Beginnen wir also am selben Ort–in einem gew\u00f6hnlichen Bekleidungsgesch\u00e4ft in der Gew\u00f6hnlichen Stra\u00dfe. Wir wissen, dass T-Shirts zum Preis von 10 Zloty sich am besten verkaufen. Wei\u00dfe, gelbe und gr\u00fcne. Eine neue Kundin betritt das Gesch\u00e4ft. Sie sieht sich ein rotes Kleid zum Preis von 300 Zloty an. Eine Verk\u00e4uferin (das Marketing-Automatisierungs-\/CDP-System) tritt hinzu, um sie im Gesch\u00e4ft zu beraten.<\/p>\n
In 95 % der F\u00e4lle – das System erkennt die Kundin nicht<\/h2>\n\n\nAlso betritt eine neue Kundin das Gesch\u00e4ft. Die Verk\u00e4uferin erkennt sie nicht, weil sie entweder tats\u00e4chlich neu ist oder ein schlechtes Ged\u00e4chtnis hat bzw. schlecht darin ist, Gesichter zu erkennen (gel\u00f6schte Cookies, Werbeblocker, Inkognito-Modus). Die Kundin sieht sich ein rotes Kleid zum Preis von 300 Zloty an.<\/p>\n
Die Verk\u00e4uferin geht auf sie zu und sagt: \u201eSie w\u00e4ren besser beraten, dieses T-Shirt zu kaufen. Es kostet nur 10 Zloty.“<\/p>\n
Durchgefallen! Eine solche Verk\u00e4uferin w\u00fcrde in diesem Gesch\u00e4ft wohl nicht lange arbeiten, oder? Und in einem gro\u00dfen Teil des E-Commerce wird tats\u00e4chlich eine genau solche Verk\u00e4uferin (Marketing-Automatisierung) eingesetzt!<\/strong><\/p>\nGenau so funktionieren \u201eEmpfehlungs-Widgets“ in der Marketing-Automatisierung f\u00fcr 95 % Ihrer Kunden. Das System empfiehlt, was sich am besten verkauft–unabh\u00e4ngig davon, was der Kunde gerade tut.<\/p>\n
Es beobachtet den Kunden nicht und passt sich nicht in Echtzeit an seine Bed\u00fcrfnisse an.<\/p>\n<\/p><\/div>\n
\n![\"\"](\"https:\/\/blog.quarticon.com\/pl\/wp-content\/uploads\/2026\/05\/rekomendacje-obrazowo-popularne.jpeg\")
Empfehlungen f\u00fcr 95 % Ihrer Kunden durch Marketing-Automatisierung \/ CDP<\/figcaption><\/figure>\n<\/p><\/div>\n<\/p><\/div>\n<\/p><\/div>\n\n95 % Ihrer Kunden werden beim Einkaufen unterbrochen<\/h2>\n\n\nUm das Drama dieser Situation besser zu veranschaulichen, m\u00fcssen wir die Verk\u00e4uferin ersetzen, denn es ist unm\u00f6glich, sich eine Verk\u00e4uferin vorzustellen, die solche Empfehlungen ausspricht.<\/p>\n
Wir m\u00fcssen also eine noch \u201ezuf\u00e4lligere“ Person hinzuholen–einen Techniker, der elektrische Anlagen installiert. <\/p>\n
Die Kundin sieht sich ein rotes Kleid zum Preis von 300 Zloty an. Der Techniker geht auf sie zu und sagt: \u201eIch sitze schon seit heute Morgen hier, und viele Leute nehmen diese wei\u00dfen T-Shirts. Sie w\u00e4ren besser beraten, eines dieser T-Shirts zu kaufen.“<\/p>\n
Durchgefallen! Bestenfalls w\u00fcrde ein solcher Techniker von den Besitzern zurechtgewiesen werden: \u201eMischen Sie sich nicht ein!“ F\u00fcr 95 % Ihrer Kunden tut dieser Mann jedoch genau das–er mischt sich ein und gibt ihnen Ratschl\u00e4ge!<\/p>\n<\/p><\/div>\n
\n![\"\"](\"https:\/\/blog.quarticon.com\/pl\/wp-content\/uploads\/2026\/06\/at-the-shop-cdp-re-12-technician-1024x1024.jpeg\")
