Künstliche Intelligenz in der Werbung: Wie KI Media Buying neu definiert
Programmatic Advertising ohne KI? No way. Inzwischen ist künstliche Intelligenz für die gesamte digitale Werbebranche so etwas wie ein ‚Allheilmittel‘ geworden. Denn sie macht nicht nur Prozesse effektiver. Sie scheint fähig zu sein, Lücken zu schließen, die der verschärfte Datenschutz und der ‚Verlust‘ von Drittanbieter-Cookies aufgerissen haben. Aber: Gibt es auch einen Haken?
Effizient, relevant, adressier- und skalierbar – für das digitale Marketing und die Online-Werbung sind es hochgeschätzte Begriffe. Mit den Geschehnissen rund um die DSGVO und die Cookies schienen sie der Branche nahezu abhandengekommen zu sein. Doch dann kam sie und eroberte im Sturm das gesamte programmatische Ökosystem: die KI-Technologie. Mittlerweile gibt es keinen Programmatic-Advertising-Bereich, der nicht auf die herausragenden Fähigkeiten künstlicher Intelligenz zurückgreift. Keinen, den sie nicht neu definieren würde. Im positiven Sinne, aber auch nicht ohne gewisse Bedenken.
Mit unserem Chief Revenue Officer Robert Herrmann an der Seite wagen wir hier einen Blick hinter die Kulissen – und in die nahe Zukunft des KI-gesteuerten programmatischen Media Buying.
Media Buying gestern und heute – ‚vor KI‘ ist auf keinen Fall ‚nach KI‘
Um zu verstehen, inwiefern künstliche Intelligenz den Mediaeinkauf transformiert, erscheint es uns sinnvoll, vorerst die bisherigen Problematiken dieses Marketingbereichs unter die Lupe zu nehmen. Das macht das Ausmaß der aktuell stattfindenden Transformation erst deutlich. Bedienen wir uns doch mal des klassischen ‚Vorher-Nachher‘-Vergleichs:
| Vorher: Traditioneller Mediaeinkauf | Nachher: KI-gestützter Mediaeinkauf |
|---|---|
| Manuelle Prozesse: Mediaeinkauf war stark von manuellen Entscheidungen und Verhandlungen abhängig. So mussten Medienagenturen und Einkäufer manuell Angebote prüfen, Preise aushandeln und Platzierungen planen. | Automatisierung und Effizienz: KI automatisiert den Mediaeinkauf durch Programmatic Advertising. Anzeigen werden in Echtzeit über Auktionen (Real Time Bidding oder RTB) gekauft. Während KI die operative Arbeit übernimmt, konzentrieren sich Medienagenturen und Einkäufer auf strategische Entscheidungen. |
| Eingeschränkte Datenanalyse: Früher mussten Media Buyer anhand von begrenzten Daten und Erfahrungswerten entscheiden, welche Werbeplätze sie einkaufen. Auch die Analyse von Nutzerverhalten und Kampagnenperformance war zeitaufwendig und oft unpräzise. | Datengetriebene Entscheidungen: KI analysiert riesige Datenmengen (Big Data) in Echtzeit, um fundierte Entscheidungen zu treffen. Dafür nutzt die Maschine Userverhalten, Kontext und historische Performance-Daten, um die besten Werbeplätze zu identifizieren. |
| Starre Zielgruppenansprache: Targeting war häufig grob, denn es basierte auf allgemeinen Demografien oder breiten Interessensgruppen. Das machte die Personalisierung nur begrenzt möglich. | Präzises Targeting: KI analysiert Verhaltensdaten, Interessen und Kontext sehr genau und ermöglicht so hyperpersonalisierte Zielgruppenansprache. Das erhöht die Relevanz von Anzeigen. |
| Ineffiziente Budgetverteilung: Der Mediaeinkauf verteilte Budgets überwiegend gleichmäßig – oder nach Bauchgefühl. Die tatsächliche Performance wurde dabei nicht berücksichtigt. Das führte dazu, dass Werbeplätzen häufig über- oder unterbucht waren. | Optimierte Budgetverteilung: KI kann mittels Predictive Analytics vorhersagen, welche Werbeplätze und Zielgruppen die höchste ROI (Return on Investment) liefern. So werden Budgets dynamisch und effizient verteilt, um die besten Ergebnisse zu erzielen. |
| Mangelnde Transparenz: Es gab wenig Einblick in die tatsächliche Performance von Anzeigen oder die Qualität der geschalteten Werbeplätze. Besonders problematisch waren Ad Fraud (Anzeigenbetrug) und nicht sichtbare Impressionen. | Betrugsprävention: Da KI Werbekampagnen in Echtzeit überwacht, erkennt sie Anomalien wie Ad Fraud oder nicht sichtbare Impressionen. Das wirkt dem Anzeigenbetrug entgegen und optimiert die Ad Performance. |
Diese Darstellung macht es deutlich: Künstliche Intelligenz revolutioniert Programmatic Advertising, einschließlich Media Buying, indem sie nahezu alle Prozesse entlang der Wertschöpfungskette automatisiert. Und schon wären wir wieder da – bei den hochgeschätzten Begriffen wie Effizienz, Relevanz, Adressier- und Skalierbarkeit: Auch diese scheint KI neu zu definieren.
