Kein Rip-and-Replace: Warum wir nahtlos in Braze, Adobe und Salesforce integrieren

Teil 1 von 2 unserer Serie „Future-Ready Martech": Warum der nächste Technologiesprung im Banking-Marketing nicht über ein neues System, sondern über eine neue Schicht auf dem bestehenden Stack gelingt.

Der Martech-Stack ist teuer — und ungenutzt

Banken und andere Finanzdienstleister investieren seit Jahren in Martech: CDPs, Customer Engagement Platforms, Marketing Automation, Data Warehouses. Der Widerspruch dahinter ist gut dokumentiert. Laut Gartner machen Martech-Ausgaben mittlerweile knapp 24 % der gesamten Marketing-Budgets aus, gleichzeitig wird nur rund ein Drittel des Stacks tatsächlich genutzt. Noch deutlicher zeigt eine Gartner-Erhebung unter 324 Marketern den Trend: Marketing-Teams nutzten 2022 im Schnitt nur 42 % der Fähigkeiten ihres Stacks — ein Rückgang um 16 Prozentpunkte gegenüber 58 % im Jahr 2020. Und das, obwohl CMOs im selben Zeitraum ein Viertel ihres Budgets in Technologie stecken.

Die Ursachen sind laut derselben Erhebung struktureller Natur, nicht mangelnder Wille: 30 % der Befragten nennen Überlappung zwischen Tools als Hauptgrund, 28 % fehlendes internes Fachwissen für die Adoption, 27 % schlicht die Komplexität und den „Sprawl" des Ökosystems. Das deckt sich mit der Beobachtung, dass 76 % der Martech-Verantwortlichen ihren Stack mindestens zweimal jährlich auditieren — ein Indiz dafür, wie viel Governance-Aufwand allein die Bestandsaufnahme bereits bindet, bevor überhaupt neue Wertschöpfung entsteht.

Warum Replatforming häufiger scheitert als gelingt

Die naheliegende Reaktion auf einen unterausgelasteten Stack ist der große Wurf: alles ablösen, ein neues System einführen, sauber neu anfangen. Genau dieser Ansatz scheitert in der Praxis überdurchschnittlich oft. McKinsey verweist auf eine Digitalstrategie-Umfrage, wonach Banken bei Digital-Transformationen im Schnitt weniger als ein Drittel des erwarteten Werts realisieren; nur 16 % der befragten Führungskräfte berichten von nachhaltig erfolgreichen Transformationsprojekten. Die Folge ist häufig kein sauberer Neustart, sondern ein Parallelbetrieb aus alter und neuer Plattform — mit den von McKinsey benannten Konsequenzen: verzögerte Entscheidungen, zusätzliche Sicherheits- und Compliance-Risiken sowie strukturell erhöhte Kosten, weil zwei komplexe Umgebungen gleichzeitig betrieben werden müssen.

Für eine Bank mit gewachsener IT-Landschaft aus Core-Banking-System, CRM, mehreren Kampagnentools und historisch getrennten Datenspeichern ist das kein abstraktes Risiko, sondern eine reale Budget- und Terminfrage. Ein Replatforming-Projekt bindet über Jahre Kapazität in IT, Compliance und Fachbereich — Ressourcen, die in der Zwischenzeit nicht in bessere Kundenansprache fließen. Wer diesen Weg wählt, wettet gegen eine Erfolgsquote, die laut McKinsey-Daten strukturell gegen ihn steht.

Der Markttrend: Composability statt Monolith

Der Markt selbst bewegt sich weg vom „einer für alles"-Ansatz. Die Martech-Landschaftsanalyse von MarTech.org zeigt für 2025 eine deutliche Verschiebung: CDPs verlieren im B2C/B2B2C-Umfeld an Zentralität, ihr Anteil sinkt von 26,9 % auf 17,4 %, während Cloud Data Warehouses als zentrale Systeme auf 23,9 % zulegen und Marketing Automation Platforms auf 26,1 % steigen. Insgesamt zählt die Studie 15.384 verfügbare Martech-Tools — ein Plus von 9 % gegenüber dem Vorjahr. Mehr Auswahl bedeutet aber nicht mehr Kontrolle, wenn jedes neue Tool eine weitere Insel im Datenlandschaftsbild wird.

Der Grund für die Verschiebung liegt in der wachsenden Bedeutung von Integrationsfähigkeit als Kaufkriterium. Laut der Composability-Studie von chiefmartec/MartechTribe halten 83,9 % der Befragten APIs beim Evaluieren neuer Martech-Lösungen für wichtig oder sehr wichtig — doch nur 17,3 % bewerten die tatsächliche API-Abdeckung ihrer zentralen Plattform als „great". Diese Lücke zwischen Anspruch und Praxis ist der eigentliche Treiber für den Composability-Trend: Unternehmen wollen einzelne, austauschbare Fähigkeiten kombinieren, statt sich an einen monolithischen Anbieter zu binden. Bezeichnend ist auch, dass in derselben Studie 71 % der Befragten bereits ein Cloud Data Warehouse im Martech-Stack führen, davon 61,3 % mit mehr als der Hälfte ihrer Anwendungen daran angebunden. Die Kernaussage der Studie zur composable CDP bringt es auf den Punkt: Die Software-Schicht soll direkt auf den vorhandenen Daten aufsetzen — „Data should not be copied."

