Zwölf Unternehmen, zwölf Tech-Stacks: OMR Tech Check Staffel 1 Recap

Julia Burger21.7.2026

Erfahre, was die wichtigsten Erkenntnisse und Learnings aus der ersten Staffel des OMR Tech Checks sind

Inhalt
  1. LLMs als Grundgerüst
  2. Saubere Daten schlagen schickes Frontend
  3. Agent klingt nach mehr, als es meistens ist
  4. Weniger Tools, mehr Wirkung
  5. Wenn KI-Suche den Traffic auffrisst
  6. Wie sich die Arbeit selbst verändert
  7. Was KI am Ende nicht ersetzt
  8. Fazit: Was von der ersten Staffel bleibt
Zwölf Episoden und zwölf völlig unterschiedliche Geschichten und Tech-Stacks aus diversen Branchen, die ein gemeinsamer roter Faden verbindet: der OMR Tech Check. In der ersten Staffel des Podcasts blickt unser Host und VP Marketing Marvin Müller in den Maschinenraum verschiedener Unternehmen. Zusammen mit den Gästen bespricht er die jeweiligen Tool-Setups im Detail: Welche Entscheidungen liegen dahinter? Welche Herausforderungen gibt es und welche Erfahrungen erweisen sich als wertvoll? Von KI-Startups mit einer Drei-Milliarden-Bewertung bis hin zur Marketingmaschine hinter dem OMR Festival: Die Hörer*innen erhalten Zahlen, Daten, Fakten und echte Insights aus verschiedenen Top-Unternehmen. Wir haben die Highlights und Learnings der ersten Staffel OMR Tech Check einmal zusammengefasst.
Das Wichtigste in Kürze
  • LLMs sind längst kein Extra mehr, sondern das Fundament, auf dem andere Prozesse aufsetzen.
  • Der eigentliche Wettbewerbsvorteil sitzt selten im sichtbaren Tool, sondern in der sauberen Datenschicht darunter.
  • Die meisten „KI-Agenten“ im Markt sind in Wahrheit nur Workflows ohne echte Entscheidungsfreiheit.
  • Weniger Tools bedeuten nicht weniger Leistung: Fünf bis 22 Tools reichen den schlankesten Setups der Staffel.
  • Kreativität im Team und Verantwortung im Umgang mit sensiblen Zielgruppen bleiben Bereiche, in denen Menschen KI-Systemen voraus sind.
Die meistgenannten Tools der Staffel
In wie vielen der 12 Folgen ein Tool zur Sprache kam
Claude
8/12
HubSpot
6/12
Slack
3/12
Metabase
3/12
Asana
2/12
Clay
2/12
Gemini
2/12
Canva
2/12
Demio
2/12
Google Workspace
2/12
⁠

LLMs als Grundgerüst

Claude, ChatGPT oder Gemini laufen mittlerweile so beiläufig mit wie der Kalender oder das E-Mail-Postfach. LLMs gehören für viele Unternehmen längst zum Daily Business.
Wie weit das gehen kann, zeigt Christoph Magnussen von Blackboat: Über die Weihnachtstage hat er mit Claude Code rund 100.000 Zeilen Code selbst geschrieben und daraus zwei lauffähige SaaS-Anwendungen gebaut. Sein Antrieb dabei: ein tiefes Verständnis dafür gewinnen, wie KI tatsächlich funktioniert.
Christoph Zoeller von Instaffo versucht, LLMs mit dem Wissen seiner Firma zu verbinden und für seine Mitarbeitenden nutzbar zu machen: In Langdock hat er sich eigene Assistenten gebaut, die direkt auf das Wissen der Firma zugreifen. Das Chatfenster wird damit zum Betriebssystem der ganzen Organisation, jeder im Team zieht sich seine Auswertungen selbst, ohne aufs Data-Team zu warten.

Kurz zusammengefasst:

  • LLMs bilden mittlerweile das Fundament, auf dem andere Prozesse aufsetzen.
  • Probieren geht über Studieren: Wer selbst codet, versteht schneller, was ein Tool wirklich kann.
  • Eigene, firmeninterne Assistenten übernehmen zunehmend die Rolle eines internen Betriebssystems.

