Stampli nutzte ChatGPT Work und Codex, um einen engen Produktstart trotz knapper Design-Ressourcen schneller umzusetzen. Aus geschätzten 243 Stunden Produktionsaufwand wurden rund 77 Stunden, ohne die menschliche Prüfung bei kundensichtbaren Inhalten aufzugeben.
Übersicht:
Produktstart in sechs Wochen
Der Fall zeigt, wie KI-Agenten aus verstreutem Produktwissen konkrete Launch-Materialien machen können. Entscheidend war nicht ein einzelner Prompt, sondern ein Arbeitsablauf, der Produktkontext, Meeting-Notizen, Entscheidungen und Messaging-Regeln zusammenführte.
Stampli entwickelt eine intelligente Procure-to-Pay-Plattform, die Einkauf, Kreditorenbuchhaltung, Lieferantenmanagement, Zahlungen und Mitarbeiterausgaben verbindet. Mit Deep Finance wollte Stampli die Daten aus diesem Prozess in Steuerungswissen für CFOs, VPs und andere Führungskräfte übersetzen.
Der Marktstart lief unter hohem Zeitdruck. Produktentwicklung, Positionierung, Design, Kommunikation, Enablement und operative Umsetzung mussten parallel laufen, während Design-Teams und externe Dienstleister bereits anderweitig gebunden waren.
Für den Launch entstanden unter anderem eine siebenteilige Blog-Serie, E-Mails, Webinar-Material, Social- und Paid-Creatives, eine PR-Meldung, eine Produktseite sowie Vertriebsunterlagen. Codex half dabei, laufende Produktentscheidungen in prüffähige Entwürfe zu übersetzen.
Auch die Hero-Animation für den Launch entstand zu großen Teilen mit Codex. Stampli schätzt, dass rund 90 Prozent der final auspolierten Animation durch KI-gestützte Exploration, Iteration und Paketierung vorbereitet wurden. Ein externer Dienstleister übernahm anschließend den Einstieg und die finale Formatierung.
Im Ergebnis sank der modellierte aktive Produktionsaufwand von rund 243 auf etwa 77 Stunden. Das entspricht ungefähr 166 eingesparten Stunden und einer 3,16-fach schnelleren Produktion.
Ein System für den Arbeitsalltag
Der Launch war kein isoliertes Experiment. Stampli nutzt dieselbe Infrastruktur im Produktmarketing täglich, um Wissen aus Produktteams, Tickets, Repositories und Besprechungen schneller in nutzbare Materialien zu verwandeln.
Früher musste das Team Produktmanager befragen, Jira-Tickets prüfen, GitHub-Änderungen lesen und Meeting-Notizen auswerten. Danach folgte die eigentliche Übersetzung in Help-Center-Artikel, Präsentationen, One-Pager oder Website-Texte.
Heute bündelt ein GPT-gestütztes System diese Informationen und hält Materialien aktueller. ChatGPT Work dient dabei als Arbeitsmodus für längere Aufgaben und fertige Deliverables, während Codex stärker bei technischen Aufgaben, Automationen und systemnahen Workflows hilft.
Der praktische Nutzen liegt in der Verbindung von Wissen und Produktion. Wenn eine Produktentscheidung fällt, kann daraus schneller ein Entwurf für Sales, Support, Website oder Kampagnen entstehen.
-
Produktkontext: Die KI verarbeitet vorhandene Informationen aus Systemen und Notizen, statt jedes Thema neu erklären zu müssen.
-
Messaging-Regeln: Positionierung, Tonalität und Freigabeanforderungen bleiben im Prozess verankert.
-
Output-Skalierung: Ein kleines Team kann mehr Varianten für unterschiedliche Kanäle erstellen, ohne jede Fassung manuell von null zu schreiben.
Stamplis Director of Product Marketing, Melad Zahedi, beschreibt den Effekt als deutliche Vervielfachung der Teamleistung. Statt nur weniger Inhalte pro Woche entstehen laut ihm inzwischen Hunderte Content-Stücke wöchentlich.
