Von der Sprache zur Performance
Mit 16 habe ich Englisch gelernt und gleich angefangen, ehrenamtlich zu übersetzen, einfach um in der Sprache zu bleiben. Im Studium hatte ich dann ein klares Ziel: meine eigene Übersetzungsagentur. Womit ich nicht gerechnet hatte, war der kommunikationswissenschaftliche Teil. Genau der hat mich gepackt: wie Menschen eine Botschaft verarbeiten und was darüber entscheidet, ob sie ankommt.
Danach ging es zu Turkish Airlines. Wenige Monate nach meinem Einstieg fiel mir ein Muster auf, das schlicht nicht aufging. Ein struktureller Fehler im Ticketsystem verschickte in großem Stil fehlerhafte Stornierungsbenachrichtigungen, ohne dass es jemandem aufgefallen war. Widersprüchliche Muster kann ich nicht stehen lassen. Ich meldete den Fehler, wurde zunächst abgewiesen, sammelte zusätzliche Belege und meldete ihn erneut. Irgendwann nahm jemand den Bericht ernst, und ich wechselte in ein neu aufgesetztes Datenanalyse-Team. Die Lehre daraus ist geblieben: Wenn die Daten sagen, dass etwas kaputt ist, wartet man nicht auf eine Erlaubnis, um es anzusprechen.
Im Anschluss baute ich die Agentur auf, auf die ich die ganze Zeit hingearbeitet hatte. MM Translation: über 120 Sprachen, mehr als 150 Freelancer, Kundschaft aus Recht, Medizin, Technik und Wissenschaft. Projektkoordination, Qualitätssicherung, Dutzende parallele Workflows über unterschiedliche Sprachpaare hinweg, all das lief bei mir zusammen. Als die Agentur Kunden brauchte, hörte ich auf, das Marketing an Externe zu vergeben, und übernahm es selbst. Diese eine Entscheidung ist der Grund, warum ich heute hier stehe.
Digital Marketing entpuppte sich als angewandte Psychologie mit einer Feedbackschleife, die zeigt, wo und warum Menschen abspringen. Nach Jahren, in denen ich mich mit menschlicher Informationsverarbeitung auseinandergesetzt hatte, war mir diese Sprache vertraut. Nach einem Jahr eigenständiger Kampagnen- und Strategiearbeit bestätigte der 13x ROAS bei EN Tercume, was ich längst wusste. Das ist die Arbeit, die ich weitermachen will.
KI hat das noch einmal geschärft. Ein Jahr lang habe ich große Sprachmodelle trainiert und ihre Outputs bewertet, mehrstufige Prompt-Flows entwickelt und Genauigkeit, Wahrheitsgehalt und Halluzinationen innerhalb von RLHF- und NLP-Pipelines geprüft. Daraus ist ein praktisches Verständnis dieser Werkzeuge entstanden, das die meisten Marketer nicht mitbringen. Ich entwickle Prompts, baue agentische Workflows und binde diese Tools gezielt in die Marketingarbeit ein. Parallel habe ich mir Cloud Computing erarbeitet und innerhalb von drei Tagen meinen eigenen, selbst gehosteten n8n-Automatisierungsserver aufgesetzt. Darauf laufen maßgeschneiderte Pipelines, die einen ganzen Stapel Abos ersetzt haben und Offline-Conversions zurück in GA4 und Google Ads einspielen.
Aktuell schließe ich in Berlin meinen M.Sc. in Digital Marketing am BSBI/UCA ab und führe alles zusammen: Kommunikation, Daten, Konsumentenverhalten und die Systeme, die diese Daten interpretieren. Meine Masterarbeit liegt genau auf dieser Schnittstelle. KI-lokalisierte versus menschlich lokalisierte Werbung und die Frage, wie automatische und menschliche Übersetzung die Werbewirkung über Kulturen hinweg verschieben. Als theoretischer Rahmen dienen ELM, TAM und Hofstede, die Automobilbranche liefert den Testfall.
Die Haltung hinter den Ergebnissen
Ich fange nicht mit Tools an, ich fange mit Denken an. Bevor etwas gebaut oder gelauncht wird, setze ich mich so lange mit dem Problem auseinander, bis ich verstehe, was darunter steckt. Dieses Hin und Her, in dem ich eigene Annahmen infrage stelle, ist der Großteil der Arbeit. Die Umsetzung danach ist der leichte Teil.
Wenn ich etwas übernehme, übernehme ich Verantwortung für das Ergebnis, nicht nur für die Aufgaben vor mir. Wenn an einer angrenzenden Stelle etwas kaputt ist und die Zahlen drückt, behebe ich es oder weise darauf hin. Bei Turkish Airlines habe ich einen Systemfehler gemeldet, den niemand in Auftrag gegeben hatte. Bei EN Tercume habe ich Website, Tracking, SEO und Kampagnen selbst aufgebaut, weil das Projekt all das brauchte. Mir sind zu viele Verantwortlichkeiten lieber als zu wenige.