„Die hohe Effizienz von KI-gesteuerten Werbeplatzierungen ist darauf zurückzuführen, dass die Maschine Kampagnen in Echtzeit optimiert, basierend auf aktuellen Performance-Daten. Anzeigen, die nicht performen, passt sie automatisch an. Oder sie schichtet das Budget einfach um“, weiß Robert. „Auch ist KI in der Lage, kreative Aufgaben zu übernehmen. Sie analysiert beispielsweise, welche Ad-Formate, Texte und Bilder am besten funktionieren und individualisiert dann die Anzeigen für jeden einzelnen User – via Dynamic Creative Optimization. Die Maschine läutete also eine Art Paradigmenwechsel in der Werbebranche ein.“
Es scheint so, dass vieles davon, was früher in Menschenhand lag, heute künstlicher Intelligenz überlassen ist – und diese schafft es sogar schneller und präziser. Denn, während menschliche Kapazitäten begrenzt sind, kennt die Maschine nahezu keine Grenzen. So darf sie immer mehr Aufgaben übernehmen.
Welche Aufgaben übernimmt KI im Media Buying konkret – aktuell und künftig?
Robert ist mit dieser Thematik des Media Buying betraut und stand uns bei dieser Frage ‚Rede und Antwort‘.
Immense Datenmengen bewältigen
„Einer der größten Gewinne, seit künstliche Intelligenz in der Werbung und im digitalen Marketing eingesetzt wird, ist die effektive Verarbeitung von riesigen Datenmengen. Denn es ist für KI ein ‚Kinderspiel‘, Big Data zu analysieren, um fundierte Entscheidungen zu treffen. Und das in Echtzeit! Bereits jetzt kann künstliche Intelligenz mühelos Muster und Trends in Nutzerdaten erkennen und Zielgruppen präzise ansprechen. Und es geht noch mehr: Künftig wird sie darin noch effizienter – und nutzt verstärkt auch unstrukturierte Daten, beispielsweise aus Social Media Posts, Bildern oder Videos.“
Omnichannel-Strategie optimieren
„Mittels KI können wir Werbekampagnen über verschiedene Kanäle hinweg nahtlos integrieren und so die Budgetverteilung sowie die Anzeigen-Performance optimieren. Auch hier rechnen wir damit, dass künstliche Intelligenz in Zukunft noch besser Nutzerpfade über verschiedene Touchpoints hinweg verfolgen wird, um Usern personalisierte Werbeerlebnisse zu schaffen.“
Adressierbarkeitslücke schließen
„In puncto Adressierbarkeitslücke, die durch den Wegfall von Drittanbieter-Cookies entstand, hilft KI, alternative Datenquellen und Technologien zu nutzen – wie First-Party-Daten, Contextual Targeting und Machine-Learning-Modelle –, um User auch ohne Third Party Cookies zu identifizieren und zu adressieren. Es ist abzusehen, dass KI schon in naher Zukunft verstärkt auf sogenannte Privacy-Enhancing-Technologien (PETs) wie ID-Lösungen setzen wird. Eine Maßnahme, die das Problem mit der mangelnden Adressierbarkeit nachhaltig lösen könnte.“
Fragmentierung von Datenquellen und -signalen eindämmen
„Auch bei dieser Aufgabe ist KI überaus hilfreich: Sie integriert und harmonisiert Daten aus verschiedenen Quellen – unter anderem aus CRM (Customer Relationship Management), Social Media und Website Analytics. Bereits heute schafft die KI-Technologie – durch Data-Matching (dabei vergleicht die Maschine Daten aus verschiedenen Quellen, um Verknüpfungen zwischen Datensätzen zu identifizieren) und Data-Cleansing (bei der Datenbereinigung werden ungenaue und irrelevante Daten aus den Rohdatensätzen entfernt) – einheitliche Userprofile.