Bessere Entscheidungen mit aktuellem Kontext
ChatGPT Work wird bei Stampli nicht nur für Texte genutzt. Mitarbeitende verwenden es auch, um vor Meetings schneller relevante Informationen zu ordnen und offene Fragen vorzubereiten.
Zahedi beschreibt das System sinngemäß als zweites Gedächtnis für einen Kalender voller aufeinanderfolgender Termine. Der Vorteil liegt darin, vor jedem Gespräch schneller zu wissen, welche Entscheidung ansteht, welche Daten fehlen und welche Rolle das eigene Team übernehmen muss.
Ein konkretes Beispiel zeigt den Unterschied. In einem Führungskräfte-Meeting kam eine Frage zu Kennzahlen auf, die in HubSpot und weiteren Systemen lagen. Statt einen Finanzplanungsbericht anzufordern, ließ ein Mitarbeiter Codex die relevanten Daten während des Gesprächs abrufen und analysieren.
Nach Zahedis Einschätzung hätte dieser Vorgang früher etwa einen halben Arbeitstag im FP&A-Team benötigt. Im Meeting reichten wenige Tastatureingaben, um eine belastbare Richtung zu erhalten.
Entscheidungsregel: KI lohnt sich besonders dann, wenn Wissen bereits vorhanden ist, aber über mehrere Systeme, Rollen oder Formate verteilt liegt. Wenn dagegen Strategie, Verantwortung oder Kundenzusage betroffen sind, muss der Mensch prüfen, gewichten und final entscheiden.
Mehr Zeit für Strategie
Der wichtigste Produktivitätseffekt liegt nicht nur in schnellerer Produktion. Wenn Teams weniger Zeit damit verbringen, Kontext zu rekonstruieren, können sie früher über Prioritäten, Positionierung und Markteinführung nachdenken.
Bei Stampli rückte das Produktmarketing dadurch näher an strategische Entscheidungen heran. Das Team berät stärker Führungskräfte aus Produkt, Vertrieb und Unternehmensleitung, statt hauptsächlich Materialien nachzuliefern.
ChatGPT Work dient außerdem als Sparringspartner. Mitarbeitende nutzen es, um neue Themen zu verstehen, Ideen zu sortieren, Stakeholder-Personas zu entwickeln und Empfehlungen vor der Präsentation zu testen.
Für den Produktzyklus bedeutet das: Eine Idee wandert schneller vom Prototyp über die Marktgeschichte bis zu Vertriebs- und Kundendokumenten. Zahedi schätzt, dass ein Prozess von wenigen Wochen früher Monate oder sogar Quartale gedauert hätte.
Was andere Teams daraus lernen können
Der Fall Stampli steht für ein Muster, das viele Unternehmen betrifft. KI bringt den größten Hebel nicht dort, wo sie einzelne Aufgaben isoliert beschleunigt, sondern dort, wo sie Übergaben zwischen Produkt, Marketing, Vertrieb, Finanzen und Führung verkürzt.
Ein nützliches Mini-Modell dafür ist Kontext, Kontrolle, Tempo. Kontext bedeutet, dass die KI auf aktuelle interne Informationen zugreifen kann. Kontrolle heißt, dass Menschen Freigaben, Qualität und Kundenaussagen absichern. Tempo entsteht, wenn beides zusammenkommt und Arbeit nicht mehr an jeder Schnittstelle neu beginnt.
Für andere Teams ergibt sich daraus ein klarer Einstieg: nicht mit dem größten Transformationsprojekt starten, sondern mit einem wiederkehrenden Engpass. Geeignet sind Launch-Unterlagen, Sales-Enablement, Support-Artikel, Meeting-Vorbereitung oder Reporting-Fragen, die regelmäßig Zeit binden.
Das Praxisbeispiel von Stampli zeigt auch die Grenze. KI ersetzt nicht die Verantwortung für Positionierung, Kundennutzen oder finale Aussagekraft. Sie verkürzt jedoch den Weg von verteiltem Wissen zu prüfbaren Ergebnissen, und genau dort entsteht der wirtschaftliche Nutzen.