Agentische KI wird oft als Erweiterung von Big Data dargestellt. Aber das ist irreführend, denn Agenten arbeiten nicht gut mit rohen, unstrukturierten Datensätzen. Ohne den passenden Kontext interpretieren sie Daten nicht wirklich. Sie arbeiten mit Annäherungen. Und genau das führt in der Werbung schnell zu uneinheitlichen Ergebnissen und ineffizienten Kampagnen.

Es geht also weniger um die Datenmenge: wichtiger ist, wie Daten strukturiert, übersetzt und nutzbar gemacht werden. Gut strukturierte Datensätze können von Agenten effizient verarbeitet werden. Ohne die richtige Kontextebene werden aber auch umfangreiche Datenmengen schwer nutzbar. Es braucht eine Ebene, die Rohdaten mit Geschäftslogik verbindet. Erst dadurch bekommen Agenten den Kontext, den sie für verlässliche Entscheidungen brauchen. Viele aktuelle Ansätze zeigen genau an diesem Punkt Schwächen. Wenn man mehr Daten in ein System gibt, verbessert das nicht automatisch die Leistung. Häufig verstärkt das nur das Rauschen.

Digitale Werbung wurde lange um Schnittstellen herum gebaut, die von Menschen bedient werden: Dashboards, DSPs, Reporting-Tools. Agentische Systeme funktionieren anders. Nutzer können ein Ziel in natürlicher Sprache formulieren und die Systeme übersetzen es dann in Zielgruppenauswahl, Mediaplanung und Aktivierung.

Dadurch wird die klassische Trennung zwischen Planung und Ausführung fließender. Systeme bewegen sich weg von linearen Arbeitsabläufen und hin zu laufender Entscheidungsfindung. Was früher mehrere Schritte über verschiedene Teams hinweg erforderte, kann heute ausgehend von einem klar definierten Ziel in einem einzigen Ablauf verarbeitet werden.

Damit bewegt sich die Entscheidungsfindung weg von manuellen Eingaben und der Navigation durch Benutzeroberflächen. Die Steuerung des gesamten Ablaufs wird entscheidender. Die Aufgabe besteht dann nicht mehr darin, Tools zu bedienen, sondern Ergebnisse zu steuern.

Auch die Interaktion zwischen Unternehmen entwickelt sich bereits weiter. Neue Frameworks und Integrationen ermöglichen es Agenten auf Agenturseite, direkt mit den Systemen von Ad-Tech-Plattformen zu interagieren. So können sie Zielgruppen definieren, Kampagnen aktivieren und die Performance optimieren.

Das nimmt Menschen nicht komplett aus dem Prozess, verändert aber ihre Rolle. Sie bedienen nicht mehr nur Tools, sondern definieren Ziele, Rahmenbedingungen und die Strategie.

Damit dieser Übergang gelingt, entsteht eine neue Art von Infrastruktur. Model-Context-Protocol-Server, kurz MCP-Server, dienen als standardisierte Zugangspunkte zu Daten und Funktionen. In einer agentischen Umgebung sind sie nicht nur technische Verbindungen. Sie werden zur Schnittstelle, über die Systeme Partner finden, bewerten und aktivieren.

MCP verändert sowohl den Zugriff auf Daten als auch die Art, wie Beziehungen zwischen Partnern strukturiert werden. Statt auf vorher festgelegte Abfragen angewiesen zu sein, können Agenten verfügbare Ressourcen dynamisch durchsuchen. Sie wählen und kombinieren Daten auf Basis des jeweiligen Kontextes, nicht nach starren Eingaben.

Dieses Modell hat auch kommerzielle Auswirkungen. Wenn Agenturen mehrere Partner über ihre eigenen Systeme steuern, erhalten sie mehr Kontrolle darüber, wie ein Angebot bewertet, ausgewählt und aktiviert wird. Dadurch verschiebt sich ein Teil der Entscheidungsmacht weg von einzelnen Plattformen hin zu denen, die die Steuerungsebene kontrollieren.

Frameworks wie AdCP oder AAMP sollen solche Interaktionen strukturieren. Noch ist aber offen, wie stark sich das Ökosystem standardisieren wird und wie viel Fragmentierung erhalten bleibt. Unabhängig davon, ob MCP vollständig standardisiert wird oder nicht: Es wird als neue Interaktionsebene zwischen Käufern und Verkäufern funktionieren.

Es besteht die Sorge, dass Daten austauschbarer werden, sobald sie für Agenten leichter zugänglich sind. Aber das Gegenteil ist wahrscheinlicher. Agenten beschleunigen Vergleich und Bewertung. Dadurch lassen sich unbedeutende oder generische Daten leichter aussortieren. Übrig bleiben Daten, die einen verlässlich messbaren Wert liefern.

Agentische Systeme belohnen Qualität stärker als bloße Verfügbarkeit. Daten, die früher genutzt wurden, weil sie leicht zugänglich waren, können an Bedeutung verlieren. Daten, die klar unterscheidbar, gut strukturiert und im richtigen Kontext sinnvoll sind, werden sichtbarer und wertvoller.

Für Adtech-Unternehmen und Agenturen bedeutet die Umstellung keinen vollständigen Neubau. Es braucht aber klare Prioritäten.

1. Semantische Ebene aufbauen

Bevor KI-Funktionen ergänzt werden, müssen Daten so strukturiert sein, dass Signale mit geschäftlicher Bedeutung verbunden werden. Ohne diese Ebene liefern Agenten keine verlässlichen Ergebnisse.

2. Zugriff auf Daten neu denken

Klassische APIs setzen voraus, dass der Nutzer weiß, wonach er fragen muss. Agentische Systeme brauchen Ebenen wie MCP, damit Daten im jeweiligen Kontext direkt nutzbar werden.

3. MCP als strategische Ebene behandeln

Ob über eigene Ansätze oder über Standards: MCP wird zu einer zentralen Schnittstelle für Aktivierung. Deshalb sollte es nicht nur als Infrastruktur betrachtet werden, sondern auch als Teil der kommerziellen Strategie.

4. Verbindungen priorisieren, nicht Größe

Jede Integration verursacht Aufwand. Es ist weder realistisch noch effizient, sich mit Hunderten Partnern zu verbinden. Wichtiger sind hochwertige Integrationen, die eigenständig und zuverlässig arbeiten können.

5. Tatsächliche Nutzung und Ergebnisse messen

Agentische Systeme brauchen laufende Weiterentwicklung. Dafür müssen Unternehmen verstehen, wie diese Systeme genutzt werden und wie gut die Ergebnisse funktionieren. Nur so lassen sie sich mit der Zeit verbessern.

Der Wechsel zu agentischen Systemen wird nicht auf einmal passieren. Viele Bausteine dafür sind aber bereits vorhanden. Wenn die Nutzung zunimmt, werden jene Unternehmen besser aufgestellt sein, die ihre Daten nicht nur speichern, sondern mit Kontext nutzbar machen. Sie können sich leichter integrieren, besser zusammenarbeiten und stärker konkurrieren. Der Übergang ist keine Theorie mehr. Er verändert bereits, wie Werbung geplant, gesteuert und umgesetzt wird.