Empfehlungen f\u00fcr 95 % Ihrer Kunden durch Marketing-Automatisierung \/ CDP–die brutale Wahrheit<\/figcaption><\/figure>\n<\/p><\/div>\n<\/p><\/div>\n<\/p><\/div>\n\n5 % der Kunden – sie wurden erkannt<\/h2>\n\n\n5 % der Kunden werden erkannt. Sie haben es nicht geschafft, ihre Cookies zu l\u00f6schen, oder haben unwissentlich auf eine an sie gesendete E-Mail geklickt. Was passiert dann?<\/p>\n
Beginnen wir also noch einmal–eine erkannte Kundin betritt das Gesch\u00e4ft. Das ist Barbara (wir erinnern uns: Marian ist losgegangen, um einen neuen Fernseher zu kaufen).<\/p>\n
Die Verk\u00e4uferin ruft von der T\u00fcr aus: \u201eGuten Morgen, Frau Basia!“ <\/p>\n
Hier geschieht die Magie der Marketing-Automatisierungssysteme. Das System hat die Kundin erkannt.<\/p>\n
Frau Basia sieht sich das rote Kleid zum Preis von 300 Zloty an. Die Verk\u00e4uferin, wie bereits erw\u00e4hnt–ein cleveres Wesen–erinnert sich daran, dass Frau Basia vor einem Monat eine Hose gekauft hat, und schl\u00e4gt daher vor: \u201eFrau Basia, wir haben gerade tolle Hosen im Angebot.“<\/p>\n
Durchgefallen! Die Verk\u00e4uferin (Marketing-Automatisierung) st\u00fctzt sich auf historische Daten. Das System reagiert darauf, was die Kundin zuvor<\/em> gekauft hat, nicht darauf, was sie jetzt<\/em> tut. Das Einzige, was sich ge\u00e4ndert hat: Statt eines wei\u00dfen T-Shirts haben wir jetzt personalisierte blaue Jeans.<\/p>\nAlso frage ich mich, wann die Verk\u00e4uferin (Marketing-Automatisierung) erkennt, was gerade passiert, und reagiert?<\/p>\n<\/p><\/div>\n
\n![\"\"](\"https:\/\/blog.quarticon.com\/pl\/wp-content\/uploads\/2026\/05\/rekomendacje-obrazowo-ma.jpeg\")
Datengetriebene CDP\/Marketing-Automatisierung mit erkannten Kunden in Aktion<\/figcaption><\/figure>\n<\/p><\/div>\n<\/p><\/div>\n<\/p><\/div>\n\nDer Checkout – passiert es hier endlich?<\/h2>\n\n\nEs k\u00f6nnte den Anschein haben, dass der Checkout endlich ein Ort ist, an dem sich das System anpassen kann. <\/p>\n
Aber nein! Die Verk\u00e4uferin (Marketing-Automatisierung) arbeitet weiterhin mit historischen Daten. Frau Basia befindet sich im Segment \u201evor 30 Tagen eine Hose gekauft“, also folgt die Verk\u00e4uferin ihr mit Hosen. <\/p>\n
Das Segment l\u00e4sst sich nicht so einfach \u00e4ndern. Es kann angepasst werden. Also schulen die Besitzer die Verk\u00e4uferin: Wenn Menschen hereinkommen, die eine Hose gekauft haben, bietet ihnen keine Hose an–bietet ihnen stattdessen einen G\u00fcrtel an. Also folgt die Verk\u00e4uferin der Kundin mit einem G\u00fcrtel durch das Gesch\u00e4ft. <\/p>\n
Ist das besser? Wahrscheinlich nicht.<\/p>\n<\/p><\/div>\n
\n![\"\"](\"https:\/\/blog.quarticon.com\/pl\/wp-content\/uploads\/2026\/06\/at-the-shop-cdp-re-10-cashier-modified-1024x1024.jpeg\")
