ADZINE: Alexandra, im Targeting haben wir heute einen bunten Strauß an IDs, Kontext, First Party-Daten, Geo und weiteren Signalen. Ist das Problem überhaupt noch, dass wir kein Signal haben, oder eher, dass wir uns für das richtige Signal beziehungsweise die richtigen entscheiden müssen?

Alexandra Doll: Das Problem ist heute weniger ein Mangel an Signalen. Der eigentliche Kniff liegt darin, verfügbare Signale zu erkennen, ihre Qualität zu bewerten und sie abhängig von Situation und Kampagnenziel richtig zu gewichten. Die Signalstrategie muss vor allem so aufgesetzt werden, dass sie auch in der Breite funktioniert.

Dabei gibt es aus meiner Sicht nicht das eine Signal, das grundsätzlich allen anderen überlegen ist. Eine ID kann in bestimmten Situationen sehr wertvoll sein, stößt aber durch begrenzte Match Rates an natürliche Grenzen. Gleichzeitig wird Kontext immer vielschichtiger. Emotional Targeting analysiert zum Beispiel zusätzlich die emotionale Tonalität und Stimmung eines Contents und spielt Werbung emotional passend aus. Das ist relevant, weil ein und dasselbe Thema in völlig unterschiedlichen emotionalen Kontexten stattfinden kann. Ein Artikel übers Reisen kann beispielsweise Vorfreude und Inspiration auslösen, ein ähnlicher Frustration oder Unsicherheit. Für eine Marke sind das zwei sehr unterschiedliche Momente, obwohl das klassische Kontextsignal „Reisen“ zunächst dasselbe ist.

ADZINE: Du sagst, dass Targeting vor allem skalieren muss. Aber was bedeutet Skalierung eigentlich? Möglichst viele adressierbare Nutzer?

Doll: Nicht nur. Enorme Reichweite bringt wenig, wenn dabei Relevanz verloren geht. Wenn ich umgekehrt ein Targeting-Modell habe, das sehr präzise ist, aber nur einen kleinen Teil des Open Webs abdeckt, skaliert es auch nicht. Das ist beispielsweise eine Herausforderung bei rein ID-basierten Ansätzen: Match Rates begrenzen die tatsächlich verfügbare Reichweite. Gute Skalierung bedeutet deshalb, relevante Zielgruppen in ausreichender Größe mit gleichbleibender Qualität erreichen zu können. Dafür braucht es unterschiedliche Signale, die sich ergänzen. Je weniger abhängig ich von einem einzelnen Signal bin, desto robuster kann ich relevante Zielgruppen über Publisher, Umfelder und Devices hinweg erreichen.

ADZINE: Wie entscheidet man, welches Signal in welcher Situation mehr Gewicht bekommt? Und was passiert, wenn ID und Kontext einander widersprechen?

Doll: Das lässt sich nicht pauschal beantworten. Der Wert eines Signals hängt immer vom konkreten Use Case, der Kampagne und dem jeweiligen Moment ab. Eine ID kann beispielsweise besonders wertvoll sein, wenn ich eine bereits bekannte Zielgruppe sehr gezielt ansprechen oder First-Party-Daten aktivieren möchte. Kontext wiederum kann stärker sein, wenn der passende Werbemoment, Aufmerksamkeit oder Intention entscheidend ist. Daten, die mit einer ID verknüpft sind, sagen mir möglicherweise viel darüber, wer jemand ist oder wofür sich die Person in der Vergangenheit interessiert hat. Der Kontext kann mir dagegen sagen, was sie genau jetzt beschäftigt und in welchem emotionalen Umfeld sie sich befindet.

Ein Targeting-System sollte daher nicht nach einer starren Regel funktionieren, nach dem Motto: „ID schlägt Kontext“ oder umgekehrt. Entscheidend ist, welches Signal in dieser konkreten Situation die höhere Aussagekraft für das Kampagnenziel hat. Hier liegt die Stärke eines intelligenten, KI-basierten Ansatzes. KI-Modelle können Signale und ihren jeweiligen Beitrag zur erwarteten Kampagnenperformance interpretieren und anhand dessen priorisieren, welches die höchste Relevanz erzeugt. Das Modell lernt das aus den Ergebnissen selbst, mit dem Kampagnenziel als Referenzpunkt. Über viele Impressions hinweg sieht es, welche Signalkombinationen wirklich auf das Ziel einzahlen und welche nicht. Im Laufe der Zeit entsteht so ein Bild davon, wann Kontext eine ID übertrifft. Signale, die verlässlich bessere Ergebnisse vorhersagen, bekommen mehr Gewicht, und weil das Lernen während der laufenden Kampagne weitergeht, passt sich die Gewichtung laufend an.

