Bei einem Termin mit zwei Kollegen aus der Frankfurter Agenturszene ging es vor einigen Tagen ums Eingemachte, leider nicht um leckere Erdbeermarmelade, sondern um den «Schrott», mit dem eventuell KI-gestützte Mediaplanungstools gefüttert werden.
📦 Kurzversion für Eilige und Maschinen
Diese Box enthält strukturierte Metadaten zum Artikel – maschinenlesbar und für einen schnellen Überblick.
- Texttyp
- Meinungsartikel / Essay
- Besprochenes Werk / Thema
- Kritische Analyse der Risiken von KI-gestützten Mediaplanungstools in der Werbeindustrie. Der Text untersucht, wie schlechte Datenqualität und Intransparenz durch künstliche Intelligenz exponentiell verschärft werden.
- Zentrales Argument
-
Künstliche Intelligenz in der Mediaplanung verstärkt bestehende Probleme der Branche wie Datenunsicherheit, Intransparenz und Ad Fraud systematisch, anstatt sie zu lösen. Das Prinzip 'Garbage in, garbage out' führt dazu, dass KI-Systeme Ineffizienz und Betrug perfektionieren und in beispiellosem Tempo skalieren.
- Kernthese
- KI ist nur so gut wie die Daten, mit denen sie trainiert wird; solange die Mediabranche nicht zu echten, transparenten Daten bereit ist, wird KI die bestehenden Probleme nicht lösen, sondern beschleunigen.
- Relevante Konzepte
- Empfohlen für
- Werbefachleute, Mediaplanung, Agentur-Manager, KI-Kritiker, Entscheider in der Werbebranche, Datenethik-Interessierte
- Einordnung durch den Autor
- Kritischer Diskurs zu KI-Anwendungen in der Werbebranche, Datenethik, Technologiekritik, praktische Medienökonomie
- Verweise im Text
Künstliche Intelligenz soll uns retten. Sie soll unsere Budgets effizienter machen, unsere Kampagnen präziser, unsere Entscheidungen besser. Aber was passiert eigentlich, wenn wir einer KI beibringen, mit Zahlen zu arbeiten, die schon immer gelogen haben?
Das Datenproblem der Branche
Kommen wir mal zur Sache: Die Mediaplanung hat ein Transparenzproblem. Mediapläne bestehen in Teilen aus nicht immer nachvollziehbaren Bestandteilen, vor allem wenn es um programmatische Kampagnen geht. Da wird in Millisekunden auf Inventar geboten, dessen tatsächliche Qualität oft unklar bleibt. Dabei werden Viewability-Daten oft optimistisch interpretiert. Traffic-Quellen, bei denen niemand so genau wissen will, woher sie eigentlich kommen. Performance-Metriken, die mehr Hoffnung als harte Fakten abbilden.
Das war schon immer problematisch. Aber jetzt kommt die KI ins Spiel – und plötzlich wird aus einem lokalen Problem ein systemisches Desaster.
Denn eine KI ist nur so gut wie die Daten, mit denen sie gefüttert wird. Garbage in, garbage out – das Prinzip kennt jeder, der sich mal fünf Minuten mit Machine Learning beschäftigt hat. Wenn ich einer KI jahrelang intransparente Pläne zeige, lernt sie nicht, bessere Pläne zu machen. Sie lernt, die Intransparenz zu perfektionieren.
Ich gebe der KI einen Media-Plan, der auf unsauberen Daten basiert. Die KI erkennt Muster. Sie sieht: «Aha, so sieht ein erfolgreicher Plan aus.» Und beim nächsten Mal spuckt sie mir einen Plan aus, der genauso aussieht. Dabei hat er genauso wenig mit der Realität zu tun wie die Vorlage.
Programmatic als Turbo-Lader des Problems
Und jetzt wird es richtig absurd: Programmatic Advertising ist eigentlich dafür da, Kampagnen schnell und effizient zu skalieren. Aber es ist auch der perfekte Multiplikator für schlechte Daten.
Programmatic-Systeme treffen Entscheidungen in Millisekunden. Sie bieten auf Inventar, bewerten Traffic-Quellen, entscheiden über Platzierungen – alles basierend auf historischen Daten und Echtzeit-Signalen. Wenn diese historischen Daten über die tatsächliche Qualität des Inventars, über Ad Fraud oder echte Viewability ungenau oder geschönt sind, lernt die KI, automatisch auf minderwertiges Zeug zu bieten.
