Was passiert, wenn KI die Mediaplanung übernimmt?

Gut klingende Antworten sind noch keine guten Pläne. Genau dort setzt Guido Trevisan an. Er blickt auf KI nicht als Heilsversprechen, sondern als System, das seine eigenen blinden Flecken mitliefert. Dort, wo Datenmengen beeindrucken, beginnt nicht automatisch schon Erkenntnis. Und dort, wo Maschinen Sicherheit ausstrahlen, kann sich auch eine Verzerrung verbergen.

Was zunächst nach einer steilen These klingt, gewinnt bei näherem Hinsehen an Schärfe. Wenn KI-basierte Mediaplanung Budgets systematisch in Richtung jener Plattformen schiebt, die am lautesten, dichtesten und am besten maschinenlesbar über sich selbst Auskunft geben, dann gerät mehr ins Wanken als nur das Kräfteverhältnis zwischen digitalen und klassischen Kanälen. Dann stellt sich die Grundsatzfrage, wie Werbegeld künftig überhaupt noch verantwortungsvoll, wirksam und marktnah geplant werden kann.

Trevisan schlägt in diesem Gespräch nicht Alarm um des Alarms willen. Eher wirkt er wie jemand, der einer Spur folgt, die sich hinter plausiblen Resultaten verbirgt. Sein Verdacht zielt nicht auf die Technologie an sich, sondern auf deren Datengrundlage, Logik und blinde Selbstverständlichkeit. Damit öffnet sich ein grösseres Thema: Es geht nicht nur um Print, TV, Audio oder DOOH. Es geht um die Architektur der Mediaplanung im KI-Zeitalter – und um die Frage, ob die Branche gerade einer neuen Form von Bias begegnet, die zu glatt klingt, um sofort misstrauisch zu machen.

Guido Trevisan, Sie sprechen von «KI-Bias» in der Mediaplanung. Reden wir hier von einem echten Marktproblem – oder auch von einer ziemlich steilen These mit politischem Nutzen für klassische Medien?
Falls die These stimmt, hat nicht nur Print, TV oder OOH ein Problem, sondern die ganze Werbebranche. Denkt man die These weiter und folgt dem, was die gängigen KIs empfehlen, würde durch ineffektive Mediaplanungen auch die Werbewirkung als Ganzes geschwächt. Folglich würden Investitionen in die kommerzielle Kommunikation gekürzt und von Unternehmen woanders investiert.

Was genau ist aus Ihrer Sicht der Bias: dass KI falsch plant – oder dass sie schonungslos offenlegt, welche Kanäle heute datenmässig schlicht dominieren?
Der Bias liegt klar bei der falschen Planung der KI. Davon ausgehend, dass Mitarbeitende von Mediaagenturen und Marketer etwas von ihrer Arbeit verstehen, erstaunt es schon sehr, dass die von der KI empfohlenen Planungen – insbesondere in den USA, wo dieser Bias bereits nachgewiesen wurde – sich stark von der menschlichen Mediaplanung unterscheiden. Dass digitale Medien mehr Daten «produzieren», wenn auch nur teilweise unabhängig gemessen, ist nicht von der Hand zu weisen.

Sie sagen, Large Language Models (LLMs) und KI-Systeme bevorzugen digitale Plattformen. Wo beginnt hier die Verzerrung – und wo hört schlicht datengetriebene Logik auf?
Geht es um Mediaplanung, sollte sogar noch stärker auf bestehende unabhängige Daten Bezug genommen werden. Richtig gepromptet sind LLMs ein fantastisches Werkzeug. Es gilt jedoch auch hier: «Garbage in, garbage out».

Ist der KI-Bias am Ende nicht einfach die neue, algorithmische Version jener menschlicher Bias, über den die Branche schon vor Jahren diskutiert hat?
Beides ist gefährlich, wenn es darum geht, Werbegelder treuhänderisch einzusetzen. Ich glaube jedoch, dass das strukturelle Schadenspotenzial bei der algorithmischen Version wesentlich grösser ist, denn man bekommt zu fast jeder Frage eine gut klingende Antwort auf Knopfdruck zugestellt.

