Die Zukunft der agentenbasierten Werbung

Die Ad-Tech-Branche ist derzeit ganz im Bann der Chatbots. Das sollte aber nicht so sein.

Wir beobachten, wie die gesamte Branche generische Sprachmodelle auf veraltete Plattformen aufsetzt, ein „KI-gestützt“-Label auf das Dashboard klebt und das Ganze als Revolution bezeichnet. Das ist es aber nicht. Ein schwebendes Chat-Widget, das eine Kampagne zusammenfassen oder eine höfliche E-Mail verfassen kann, verändert die Art und Weise, wie Medien gekauft und verkauft werden, nicht grundlegend. Das ist nur ein Taschenspielertrick. Es handelt sich um unterstützende KI. Es bedarf eines Menschen, der die Eingabeaufforderungen gibt, die Arbeit lenkt und die eigentliche Arbeit ausführt.

Bei dem eigentlichen Paradigmenwechsel geht es nicht darum, dass KI den Menschen unterstützt. Es geht darum, dass KI völlig autonom im Namen der Menschen handelt. Wir sprechen hier von autonomen Akteuren, die komplexe, mehrstufige Arbeitsabläufe systemübergreifend ausführen, Verträge aushandeln, Verfügbarkeiten abrufen und 100-zeilige Kampagnen erstellen, während Sie schlafen.

Das ist die Realität, die die Zukunft der agentenbasierten Werbung prägt. Und sie wird die traditionellen Bildschirme, Schnittstellen und manuellen Arbeitsabläufe, auf die wir uns in den letzten zwei Jahrzehnten verlassen haben, völlig auf den Kopf stellen.

Um dieses Ziel zu erreichen, ist jedoch ein grundlegender Wandel in der Art und Weise erforderlich, wie wir Werbetechnologie entwickeln. Wir müssen aufhören, KI als einen allumfassenden Zauberstab zu betrachten. Wir müssen anfangen, sie wie spezialisierte Arbeitskräfte zu behandeln.

Die Ära der Co-Piloten ist bereits vorbei

Seien wir ehrlich: Große Sprachmodelle (LLMs) sind unglaubliche Motoren. Aber ein Motor ohne Lenkrad, Getriebe oder Fahrer ist nur ein lautes Stück Metall.

Wenn man ein generisches LLM einfach so in den Tech-Stack eines Medienunternehmens integriert, scheitert es kläglich. Warum? Weil es die äußerst spezifische Geschäftslogik des Anzeigenmanagements nicht versteht. Es weiß nicht, wie es Ihre komplexen Preislisten lesen soll. Es versteht nicht, wie man Währungsumrechnungen über verschiedene DSPs hinweg handhabt. Und es weiß ganz sicher nicht, wie man sich in den Rollenhierarchien Ihres CRM zurechtfindet.

Stellen Sie sich ein Basis-LLM wie einen brillanten neuen Mitarbeiter vor, der hundert Sprachen spricht, aber absolut nichts über Ihr Unternehmen weiß. Sie würden diese Person am ersten Tag sicher nicht einfach auf Ihre wichtigsten Kunden loslassen. Sie würden ihr ein sehr detailliertes Schulungshandbuch an die Hand geben.

Genau diese Philosophie unterscheidet echte agentische Software von generischen KI-Funktionen. Das LLM – egal, ob es auf OpenAI, Claude oder einer Salesforce basiert – ist lediglich die generische Engine. Das eigentliche geistige Eigentum liegt im „Treiber“. Dabei handelt es sich um vorgefertigte Skill-Vorlagen, spezifische Aktionen und die tief verankerte Ad-Tech-Logik, die eine generische Engine in einen äußerst kompetenten Medienvertriebsassistenten verwandelt.

Wenn man eine leistungsstarke generische Engine mit einem umfassend trainierten, domänenspezifischen Treiber kombiniert, erhält man spezialisierte KI-Agenten, die in der Lage sind, tatsächlich umsatzsteigernde Aufgaben auszuführen. Sie beschränken sich nicht nur darauf, Fragen zu beantworten.

