Während im inneren programmatischen Maschinenraum tatsächlich quasi autonom in Millisekunden und parallel unzählige Auktionen abgewickelt und ebenso automatisiert die passenden Werbemittel ausgespielt werden, braucht es Expertinnen und Experten an den Dashboards der Demand-Side- und Supply-Side-Plattformen, die wie Rennpiloten Kampagnen auf der Spur halten. Es werden händisch Kampagnenparameter gesetzt: Laufzeit, Budget, Anzahl geplanter Impressions, Deals, Inventare und passendes Targeting der unterschiedlichsten Anbieter selektiert.

Die nächste logische Entwicklungsstufe ist die Automatisierung unserer „Rennpiloten“, der Kampagnenmanager und Trader. KI-gestützte Agenten übernehmen den Prozess der Auswahl von sinnvollen Inventaren, der Budgetallokation, des Pacings, der Verteilung von Werbemitteln und der Auswahl der passenden Targetings.

Agentic bedeutet in diesem Kontext nicht primär die Eingabe eines Prompts in natürlicher Sprache. Der Kern ist die darauffolgende autonome Ausführung. Der Mensch formuliert sein Ziel: „Eine Kampagne rund um die Black Week für Produkt XY, hier die Werbemittel, du darfst 20.000 € ausgeben.“

Die KI stellt daraufhin eigenständig Anfragen an Publisher, welche Angebote verfügbar sind, macht Vorschläge zur Budgetverteilung und findet passende Targeting-Segmente. Der Mensch verschwindet dabei nicht, sondern rückt in der Hierarchie an die erste Stelle im Kommandostand des Rennstalls: Er definiert Ziele, Governance und Freigaben, während der Agent die Ausführung auf der Strecke autonom übernimmt.

Doch genau hier stehen wir oft noch in der Boxengasse und erkennen die wahren Möglichkeiten nicht. Ergibt eine Kategorienbildung von Inventaren zur Komplexitätsreduktion für den menschlichen Kampagnenmanager ebenso Sinn wie eine Auswahl an Taxonomien oder vorbestimmten Targetingkategorien, blenden wir das wahre Potenzial von Agentic völlig aus.

Wenn eine KI aus einer Auswahl vorgegebener Taxonomien schlicht die passendsten heraussucht, bleibt es ein unscharfer Proxy für das, was eigentlich erreicht werden soll. Ein Stieleis, egal von welcher Marke, teilt sich mit allen Konkurrenten ein und dasselbe Targeting wie „Dessert“ oder „Snack“. Dasselbe passiert auf der Publisher- und Broadcaster-Seite. In sich hoch unterschiedliche Formate teilen sich dieselben unscharfen Kategorien.

Der Fastfood-Check fällt dabei ebenso in „Snack“ wie „Die Ernährungs-Docs“ oder „Kitchen Impossible“. Hier kombinieren wir Unschärfe mit Unschärfe: Da könnte eine völlig wahllose Ausspielung beinahe ähnlich genau treffen.

Hier besitzt das AdCP (Ad Context Protocol), das auch in der Lage ist, als Standard für den Austausch kontextueller Signale zu dienen, ein noch zu wenig ausgeschöpftes Potenzial. Die notwendigen Signale, die per AdCP genutzt werden können, für diese feingranulare Selektion gewinnt eine Kontext-KI aus der tiefgehenden inhaltlichen Echtzeitanalyse jedes einzelnen Publisher-Inhalts. Oder einfach zusammengefasst: So können KI-handverlesene Umfelder präzise und in quasi Echtzeit für jede Kampagnenanforderung zusammengestellt werden. Quasi ein Umfeld-Cherrypicking at scale.

Damit das gelingt, darf das AdCP keine Insellösung bleiben. Es muss als Teil eines vom BVDW skizzierten modularen Klemmbaustein-Systems (Brix-Modell) agieren. In diesem Ökosystem greifen verschiedene Standards nahtlos ineinander: Das Model Context Protocol (MCP) bildet die Basis und standardisiert die Zugriffe der KI auf Tools und Daten. Das Agentic Real Time Framework (ARTF) ermöglicht es Agenten, den Bidstream durch Mutationsvorschläge im laufenden Prozess zu prüfen und anzupassen, während OpenRTB nach wie vor als Protokollstandard die eigentlichen Transaktionsobjekte definiert und abwickelt. Die Lieferanten der Bausteine reagieren dabei über direkte Agent-to-Agent-Kommunikation (A2A) individuell auf Briefings und erstellen maßgeschneiderte Angebote.

KI kann die wahren Anforderungen eines Briefings verstehen: welche Motive ein Inhalt anspricht und welche nicht. Erst durch diese Granularität wird AdCP zum echten Programmatic-Rennwagen. Doch Agentic Media Buying skaliert nicht durch Technologie allein; es braucht branchenweite Standards und eine Governance, die festlegt, worüber ein Agent entscheiden darf, beispielsweise harte Budgetgrenzen, strikte Brand-Safety-Vorgaben oder den Ausschluss bestimmter Publisher. Nur so gelingt der nächste Schritt, statt beim Versuch stehenzubleiben, ein altes Rennpferd maximal zu dopen.