Hand aufs Herz: Wie gross ist Ihr Vertrauen, dass eine Maschine Mediapläne heute tatsächlich schlechter macht als ein Mensch mit Erfahrung, Bauchgefühl und Excel?
Wie bereits erwähnt, richtig gepromptet, kann die Maschine sicher zufriedenstellende Pläne erstellen. Heute sind die meisten Resultate jedoch ungenügend. Wenn ein Agenturbriefing mit einer KI erstellt wird und dies dann direkt, ohne Erfahrung, Bauchgefühl und Excel – also ohne eigenes Wissen – eins zu eins an die Agentur weitergeleitet wird, kommt selten etwas Gutes dabei heraus. Dass dies heute bereits bei namhaften Kunden geschieht, wurde mir bestätigt. Und dann kommt noch die Problematik dazu, dass strategische Mediaplanung in Weiterbildungen weniger unterrichtet wird. Hier müssen wir als Branche ansetzen, damit der «Human in the Loop» einen wichtigen Mehrwert erzeugt.

Ihre Argumentation stützt sich stark auf Beobachtungen aus den USA. Was ist daran belastbar genug, um die Schweiz jetzt schon aufzurütteln?
Möglicherweise werden die Abweichungen zum Buchungsverhalten in der Schweiz noch grösser sein, da die klassischen Medien hierzulande mehr Relevanz haben. Die Daten aus den USA haben zumindest dazu geführt, dass der Diskurs mit namhaften Organisationen wie zum Beispiel Leading Swiss Agencies oder dem Schweizer Werbeauftraggeberverband überhaupt erst möglich war. Unser gemeinsames Ziel ist es, eine ähnliche Analyse für die Schweiz umzusetzen.

Könnte man Ihre These nicht auch so lesen: Die Tech-Plattformen haben ihre Hausaufgaben in Sachen Daten gemacht – und klassische Medien haben sie zu lange vor sich hergeschoben?
Klar. Es ist meiner Ansicht nach aber unerheblich. Und obwohl die Tech-Plattformen über einige der smartesten Köpfe verfügen, glaube ich nicht, dass dieser Bias in der Medienplanung von langer Hand so geplant wurde. Wir müssen jetzt handeln und können dem Schweizer Werbemarkt mit relativ kleinem Aufwand ein Tool an die Hand geben, um effektiver Reichweite und Wirkung, basierend auf vorhandenen Schweizer Studien, zu planen.

Wenn KI klassische Medien zu wenig empfiehlt: Ist das wirklich ein Bias der Maschine – oder ein Sichtbarkeitsproblem der klassischen Anbieter?
Eine Idee war es, einfach mehr Schweizer Daten zu publizieren und dadurch eine Korrektur der Outputs zu bewirken. Die LLMs basieren auf weltweiten Informationen. Unsere Erkenntnis: Natürlich können und sollen wir mehr publizieren, und die in den Wertschöpfungsketten nachgelagerten Dienstleister sollen diese auch vermehrt nutzen. Zu glauben, dass wir mit ein paar zusätzlichen Schweizer Informationen das System signifikant beeinflussen können, hat sich aber als Irrglaube erwiesen. Ganz abgesehen davon, dass die Daten der Forschungsorganisationen einen Wert haben und sie diese auch weiterhin kapitalisieren wollen.

Gerade die klassischen Gattungen pochen oft auf ihre Wirkung, tun sich aber schwer mit vergleichbaren, offenen und maschinenlesbaren Daten. Ist der KI-Bias also auch hausgemacht?
Da habe ich eine andere Sicht der Dinge. Es sind die klassischen Gattungen, die sich, wo immer möglich und finanzierbar, unabhängig messen lassen. Die multinationalen Plattformen tun sich nicht nur in der Schweiz schwer damit, obwohl sie über das Geld und die technischen Möglichkeiten verfügen würden. Diverse Branchenorganisationen haben bereits versucht, die Plattformen in verschiedene Projekte einzubinden. Diese haben aber mehrheitlich umfassende Kooperation abgelehnt.