Agent-to-Agent (A2A)-Handel ist der neue Standard

Derzeit ist der Medieneinkauf ein Prozess, bei dem es zu Reibungspunkten zwischen Mensch und Software kommt.

Ein Media-Einkäufer erhält ein Briefing. Er meldet sich bei einer Plattform an. Er sucht manuell nach Werbeflächen. Er exportiert eine Tabelle. Er schickt eine E-Mail an einen Publisher. Der Vertriebsmitarbeiter des Publishern öffnet die E-Mail, lädt das PDF-Briefing herunter, gibt die Daten manuell in sein Auftragsmanagementsystem (OMS) ein, prüft die Werbeplätze, exportiert ein neues PDF und sendet es per E-Mail zurück. Das ist unglaublich ineffizient. Selbst während die Ausgaben programmatic auf Hunderte von Milliarden steigen, werden direkte und garantierte Premium-Deals immer noch durch manuelle Dateneingaben ausgebremst.

An dieser Stelle kommt die konträre Sichtweise auf die Zukunft der agentenbasierten Werbung ins Spiel. Die Branche geht davon aus, dass KI lediglich ein Werkzeug sein wird, mit dem Menschen schneller auf Schaltflächen klicken können. Falsch. Die Zukunft besteht darin, dass KI die menschliche Schnittstelle vollständig umgeht.

Willkommen beim Agent-to-Agent (A2A)-Handel.

Stellen Sie sich folgendes Szenario vor: Ein menschlicher Auftraggeber verfasst ein Briefing im Klartext: „Ich möchte UK Monat männliche Sportfans in UK erreichen, ausschließlich per Video, Budget: 50.000 Dollar.“

Anstatt dass sich ein Mensch bei einer SSP anmeldet, sendet der KI-Agent des Käufers sofort eine Anfrage an den KI-Verkäuferagenten des Publishers. Die Kommunikation erfolgt über ein offenes Protokoll – wobei die Benutzeroberfläche vollständig umgangen wird. Der Verkäuferagent prüft sofort die Verfügbarkeiten in Echtzeit, wendet die für diese bestimmte Agentur ausgehandelte Preisliste an, erstellt einen konformen Medienplan und sendet eine Antwort an den Käuferagenten zurück.

Eine komplexe, mehrtägige Verhandlung, reduziert auf drei Sekunden Dialog zwischen Maschinen.

Das ist keine Science-Fiction. Es basiert auf standardisierten, offenen Protokollen. Konkret handelt es sich um das Ad Context Protocol (AdCP), das auf dem Model Context Protocol (MCP) aufbaut. Diese Infrastruktur macht das Inventar der Publisher, die Buchungsabläufe und die Finanznachverfolgung für externe KI-Einkaufsagenten zugänglich. Dadurch werden Werbetransaktionen vollständig maschinenlesbar.

Agenten können bestimmte, standardisierte Aufgaben ausführen. Dies geschieht programmgesteuert, wodurch komplexe Geschäftsprozesse nahtlos über einen API abgewickelt werden.

Spezialisierung auf den gesamten Trichter: Sie brauchen eine ganze Armee von Experten

Sie wollen nicht, dass eine einzige, allmächtige KI versucht, Ihr gesamtes Medienunternehmen zu leiten. Sie wollen spezialisierte Experten.

Genauso wenig, wie Sie Ihren besten Kundenbetreuer für Großkunden bitten würden, Tags im Google Ad Manager manuell zu verwalten, sollten Sie eine allgemeine KI damit beauftragen, sowohl vorausschauende Umsatzprognosen zu erstellen als auch Kampagnen eigenständig zu erstellen.

Die Zukunft der agentenbasierten Werbung erfordert eine Strategie, die auf eigenständigen, spezialisierten Agenten basiert, die über den gesamten Arbeitsablauf im Medienbereich hinweg eingesetzt werden.

Der Makler des Verkäufers

Medienverkäufer verbringen unglaublich viel Zeit mit der manuellen Dateneingabe. Sie erhalten unübersichtliche, unstrukturierte Kampagnenbriefings im PDF-Format von Agenturen und wandeln diese manuell in strukturierte Medienkampagnen um.

