eigener Automatisierungsebene braucht dieselbe Frage wie jedes Skript, das ein Agent baut: Wer besitzt den Ausnahmepfad, wenn ein Sync mitten im Launch scheitert.

Was wir dieses Quartal tatsächlich einsetzen würden

Ein KI-Coding-Agent verdient sich seinen Platz im Stack eines Growth-Teams für begrenzte, zuordenbare, laut scheiternde Aufgaben: den UTM-Parser, den Warehouse-Abzug, den Webhook-Fix. Er verdient sich keinen Platz beim Schreiben Ihrer Attributionsmethodik oder beim unbeaufsichtigten Laufen gegen Produktions-CRM-Daten am ersten Tag.

Starten Sie mit dem kleinsten Skript, das jemandem einen echten Nachmittag spart. Benennen Sie einen Eigentümer, bevor es live geht, nicht nachdem es bricht. Routen Sie die größeren Kampagnenentscheidungen über die Ebene, die dafür gebaut ist, nicht über das, was der Coding-Agent zuerst zufällig berührt hat.

Drei Kennzahlen zeigen nach einem Quartal, ob das Setup funktioniert: Wie viele dieser Skripte laufen noch unbeaufsichtigt, wie oft ist eines davon lautlos gescheitert, bevor ein Mensch es bemerkt hat, und wie lange hat der Fix gedauert, nachdem jemand es bemerkt hat. Sinkt die dritte Zahl stetig, hat sich der Coding-Agent seinen Platz im Stack verdient. Wächst die erste Zahl schneller, als das Team Eigentümer benennen kann, haben Sie Wartungsschulden statt eines Effizienzgewinns aufgebaut.