Sie warnen vor unbegründeten Budgetverschiebungen. Wer sagt aber, dass diese Verschiebungen unbegründet sind, solange die digitale Seite schlicht mehr belastbare Signale liefert?
Der Kumpel, der am Stammtisch am meisten plaudert, hat auch nicht immer recht. Die Datenmenge allein hat noch keinen Wert. Es geht darum zu klären, ob diese dem Zweck, nämlich einer möglichst effektiven Medienplanung, dienlich ist.

Wie problematisch ist es aus Ihrer Sicht, dass ausgerechnet die grossen Plattformen ihre Wirkung selbst vermessen, selbst darstellen und zugleich für viele KI-Systeme die lauteste Datenquelle sind?
Dass es sich im übertragenen Sinn bei Spieler und Schiedsrichter um dieselbe Person handelt, muss den Agentur-Mitarbeitenden und Marketern bewusst sein, wenn sie das Werbegeld verplanen. Wenn immer möglich, sollten sie weitere, unabhängige Daten als Entscheidungsgrundlage beiziehen.

Ab wann wäre Ihre These für Sie bewiesen? Was müsste eine Schweizer Untersuchung konkret zeigen, damit aus dem Verdacht ein belastbarer Befund wird?
Meiner Ansicht nach kommt es auf das Gesamtbild an. In den USA hat das Modell empfohlen, 7 Prozent in klassisch lineares TV zu investieren und 18 Prozent in CTV. Obwohl der Markt natürlich ein ganz anderer ist, würde ich dies in der Schweiz als starke Verzerrung der Realität deuten. Die Resultate müssen von Expertinnen und Experten interpretiert werden. Einen fixen Wert im Vorfeld zu definieren, erachte ich nicht als sinnvoll.

Ihr Lösungsansatz heisst «Swiss Media Agent». Ist das ein neutrales Korrektiv – oder letztlich der Versuch, klassischen Medien wieder mehr Gewicht im Maschinenraum zu verschaffen?
Selbst wenn wir alle uns verfügbaren Schweizer Daten ins Netz stellen würden, könnten wir die LLMs nicht auf Schweiz trimmen. Das Konzept des «Swiss Media Agent» sieht vor, dass wir die heute frei verfügbaren Mediendaten – IGEM Digimonitor management Summary, Werbekompass von Media Focus, das Auflagenbulletin der WEMF, Daten vom Statistischen Amt, etc. – in einem Datentopf sammeln. Wer ein gängiges LLM nutzt, um sich ein Briefing für eine Kampagne oder eine Kampagnenplanung erstellen zu lassen, kann den «Swiss Media Agent» einfach in seine Abfrage integrieren, um damit die weltweiten Informationen mit spezifischem Schweizer Know-how anzureichern. Die Transparenz stellen wir her, indem wir kommunizieren, welche Daten berücksichtigt wurden. Die Datenquellen sollen durch ein Gremium – zum Beispiel aus Wissenschaft, Werbeauftraggebern, Mediaagenturen, Vermarktern und Publishern – definiert werden.

Und die vielleicht entscheidende Frage: Geht es Ihnen am Ende darum, KI besser zu machen – oder darum, zu verhindern, dass klassische Medien im KI-Zeitalter an Relevanz verlieren?
Heute klingen die Resultate von KI einfach gut. Wir möchten sie mit unseren Schweizer Daten veredeln. Die Effizienz der KI wird so mit vertiefter Marktkenntnis verknüpft. Damit schaffen wir die Grundlage, dass mit einer kritischen Einordnung und einer verantwortungsvollen Budgetführung die Kampagnen noch präziser ausgespielt werden können.

Welche konkreten nächsten Schritte planen Sie?
Zum einen soll der KI-Bias in der Mediaplanung für die Schweiz nachgewiesen werden. Zu diesem Zweck stehen wir im Austausch mit Data-Scientist- und Software-Architektur-Spezialisten. Zum anderen möchten wir interessierte Organisationen respektive Personen zusammenbringen, die bereit sind, ideell, mit ihrem Know-how und mit finanziellen Mitteln an einer gemeinsamen Lösung respektive Weiterentwicklung des «Swiss Media Agent» zu arbeiten.