Ein spezialisierter Verkäufer-Agent beseitigt dieses Problem. Sobald ein PDF-Briefing hochgeladen wird, macht sich der autonome Agent sofort an die Arbeit, ohne dass Sie eigens ein Chat-Fenster öffnen und ihn darum bitten müssen. Er extrahiert die Angaben zum Werbetreibenden, das Budget, die konkreten Ziele, die Schalttermine und die Zielgruppe. Anschließend gleicht er diese unstrukturierten Daten mit Ihrem gesamten Produktkatalog ab – selbst wenn dieser Katalog 30.000 verschiedene Anzeigenpreise enthält.

Es wendet die korrekte Preislistenlogik an. Es generiert eine vollständige Medienkampagne. Es kann Kampagnen mit über 100 verschiedenen Elementen in einem einzigen, asynchronen Vorgang generieren.

Der Bestandsverwalter

Nichts bringt ein Geschäft schneller zum Scheitern als das Versprechen von Werbeplatz, den man gar nicht hat. Ein „Inventory Agent“ ist ausschließlich auf die Verfügbarkeit in Echtzeit spezialisiert. Er ist zwischen Ihrem CRM und Ihren Ad-Servern (sei es Google Ad Manager, FreeWheel oder Xandr) angesiedelt. Er überprüft selbstständig die Verfügbarkeit und verwaltet die Übermittlung an die Ad-Server, um sicherzustellen, dass das, was der „Seller Agent“ erstellt, auch tatsächlich ausgeliefert werden kann.

Der Sales-Enablement-Agent

Vertriebsmitarbeiter benötigen Hintergrundinformationen, bevor sie in ein Gespräch gehen. Ein Sales-Enablement-Agent fungiert als hochqualifizierter Rechercheur. Er analysiert kontinuierlich Kundenkonten, ermittelt Risikobewertungen, erstellt Zusammenfassungen der Kundeninformationen und macht auf Auffälligkeiten bei den Medienausgaben aufmerksam. Wenn die Ausgaben einer Agentur im Vergleich zum Vorquartal um 20 % sinken, macht der Agent diese Erkenntnis eigenständig sichtbar.

Die Kluft zwischen Kreativabteilung und Einkauf überbrücken

Medienplanung und kreative Produktion waren in der Vergangenheit völlig voneinander getrennte Bereiche.

Der Media-Einkäufer entscheidet, wo die Anzeige geschaltet werden soll. Die Kreativagentur legt fest, wie die Anzeige aussehen soll. Die Überbrückung dieser Kluft ist in der Regel mit endlosen E-Mail-Ketten, fehlenden Assets und verzögerten Kampagnenstarts verbunden. Und wenn man es mit unübersichtlichen SSP-Umgebungen und engen Terminen zu tun hat, sind kreative Reibungsverluste ein enormes Risiko.

Agentische Werbung baut diese Abschottung aktiv ab.

Da Agenten Aktionen in integrierten Systemen auslösen können, verlagert sich der kreative Produktionsprozess direkt in den Kampagnen-Workflow. Durch die Integration mit KI-basierten Plattformen zur Videogenerierung wie Waymark können Agenten nun eigenständig hochwertige Videoinhalte direkt aus dem Kampagnenelement heraus erstellen.

Sie müssen die Plattform nicht mehr verlassen. Sie müssen nicht mehr drei Wochen warten, bis ein Kreativstudio die Größe eines Assets angepasst hat. Der Agent liest die Kampagnenparameter ein, ruft die integrierte Kreativ-KI auf, generiert das Video-Asset, speichert es im Medienplan und ordnet es der Kampagne zu.

Planung, Produktion und Ausführung finden alle innerhalb einer einzigen, fortlaufenden Handlungsschleife statt.

Sicherheit, Architektur und die Anforderung an die Mandantenfähigkeit

Sprechen wir das Thema an, das alle beschäftigt: Sicherheit.

Autonomen Agenten die Möglichkeit zu geben, Ihre Daten auszulesen, Kampagnen zu erstellen und mit externen Käufermaklern zu verhandeln, klingt nach einem Albtraum in Sachen Compliance. Und genau das ist es auch – wenn man es falsch umsetzt.