Datengetriebene CDP\/Marketing-Automatisierung am Checkout in Aktion<\/figcaption><\/figure>\n<\/p><\/div>\n<\/p><\/div>\n<\/p><\/div>\n\nWas passiert nach dem Kauf?<\/h2>\n\n\nLeider hat die Verk\u00e4uferin (Marketing-Automatisierung) auch nach dem Kauf nur sehr wenige Informationen erhalten. Sie tut, was man ihr gesagt hat, und trifft keine eigenst\u00e4ndigen Entscheidungen.<\/p>\n
Erst am Morgen, nach der Analyse der Daten, passen die Besitzer die Segmente an und geben der Verk\u00e4uferin neue Anweisungen–Frau Basia befindet sich nicht mehr im Segment \u201eeine Hose gekauft“. Ab heute befindet sich Frau Basia im Segment \u201eein Kleid gekauft“<\/em>. <\/p>\nAber heute, nachdem sie den Checkout verlassen hat, befindet sich Frau Basia aus Sicht der Verk\u00e4uferin immer noch im Segment \u201eeine Hose gekauft“. Also l\u00e4uft die Verk\u00e4uferin ihr mit Hosen hinterher. <\/p>\n
Warum? Niemand kennt die Antwort auf diese Frage. <\/p>\n
Das Verlassen des Checkouts ist jedoch der Moment, in dem die Marketing-Automatisierung neue Daten erh\u00e4lt und beginnt, sie zu nutzen. Wie Hy\u00e4nen st\u00fcrzt sie sich auf Kunden, die bereits etwas gekauft haben, und ermutigt sie zu einem weiteren Kauf. WIEDER DURCHGEFALLEN!<\/p>\n<\/p><\/div>\n
\n![\"\"](\"https:\/\/blog.quarticon.com\/pl\/wp-content\/uploads\/2026\/06\/at-the-shop-cdp-re-11-front-modified-1024x1024.jpeg\")
Datengetriebene CDP\/Marketing-Automatisierung unmittelbar nach dem Kauf in Aktion<\/figcaption><\/figure>\n<\/p><\/div>\n<\/p><\/div>\n<\/p><\/div>\n\nWo beginnt die Magie? Eigentlich nirgendwo<\/h2>\n\n\nJa, eigentlich nirgendwo. Doch CDP und Marketing-Automatisierung behaupten, Kunden \u00fcber eine Omnichannel-Kommunikation erreichen zu k\u00f6nnen. Au\u00dferhalb des Gesch\u00e4fts, an einem Ort der Unterhaltung. Doch genau hier beginnt der eigentliche Niedergang–nicht die Magie.<\/p>\n
Am n\u00e4chsten Tag geht Frau Basia ins Kino (YT). Die Verk\u00e4uferin erhielt am Morgen neue Anweisungen zum neuen Segment \u201eein Kleid gekauft“. <\/p>\n
Seit dem Morgen l\u00e4uft sie Frau Basia mit einem Kleid durch die Stadt hinterher. \u201eFrau Basia, was f\u00fcr ein sch\u00f6nes gelbes Kleid. Vielleicht k\u00f6nnten Sie es auch kaufen.“<\/p>\n
Noch einmal: Warum? Niemand wei\u00df es. Falscher Zeitpunkt, ein sehr falscher Zeitpunkt \u2026<\/p>\n
Hier haben wir stark vereinfacht–nicht die Verk\u00e4uferin l\u00e4uft durch die Stadt, sondern ein anderes Retargeting-System. Das MA-System tut lediglich so, als w\u00e4re es daran beteiligt. Die Verk\u00e4uferin m\u00fcsste also durch eine andere Verk\u00e4uferin ersetzt werden. Mehr dazu jedoch im n\u00e4chsten Teil. <\/p>\n<\/p><\/div>\n
\n![\"\"](\"https:\/\/blog.quarticon.com\/pl\/wp-content\/uploads\/2026\/06\/at-the-shop-cdp-re-7-1024x1024.jpeg\")
Datengetriebene CDP-\/Marketing-Automatisierung beim Retargeting<\/figcaption><\/figure>\n<\/p><\/div>\n<\/p><\/div>\n<\/p><\/div>\nMarketing-Automatisierung \/ CDP–was ist schiefgelaufen?<\/h2>\n
Kurz gesagt: Was ist nach der Einf\u00fchrung von Marketing-Automatisierung und CDP im E-Commerce schiefgelaufen?
