In vielen Adtech-Strukturen war Automatisierung lange Zeit an feste Regeln gebunden. Der aktuelle KI-Einsatz verändert dies: „KI wird in der Adtech-Welt dort eingesetzt, wo bisher starre Regelwerke das operative Rückgrat bildeten“, erklärt Thomas Servatius von der RTL-Tochter Smartclip. Besonders sichtbar sei das in der Kampagnenplanung. „Die Beschreibung von Werbezielen und Zielgruppen erfolgt in menschlicher Sprache und die Maschine übernimmt die Planung der Budgetallokation, der Inventare sowie das Kampagnen-Setup.“

Der Schwerpunkt liege derzeit klar auf der Buy-Side, jedoch werde an der Automatisierung der gesamten Media-Operations-Wertschöpfungskette gearbeitet. Servatius verweist zudem auf starke Investitionen in der Kreation. Die Automatisierung der Creative-Erstellung, A/B-Tests und die Priorisierung erfolgreicher Werbemittel gehören inzwischen zu den festen Einsatzgebieten der KI. Als nächster Entwicklungsschritt zeichne sich eine stärkere Automatisierung von Reporting, Analyse und Optimierung ab.

Auf der Sell-Side hat sich der KI-Einsatz ebenfalls deutlich verändert. Nicolas Poppitz von der kalifornischen Adtech-Plattform Pubmatic beschreibt den Wandel „von punktuellen Optimierungsansätzen hin zu einem tief integrierten Bestandteil des gesamten programmatischen Ökosystems“. Entscheidungen, die früher auf historischen Durchschnittswerten basierten, könnten heute deutlich granularer und in Echtzeit getroffen werden.

KI werde dabei etwa bei der Optimierung von Lieferwegen, der Preisfindung, der Sicherung von Traffic-Qualität oder bei Prognosen im Inventory-Management eingesetzt. Statt isolierter Einzelentscheidungen gehe es zunehmend darum, Nachfrage, Kontext und Performance zusammenzuführen.

Alen Nazarian vom Agentic-AI-Spezialisten Paistry betrachtet insbesondere Large Language Models als einen echten Einschnitt. „KI im Adtech ist nichts Neues, aber LLMs verändern Adtech nicht nur punktuell, sondern bringen einen echten Paradigmenwechsel.“ Ähnlich wie Servatius weist er darauf hin, dass sie nicht nur operative Aufgaben, sondern „ganze Prozesse wie Kampagnenplanung, Creative-Erstellung, Performance-Analyse und die Ableitung konkreter Maßnahmen“ übernehmen.

Nazarian lenkt das Hauptaugenmerk jedoch auf das Reporting. Dort könnten LLMs große Datenmengen schneller und kontextbezogener auswerten als bisherige Systeme. Allerdings sieht er eine deutliche Schere zwischen Märkten. Während viele Ansätze in den USA bereits produktiv genutzt würden, werde im DACH-Raum noch gezögert. Aus seiner Sicht liege die größere Hürde derzeit weniger in der Technologie selbst als im Mindset des Marktes. „Was fehlt, ist die Bereitschaft, sich wirklich auf die Technologie einzulassen.“

Trotz der anhaltenden Dynamik im Markt mahnt Thomas Servatius, KI als Allzwecklösung zu betrachten. Nicht jeder Prozess profitiert gleichermaßen von Automatisierung, das gilt besonders dort, wo Entscheidungen stark vom Kontext abhängen. An dieser Stelle unterscheiden sich klassische, regelbasierte Systeme von modernen KI-Ansätzen. „Etliche Workflow-Probleme lassen sich nicht mit regelbasierten Systemen lösen, da sie Kontextwissen benötigen, die sich nur schwer in starren Regeln ausdrücken lassen." KI könne hier jedoch helfen, indem sie Zusammenhänge erkennt und situativ Entscheidungen trifft oder mit Nutzern im Prozess interagiert.

Gleichzeitig warnt er davor, bestehende Verfahren zu unterschätzen. „Wir sollten nicht vergessen, dass es diverse Machine-Learning-Prozesse gibt, wie zum Beispiel Dynamic Creative Optimisation, Sequencing entlang der Customer Journey, Performance-Forecasting, Attribution und Fraud-Detection, die bereits lange im Einsatz sind.“ Der Mehrwert neuer KI-Ansätze liege vor allem darin, diese Verfahren erklärbarer zu machen und weiter zu verfeinern.

Nicolas Poppitz zieht ebenfalls Grenzen für die Automatisierung. „Weniger geeignet ist KI derzeit für kreative und strategische Entscheidungen – also dort, wo Markenverständnis, Kommunikation und Partnerschaften im Vordergrund stehen”. KI liefere Daten und Muster, doch “die Bewertung und Ableitung strategischer Schlüsse bleibt eine Aufgabe mit menschlichem Urteilsvermögen“. Dabei bekommt er Rückendeckung von Nazarian, der noch mehr als genug Aufgaben für menschliche Denkarbeit in der Werbung sieht. „Natürlich gibt es Grenzen. Markenführung, kreative Leitideen, Budgetverantwortung oder ethische Entscheidungen bleiben beim Menschen, weil Haltung, Verantwortung und Intuition gefragt sind”, so der Gründer.

