Programmatische Werbung gilt oft als Blackbox – Algorithmen optimieren, aber kaum jemand versteht warum. Das AdTech-Unternehmen Quantcast will das mit vier spezialisierten KI-Agenten ändern, die nicht nur Entscheidungen treffen, sondern sie auch begründen. Sara Sihelnik, Director Client Partnerships EMEA, spricht im Interview über den Unterschied zwischen Automatisierung und echter Entscheidungsunterstützung.
Quantcast spricht bei seinen neuen AI Agents von einem Ende der Black Box in Programmatic Advertising: Was steckt hinter der Aussage?
Die traditionelle Programmatic-Black-Box bedeutet, dass Algorithmen Entscheidungen treffen, deren Logik für den menschlichen Nutzer intransparent bleibt oder schwierig nachzuvollziehen ist. Man sieht das Ergebnis, aber nicht das „Warum“ dahinter. Quantcast begegnet diesem Problem mit einer Art „Explainable AI“, also einer erklärbaren KI. Das Ziel ist nicht nur die Optimierung der Performance, sondern die Offenlegung des Entscheidungsprozesses. Diese Transparenz schafft Vertrauen und ermöglicht es Marketern, die KI-Empfehlungen zu verstehen, zu hinterfragen und datenbasiert zu lernen. Es geht also darum, aus einem Autopiloten eher einen Co-Piloten zu machen.
Es geht also nicht in erster Linie um Effizienzsteigerung, sondern um nachvollziehbare Entscheidungen?
Sowohl als auch, aber mit klarem Fokus darauf, dass datengestützte Erkenntnisse auch menschliche Entscheidungen verbessern. Wenn wir Effizienz und Entscheidungsqualität betrachten: Die KI automatisiert Skalierung und Feinjustierung in Echtzeit, was enorme Effizienzsteigerungen im Sinne von Time-to-Value oder Return-on-Adspend bedeutet. Eine KI macht keine Pause, keinen Urlaub, wird nicht krank, dadurch steigt die Effizienz in Media Buying und Aussteuerung deutlich. Die eigentliche Innovation liegt aber in der Bereitstellung von Insights. Unser Agent „Analysis by Q“ erkennt die KI Muster und Korrelationen in Milliarden Datenpunkten, die ein Mensch nie überblicken könnte. Er liefert das „Warum“ – also die Grundlage, auf der Marketer strategische Entscheidungen zu Zielgruppen, Kanälen oder Creatives treffen können. Das ist eine Synthese aus KI-Power und menschlicher Strategie.
Kannst du kurz erklären, wie sich dieses „Warum“ messen lässt?
Die KI analysiert unzählige Datenpunkte, erkennt Muster und Zusammenhänge, die wir Menschen vielleicht gar nicht vermuten würden. Sie zeigt nicht nur, dass die Conversion-Rate gut ist, sondern erklärt auch, warum: etwa weil ein Video-Creative im Umfeld bestimmter Themen bei 15 Sekunden Laufzeit morgens auf Mobilgeräten besonders gut funktioniert – vor allem bei Menschen, die sich gerade für Formel 1 interessieren. Das sind die Insights, die das „Warum“ messbar machen.
Agent Q wird als „AI Partner for Programmatic Success“ bezeichnet. Wie stark greift dieser Agent in operative Entscheidungen ein?
Quantcast positioniert Agent Q explizit als strategischen KI-Partner, also als Workflow-Assistant, nicht als reines Automations-Tool. Es gibt zwei Ebenen: Assistenz und Insights. Agent Q ist im Kern ein Chatbot-Assistent, der sofort Antworten auf Fragen zur Kampagnenperformance, zum Pixel-Management oder zu Performance-Metriken liefert – etwa: „Wie lief die Kampagne gestern in Bayern?“ Darüber hinaus spricht der Agent Empfehlungen aus. Er lernt aus den Daten und schlägt dann vor, was man besser oder häufiger machen sollte. Das heißt, er greift durch datenbasierte Empfehlungen indirekt ein. Zum Beispiel: „Diese Audience-Sequenzen haben in den letzten sieben Tagen überdurchschnittlich performt, ich empfehle, sie zu erweitern.“ Oder: „Dieses Creative lief besser, ich empfehle, es auch auf andere Adsets auszuweiten.“
Muss der Agent jedes Mal aktiv gefragt werden?
Teilweise reagiert er automatisch, teilweise fragt er zurück, ob er Empfehlungen geben soll. Zum Beispiel: „Do you want me to give you recommendations based on that?“ – also, möchtest du, dass ich daraus Handlungsempfehlungen ableite? Wichtig ist: Die finale Entscheidung trifft immer der Marketer. Agent Q ist in erster Linie ein Informations- und Steuerungs-Tool, das Komplexität reduziert und Kontrolle zurückgibt. Die Plattform bietet zwar eine automatisierte Optimierung, aber der Agent selbst ändert keine Kampagne eigenständig.
Habt ihr bereits Insights zur Nutzung? Welche Fragen oder Empfehlungen treten besonders häufig auf?
Wie bei jedem neuen Tool wird erst einmal getestet. Zunächst haben wir die Agenten intern mit unseren Campaign- und Technical-Teams erprobt, danach mit ausgewählten Kunden, die die Plattform im Self-Serve nutzen. Seit etwa einem Monat sind die Agenten allgemein verfügbar. Was wir beobachten, ist: Viele Fragen betreffen zunächst Navigation und Troubleshooting. Also: „Wo finde ich das?“ oder „Warum funktioniert der Pixel nicht?“ Gleichzeitig nutzen Marketer „Analysis by Q“, um das „Why“ zu verstehen, sie suchen also tiefere Erklärungen zu Kampagnenergebnissen. Insgesamt sehen wir auch, dass der Support-Aufwand sinkt, weil viele Fragen direkt durch Agent Q beantwortet werden.