– Im Gesch\u00e4ft k\u00fcmmert sie sich nicht wirklich um Kunden, sondern nur um diejenigen, die sie erkennt
– Wenn sie sie erkennt (5 % der Kunden), arbeitet sie mit historischen Daten, die derzeit keinen Sinn ergeben
– Sie beginnt, den Kunden nach der Transaktion anzusprechen, wenn es im Grunde bereits zu sp\u00e4t ist
– Das Retargeting erkannter Kunden ergibt keinen Sinn–es ist bereits zu sp\u00e4t<\/p>\n
Warum also glauben alle, dass es funktioniert und Ergebnisse liefert? Alles dreht sich um Statistik, aber mehr dazu im n\u00e4chsten Teil. <\/p>\n
Was ist die Alternative?<\/h2>\n
Die meisten E-Commerce-Unternehmen verlassen sich auf Systeme, die sich bestenfalls aktualisieren, wenn sich der Kunde zuletzt angemeldet hat. Es ist, als w\u00fcrde unsere Verk\u00e4uferin Hosen empfehlen, anstatt zu beobachten, was gerade passiert.<\/p>\n
KI-Engines f\u00fcr Produktempfehlungen funktionieren anders: Sie passen sich sofort an, lernen aus jeder Interaktion und funktionieren f\u00fcr alle Kunden, unabh\u00e4ngig davon, ob sie neu sind oder wiederkommen.<\/p>\n
Der Unterschied besteht zwischen:<\/p>\n
\n- Einem System, das ruft: \u201eKaufen Sie, was alle anderen kaufen!“<\/li>\n
- Einem System, das zuh\u00f6rt: \u201eIch sehe, dass Ihnen dieses Kleid gef\u00e4llt, und ich kenne ein \u00e4hnliches, das Ihnen noch besser gefallen wird.“<\/li>\n<\/ul>\n
Sie sehen den Unterschied, oder? Es geht nicht nur darum, ob die Dinge einfach deshalb besser werden, weil sie besser werden. Es geht auch darum, wie man sofort aufh\u00f6ren kann, Schaden anzurichten. Denn das erste und zweite Szenario beeintr\u00e4chtigen das Kundenerlebnis.<\/p>\n
Buchen Sie eine Demo, um mehr zu erfahren. <\/p>\n
Also betritt eine neue Kundin das Gesch\u00e4ft. Die Verk\u00e4uferin erkennt sie nicht, weil sie entweder tats\u00e4chlich neu ist oder ein schlechtes Ged\u00e4chtnis hat bzw. schlecht darin ist, Gesichter zu erkennen (gel\u00f6schte Cookies, Werbeblocker, Inkognito-Modus). Die Kundin sieht sich ein rotes Kleid zum Preis von 300 Zloty an.<\/p>\n
Die Verk\u00e4uferin geht auf sie zu und sagt: \u201eSie w\u00e4ren besser beraten, dieses T-Shirt zu kaufen. Es kostet nur 10 Zloty.“<\/p>\n
Durchgefallen! Eine solche Verk\u00e4uferin w\u00fcrde in diesem Gesch\u00e4ft wohl nicht lange arbeiten, oder? Und in einem gro\u00dfen Teil des E-Commerce wird tats\u00e4chlich eine genau solche Verk\u00e4uferin (Marketing-Automatisierung) eingesetzt!<\/strong><\/p>\n Genau so funktionieren \u201eEmpfehlungs-Widgets“ in der Marketing-Automatisierung f\u00fcr 95 % Ihrer Kunden. Das System empfiehlt, was sich am besten verkauft–unabh\u00e4ngig davon, was der Kunde gerade tut.<\/p>\n Es beobachtet den Kunden nicht und passt sich nicht in Echtzeit an seine Bed\u00fcrfnisse an.<\/p>\n<\/p><\/div>\n Um das Drama dieser Situation besser zu veranschaulichen, m\u00fcssen wir die Verk\u00e4uferin ersetzen, denn es ist unm\u00f6glich, sich eine Verk\u00e4uferin vorzustellen, die solche Empfehlungen ausspricht.<\/p>\n Wir m\u00fcssen also eine noch \u201ezuf\u00e4lligere“ Person hinzuholen–einen Techniker, der elektrische Anlagen installiert. <\/p>\n Die Kundin sieht sich ein rotes Kleid zum Preis von 300 Zloty an. Der Techniker geht auf sie zu und sagt: \u201eIch sitze schon seit heute Morgen hier, und viele Leute nehmen diese wei\u00dfen T-Shirts. Sie w\u00e4ren besser beraten, eines dieser T-Shirts zu kaufen.