Jeder Ad-Tech-Anbieter, der versucht, Ihnen eine „On-Premise“-KI-Installation zu verkaufen, verkauft Ihnen damit ein enormes Sicherheitsrisiko. On-Premise-Lösungen können mit der rasanten Weiterentwicklung der Grundmodelle einfach nicht Schritt halten.

Die einzige Architektur, die den agentischen Wandel übersteht, ist echte SaaS-Mandantenfähigkeit.

Sie benötigen eine Umgebung, in der die Engine ständig aktualisiert wird, die Daten jedoch streng voneinander isoliert bleiben. Aus diesem Grund ist es unerlässlich, auf einem robusten Sicherheitsframework – wie der Salesforce – aufzubauen.

Ein Agent sollte niemals Root-Zugriff auf Ihre gesamte Datenbank haben. Er muss sich strikt an den Sicherheitskontext des authentifizierten Benutzers halten. Wenn ein menschlicher Vertriebsmitarbeiter einen bestimmten Finanzdatensatz aufgrund von Rollenhierarchien oder unternehmensweiten Standardeinstellungen (OWD) über die Standard-Benutzeroberfläche nicht einsehen kann, darf auch der Agent grundsätzlich keinen Zugriff darauf haben.

Datenisolierung ist nicht nur ein nettes Extra. Sie ist die zentrale Voraussetzung für den Handel zwischen Maklern. Wenn Ihr Verkäufermakler mit einem externen Käufermakler verhandelt, benötigen Sie absolute kryptografische Gewissheit, dass der Verkäufermakler nicht versehentlich Ihre vertraulichen Mindestpreise oder den Medienplan eines Mitbewerbers preisgibt. Eine auf Sicherheit ausgerichtete Maklerarchitektur ist der einzige Weg, wie dieses Ökosystem skalierbar ist.

Den Boom im Bereich Retail meistern

Der Wandel hin zu agentischen Geschäftsmodellen vollzieht sich nicht nur im traditionellen digitalen Verlagswesen. Er verändert auch retail grundlegend.

Einzelhändler erkennen plötzlich, dass der Betrieb eines Werbenetzwerks unglaublich komplex ist. Die Verwaltung der Ausgaben über mehrere Marktplätze hinweg erfordert eine zentrale Informationsquelle, um die Finanzen abzustimmen und die Kampagnen transparent zu machen. Während die Branche eilig versucht, retail zu standardisieren, brechen manuelle Arbeitsabläufe unter dem Druck zusammen.

Denken Sie an komplexe Integrationen mit Plattformen wie Topsort. Ein Einzelhändler muss sein Wallet-Management abstimmen, Lieferdaten importieren und das Versandtempo steuern. Derzeit erfordert dies noch menschliche Überwachung. Doch die Zukunft der autonomen Systeme sieht ganz anders aus.

Durch die Nutzung retail wird das OMS zum ultimativen System für die Kampagnenerstellung. Zukünftige Mitarbeiter werden nicht mehr nur Daten importieren, die dann von Menschen überprüft werden müssen. Sie werden Kampagnen autonom verwalten, Targeting-Parameter auf der Grundlage vorausschauender KI-Erkenntnisse anpassen und Gebotsanpassungen in Echtzeit direkt über die zentrale Plattform vornehmen.

Der Agent fungiert als zentrales Steuerungszentrum und koordiniert komplexe retail Ausgaben auf einem Dutzend unterschiedlicher Marktplätze gleichzeitig.

Die drei Bereiche der Intelligenz

Um diese Vision erfolgreich umzusetzen, dürfen Medienunternehmen KI nicht länger als ein einziges, monolithisches Feature betrachten. Sie müssen ihre Technologiestrategie in drei verschiedene Bereiche unterteilen.