ADZINE: Je mehr Signale in eine Mediaentscheidung einfließen, desto komplexer wird sie. Können Werbetreibende überhaupt noch nachvollziehen, warum eine bestimmte Impression gekauft wurde?

Doll: Das ist eine der zentralen Herausforderungen. Für Werbetreibende ist Transparenz auf der richtigen Ebene entscheidend. Sie müssen nicht für jede Impression nachvollziehen können, ob Kontext, Geo oder ein anderes Signal zu 27 Prozent ausschlaggebend war. Aber Marketer sollten jederzeit verstehen können, auf welcher Grundlage Entscheidungen getroffen werden und ob diese Entscheidungen nachweislich zum Kampagnenziel beitragen. Dazu gehört, welche Signale eingesetzt werden, warum sie für das Kampagnenziel relevant sind und welchen messbaren Beitrag sie zur Performance leisten. KI verändert hier auch unser Verständnis von Kontrolle: Statt manuell tausende von Regeln festzulegen, geht es künftig um klar definierte Ziele, Leitplanken und messbare Ergebnisse.

ADZINE: Lässt sich im Nachhinein messen, welchen zusätzlichen Beitrag ein einzelnes Signal für die Kampagne geleistet hat? Oder weiß man nur, dass der gesamte Mix funktioniert hat?

Doll: Grundsätzlich lässt sich das messen. Es ist aber nicht sinnvoll, im Nachhinein einfach jedem Signal einen festen Anteil am Erfolg zuzuschreiben. Signale wirken häufig zusammen und korrelieren miteinander. Eine ID und ein passender Kontext können beispielsweise gemeinsam stärker sein als jedes Signal für sich. Deshalb ist Incrementality aus meiner Sicht der entscheidende Ansatz: Was passiert mit Reichweite, Qualität oder Kampagnenperformance, wenn ich ein bestimmtes Signal hinzufüge oder herausnehme? Über kontrollierte A/B-Tests lässt sich dieser zusätzliche Beitrag isolieren und quantifizieren. Wenn ein zusätzliches Signal keinen messbaren Uplift erzeugt, erhöht es möglicherweise nur die Komplexität ohne echten Mehrwert. Werbetreibende sollten deshalb sowohl den gesamten Signal-Mix als auch den inkrementellen Wert einzelner Signale und Kombinationen betrachten.

ADZINE: Technologien könnten Signale zunehmend selbst gewichten und Zielgruppen während einer Kampagne dynamisch bilden. Wie viel Zielgruppendefinition muss dann eigentlich noch vor Kampagnenstart stattfinden?

Doll: Wir müssen uns von der Vorstellung verabschieden, dass eine Zielgruppe vor Kampagnenstart bis ins letzte Detail definiert und anschließend nur noch „abgearbeitet“ wird. Je besser Technologien darin werden, Signale in Echtzeit zu bewerten, desto stärker kann sich die konkrete Zielgruppe während einer Kampagne dynamisch entwickeln. Das bedeutet aber nicht, dass die Zielgruppendefinition vorab verschwindet. Werbetreibende definieren weiterhin, wen sie grundsätzlich erreichen möchten, welches Kampagnenziel verfolgt wird, welche Botschaft relevant ist und welche Grenzen gelten. Innerhalb dieses Rahmens kann die Technologie dann kontinuierlich lernen, welche Kombination aus Nutzer:innen, Kontexten und Signalen tatsächlich die besten Ergebnisse liefert.

Damit reduzieren wir auch die Gefahr, Zielgruppen durch zu viele Annahmen bereits vor Kampagnenstart unnötig einzuschränken. Denn manchmal entdeckt das System noch während der Kampagne relevante Zielgruppen oder Nutzungssituationen, die in der ursprünglichen Planung gar nicht vorgesehen waren. Die menschliche Entscheidung bleibt wichtig, aber sie findet nun stärker auf strategischer Ebene statt.

ADZINE: Danke für das Gespräch, Alexandra!