Da die Maschine schnell lernt, wird sie die Datenfragmentierung weiterhin reduzieren, indem sie Datensignale von unterschiedlichen Plattformen und Geräten zusammenführt. Das Ergebnis: Das Userprofil wird immer homogener.“
Nachhaltigkeit und Effizienz steigern
„Das Thema Nachhaltigkeit betrifft auch das programmatische Media Buying, denn der KI-Einsatz selbst basiert auf hoher Rechenleistung. Hier kann KI helfen, den Energieverbrauch zu reduzieren und die Ressourcen schonender zu nutzen. Dies ist bereits heute der Fall. Indem künstliche Intelligenz Werbekampagnen effizient verwaltet, minimiert sie Überbuchungen sowie die Menge verschwendeter Impressionen. Solch nachhaltige Praktiken bleiben weiterhin im Fokus. Künftig könnte KI beispielsweise helfen, die Serverlasten zu optimieren oder CO₂-Emissionen zu verringern.“
Neue Technologien integrieren
„Last, but not least: Dank KI werden Media-Kampagnen immer smarter. Denn es ist für die Maschine ein Leichtes, neue Technologien wie Voice Search, Augmented Reality (AR) und Virtual Reality (VR) zu integrieren oder Voice-Daten für Voice-Ads zu analysieren. Künftig wird KI Werbung noch erlebbarer machen – Stichwort ‚immersive Werbeerlebnisse‘ –, indem sie AR- bzw. VR-Umgebungen noch stärker mit einbeziehen wird.“
Künstliche Intelligenz in der programmatischen Werbung: Allheilmittel mit Nebenwirkungen?
Selbstverständlich ist diese Aufgabenliste, die künstliche Intelligenz allgemein in der programmatischen Werbung und im Speziellen im Media Buying übernimmt, nicht final. Sie könnte um viele weitere Punkte – wie Hyperpersonalisierung oder Brand Safety – ergänzt werden. Fakt ist: Die Liste der ‚Nebenwirkungen‘, die durch den KI-Einsatz entstehen und die digitale Werbebranche schwächen (könnten), ist auch nicht gerade kurz. Denn leider gilt hier:
Da, wo KI helfen kann, kann sie auch missbraucht werden.
KI in der programmatischen Werbung: Diese Risiken sollte die Branche nicht ignorieren
Am Beispiel der beiden Begriffe Hyperpersonalisierung und Brand Safety lässt sich das Dilemma mit Chancen und Risiken von KI anschaulich darstellen. Einerseits kann die Maschine dank KI-basierter Betrugserkennungssysteme die Brand Safety der Marken verbessern: Indem sie Anzeigenplatzierungen überwacht und sicherstellt, dass Ads im geeigneten Umfeld ausgespielt werden. Andererseits kann der Schuss auch nach hinten losgehen: „Schaltet KI Werbung beispielsweise neben Hassrede, gewalttätigen Inhalten oder auf Websites, die nicht dem Markenwert entsprechen, schadet es der Reputation von Unternehmen – und auch der von Werbetreibenden“, sagt Robert.
Ein anderes klares Beispiel dafür, dass künstliche Intelligenz sowohl helfen als auch schaden kann – und zwar bei der ein und derselben Angelegenheit –, ist Personalisierung. Keine Frage: KI optimiert hyperpersonalisiertes Advertising und macht Werbung relevanter. Aber: Übermäßiges Tracking und zu stark personalisierte Anzeigen können Nutzer beunruhigen oder abschrecken. Hier spricht die Branche von der sogenannten Überpersonalisierung, in der Fachsprache auch als Creepiness Factor bekannt.
Es geht dabei nicht nur um Fehler, die KI bei der Werbeplatzierung machen kann. Inzwischen sind Fälle bekannt, bei denen diese Technologie missbraucht und manipuliert wird. Darum werden Stimmen immer lauter, die vor möglichen KI-Risiken warnen – und auf die bereits bestehenden Gefahren hinweisen. Auch hier scheinen die Möglichkeiten mannigfaltig. Gehen wir doch auf einige davon näher ein.
Fake Ads und Anzeigenbetrug
Mittels KI erstellen Betrüger gefälschte Anzeigen oder automatisieren Anzeigenbetrug (Ad Fraud). Dadurch wird nicht nur die KI missbraucht, sondern auch das Vertrauen von Werbetreibenden und Usern. Ein weiteres Problem: Werbebudgets werden dadurch verschwendet. Bekannt sind unter anderem:
- Klickbetrug: Bots imitieren menschliches Verhalten, um Anzeigenklicks zu generieren.
- Fake Inventory: Betrüger schalten Anzeigen auf nicht existenten oder minderwertigen Websites, auch als MFA-Sites bekannt.
- Deepfakes: KI-generierte gefälschte Inhalte (z. B. Videos oder Bilder) werden für irreführende Werbung genutzt.