1. Unterstützende KI: Das sind Ihre „Human-in-the-Loop“-Co-Piloten. Die Tools, die einem Menschen dabei helfen, eine E-Mail zu verfassen, einen langen Thread zusammenzufassen oder ein Dokument zu formatieren. Sie sind hilfreich, verändern aber die Unit Economics nicht grundlegend.
2. Agentische KI: Dies ist die Ebene der autonomen Aufgabenausführung. Die Verkäufer-Agenten, die Kampagnen mit 100 Zeilen erstellen. Die Bestands-Agenten, die die Verfügbarkeit prüfen. Die Systeme, die AdCP-Protokolle ausführen, um mit externer Software zu verhandeln. Hier wird eine enorme operative Effizienz freigesetzt.
3. Prädiktive KI: Hierbei handelt es sich um die auf Prognosen ausgerichtete Ebene des maschinellen Lernens. Sie analysiert historische Daten, um den Erfolg von Medienkampagnen vorherzusagen, künftige Umsätze zu prognostizieren und potenzielle Kundenabwanderungen zu erkennen, bevor diese eintreten.

Der Großteil der Branche ist auf den ersten Bereich fixiert. Die klügsten Unternehmen bauen hingegen die Infrastruktur für den zweiten Bereich auf. Und sie nutzen die riesigen Datensätze, die im zweiten Bereich generiert werden, um den dritten Bereich zu trainieren.

Die Ökonomie der Autonomie

Was passiert, wenn man die manuellen Reibungsverluste im Medienbetrieb beseitigt? Die Unit Economics verändern sich grundlegend.

Wenn ein Direktvertriebsteam derzeit aufgrund des enormen Verwaltungsaufwands durch PDF-Dateien, E-Mails und Dateneingabe höchstens 50 aktive Kampagnen pro Vertriebsmitarbeiter verwalten kann – was passiert dann, wenn dieser Aufwand auf null sinkt?

Wenn ein spezialisierter Mitarbeiter die Übersetzung des Briefings, die Bestandsprüfung, die Anwendung der Preisliste und die Erstellung kreativer Inhalte übernimmt, steigt die Leistungsfähigkeit dieses Vertriebsmitarbeiters nicht nur um 10 %. Sie lässt sich unbegrenzt skalieren. Er ist nicht mehr nur ein Software-Administrator, sondern wird zu einem echten strategischen Berater für seine Markenpartner.

Darüber hinaus bedeutet die Einführung von Agent-to-Agent-Protokollen, dass erstklassige Direktinventare mit genau derselben Geschwindigkeit und programmatic wie auf der offenen Börse gehandelt werden können – jedoch ohne die Ad-Tech-Gebühren der SSP/DSP-Zwischenhändler.

Das Premium-Inventar internetoffenen internetsteht automatisierten Einkaufsagenten sofort zur Verfügung, während der Publisher die vollständige Kontrolle über Preisgestaltung, Daten und direkte Geschäftsbeziehungen behält.

Hören Sie auf, sich auf Copiloten vorzubereiten. Setzen Sie stattdessen auf Agenten.

Die Zeiten, in denen man sich bei einer Software anmelden muss, um seine Arbeit zu erledigen, neigen sich dem Ende zu.

Wenn Ihre aktuelle Ad-Tech-Roadmap darauf ausgerichtet ist, Ihre bestehenden manuellen Schnittstellen um etwas bessere Chatbots zu ergänzen, entwickeln Sie Lösungen für eine Zukunft, die bereits überholt ist. Der Markt sucht nicht nach einem etwas höflicheren KI-Assistenten. Er sucht nach autonomer Ausführung.

Es ist an der Zeit, kritische Fragen zu Ihrer Infrastruktur zu stellen. Sind Ihre Anzeigenabläufe derzeit maschinenlesbar? Wird Ihr Inventar so bereitgestellt, dass ein externer KI-Einkaufsagent es tatsächlich finden und buchen kann? Sorgt Ihr Technologie-Stack für strenge Sicherheitsberechtigungen auf Objektebene, wenn autonome Skripte ausgeführt werden?

Wenn die Antwort „Nein“ lautet, haben Sie ein massives strukturelles Defizit. Die Zukunft der agentenbasierten Werbung wartet nicht darauf, dass die Menschen aufholen. Die Agenten kommunizieren bereits miteinander. Werden Sie ihnen einen Platz am Tisch einräumen, oder werden Sie Ihre Medienpläne weiterhin manuell eintippen?