KI-Agenten sind für die Ausführung bestimmter Aufgaben konzipiert und können unabhängig oder in Zusammenarbeit mit Menschen arbeiten. Sie können aus Erfahrungen lernen, sich an neue Situationen anpassen und ihre Leistung schrittweise verbessern. Während GenAI-Anwendungen wie ChatGPT in erster Linie wie Chatbots arbeiten, die vor allem Textantworten generieren, können KI-Agenten damit auch komplexere Aufgaben (teil-)autonom ausführen. Agentische Systeme erweitern die Automatisierung im Programmatic Advertising über Bidding und Kampagnenoptimierung hinaus auf Planung, Verhandlung, Setup und plattformübergreifende Steuerung.

Die Konsequenz für den Bereich Programmatic Advertising: Mit dem Advertising Context Protocol (AdCP) entsteht Hand in Hand mit dem Einsatz von KI-Agenten eine neue Infrastruktur-Ebene. AdCP ist vereinfacht gesagt eine gemeinsame Sprache für AI Agents im Advertising. Es soll ermöglichen, dass ein Buying Agent nicht für jede Werbeplattform eine eigene Schnittstelle braucht, sondern standardisiert mit unterschiedlichen Publisher-, Media-Sales-, Creative- und Data-Agents kommunizieren kann.

AdCP läutet damit im Programmatic Advertising einen Paradigmenwechsel von plattformzentriertem Media Buying hin zu agentenbasiertem Advertising ein. Statt dass Menschen Inventare, Zielgruppen, Formate und Preise über eine Vielzahl proprietärer Plattformen und Interfaces recherchieren und orchestrieren, können Buyer Agents und Seller Agents über einen standardisierten Protokoll-Layer miteinander kommunizieren. Der Prozess reicht dabei von der Inventory Discovery – also der maschinenlesbaren Frage, welche Werbeprodukte und Placements verfügbar sind – über Audience & Targeting, Media Planning und die Auswahl sinnvoller Kombinationen aus Inventar, Zielgruppe, Format und Budget bis hin zu Pricing & Buying, bei dem Angebote, Preise und Media Buys standardisiert ausgetauscht und angelegt werden können.

Darauf aufbauend können Creative Agents die Creatives und Anforderungen zwischen den beteiligten Systemen austauschen und perspektivisch teilweise automatisiert erzeugen, während Governance Agents Budgetgrenzen, Brand Safety, Compliance und andere Regeln vor der Ausführung prüfen. Anschließend können Agenten Kampagnen anlegen, verändern, optimieren und steuern und die daraus entstehenden Delivery-, Performance- und Outcome-Daten standardisiert an den Buyer Agent zurückspielen. Damit verschiebt sich Programmatic Advertising perspektivisch vom manuellen Bedienen einzelner Plattformen zur automatisierten, interoperablen Kommunikation und Zusammenarbeit spezialisierter Agents entlang der gesamten Wertschöpfungskette – von der ersten Anfrage bis zum Reporting.

Beispielsweise sagt ein Konsumgüterhersteller seinem Buyer AI Agent lediglich: „Erreiche in den nächsten vier Wochen 2 Mio. Frauen und Männer zwischen 25 und 54 Jahren mit hoher Affinität zu nachhaltigem Konsum, Budget 500.000 €, Brand-Safety-Level hoch.“ Der Agent fragt via AdCP automatisiert verschiedene Seller Agents ab: Welche Inventare sind verfügbar? Welche Zielgruppen können sie erreichen? Welche Formate und Preise gibt es? Anschließend kombiniert er Inventar, Audience, Format und Budget zu einem Mediaplan, holt Angebote ein, prüft Brand Safety und Budgetregeln, erzeugt beziehungsweise beschafft die benötigten Creatives, bucht die Kampagnen und überwacht die Auslieferung. Was heute ein Media-Team über DSPs, SSPs, Publisher-Portale und Excel orchestriert, wird perspektivisch zu einem Agent-2-Agent-Prozess.

Oder aber das Kampagnenbriefing wird direkt zum ausführbaren Auftrag. Lautet ein Briefing heute beispielsweise: „Launch unserer neuen E-Bike-Serie, 1 Mio. € Media-Budget, Zielgruppe 30–55, DACH, Launch am 1. Mai.“ Danach beginnt die operative Übersetzungsarbeit: Inventar suchen, Zielgruppen definieren, Angebote vergleichen, Kampagne planen, Creatives spezifizieren, Buchungen vornehmen und Reports zusammenführen. Mit AdCP kann daraus ein ausführbarer Auftrag an einen Buyer Agent werden. Der Agent zerlegt das Ziel selbstständig in Teilaufgaben, verhandelt beziehungsweise tauscht standardisierte Angebote mit Seller Agents aus, prüft die Kampagne gegen Governance-Regeln, startet die passenden Buys und erhält anschließend Delivery- und Performance-Daten zurück. Der Paradigmenwechsel liegt damit nicht nur in der Automatisierung einzelner Schritte, sondern darin, dass aus einem Media-Briefing ein maschinenverhandelbarer und ausführbarer Media-Auftrag wird.