“<\/p>\n Durchgefallen! Bestenfalls w\u00fcrde ein solcher Techniker von den Besitzern zurechtgewiesen werden: \u201eMischen Sie sich nicht ein!“ F\u00fcr 95 % Ihrer Kunden tut dieser Mann jedoch genau das–er mischt sich ein und gibt ihnen Ratschl\u00e4ge!<\/p>\n<\/p><\/div>\n 5 % der Kunden werden erkannt. Sie haben es nicht geschafft, ihre Cookies zu l\u00f6schen, oder haben unwissentlich auf eine an sie gesendete E-Mail geklickt. Was passiert dann?<\/p>\n Beginnen wir also noch einmal–eine erkannte Kundin betritt das Gesch\u00e4ft. Das ist Barbara (wir erinnern uns: Marian ist losgegangen, um einen neuen Fernseher zu kaufen).<\/p>\n Die Verk\u00e4uferin ruft von der T\u00fcr aus: \u201eGuten Morgen, Frau Basia!“ <\/p>\n Hier geschieht die Magie der Marketing-Automatisierungssysteme. Das System hat die Kundin erkannt.<\/p>\n Frau Basia sieht sich das rote Kleid zum Preis von 300 Zloty an. Die Verk\u00e4uferin, wie bereits erw\u00e4hnt–ein cleveres Wesen–erinnert sich daran, dass Frau Basia vor einem Monat eine Hose gekauft hat, und schl\u00e4gt daher vor: \u201eFrau Basia, wir haben gerade tolle Hosen im Angebot.“<\/p>\n Durchgefallen! Die Verk\u00e4uferin (Marketing-Automatisierung) st\u00fctzt sich auf historische Daten. Das System reagiert darauf, was die Kundin zuvor<\/em> gekauft hat, nicht darauf, was sie jetzt<\/em> tut. Das Einzige, was sich ge\u00e4ndert hat: Statt eines wei\u00dfen T-Shirts haben wir jetzt personalisierte blaue Jeans.<\/p>\n Also frage ich mich, wann die Verk\u00e4uferin (Marketing-Automatisierung) erkennt, was gerade passiert, und reagiert?<\/p>\n<\/p><\/div>\n Es k\u00f6nnte den Anschein haben, dass der Checkout endlich ein Ort ist, an dem sich das System anpassen kann. <\/p>\n Aber nein! Die Verk\u00e4uferin (Marketing-Automatisierung) arbeitet weiterhin mit historischen Daten. Frau Basia befindet sich im Segment \u201evor 30 Tagen eine Hose gekauft“, also folgt die Verk\u00e4uferin ihr mit Hosen. <\/p>\n Das Segment l\u00e4sst sich nicht so einfach \u00e4ndern. Es kann angepasst werden. Also schulen die Besitzer die Verk\u00e4uferin: Wenn Menschen hereinkommen, die eine Hose gekauft haben, bietet ihnen keine Hose an–bietet ihnen stattdessen einen G\u00fcrtel an. Also folgt die Verk\u00e4uferin der Kundin mit einem G\u00fcrtel durch das Gesch\u00e4ft. <\/p>\n Ist das besser? Wahrscheinlich nicht.<\/p>\n<\/p><\/div>\n Leider hat die Verk\u00e4uferin (Marketing-Automatisierung) auch nach dem Kauf nur sehr wenige Informationen erhalten. Sie tut, was man ihr gesagt hat, und trifft keine eigenst\u00e4ndigen Entscheidungen.<\/p>\n Erst am Morgen, nach der Analyse der Daten, passen die Besitzer die Segmente an und geben der Verk\u00e4uferin neue Anweisungen–Frau Basia befindet sich nicht mehr im Segment \u201eeine Hose gekauft“. Ab heute befindet sich Frau Basia im Segment \u201eein Kleid gekauft“<\/em>. <\/p>\n Aber heute, nachdem sie den Checkout verlassen hat, befindet sich Frau Basia aus Sicht der Verk\u00e4uferin immer noch im Segment \u201eeine Hose gekauft“. Also l\u00e4uft die Verk\u00e4uferin ihr mit Hosen hinterher. <\/p>\n Warum? Niemand kennt die Antwort auf diese Frage. <\/p>\n Das Verlassen des Checkouts ist jedoch der Moment, in dem die Marketing-Automatisierung neue Daten erh\u00e4lt und beginnt, sie zu nutzen. Wie Hy\u00e4nen st\u00fcrzt sie sich auf Kunden, die bereits etwas gekauft haben, und ermutigt sie zu einem weiteren Kauf. WIEDER DURCHGEFALLEN!