 
 

Saubere Daten schlagen schickes Frontend

Wer sich die Tech-Stacks der Staffel genauer anschaut, merkt schnell: Die Tools selbst unterscheiden sich oft gar nicht so stark voneinander. Der eigentliche Unterschied zeigt sich woanders, nämlich in der Art, wie Daten im Hintergrund verarbeitet und genutzt werden. Zwei Beispiele aus der Staffel machen das besonders deutlich.
Am klarsten wird das bei Parloa. Im AI Unicorn aus Berlin liegt das Tool Clay als Orchestrierungsschicht für Daten unter dem kompletten Sales-Stack. Es reichert jeden Kontakt automatisch an und füttert CRM, Apollo sowie Gong mit sauberen Daten. Clay liest sogar die letzten LinkedIn-Posts einer Person und zieht daraus den passenden Aufhänger für die erste Nachricht, bevor überhaupt ein Mensch draufschaut.
Auch bei awork findet sich ein ähnlicher Gedanke, nur auf der Marketingseite: CMO Julia Glöckner weist jedem eingehenden Lead basierend auf den Antworten der Onboarding-Fragen einen virtuellen Umsatz zu. Damit lässt sich ein Marketing-Kanal danach bewerten, wie viel echtes Umsatzpotenzial er einbringt. So wird nicht nur gemessen, wie viele Leads produziert werden, sondern auch, über welchen Kanal man die aussichtsreichsten Leads erhält.
Go-to-Market wird damit zur Data-Aufgabe. Was vorne sichtbar ist, lässt sich austauschen. Der eigentliche Vorsprung steckt in der Ebene darunter.

Kurz zusammengefasst:

  • Wachstum entsteht mehr denn je im Datenlayer, nicht mehr im Frontend der Tools.
  • Bei Parloa reichert Clay jeden Kontakt automatisch an, noch bevor ein Mensch aus dem Sales-Team draufschaut.
  • Bei awork zählt nicht mehr nur die Anzahl der Leads, sondern das Umsatzpotenzial, das ein Kanal wirklich einbringt.
 
 

Agent klingt nach mehr, als es meistens ist

Kaum ein Wort wird in der ersten Staffel des OMR Tech Check so großzügig verteilt wie „KI-Agent“. Oskar Trautmann, Manager Strategy Agentic AI bei Plan.Net Studios, macht reinen Tisch: Vieles, was heute Agent heißt, ist in Wahrheit nur eine Automation. Also ein fest verdrahteter Workflow ohne echte Entscheidungsfreiheit. Ein echter Agent entscheidet selbstständig, welche Aufgabe er zuerst angeht.
Mit Sokosumi baut Trautmann selbst einen Marktplatz für KI-Agenten. Entsprechend nutzt er bei der Arbeit eine ganze Reihe davon parallel: Hannah recherchiert als Marketing-Research-Partnerin, Elena übernimmt das Projektmanagement, Alex kümmert sich als Coding-Partner um Datenanalysen und Dashboards. Dazu kommen spezialisierte Agenten von Partner*innen wie GWI für Zielgruppenforschung oder Statista für Marktdaten. Der Flaschenhals ist für ihn trotzdem nicht die Technik, sondern gute Daten und Vertrauen.

Kurz zusammengefasst:

  • Die meisten „Agenten" im Markt sind eigentlich nur Workflows.
  • Damit aus einem einfachen KI-Assistenten ein KI-Agent wird, braucht es Entscheidungsfreiheit und Vertrauensarbeit.
  • Herkunft und Datenbasis eines Agenten zu kennen, wird wichtiger als sein Funktionsumfang
 
 

Weniger Tools, mehr Wirkung

Es hält sich die Vorstellung, ein moderner Stack brauche viele Tools. Die Staffel zeigt das Gegenteil. Das schlankste Setup der ganzen Reihe gehörte Sarah Emmerich, Gründerin von Emmerich Relations und dem Business Creator Summit. Mit gerade einmal fünf Tools führt sie zwei Unternehmen. Auch ihr eigenes CRM lässt sie sich derzeit vibe-coden, weil keine Standardlösung zu ihrem Kampagnenmodell passt, weil ihr aktuelles Setup aus Excel- und Google-Listen für die Kampagnenübersicht nicht mehr ausreicht.
So übersichtlich bleibt es jedoch nicht überall. Wie schnell Tool-Landschaften trotzdem aus dem Ruder laufen, zeigt die Erfahrung von Christoph Magnussen: In großen Unternehmen, mit denen er als Berater arbeitet, sind oft mehrere Hundert Tools gleichzeitig im Einsatz. Die eigentliche Arbeit hier besteht darin, überhaupt noch den Überblick zu behalten.
Einen anderen Weg schlägt Janis Baumgartner bei rayon ein. Er führt Buch über jedes Tool, das in seiner Agentur eingesetzt wird. So stellt er sicher, dass nur eingekauft wird, was auch wirklich benötigt wird.
Jens Polomski treibt diesen Gedanken jedoch am weitesten. Der KI-Creator und snipKI-Gründer kauft kaum noch fertige Software. Nervt ihn ein Tool, baut er sich per Vibecoding einfach selbst eins, samt der Prozesse, die sein Team dafür braucht. Build statt Buy gehört für ihn zum Alltag.