Acceleraid als Intelligence-Layer: Integration statt Ablösung

Aus dieser Ausgangslage leiten wir unsere Produktphilosophie ab: Acceleraid ersetzt den bestehenden Martech-Stack einer Bank nicht, sondern setzt als Intelligence-Layer darauf auf. Die Prediction Engine berechnet Affinity-, Churn- und Propensity-Scores sowie Next-Best-Action-Entscheidungen auf Basis von Echtzeitdaten aus CRM, Core-Banking-System und Kartenverarbeitung. Diese Scores, Segmente und Entscheidungen werden anschließend nicht in einer neuen, isolierten Oberfläche verwaltet, sondern in die Systeme eingespeist, mit denen Marketing- und CRM-Teams bereits täglich arbeiten.

Technisch orientieren sich solche Integrationsmuster an dem, was die etablierten Customer-Engagement-Plattformen selbst dokumentieren. Braze bietet über den /users/track-Endpunkt die Möglichkeit, Custom Attributes, Custom Events und Purchases direkt auf Nutzerprofile zu schreiben — inklusive klar dokumentierter Limits (bis zu 75 Objekte pro Request, Burst-Limit von 3.000 Requests pro drei Sekunden bei Data-Points-Verträgen). Ein extern berechneter Score lässt sich auf diesem Weg als Attribut-Update an ein bestehendes Nutzerprofil übergeben, ohne dass Braze selbst zur Datenquelle werden muss. Salesforce wiederum stellt mit der Ingestion API von Data Cloud/Data 360 zwei komplementäre Muster bereit: Streaming für inkrementelle Updates in dem Moment, in dem sich ein Score ändert, und Bulk für periodische Synchronisationen über CSV-Dateien — beide über denselben Data Stream ansteuerbar. Adobe Journey Optimizer nutzt laut Adobe Experience League Streaming-Ingestion-APIs, um Events aus externen Systemen in ein einheitliches Profil zu integrieren, ergänzt um Runtime Lookups, die Journeys zur Laufzeit mit aktuellen Werten aus externen Datensätzen anreichern.

Diese Muster zeigen: Die Infrastruktur für einen Intelligence-Layer über dem bestehenden Stack existiert bereits in den Plattformen selbst — sie muss nicht neu erfunden werden. Acceleraid positioniert sich entsprechend als Anbieter, der Scores, Segmente und NBA-Entscheidungen über solche dokumentierten Schnittstellen in Systeme wie Braze, Salesforce und Adobe einspeist, statt eine weitere, konkurrierende Ausspielplattform zu errichten. Dieselbe Fähigkeit gilt für zusätzliche Engagement-Plattformen, mit denen Banken bereits arbeiten — die konkrete Anbindung folgt jeweils dem von der Zielplattform dokumentierten Integrationsmuster.

Was das für Banking-Marketing-Teams bedeutet

Für Verantwortliche in Marketing, Digital und Data ergibt sich daraus eine andere Entscheidungslogik als beim klassischen Tool-Kauf. Statt zu fragen „Welches System ersetzt unser aktuelles?", lohnt sich die Frage: „Welche Fähigkeit fehlt uns, und wie speist sie sich in das ein, was bereits läuft?" Ein pragmatisches Vorgehen umfasst drei Schritte: Erstens den Bestand nüchtern kartieren — welche Systeme sind im Einsatz, welche Daten fließen bereits, wo entstehen die von Gartner beschriebenen Überlappungen. Zweitens die Lücke präzise benennen: fehlt es an prädiktiven Scores, an einer konsolidierten Sicht auf Transaktionsdaten, an automatisierten NBA-Entscheidungen? Drittens die Integration über dokumentierte APIs prüfen, statt vorschnell ein Replatforming zu planen, dessen Erfolgsaussichten laut McKinsey-Daten strukturell begrenzt sind.

Dieser Ansatz reduziert nicht nur das Projektrisiko. Er verkürzt auch die Time-to-Value erheblich, weil die Ausspielsysteme unverändert bleiben und lediglich intelligentere Eingaben erhalten — ein Aspekt, den wir im zweiten Teil dieser Serie vertiefen, wenn es um die Orchestrierung dieser Signale über alle Kanäle hinweg geht. Wie NBA-Entscheidungen im Detail entstehen und in Echtzeit ausgespielt werden, haben wir zudem in unserer Next-Best-Action-Serie beschrieben. Mehr zur Plattform und zu spezifischen Banking-Anwendungsfällen finden Sie auf unserer Banking-Seite.

Illustration: KI-generiert. KI-gestützte Inhalte: Bei der Erstellung unserer Beiträge setzen wir KI-Technologien und automatisierte Agenten ein, unter anderem von Microsoft, Google, OpenAI, Anthropic und weiteren Anbietern. Themen, fachliche Ausrichtung und finale Freigabe liegen bei unserem Team.