<\/p>\n<\/p><\/div>\n Ja, eigentlich nirgendwo. Doch CDP und Marketing-Automatisierung behaupten, Kunden \u00fcber eine Omnichannel-Kommunikation erreichen zu k\u00f6nnen. Au\u00dferhalb des Gesch\u00e4fts, an einem Ort der Unterhaltung. Doch genau hier beginnt der eigentliche Niedergang–nicht die Magie.<\/p>\n Am n\u00e4chsten Tag geht Frau Basia ins Kino (YT). Die Verk\u00e4uferin erhielt am Morgen neue Anweisungen zum neuen Segment \u201eein Kleid gekauft“. <\/p>\n Seit dem Morgen l\u00e4uft sie Frau Basia mit einem Kleid durch die Stadt hinterher. \u201eFrau Basia, was f\u00fcr ein sch\u00f6nes gelbes Kleid. Vielleicht k\u00f6nnten Sie es auch kaufen.“<\/p>\n Noch einmal: Warum? Niemand wei\u00df es. Falscher Zeitpunkt, ein sehr falscher Zeitpunkt \u2026<\/p>\n Hier haben wir stark vereinfacht–nicht die Verk\u00e4uferin l\u00e4uft durch die Stadt, sondern ein anderes Retargeting-System. Das MA-System tut lediglich so, als w\u00e4re es daran beteiligt. Die Verk\u00e4uferin m\u00fcsste also durch eine andere Verk\u00e4uferin ersetzt werden. Mehr dazu jedoch im n\u00e4chsten Teil. <\/p>\n<\/p><\/div>\n Kurz gesagt: Was ist nach der Einf\u00fchrung von Marketing-Automatisierung und CDP im E-Commerce schiefgelaufen? Warum also glauben alle, dass es funktioniert und Ergebnisse liefert? Alles dreht sich um Statistik, aber mehr dazu im n\u00e4chsten Teil. <\/p>\n Die meisten E-Commerce-Unternehmen verlassen sich auf Systeme, die sich bestenfalls aktualisieren, wenn sich der Kunde zuletzt angemeldet hat. Es ist, als w\u00fcrde unsere Verk\u00e4uferin Hosen empfehlen, anstatt zu beobachten, was gerade passiert.<\/p>\n KI-Engines f\u00fcr Produktempfehlungen funktionieren anders: Sie passen sich sofort an, lernen aus jeder Interaktion und funktionieren f\u00fcr alle Kunden, unabh\u00e4ngig davon, ob sie neu sind oder wiederkommen.<\/p>\n Der Unterschied besteht zwischen:<\/p>\n Sie sehen den Unterschied, oder? Es geht nicht nur darum, ob die Dinge einfach deshalb besser werden, weil sie besser werden. Es geht auch darum, wie man sofort aufh\u00f6ren kann, Schaden anzurichten. Denn das erste und zweite Szenario beeintr\u00e4chtigen das Kundenerlebnis.<\/p>\n Buchen Sie eine Demo, um mehr zu erfahren. <\/p>\n95 % Ihrer Kunden werden beim Einkaufen unterbrochen<\/h2>\n
5 % der Kunden – sie wurden erkannt<\/h2>\n
Der Checkout – passiert es hier endlich?<\/h2>\n
Was passiert nach dem Kauf?<\/h2>\n
Wo beginnt die Magie? Eigentlich nirgendwo<\/h2>\n
Marketing-Automatisierung \/ CDP–was ist schiefgelaufen?<\/h2>\n
– Im Gesch\u00e4ft k\u00fcmmert sie sich nicht wirklich um Kunden, sondern nur um diejenigen, die sie erkennt
– Wenn sie sie erkennt (5 % der Kunden), arbeitet sie mit historischen Daten, die derzeit keinen Sinn ergeben
– Sie beginnt, den Kunden nach der Transaktion anzusprechen, wenn es im Grunde bereits zu sp\u00e4t ist
– Das Retargeting erkannter Kunden ergibt keinen Sinn–es ist bereits zu sp\u00e4t<\/p>\nWas ist die Alternative?<\/h2>\n
\n