Kurz zusammengefasst:

  • Weniger Tools bedeuten nicht weniger Leistung.
  • Je größer das Unternehmen, desto größer die Gefahr, dass keiner mehr weiß, wofür ein Tool eigentlich läuft.
  • Eigenbau ersetzt zunehmend den Einkauf, sobald ein Tool nicht exakt passt.

Die ganze Staffel mit allen zwölf Folgen gibt es beim OMR Tech Check. Reinhören lohnt sich!

 
 

Wenn KI-Suche den Traffic auffrisst

Was passiert, wenn KI-Antworten in der Suche den Traffic wegnehmen, statt Nutzer*innen auf die eigene Seite zu schicken? Jennifer Lapp, Head of Growth DACH und LATAM bei HubSpot, hat dazu offen Zahlen geteilt. HubSpot hat den Begriff des Inbound Marketings geprägt und hat trotzdem einen großen Teil seines organischen Traffics an AI Overviews und KI-Suchmaschinen verloren. Traffic als wichtigste Erfolgskennzahl hat das Team deshalb inzwischen offiziell aufgegeben.
Bei HubSpot sind Leads und Umsatz gestiegen, obwohl der Traffic gesunken ist. Der Grund: KI-Systeme empfehlen die Marke von sich aus, weil ihre Reputation stark genug ist. Maximilian Ziche von getpress bestätigt das aus der PR-Perspektive: Wenn Sichtbarkeit in klassischen Suchergebnissen einbricht, wird Reputation zum letzten Vorsprung, den kein Wettbewerber einfach kopieren kann.

Kurz zusammengefasst:

  • Weniger Traffic heißt nicht automatisch weniger Umsatz.
  • Wenn Traffic nicht mehr die wichtigste Kennzahl ist, muss neu definiert werden, was stattdessen zählt.
  • Reputation lässt sich schwerer kopieren als jedes einzelne Produkt-Feature.
 
 

Wie sich die Arbeit selbst verändert

Nicht nur die Tools verändern sich, auch die Art, wie wir arbeiten. Das zeigt sich am Beispiel von Maximilian Ziche, der mittlerweile kaum noch tippt. Stattdessen diktiert er per Whisperflow, vom ersten Entwurf bis zur Antwort im Chat.Wie sich Arbeitsweisen verändern, zeigt sich nicht nur im Umgang mit einzelnen Tools, sondern auch darin, wie ein ganzer Stack überhaupt entsteht. Janis Baumgartner zeigt mit rayon wie so etwas aussehen kann: Er hat den Tech Stack seiner Firma in wenigen Wochen nach Gründung komplett neu aufgebaut. Mit dm als erstem Großkunden konnte er seine Werkzeuge von Anfang an frei wählen, ganz ohne Altlasten. Der Preis dafür: Am Anfang stand ein leeres Blatt. Er musste jedes Tool erst selbst einrichten und verbinden, bevor überhaupt etwas lief.

Kurz zusammengefasst:

  • Im Arbeitsalltag ersetzt Sprache zunehmend das Tippen.
  • Ein Stack ohne Altlasten ist ein echter Vorteil, kostet am Anfang aber vor allem Zeit.
  • Freiheit bei der Tool-Wahl heißt auch: keine Abkürzung, jedes Tool muss selbst aufgesetzt werden.
 