Ethik und Manipulation
Künstliche Intelligenz wird dafür missbraucht, um Zielgruppen auf manipulative Weise anzusprechen oder ethisch fragwürdige Targeting-Strategien zu verfolgen. Das gefährdet die Autonomie und die Privatsphäre der User. Auch hier haben sich inzwischen einige Betrugsmaschen entwickelt:
- Microtargeting: Basierend auf sensiblen Daten wie politische Einstellungen oder Gesundheitsdaten werden User manipuliert.
- Dark Patterns: Hier hilft KI, digitale Anzeigen so zu optimieren, dass Zielgruppen zu ungewollten Handlungen verleitet werden – und beispielsweise Abonnements oder Käufe abschließen.
- Echokammern: Darunter versteht man virtuelle Räume, in denen KI genutzt werden kann, um bestehende Überzeugungen zu verstärken. Dafür bekommen User nur noch Inhalte anzeigt, die ihren Ansichten entsprechen.
Um ethische Fragen geht es auch, wenn wir über die KI-basierte Automatisierung der Prozesse innerhalb der Werbebranche sprechen. Es finden bereits gesellschaftliche und moralische Debatten darüber, inwiefern KI die Werbebranche ‚von innen heraus‘ gefährden könnte – oder dies bereits tut?
„Einerseits erleichtert künstliche Intelligenz den Mediaagenturen ihren Arbeitsalltag und beschleunigt viele Abläufe innerhalb von Media Buying. Doch was ist, wenn diese neue Strategie langfristig zu Jobverlusten führt? Auch gibt es einem zu denken, wer dann verantwortlich ist, wenn eine KI-basierte Werbekampagne ethische Grenzen überschreitet?“, meint Robert.
Datenschutz und Compliance
Für intelligente Entscheidungen benötigt KI große Userdaten-Mengen. Dass die Pfade der Maschine jedoch nicht immer transparent sind, wirft Datenschutzbedenken auf. Berechtigterweise. Als Folge sind hier rechtliche Konsequenzen, Vertrauensverlust und Reputationsschäden zu befürchten.
„Um den Datenschutz zu wahren, sollte sich die Branche zeitnah nach Lösungen umschauen, wie sie KI-Systeme manipulationssicher macht. Vor allem, damit diese die DSGVO einhalten. Datenschutzkonformer User-Consent und die Datenminimierung sind hier die möglichen Stichpunkte – oder denkbare Ansätze“, meint Robert. „Außerdem: Wie können wir Datenlecks verhindern? Denn je mehr Daten die Maschine speichert und verarbeitet, desto höher ist das Risiko von Datenpannen. Zu bedenken wäre auch das Tracking ohne Userzustimmung, zu der künstliche Intelligenz von Betrügern ‚gezwungen‘ werden kann“, so Robert.
Um Transparenz und Nachvollziehbarkeit geht es übrigens bei vielen Entscheidungen, die die Maschine trifft. „Zugegeben: KI-Algorithmen sind oft eine Art ‚Black Box‘, sodass Werbetreibende nicht immer wissen, warum Werbeanzeigen bestimmten Usern ausgespielt werden. Das schürt Misstrauen in die Technologie. Dieses bestärkt noch die Tatsache, dass KI via Bias in ihren Algorithmen unbewusste Vorurteile in den Daten widerspiegeln kann – mit dem Risiko, dass dies zu diskriminierendem Targeting führen könnte.“
Unser Fazit: KI löst im Mediaeinkauf alte Herausforderungen, bringt aber auch neue mit
Es ist unumstritten: Künstliche Intelligenz revolutioniert das digitale Marketing und die gesamte Werbebranche. Der Bereich Media Buying profitiert dabei in vielerlei Hinsicht.
„Die KI-Technologie beseitigt Ineffizienzen und automatisiert repetitive Aufgaben. Das beschleunigt den Einkaufsprozess und spart Medienagenturen Zeit und Ressourcen. Zudem lässt sie – dank Predictive Analytics, in deren Rahmen KI historische Daten nutzt, um Userverhalten und Kampagnenergebnisse vorherzusagen, und Echtzeit-Optimierungen – den Mediaeinkauf proaktiv und zukunftsorientiert steuern“, weiß Robert.
Der neuen Effektivität stehen jedoch auch neue Probleme entgegen: Der Mensch entscheidet, wie genau er die Maschine einsetzt – mit welcher Intention. So bleibt zu hoffen, dass sich die Wortkombination ‚verantwortungsvoller Umgang‘, bezogen auf den KI-Einsatz, zu den übrigen hochgeschätzten Begriffen der Werbebranche einreiht – ja zu einem wahren Wert avanciert.
Titelbild: Steve Johnson / Unsplash
Ihr wollt mehr über und unsere ganzheitliche Monetarisierungsplattform für Publisher erfahren?
