print logo

KI-Mediaeinkauf: Wer darf das Budget steuern?

Defekte Pixel und Tracking-Tags lassen KI falsch optimieren. Automatisierte Datenwächter sollen Ausfälle erkennen, bevor Werbebudget verloren geht.
Siamac Rahnavard | 11.11.2026
Die Maschine kauft. Wer steuert? © Freepik
 

KI wird die Ausführung im Mediaeinkauf weitgehend übernehmen. Schneller, als viele Planungsabteilungen es wahrscheinlich wahrhaben wollen. Aber die eigentliche Frage ist eine andere. Wer hat entschieden, was die Maschine optimieren und was sie allein entscheiden darf? Ein Plädoyer dafür, Automatisierung nicht mit Steuerung zu verwechseln. Vorerst.

Wie stark wird KI Mediaplanung und Mediaeinkauf automatisieren? Unsere ehrliche Antwort fällt dreigeteilt aus. Die Ausführung zu großen Teilen. Die Planung dort, wo sie sich in Regeln fassen lässt. Die Verantwortung für das Ergebnis gar nicht.

Genau an dieser Unterscheidung entscheidet sich in den nächsten Jahren, welche Unternehmen von KI im Media profitieren und welche nur sehr effizient Geld ausgeben. Denn ein Algorithmus, der perfekt auf das falsche Ziel optimiert, ist nach wie vor kein Fortschritt. Er ist ein schnellerer Weg in die falsche Richtung.

Die Automatisierung ist längst da

Wer heute bei Google, Meta, Amazon oder über eine DSP einkauft, lässt ohnehin schon größtenteils eine Maschine entscheiden. Gebote werden in Millisekunden gesetzt, Budgets zwischen Kampagnen verschoben, Zielgruppen aus Signalen modelliert, die kein Mensch mehr manuell pflegt. Performance Max, Advantage+ und vergleichbare Systeme haben aus dem Mediaeinkauf eine Black Box gemacht, in die man Ziele, Budget und Creatives hineingibt.

Der nächste Schritt ist der agentische Einkauf. KI-Agenten sollen nicht mehr nur innerhalb einer Plattform optimieren, sondern Werbeplätze plattformübergreifend planen, verhandeln und buchen. Dafür entstehen offene Protokolle wie MCP, AdCP oder das Agentic RTB Framework des IAB Tech Lab. Wichtig ist die Einordnung. Diese Protokolle betreffen vor allem den offenen programmatischen Einkauf. Meta, TikTok und Google bauen ihre eigenen, geschlossenen Systeme aus und gewähren externen Agenten nur kontrollierten Zugang. Wer den größten Teil seines Budgets in Search und Paid Social investiert, hat deshalb mittelfristig ein relevantes Thema, aber noch keinen akuten Handlungsdruck. Dennoch sollte hier nicht weggeschaut werden.

Akut ist aber etwas anderes. Die Automatisierung innerhalb der Plattformen läuft schon heute, und niemand hat festgelegt, wo sie enden soll. Die Frage ist nicht mehr, ob ein Agent eine Kampagne aufsetzen kann. Die Frage ist, ob man ihn lassen sollte und unter welchen Regeln. Für den operativen Einkauf bedeutet das, dass sich alles automatisiert, was sich in Regeln fassen lässt. Gebotsstrategien, Pacing, Frequenzsteuerung, Creative-Rotation, Reporting-Aufbereitung. Wer hier noch Stunden investiert, verliert gegen Wettbewerber, die es nicht mehr tun.

Die klassische Mediaplanung wird ersetzt

Wenn die Maschine den Einkauf übernimmt, verschiebt sich die Arbeit nach vorne, und die klassische Mediaplanung verschwindet in weiten Teilen. Die Frage „Welche Platzierung buche ich zu welchem TKP?" beantwortet das System schneller und besser als jeder Mediaplan in einer Tabelle.

Was bleibt, ist eine andere Aufgabe. Jemand muss definieren, welche Ziele, Signale und Grenzen das System bekommt. Das ist anspruchsvoller, nicht einfacher. Ein Algorithmus braucht ein Optimierungsziel, das tatsächlich mit dem Geschäftserfolg zusammenhängt. Er braucht saubere Conversion-Signale, sinnvolle Budgetgrenzen und klare Ausschlüsse. Und er braucht Creatives, die genug Varianz bieten, damit überhaupt etwas gelernt werden kann.

Es ist unrealistisch zu glauben, dass sich die heutigen Planerinnen und Planer dafür von heute auf morgen weiterentwickeln. Vielen Planungsabteilungen fällt es seit Jahren schwer, Programmatic zu verstehen und zu integrieren. Das ist keine Kritik an einzelnen Personen, sondern eine Frage des Profils. Die Rolle des Planers wird deshalb nicht umgebaut, sie wird ersetzt. Gefragt sind Menschen, die Geschäftsziele, Daten und Technologie zusammendenken. Weniger „Was kostet die Reichweite?", mehr „Was bringt sie uns?".