Die KI interpretiert diese unsauberen Daten als effiziente Muster. Und dann skaliert sie diese Ineffizienz in einem Tempo, das kein Mensch mehr kontrollieren kann. Millionen von Geboten auf die falschen Platzierungen. Programmatic macht es der KI leicht, schlechte Planung in beispiellosem Tempo zu vervielfachen.
Wir haben aus einem menschlichen Problem ein maschinelles gemacht. Und dabei noch die Geschwindigkeit erhöht, mit der wir Quatsch produzieren.
Die Walled Gardens und ihr Datenschatz
Das Problem wird noch absurder, wenn wir uns anschauen, wo das Geld eigentlich landet. Mehr als die Hälfte aller Werbeausgaben fließt zu einer Handvoll Unternehmen: Google, Meta, Amazon. Die sogenannten Walled Gardens.
Diese Plattformen sitzen auf Bergen von Daten. Sie wissen, wer wann wo klickt, kauft, scrollt. Sie haben die Wahrheit. Nur teilen sie diese Wahrheit nicht mit uns. Was wir bekommen, sind aggregierte Metriken, gefilterte Insights, geschönte Performance-Berichte.
Die KI-Modelle dieser Plattformen haben Zugriff auf die echten Daten. Unsere externen KI-Systeme arbeiten mit dem, was übrig bleibt. Mit der halben Wahrheit. Mit Daten, die durch mehrere Interpretationsschichten gelaufen sind.
Das Ergebnis? Unsere KI lernt, die Performance-Muster dieser wenigen Plattformen zu optimieren. Sie kann keine echte, plattformübergreifende Wahrheit abbilden, weil sie diese Wahrheit nie zu sehen bekommt.
Und was macht die KI dann? Sie verstärkt die Illusion. Sie sagt uns: «Ja, investier noch mehr Geld in Google Ads, die Performance ist doch super!» Dabei hat sie nie gesehen, dass derselbe User die Anzeige schon dreimal bei Facebook und zweimal bei Instagram gesehen hat und mittlerweile vollkommen genervt ist.
📢 Wollen Sie passende Werbung sehen?
Diese Werbung wird durch Google AdSense bereitgestellt und zum Thema dieses Artikels passend ausgewählt.
Themen: Kritische Analyse der Risiken von KI-gestützten Mediaplanungstools in der Werbeindustrie. Der Text untersucht, wie schlechte Datenqualität und Intransparenz durch künstliche Intelligenz exponentiell verschärft werden., Garbage in garbage out, Datenqualität, Transparenzproblem, programmatische Werbung, Ad Fraud, Walled Gardens, Viewability, Traffic-Quellen, Algorithmus-Bias, maschinelles Lernen, Performance-Metriken, KI ist nur so gut wie die Daten, mit denen sie trainiert wird; solange die Mediabranche nicht zu echten, transparenten Daten bereit ist, wird KI die bestehenden Probleme nicht lösen, sondern beschleunigen., Werbefachleute, Mediaplanung, Agentur-Manager, KI-Kritiker, Entscheider in der Werbebranche, Datenethik-Interessierte, Kritischer Diskurs zu KI-Anwendungen in der Werbebranche, Datenethik, Technologiekritik, praktische Medienökonomie
Werbung wird geladen …
Zum Thema bei Amazon
🔍 „KI Datenqualität Mediaplanung Werbung" auf Amazon suchen* Affiliate-Link. Bei einem Kauf erhalte ich eine kleine Provision.
Man könnte von Ad-Fatigue sprechen. Die KI kann sie nicht erkennen, weil die Walled Gardens ihre Daten nicht teilen. Also optimiert sie ins Leere. Effizienz auf dem Papier, Verschwendung in der Realität.
Die Reproduktion des Irrsinns
Es gibt noch einen Aspekt, der mich besonders stört: Bias. Voreingenommenheit. Diskriminierung.
Wenn die historischen Daten, mit denen wir die KI trainieren, bereits voreingenommen sind – und das sind sie, denn sie sind von Menschen gemacht –, dann reproduziert die KI diese Voreingenommenheit. Allerdings geschieht das jetzt automatisiert – in tausend Kampagnen gleichzeitig.
Wir bauen Maschinen, die unsere Fehler perfektionieren. Das ist kein Fortschritt. Das ist eine Industrialisierung des Irrsinns.
Was jetzt?
Ich will nicht sagen, dass KI in der Mediaplanung grundsätzlich eine schlechte Idee ist. Aber ich sage: Solange wir nicht bereit sind, ehrlich mit unseren Daten umzugehen, wird KI das Problem nicht lösen. Sie wird es nur beschleunigen.
