„Wir glauben nicht an 100 Prozent unbeaufsichtigte Autonomie beim Media-Einkauf“

LYDnews: Adam, ihr beschreibt euren Ansatz als „AI powered, human guided“. Was übernimmt KI im Programmatic Advertising heute tatsächlich? Wo verändert sie den Kampagnenprozess konkret?

Adam Iwiński: Wir nutzen KI entlang der gesamten Wertschöpfungskette: bei der Erstellung von Mediaplänen und Creatives, beim Aufsetzen von Kampagnen, beim Targeting und bei der Optimierung des Mediaeinkaufs. Noch vor einigen Jahren konnte es drei bis fünf Tage dauern, eine große Kampagne komplett aufzusetzen und alle Einstellungen vorzunehmen. Heute lässt sich vieles davon weitgehend automatisiert innerhalb weniger Minuten erledigen. Das ist ein enormer Unterschied.

Ein weiterer entscheidender Bereich ist die Optimierung des Mediaeinkaufs. Im Programmatic geht es immer auch darum, möglichst günstig einzukaufen und gleichzeitig eine bestimmte Qualität sicherzustellen. Genau dort findet ein großer Teil der Optimierung statt.

Du beschreibst bislang vor allem Effizienzgewinne: Kampagnen lassen sich schneller aufsetzen und der Mediaeinkauf optimieren. Wo lässt sich darüber hinaus ein messbarer qualitativer Vorteil durch KI zeigen – etwa bei den Kampagnenergebnissen? Kannst du ein Beispiel oder eine Größenordnung nennen?

Ein qualitativer Vorteil wird messbar, wenn KI nicht nur die Sichtbarkeit, sondern auch die tatsächliche Aufmerksamkeit und den Geschäftserfolg in den Fokus rückt. Dazu bewertet sie bestenfalls bereits vor der Gebotsabgabe unter anderem die kontextuelle Relevanz und Aufmerksamkeitssignale und optimiert dann gezielt auf die Dauer der Aufmerksamkeit. In unseren Kampagnen steigen dadurch die Verweildauer und die Aufmerksamkeitssekunden pro tausend Impressionen typischerweise um 30 bis 40 Prozent.

Auch im stationären Handel zeigt sich der Effekt: Prädiktive Mobilitätsmodelle sprechen potenzielle Kundinnen und Kunden entlang relevanter Wege zur Filiale an, statt pauschal alle Personen in einem bestimmten Umkreis zu erreichen. So erzielen wir im Vergleich zum klassischen Radius-Targeting häufig 20 bis 35 Prozent mehr verifizierte Filialbesuche, bei gleichzeitig niedrigeren Kosten pro Besuch.

Mehr Automatisierung bedeutet aber auch weniger Einblick in einzelne Entscheidungen. Programmatic gilt ohnehin als komplex und teilweise intransparent. Macht KI diese Blackbox nicht noch größer?

Ja, das kann passieren. Besonders bei Self-Service-Lösungen. Du bekommst Zugang zu einer Plattform, stellst Budget bereit und dann erledigt die vermeintlich magische KI alles für dich. Aber dann stellt sich die Frage: Was passiert eigentlich im Hintergrund? Welche Einstellungen werden vorgenommen? Wird einfach nur Budget ausgegeben oder entsteht tatsächlich ein Mehrwert?

Deshalb sollte es weiterhin Kontrolle durch den Kunden geben. Bei uns bekommen Kunden bei jeder Kampagne Zugang zu den aktuellen Statistiken und können verfolgen, was passiert. Zusätzlich werden Kampagnen über Drittanbieter wie DoubleVerify, Lumen oder IAS überprüft. Mit neuen Technologien lässt sich die Qualität des Traffics mittlerweile teilweise sogar schon prüfen, bevor eine Impression eingekauft wird.

Monitoring und Verifikation zeigen, was ausgeliefert wurde. Welche Entscheidungen der KI – etwa bei Budgetverteilung oder Inventarauswahl – können Hybrid-Kunden heute nachvollziehen, und welche nicht?

Unsere Kundinnen und Kunden erhalten volle Transparenz über die übergeordnete Strategie und die Ergebnisse der einzelnen Maßnahmen. Sie können nachvollziehen, welche Domains, Apps und Inventarumgebungen gebucht wurden, wie Budgets zwischen Regionen und Tageszeiten verschoben wurden und wie die Platzierungen im Vergleich zu unabhängigen Benchmarks für Aufmerksamkeit und Markensicherheit abschneiden. Unsere Berichte zeigen außerdem, wohin das Budget geflossen ist und warum bestimmte kontextbezogene Zielgruppen priorisiert wurden.

Was sich nicht vollständig in einem Dashboard abbilden lässt, ist die Berechnung, die während einer Echtzeit-Gebotsanfrage in weniger als 50 Millisekunden stattfindet. Dabei wertet der Algorithmus gleichzeitig zahlreiche Signale aus, etwa historische Erfolgsraten, die Qualität der Platzierung, Gebotsdichte und kontextuelle Bewertungen. Millionen solcher Berechnungen lassen sich kaum übersichtlich darstellen. Transparent sind jedoch die verwendeten Parameter, Optimierungskriterien und verifizierten Ergebnisse. Die Maschine übernimmt die Mikroentscheidungen, Strategie und Resultate bleiben nachvollziehbar.

Ihr arbeitet intensiv mit Geo- und Standortsignalen. Wo hilft KI dort konkret?