Datendisziplin schlägt KI

Der größte Engpass im KI-gestützten Mediaeinkauf ist nicht die KI. Es sind die Daten, mit denen sie gefüttert wird.

Das Fundament ist eine saubere First-Party-Data-Architektur. Gemeint sind die Daten aus CRM, Newsletter, Shop und Warenwirtschaft, die Ihnen allein gehören. Aus ihnen entstehen Data Driven Audiences und die Signale, aus denen ein Agent lernt. Plattformen können Reichweite liefern. Das Wissen über Ihre Kundinnen und Kunden können sie nicht liefern.

In unserem Agenturalltag sehen wir regelmäßig, wie fragil dieses Fundament ist. Ein Tracking-Tag liefert plötzlich keine Daten mehr. UTM-Parameter leiten falsch weiter. Ein Pixel ist nach einem Website-Relaunch nicht mehr korrekt eingebunden. Niemand merkt es sofort, denn die Kampagnen laufen ja weiter. Nur lernt der Algorithmus ab diesem Moment aus einem verzerrten Bild der Realität und optimiert mit voller Kraft in die falsche Richtung.

Das sind keine Exoten, das sind stille Ausfälle, die in fast jedem Setup vorkommen. Je stärker man die Steuerung an Maschinen übergibt, desto teurer werden sie. Ein menschlicher Planer stutzt bei auffälligen Zahlen. Ein Bidding-Algorithmus nicht.

Deshalb lautet unsere erste Empfehlung an jedes Unternehmen, das KI im Media stärker einsetzen will, ausgesprochen unglamourös. Erst Daten, Tracking und Monitoring in Ordnung bringen, dann automatisieren. Ironischerweise ist gerade das ein idealer Einsatzort für KI, nämlich als Wächter, der Datenabrisse erkennt und Alarm schlägt, bevor das Budget falsch verteilt ist.

Sichtbarkeit ist kein Ersatz für Wirkung

Es gibt ein strukturelles Problem, über das in der Branche zu wenig gesprochen wird. Die Plattformen, die den Einkauf automatisieren, bewerten auch den Erfolg. Die Black Box, die das Budget verteilt, liefert gleich das Zeugnis mit. Das ist kein Vorwurf, sondern eine Konstruktion, die man kennen muss. Wer seine Klausur selbst korrigiert, bekommt selten eine schlechte Note.

Plattform-KPIs wie Reichweite, Klickrate oder plattformeigene ROAS-Werte sind nützlich. Aber sie messen Sichtbarkeit und Zuschreibung, nicht zwingend zusätzlichen Geschäftserfolg. Ein Teil der Conversions, die sich ein Algorithmus gutschreibt, wäre auch ohne Werbung passiert. Und sie zeigen immer nur die Treffer. Die Kampagnen und Phasen, in denen nichts passiert ist, tauchen in keinem Dashboard auf.

Wer KI im Mediaeinkauf ernst nimmt, braucht deshalb eine eigene, unabhängige Erfolgsmessung. Als Basis dient die MER, die Marketing Efficiency Ratio, also der Gesamtumsatz geteilt durch die gesamten Marketingausgaben. Sie lässt sich nicht von einer einzelnen Plattform schönrechnen. Ergänzt wird sie durch den iROAS, den inkrementellen Return on Ad Spend, der über Holdout- und Geotests zeigt, was tatsächlich zusätzlich passiert ist. Dazu kommen Daten aus CRM und Warenwirtschaft und Deckungsbeiträge statt nur Umsatz. Nicht als akademische Übung, sondern als Kontrollinstanz. Je mehr man der Maschine überlässt, desto wichtiger wird der unabhängige Blick auf das, was sie tatsächlich bewirkt.

Wer steuert? Eine Frage der Mandate

Hier liegt der Kern des Themas, und er ist weniger technisch, als es klingt. Die meisten Unternehmen haben nie entschieden, was ihre Systeme allein entscheiden dürfen. Sobald ein Team Smart Bidding oder einen Agenten einschaltet, gibt es Entscheidungsrechte ab, ohne darüber zu sprechen. Wir nennen das Mandatsdiffusion. Gemeint ist die stillschweigende Delegation an ein System, ohne dass jemand festgelegt hat, was es allein entscheiden darf, wann es eskalieren muss und wer das Ergebnis verantwortet.

Das Gegenstück liegt bei den Anbietern. Jede Plattform beantwortet die Frage, wie viel Budget wohin fließen soll, aus ihrer eigenen Logik. Die Suchmaschine empfiehlt mehr Search, das soziale Netzwerk mehr Social. Wir sprechen von Rollenüberdehnung, wenn der Herkunftskanal eines Systems oder einer Person Entscheidungen prägt, die weit über diesen Kanal hinausgehen. Ein Agent, der in einem Kanal zu Hause ist, sieht die Welt durch diesen Kanal.