Wie zuverlässig ist eine KI-gestützte Analyse von Kampagnenleistungen, wenn so viele externe Faktoren wie Kreativität oder Marktumfeld auch eine Rolle spielen?
Die Zuverlässigkeit hängt immer von der Datenbasis ab. Quantcast nutzt Echtzeitdaten in enormem Umfang. Unser Quantcast Audience Graph basiert auf Verhaltensdaten aus dem Open Web, die seit 2006 kontinuierlich analysiert werden. Dadurch kann die KI externe Faktoren wie Saisonalität oder Markttrends erkennen und einbeziehen. In diesem Kontext bewertet die KI weniger die Ästhetik, sondern die Performance, also Klick-, Engagement- und Conversion-Raten. Die KI liefert eine wahrscheinlichkeitsbasierte Einschätzung, die auf einem sehr soliden Datengerüst steht. Wenn es um den ästhetischen Inhalt der Creatives geht, kommt Creative by Q zum Einsatz.
Audience by Q wählt automatisch Zielgruppen aus. Akzeptieren das die Kunden oder wollen Marketer ihre Audiences lieber selbst definieren?
Die Skepsis kommt daher, dass Marketer befürchten, Kontrolle zu verlieren. Deshalb begegnen wir dem auf drei Ebenen. Erstens: durch Performance-Nachweis. Audience by Q arbeitet mit Conversion-Zielen und liefert nachweislich effizientere Ergebnisse – niedrigeren CPA, höhere Conversion-Rate. Man kann das sogar direkt vergleichen, indem man etwa 20 % des Budgets gegen Audience by Q laufen lässt und 80 % gegen die eigene Zielgruppe – das Ergebnis spricht meist für sich. Zweitens: Transparenz. Analysis by Q zeigt genau, welche Merkmale in die automatisch optimierte Audience einfließen. Und drittens: Kontrolle. Der Marketer bleibt immer die Kontrollinstanz und kann die vorgeschlagene Audience anpassen oder verwerfen.
Creative by Q bewertet Anzeigen vor dem Launch. Ist das eher ein internes Benchmarking-Tool oder eine echte Entscheidungshilfe im Kreativprozess?
Beides – aber primär eine Entscheidungshilfe. Creative by Q ist aktuell noch auf Display-Banner fokussiert, weil das am besten messbar ist. Es nutzt Benchmarks aus Millionen Kampagnen, um Creatives objektiv zu bewerten, etwa nach Call-to-Action, Farbkontrast, Formatgrößen oder Logo-Sichtbarkeit. So lassen sich schwache Creatives früh identifizieren, bevor sie Budget verschwenden. Das Ziel ist Risikominimierung und Qualitätssteigerung, nicht kreative Bevormundung.
KI kann Kampagnen effizienter und präziser machen – aber auch Fehler schneller skalieren. Wie sichert ihr die Qualität der Entscheidungen ab?
Zwei Punkte: Datenqualität und kontinuierliche Validierung. Erstens: Unsere KI arbeitet auf einem der größten First-Party-Datensätze der Branche – dem Quantcast Audience Graph – mit Echtzeitdaten. Dadurch werden Entscheidungen auf aktuellen Verhaltenssignalen getroffen, was Fehler reduziert. Zweitens: Die Systeme sind iterativ aufgebaut. Sie treffen nicht nur Entscheidungen, sondern bewerten sie ständig neu. Auch negative Ergebnisse – also wenn eine Audience nicht konvertiert – fließen in das Lernsystem ein. So korrigiert sich die KI fortlaufend selbst.
In euren Folien steht: „You are responsible for any decisions taken on the basis of AI tools.“ Wie teilt sich die Verantwortung zwischen Mensch und Maschine auf?
Die strategische Hoheit liegt beim Menschen, die exekutive Präzision bei der Maschine. Der Marketer definiert Ziele, KPIs, Brand-Safety-Parameter und entscheidet über Kreativität und Freigaben. Die KI übernimmt die operative Optimierung, die Ausführung in Echtzeit und die analytische Aufbereitung. Sie liefert das „Warum“, aber die Entscheidung bleibt beim Menschen.
Was kommt als Nächstes? Liegt die Zukunft im Zusammenspiel spezialisierter Agenten oder in einem einheitlichen lernenden System?
Das ist die berühmte Million-Dollar-Frage. Wir sind jetzt in der ersten Generation dieser Agenten, und es wird viele Updates geben – sie werden detaillierter, schneller, vernetzter. Technisch gesehen steckt hinter allen Agenten bereits ein gemeinsames System. Analysis by Q gibt Insights, die Agent Q wiederum nutzt, um Empfehlungen abzuleiten. Die Zukunft liegt also im nahtlosen Zusammenspiel. Langfristig geht es darum, Media Buying im offenen Internet so einfach und effizient wie möglich zu gestalten und damit nicht nur großen Marken, sondern auch kleineren zugänglich zu machen.
Interview: Helmut van Rinsum
Sara Sihelnik ist Director Client Partnerships EMEA bei Quantcast, wo sie die Wachstumsstrategie für zentrale Werbepartner in der EMEA-Region verantwortet. Zuvor war sie Country Director DACH und damit für den deutschsprachigen Markt zuständig. Die gebürtige Belgierin hat zuvor bei Getty Images gearbeitet und hält Bachelor- und Masterabschlüsse in Geophysik an der ETH Zürich, RWTH Aachen und TU Delft.