Wir nutzen KI in diesem Bereich vor allem dazu, Prozesse schneller zu machen. Es geht nicht darum, mithilfe von KI zusätzliche Daten über Menschen zu sammeln, sondern darum, Kampagnen effizienter aufzusetzen.

Ein Beispiel: Wir haben in Deutschland einen großen Kunden aus dem FMCG-Bereich. Für eine Kampagne mussten mehr als 8.000 verschiedene Verkaufsstellen erfasst werden. Früher hätte man viele dieser Geolocation-Einstellungen manuell vornehmen müssen. Das hätte enorm viel Zeit gekostet. Heute können entsprechende Tools große Teile davon automatisieren. Was früher sehr aufwendig war, lässt sich teilweise mit wenigen Klicks erledigen. Wir nutzen KI dagegen nicht dazu, Menschen zu scannen, Daten über sie zu sammeln oder daraus automatisch Zielgruppen zu bilden.

Wo zieht ihr dann die Grenze, wenn Kunden Geo- und Standortdaten mit weiteren Signalen kombinieren wollen? Gab es bereits einen Fall, in dem Hybrid einen solchen Wunsch abgelehnt hat?

Unsere klare Grenze liegt beim Schutz der Privatsphäre und bei der Einhaltung ethischer und gesetzlicher Vorgaben, insbesondere der DSGVO und des Digital Services Act. Wir erstellen keine dauerhaften individuellen Profile, verfolgen keine Personen auf 1:1-Ebene und nutzen weder sensible Orte noch sensible demografische Merkmale für das Targeting.

Anfragen, Besucherinnen und Besucher etwa von spezialisierten Gesundheitskliniken, Krankenhäusern oder Gotteshäusern gezielt anzusprechen, haben wir bereits abgelehnt. Wir arbeiten ausschließlich mit aggregierten Mobilitätsmustern, Besuchergruppen und Kontextdaten. Geht es darum, den Aufenthaltsort einer bestimmten Person zu ermitteln, statt Bewegungsmuster auf Gruppenebene zu analysieren, lehnen wir die Anfrage grundsätzlich ab.

Wenn KI nicht nur Kampagnen aufsetzt, sondern auch Ergebnisse analysiert: Welche Schlussfolgerungen lasst ihr automatisiert aus den Daten ziehen?

Wir nutzen unter anderem Large Language Models für Reportings und die Analyse großer Datenmengen. Nehmen wir an, wir haben in einem Jahr 100 Kampagnen für eine Marke umgesetzt. Dann können wir daraus Benchmarks und Schlussfolgerungen ableiten und beispielsweise analysieren, wie die Ergebnisse im Retail-Bereich oder in der Automobilbranche aussehen.

KI hilft uns dabei, solche Erkenntnisse deutlich schneller aus großen Datenmengen zu ziehen, statt dass ein Mensch Hunderte Excel-Reports einzeln prüfen muss. Bevor ein Reporting an den Kunden geht, wird es bei uns immer noch einmal von einem Experten überprüft.

Wir haben jetzt an mehreren Stellen über automatisierte Entscheidungen gesprochen. Genau dafür wird derzeit zunehmend der Begriff Agentic AI verwendet. Wo beginnt für dich tatsächlich agentische Steuerung – und was ist vielleicht nur ein neues Etikett für Automatisierung, die es schon länger gibt?

Das ist eine wirklich gute Frage, weil ich keinen exakten Punkt sehe, an dem das begonnen hat. Automatisierung gab es schließlich schon vor Jahren. Damals waren es beispielsweise einfache Regeln: Wenn eine Domain eine Klickrate von weniger als 0,5 Prozent erreicht, wird sie automatisch aus einer Kampagne ausgeschlossen.

Heute ist das sehr viel komplexer. Alles läuft erheblich schneller und teilweise nahezu in Echtzeit, innerhalb von Millisekunden. Wenn wir über Programmatic sprechen, liegt für mich der wichtigste Bereich in der Optimierung des Mediaeinkaufs. Dabei geht es vor allem um die Qualität.

Du nennst die Optimierung des Mediaeinkaufs als wichtigsten Bereich. Was müsste ein System dort eigenständig entscheiden oder ausführen, damit du tatsächlich von Agentic AI sprichst – und ist Hybrid heute schon an diesem Punkt?

Um als wirklich „agentisch“ zu gelten, darf eine Plattform nicht nur fest programmierte „Wenn-dann“-Automatisierungsregeln befolgen. Ein agentisches System erhält ein übergeordnetes Geschäftsziel und entwickelt eigenständig eine Strategie: Es verteilt Budgets autonom auf Kanäle wie CTV oder Mobile, passt Motive kreativ an und optimiert laufend, ohne dass ein Trader jede Änderung manuell vornehmen muss.

Wir befinden uns momentan in einer Übergangsphase. Einzelne Module innerhalb unseres Stacks – etwa die Echtzeit-Gebotssteuerung, die semantische Kontextanalyse und das dynamische Creative-Routing – arbeiten bereits weitgehend mit agentischer Autonomie. Wir glauben jedoch nicht an eine zu 100 Prozent unbeaufsichtigte Autonomie beim Media-Einkauf. Deshalb bleibt unsere Philosophie fest bei „KI-gestützt, menschlich geleitet“: KI-Agenten übernehmen die schnelle Ausführung, die prädiktive Modellierung und Mikroanpassungen, während erfahrene menschliche Trader die strategischen Parameter festlegen, die Rahmenbedingungen steuern und die Ergebnisse überprüfen.