Gute KI braucht gute Daten. Echte Daten. Keine geschönten Metriken, keine optimistischen Hochrechnungen, keine intransparenten Konstrukte.
Sie braucht Transparenz. Wir müssen wissen, woher die Daten kommen, wie sie erhoben wurden, welche Verzerrungen sie haben.
Sie braucht Unabhängigkeit. Wir können nicht ewig akzeptieren, dass die großen Plattformen die einzigen sind, die wissen, was wirklich passiert.
Und sie braucht Ehrlichkeit. Wir müssen aufhören, uns selbst zu belügen. Aufhören, Erfolge zu feiern, die keine sind. Aufhören, Effizienz zu behaupten, wo nur Abhängigkeit ist.
Die letzte Konsequenz: Der Ad-Fraud-Multiplikator
Die größte Gefahr liegt woanders: Eine KI, die mit schlechten Daten trainiert wurde, ist ein gefundenes Fressen für Kriminelle. Wenn ein Algorithmus lernt, auf irreführende Klickraten oder geschönte Viewability-Werte zu optimieren, leitet er Budgets direkt in die Taschen der Betrüger.
Die Profiteure dieses Systems sind nicht die Werbetreibenden. Auch nicht die Konsumenten. Es sind die Ad-Fraud-Spezialisten, deren Geschäftsmodelle perfekt auf die Intransparenz und die falsch trainierten Algorithmen abgestimmt sind. Sie wissen genau, welche Signale die KI für wertvoll hält. Und sie liefern diese Signale – in großem Stil.
Transparenz ist nicht nur eine ethische Frage. Sie ist die einzige wirksame Waffe gegen den organisierten Werbebetrug.
Eins weiß ich: Solange wir der KI nur Müll zum Lernen geben, wird sie uns auch nur Müll zurückgeben. Nur dass dieser Müll dann einen wissenschaftlichen Anstrich hat und in schönen Dashboards präsentiert wird.
Die Frage ist nicht, ob KI die Mediaplanung verändern wird. Die Frage ist, ob wir den Mut haben, zuerst uns selbst zu verändern.
ad fraud
Werbebetrug ist kein reines Marketing-Problem – es finanziert Kriminalität und vergiftet die Datengrundlagen von morgen. In dieser Serie schauen wir hin, wo die Industrie lieber wegschaut: auf die Schattenseiten des digitalen Ökosystems und ihre Konsequenzen für alle, die darin arbeiten.
- Wenn Werbebetrug zur Geldwäsche wird: Eine Reise auf die dunkle Seite des digitalen Marketings 21.11.2025
- Wenn die KI nur Müll lernt: Warum Mediaplanung nicht besser wird, nur weil jetzt Algorithmen den Schrott verwalten ← dieser Artikel
🕸️ Wissenskarte dieses Artikels
Knoten sind verschiebbar · Hover für Details · Klick öffnet verlinkte Seite
🧭 Thesen dieses Artikels — und wo sie heute stehen
KI-gestützte Mediaplanungstools reproduzieren und skalieren die bestehende Intransparenz der Branche, anstatt sie zu beheben, weil sie auf historisch unsauberen, geschönten oder unvollständigen Mediaplandaten trainiert werden.
gilt · seit 28.11.2025
Programmatic Advertising wirkt als Multiplikator schlechter Datenqualität, weil KI-Systeme fehlerhafte Signale zu Viewability und Traffic-Qualität in Millisekunden und in einem für Menschen unkontrollierbaren Tempo auf Millionen von Geboten übertragen.
gilt · seit 28.11.2025
Die Walled Gardens Google, Meta und Amazon verfälschen das KI-Training externer Mediaplanungssysteme strukturell, weil sie nur aggregierte und gefilterte Metriken herausgeben, während ihre eigenen KI-Modelle Zugriff auf die vollständigen Rohdaten haben.
gilt · seit 28.11.2025
Mit schlechten Daten trainierte Mediaplanungs-KI stellt ein aktives Sicherheitsrisiko dar, weil Ad-Fraud-Akteure gezielt jene Signale liefern können, die der Algorithmus als wertvoll eingestuft hat, und so Werbebudgets systematisch in betrügerische Inventare umleiten.
gilt · seit 28.11.2025
Datentransparenz in der Mediaplanung ist keine bloß ethische Anforderung, sondern die notwendige Voraussetzung dafür, dass KI-Systeme überhaupt einen realen Effizienzgewinn erzeugen können.
gilt · seit 28.11.2025
Jede These ist ein Knoten im Kontext-Graphen von meiersworld.de: mit Gültigkeit, Belegen und Nachfolger, falls sie revidiert wurde.