Dazu kommen die Aufgaben, die sich ohnehin nicht in Regeln fassen lassen. Strategie bleibt beim Menschen. Welche Zielgruppe wollen wir gewinnen, welche Positionierung stützen, welches Wachstum finanzieren? Ein Algorithmus findet zuverlässig die billigste Conversion. Ob das die richtige Kundin für das Unternehmen ist, weiß er nicht. Das Gleiche gilt für die Marke mit Brand Safety, Tonalität und Umfeldern. KI kann Inhalte in hoher Geschwindigkeit ausspielen und variieren. Ob eine Platzierung zur Marke passt, bleibt eine Urteilsfrage.

Und es bleibt die Verantwortung. Der Mensch baut nicht mehr jeden Report selbst. Aber er prüft, ob das, was die Maschine baut, stimmt, und jede relevante Empfehlung muss für ihn nachvollziehbar sein.

Fünf Leitplanken für Marketingverantwortliche

Was heißt das konkret für Unternehmen, die KI im Media stärker nutzen wollen? Aus unserer Praxis fünf Leitplanken.

  1. Ziele vor Tools. Bevor ein Agent oder eine Smart-Bidding-Strategie startet, muss klar sein, welches Geschäftsziel optimiert wird und welche Kennzahl es wirklich abbildet.
  2. Datenqualität als Daueraufgabe. First-Party-Daten und Tracking sind kein Projekt, das einmal abgeschlossen wird. Es braucht laufendes Monitoring, idealerweise automatisiert, mit klaren Zuständigkeiten bei Ausfällen.
  3. Unabhängige Erfolgsmessung. Plattformzahlen sind ein Input, kein Urteil. Bewerten Sie Media mit MER und iROAS auf Basis eigener Daten aus CRM und Controlling und testen Sie regelmäßig, was ohne Werbung passiert wäre.
  4. Mandate ausdrücklich verhandeln. Legen Sie schriftlich fest, was die Maschine allein entscheidet (zum Beispiel Gebote und Pacing), was eine Freigabe braucht (zum Beispiel Budgetverschiebungen über einer Schwelle) und was Menschen vorbehalten bleibt (Ziele, Marke, Ausschlüsse). Wer das nicht festlegt, hat es trotzdem entschieden, nur ohne es zu merken.
  5. Klein anfangen, messbar skalieren. Starten Sie mit einem klar abgegrenzten Anwendungsfall, messen Sie den Effekt in eingesparten Stunden oder besseren Ergebnissen und skalieren Sie erst dann. Schnelle, sichtbare Erfolge schaffen intern mehr Akzeptanz als jede Strategiefolie.

 

Fünf Fragen für die nächste Teamrunde

Wenn sich eine dieser Fragen nicht sofort beantworten lässt, ist das der richtige Startpunkt, bevor weiter automatisiert wird.

  1. Wissen Sie, welches Geschäftsziel Ihre automatisierten Kampagnen heute tatsächlich optimieren?
  2. Würden Sie innerhalb eines Tages merken, wenn Ihr Tracking ausfällt?
  3. Können Sie den Erfolg Ihres Mediabudgets auch ohne Plattformzahlen belegen?
  4. Ist schriftlich festgelegt, was Ihre Systeme allein entscheiden dürfen und wer bei Abweichungen entscheidet?
  5. Wer in Ihrem Unternehmen kann Nein sagen, wenn die Maschine etwas empfiehlt?

 

Automatisierung ist kein Ersatz für Urteilskraft

KI wird die Ausführung im Mediaeinkauf in den kommenden Jahren weitgehend übernehmen. Das ist keine Bedrohung, sondern eine Entlastung, vorausgesetzt, man versteht, was sich dadurch verschiebt. Der Wettbewerbsvorteil liegt nicht mehr im Zugang zu Inventar oder im Bedienen von Plattformen. Den haben bald alle.

Der Vorteil liegt in sauberen Daten, klaren Zielen, unabhängiger Erfolgsmessung und ausdrücklich verhandelten Mandaten. Unternehmen, die das beherrschen, werden mit KI deutlich mehr aus ihrem Mediabudget herausholen. Alle anderen werden vor allem eines erreichen. Dieselben Fehler wie bisher, nur schneller und in größerem Maßstab.

Cover of d3con
Siamac Rahnavard persönlich treffen:
d3con
16.03.2027 | Hamburg
Img of Siamac Rahnavard

Siamac Alexander Rahnavard ist Managing Partner & Mitgründer von „Echte Liebe“. Zu seinen Kernaufgaben zählen unter anderem die strategische Beratung.