 

Was KI am Ende nicht ersetzt

Auch wenn KI und Automatisierung das dominierende Thema der Staffel sind, sticht eine Aussage hervor: Isa Gardt, CMO von OMR, erzählt, dass ihr Team KI bei der Ideenfindung fürs Festival einsetzt. Das Ergebnis kam aber nie an das heran, was das Team im echten Brainstorming gemeinsam entwickelt hat. Ihre These: Je mehr KI im Marketing zum Einsatz kommt, desto wertvoller wird der echte Austausch abseits des Bildschirms.
Zum Staffelfinale hat Diana Knodel von fobizz noch mal gezeigt, wie unterschiedlich diese Frage nach der Datenbasis geführt wird, sobald es um sensible Zielgruppen geht. Genau wie Oskar Trautmann setzt auch sie bewusst nicht auf die großen US-Anbieter*innen, sondern wo immer möglich auf offene, in Deutschland gehostete Modelle. Über 500.000 Lehrkräfte nutzen die Plattform mittlerweile, zusammen mit Schüler*innen sind es mehr als eine Million Menschen. Ihr Punkt: KI gehört so früh wie möglich in den Schulalltag, aber nicht unkontrolliert. Deshalb leitet fobizz jede Anfrage an ein Sprachmodell über eine eigene Schnittstelle weiter und blockt aktiv das Eingeben persönlicher Daten.

Kurz zusammengefasst:

  • Kreativität im Team bleibt der Bereich, in dem Menschen KI-Systemen einen Schritt voraus sind
  • Offline-Formate gewinnen an Bedeutung, gerade weil KI online allgegenwärtig wird
  • Verantwortung schlägt Tempo, sobald es um sensible Zielgruppen wie Schüler*innen geht
Jens Polomski · snipKI
HubSpot Clay n8n Make Notion ChatGPT Claude Gemini
Julia Glöckner · awork
Attriba Metabase Airtable HubSpot Intercom Demio Mixpanel Figma
Janis Baumgartner · rayon
OS Agentursoftware awork Personio Pleo Okta Microsoft 365
Jennifer Lapp · HubSpot
HubSpot Asana Glean X-Funnel Botify Claude Replit
Oskar Trautmann · Plan.Net Studios
Sokosumi Claude Claude Code Jira Obsidian Microsoft Copilot
Christoph Magnussen · Blackboat
Slack Claude Code Google Workspace Loom
Isa Gardt · OMR
HubSpot Asana Triple Whale Scission ZenLoop Claude Gemini Braintoss
Lukas Baumann · Parloa
Clay Salesforce HubSpot Gong Apollo Revenue Hero Sana
Christoph Zoeller · Instaffo
Langdock HubSpot Metabase Superset
Maximilian Ziche · getpress
eigenes AI-Betriebssystem Demio Adobe Creative Cloud Canva Claude Design Meltwater
Sarah Emmerich · Emmerich Relations
Slack WhatsApp Google Workspace Canva Claude Infludata GetResponse
Diana Knodel · fobizz
Slack Claude Claude Code Metabase Vimeo OVH-gehostete Open-Source-Modelle
 
 

Fazit: Was von der ersten Staffel bleibt

Über zwölf Folgen wird deutlich, dass es 2026 kaum um das eine Wunder-Tool geht. KI steckt inzwischen in jedem Stack. Ausschlaggebend ist, wie gut die Schicht darunter aufgebaut ist: saubere Daten, klare Prozesse. Kurz einen Stack, den das Team beherrscht.
Für den eigenen Stack lohnt sich deshalb weniger die Frage, welches Tool als Nächstes dazukommt, sondern welche Schicht darunter fehlt.
Podcast
Julia Burger
Autor*In
Julia Burger
Agentursoftware
Projektmanagement
Zeiterfassung
ERP-Systeme
Workflow Management
Social Media Management
E-Commerce-Plattformen & Shopsysteme
Dokumentenmanagement (DMS)
Social Media Suites
Social Media Planung
Community Management
Online Marketing Agenturen
Project Collaboration
Chatbot
Kundenservice

Julia ist SEO-Texterin bei OMR Reviews und Content-Enthusiast. Wenn sie nicht gerade Artikel schreibt, findet man sie in verschiedenen Cafés in ganz Hamburg – immer auf der Suche nach neuen Spots.

Dieser Artikel erscheint auf OMR Reviews – der führenden DACH-Plattform für B2B-Software-Bewertungen, Software-Vergleiche, Agenturen, Business Services und B2B-Tech-Content. Mit mehr als 80.000 verifizierten Bewertungen und 12.000+ gelisteten Tools hilft OMR Reviews Unternehmen dabei, passende Software-Lösungen und Dienstleister fundiert zu recherchieren, zu vergleichen und bessere Entscheidungen zu treffen.

Alle Artikel von Julia Burger