Daten sind der Ausgangspunkt jeder Entscheidung. Erst messen, aus den Zahlen Optionen ableiten, dann handeln. Als die Upkeystore-Daten zeigten, dass der US-Markt Budget verbrannte, habe ich vier Simulationsmodelle gerechnet, bevor ich eine Pause empfohlen habe. Bauchgefühl ist gut, um Hypothesen zu erzeugen. Ob sie tragen, entscheiden die Daten.
Wenn ein Skill oder ein Tool mich schneller macht, lerne ich es und setze es ein. Zügig. Claude Code, Cursor, GA4-Zielgruppen, Offline-Conversion-Pipelines, ein selbst gehosteter n8n-Automatisierungsserver in drei Tagen, nichts davon konnte ich, bevor ich es gebraucht habe. Zwischen „noch nie angefasst" und „läuft produktiv" liegen bei mir in der Regel Tage, keine Monate.
KI ist in meinem Workflow kein Extra, sondern der Standard. Ich nutze sie, um zu recherchieren, zu analysieren, zu bauen und zu iterieren, in einem Tempo, das vor zwei Jahren noch nicht möglich war. Das Denken bleibt bei mir, KI beschleunigt nur die Stellen, an denen Tempo zählt.
Alles, was ich ausliefere, wird beim nächsten Mal schärfer. Ich suche immer nach dem, was sauberer werden kann, auch wenn die erste Version schon funktioniert hat. Genau deshalb werden meine Kampagnen mit der Zeit besser, statt nur weiterzulaufen.
Womit ich arbeite
Ads & Analytics
MarTech & Automatisierung
KI & Development
Web & Design
Workspace
Wie ich Kanäle und Daten zusammenbringe
Strategie & Growth
Jede Kampagne beginnt bei mir mit genau einer Kennzahl, die sich bewegen muss. ROAS, CPA oder Leads pro Woche, je nachdem, wovon das Geschäft lebt. Von dieser Zahl aus plane ich Budget, Funnel-Stufen und Testreihenfolge rückwärts. Das Bauchgefühl liefert die Hypothese, die Daten entscheiden, was Bestand hat.
Paid Media & Social
Google Ads über Search, Shopping, PMax und Display, Meta Ads für Top- und Mid-Funnel. Ich baue Kampagnen auf einem sauberen Keyword-Tree auf, Negatives ab Tag eins, UTM-Tagging vom ersten Klick an fest in GA4 verdrahtet. Genau diese strukturelle Vorarbeit am ersten Tag ist der Grund, warum das Skalieren am neunzigsten Tag schmerzfrei funktioniert.
Analytics & Tracking
Die meisten Marketer verlieren das Interesse am Tracking, sobald der Tag einmal feuert. Ich nicht. GA4-Events, Audiences, eigene Funnels, GTM-Setup, Looker-Dashboards und Offline-Conversion-Pipelines machen aus Mediabudget erst eine belastbare Feedbackschleife. Wenn die Daten unten nicht sauber sind, ist nichts, was darauf aufbaut, belastbar.
MarTech & Automatisierung
Hier verdient KI ihr Budget. Ich habe meinen eigenen, selbst gehosteten n8n-Server aufgesetzt, damit Offline-Conversion-Uploads, Lead-Enrichment und Content-Pipelines laufen, ohne für jeden Einzelschritt ein weiteres Abo zu bezahlen. Make und Zapier kommen weiter ins Spiel, sobald der ROI dafür spricht. HubSpot und Salesforce bleiben auf der CRM-Seite. Jeder Arbeitsschritt, den eine Maschine übernimmt, ist eine Stunde, die ich nicht verliere.
Web & SEO
Ich baue schnelle statische Websites, ziehe das Tracking sauber auf und halte SEO auf einem realistischen Niveau. Dieses Portfolio läuft als statisches HTML/CSS/JS/PHP auf Cloudflare Pages, an einem einzigen Tag mit Claude Code und Cursor von WordPress migriert. Bei Kundenprojekten kommen Rank Math, Schema-Markup und der passende Research-Stack dazu, sobald das Projekt sie braucht.
Führung & Management
Bei MM Translation habe ich ein Netzwerk aus über 150 Freelancern in über 120 Sprachen gesteuert, parallel Kunden aus Recht, Medizin, Technik und Wissenschaft. Projektkoordination, Qualitätskontrolle und Dutzende gleichzeitige Workflows liefen alle bei mir zusammen. Wenn etwas die Ergebnisse ausgebremst hat, bin ich an das System rangegangen, nicht nur an das Symptom. Je größer der Verantwortungsbereich, desto besser.
KI & neue Technologien
Ein Jahr als AI Trainer und Prompt Engineer in RLHF- und NLP-Pipelines hat mir einen realistischen Blick darauf verschafft, wofür diese Modelle taugen. Ich entwickle Prompts, baue agentische Workflows und binde sie in echte Marketingarbeit ein. Meine Masterarbeit liegt genau auf dieser Schnittstelle: KI-lokalisierte versus menschlich lokalisierte Werbung und die Frage, wie jede Variante die Werbewirkung über Kulturen hinweg verschiebt.