Aus der Sicht von Thomas Servatius greife es jedoch zu kurz, KI ausschließlich innerhalb klassischer Adtech-Grenzen zu denken. KI müsse “den Adserver verlassen” und dazu beitragen, „die heute oft noch stark getrennten Welten, Sales, Ad Ops und Service besser miteinander zu verbinden“.

Nachdem KI heute weite Teile der operativen Prozesse prägt, richtet sich der Blick zunehmend auf die nächste Entwicklungsstufe: agentenbasierte Systeme. Laut der Adtech-Beraterin Rosa Markarian erleben wir derzeit “den Übergang zum Agentic Advertising, wobei KI-Agenten weniger eine plötzliche Revolution als vielmehr die konsequente Weiterentwicklung der Automatisierung darstellen.“ Dabei greife das Amara-Gesetz. “Wir überschätzen aktuell vermutlich die kurzfristigen Effekte, unterschätzen aber, wie grundlegend KI-Agenten die Prozesse in vielen Branchen langfristig tiefgreifend verändern werden.” Ihr Wunsch ist es, dass KI-Agenten künftig „zu den Moderatoren der Supply Chain werden“, kleinteilige Exekution übernehmen, Brand Safety verbessern und Mediapläne breiter aufstellen. „Das Ergebnis wäre eine Renaissance der Vielfalt und Open Media – mit mehr Relevanz für Nischen, mit deutlich weniger administrativem Overkill und besserer Kampagnenleistung.“

Für Agenturprofi Sven Wegholz von Publicis steht fest, dass der Markt bereits mitten in dieser Entwicklung steckt und auch technologisch zeichnen sich erste Ansätze ab. „Mit dem Ad Context Protocol (AdCP) gibt es bereits ein Anbieter-unabhängiges Protokoll, welches durch Agent-to-Agent-Kommunikation den Workflow im Media-Buying-Business vereinfachen und transparenter machen soll.“ Ergänzend habe der IAB mit dem Agentic RTB Framework einen weiteren Ansatz vorgestellt, „welches vor allem die Ausführung vereinfachen soll“.

Doch er verweist auf offene Fragen, etwa “wie eine Manipulation von Agenten ausgeschlossen werden kann?“ Ebenso offen sei, „welche Umfelder und Channels wir über diese Technologie integriert bekommen, um dann einen echten Omnichannel-Ansatz abzubilden“. Auch die Fragmentierung von Signalen bleibe eine Herausforderung. „Wenn wir diese Themen gelöst bekommen, dann kann es ein Game-Changer werden.“

Thomas Servatius lenkt den Blick erneut auf die Protokolle. “Sehr spannend ist auch die Diskussion um den zukünftigen Standard für Agentic Buying und Selling.“ In den USA werde das Thema derzeit massiv vorangetrieben. „Auch das IAB versucht sich daran und beide Initiativen wollen die Definitionshoheit gewinnen.“ Dabei gehe es um mehr als technische Detailfragen. „Mit Agentic AI steht eine vollständige Renovierung und Veränderung des Adtech-Ökosystems an, wo viele Player viel zu gewinnen und zu verlieren haben.“ Entsprechend intensiv gestalten sich die Diskussionen. „Momentan ist jeder, den wir kennen, dabei, darüber nachzudenken.“ Man solle trotzdem gelassen bleiben, meint Servatius. „Standards machen Sinn, aber wir sollten uns nicht von FOMO treiben lassen, sondern unsere Kunden sollen Herr ihrer eigenen Agenda und Prioritäten sein.“

Für den Media-Ein- und Verkauf kann Agentic Advertising eine Chance sein, wenn sich die Branche auf gemeinsame Standards verständigt. Wegholz sieht darin eine mögliche Win-win-Situation, sofern Prozesse verschlankt und Qualität gesichert werden.

Güldag Prange von The Trade Desk betont, dass agentische KI den Entscheidungsprozess unterstützen solle, nicht ersetzen. „Kunden haben die Möglichkeit, Ziele und Maßnahmen zu definieren, und KI wandelt komplexe Daten in klare Entscheidungen um.“ Transparenz und Kontrolle blieben dabei zentrale Voraussetzungen. „Ein Trader muss alles sehen und jederzeit anpassen und eingreifen können.“ Agentische KI dürfe eben nicht zur Blackbox werden.

„Künstliche Intelligenz ist heute kein Add-on mehr, sondern ein zentraler Bestandteil effizienter Adtech-Infrastrukturen“, fasst Nicolas Poppitz zusammen. Sie verändert sämtliche Prozesse in der Werbeindustrie. Effizienzgewinne sind dabei schnell erzielt. Ob KI in Adtech jedoch zu mehr Transparenz, Kontrolle und Vielfalt führt, entscheidet sich an der Frage, wer Standards setzt – und wer die Kontrolle behält.