Mit AdCP entwickelt sich also so etwas wie eine gemeinsame „Geschäftssprache“ für AI Agents im Advertising über alle Prozessschritte hinweg. AdCP ersetzt dabei bestehende Programmatic-Infrastruktur nicht zwangsläufig. Das Protokoll organisiert die Kommunikation und Workflows zwischen Agenten, während etwa OpenRTB weiterhin die impressionbasierte Auktion und Auslieferung übernehmen kann. Mit AdCP 3.2 gewinnt das Protokoll weiter an Stabilität, unter anderem durch Version-Negotiation, Brand-Verifizierung und klarere Runtime-Regeln.

Dadurch ordnen sich Rollen und Abläufe neu. Geschwindigkeit und Effizienz steigen, gleichzeitig verändert sich die Rollenverteilung zwischen Marktteilnehmern. Ein erheblicher Teil der bislang manuellen und plattformgebundenen Vermittlungsarbeit von Menschen und Systemen wird auf AI Agents verlagert: Advertiser werden weiterhin Ziele, Constraints und Business Outcomes definieren. DSPs und SSPs werden stärker zur Agent-/Executions-Infrastruktur beziehungsweise stellen Inventory als maschinenlesbares Media-Angebot für Agents bereit. Publisher werden eigene Publisher-/Media-Agents betreiben, die Inventory aktiv vermarkten.

Agenturen werden dabei weniger zum „Bediener“ von DSPs und SSPs und stärker zum Orchestrator von Agenten, Daten, Media-Partnern und Geschäftszielen. Ihr Mehrwert? Der liegt vor allem in Strategie, Kreativität, Governance, Kundenverständnis und der intelligenten Steuerung eines zunehmend autonomen Media-Ökosystems. WPP Media entwickelt und testet beispielsweise innerhalb von WPP Open einen eigenen Buyer Agent für Video. Gleichzeitig arbeitet die Agenturgruppe unter anderem mit Comcast Advertising/Freewheel, Disney Advertising, Netflix, IAB Tech Lab und Prebid.org an gemeinsamen Standards für die Kommunikation zwischen Buyer und Seller Agents.

Ein großer Teil der aktuellen Adtech-Landschaft steht damit unter Druck, sich weiterzuentwickeln und in diesem verändernden Marktumfeld zu differenzieren. Klassische Intermediäre, reine Media-Reseller oder Standard-DSP-/SSP-Anbieter ohne eigene Datenbasis und ohne proprietäre Algorithmen werden absehbar an Profil verlieren.

Standardisiert werden vor allem Schnittstellen und Workflows zwischen den beteiligten Systemen. Wenn viele Anbieter auf ähnliche Modelle zugreifen, verlagert sich der Wettbewerb – hin zu Daten, Integration und Kontext. Plattformen übernehmen in diesem Umfeld zunehmend Aufgaben wie die dynamische Budgetallokation, das Erstellen von Prognosemodellen sowie die automatisierte Kampagnenoptimierung.

Und dann ist da noch die Gruppe der „AI-native Newcomer“. Hierbei handelt es sich um Anbieter, bei denen KI das Kernprodukt ist, etwa im Bereich Reinforcement Learning, Causal Modeling oder generativer Creative-Optimierung. Concord aus Paris positioniert sich etwa als „Agentic Media Buying Platform“. Der Ansatz: Ein Media-Briefing wird nicht mehr von einem Trader manuell in verschiedene Plattformen übersetzt. Der Concord-Agent kann aus einem Briefing eine laufende Kampagne erzeugen und anschließend Pacing und Optimierung anhand der Kampagnen-KPIs über mehrere Media-Plattformen hinweg steuern.

Noch radikaler ist Apostra gestartet (ehemals Scope3). Die Idee: AI Agents auf Käufer- und Verkäuferseite kommunizieren autonom miteinander, entdecken Inventar, verhandeln Media-Deals und steuern Kampagnen – über verschiedene Werbeformate und Medienumfelder hinweg. Dabei setzt Apostra auf AdCP als gemeinsames Protokoll für die Kommunikation zwischen den Agents. Nach eigenen Angaben bestehen bereits Integrationen mit großen Plattformen sowie Partnerschaften mit zahlreichen Media-Anbietern.

Platt formuliert verschiebt sich die Marktlogik von heute: "Buyer → Agency/DSP → SSP → Publisher" in Richtung morgen/AI-Native: "Buyer Agent ↔ Seller Agent → Media Transaction".

Der Marketing Tech Monitor 2026 zeigt aktuell noch einen Schwerpunkt im Bereich Content-Erstellung. Dieser wandert schrittweise in Richtung datengetriebene Optimierung und automatisierte Ausführung. Voraussetzung dafür sind geeignete Schnittstellen, eine belastbare Daten- und Kontextarchitektur sowie die Fähigkeit, Agenten über verschiedene Plattformen und Media-Partner hinweg zu steuern, und – Oldie but Goldie – ein tiefes Verständnis von Kunden, Zielgruppen und Business Objectives. Governance, Transparenz und menschliche Kontrolle werden dabei wichtiger.

Die bestehende Programmatic-Infrastruktur kann weiterhin einen Teil der eigentlichen Ausführung übernehmen. Welche Rollen und Geschäftsmodelle sich durch Agentic Advertising verändern, hängt davon ab, welche Aufgaben Agenten tatsächlich übernehmen. Klar ist: Operative Exzellenz in der Exekution allein reicht nicht mehr aus. Das inhaltlich-konzeptionelle Zielgruppenverständnis rückt wieder stärker in den Fokus.