Programmatic Advertising im Wandel: Ein Rückblick auf 15 d3con-Ausgaben

Wie hat sich Programmatic Advertising seit 2011 entwickelt?

Die d3con bringt seit 2011 in Hamburg Werbetreibende, Agenturen, Publisher und Technologieanbieter zusammen. Ihre Programme zeigen, wie sich die Diskussion um Programmatic Advertising erweitert hat: von Echtzeitauktionen (Real-Time Bidding) und Targeting über Datenkontrolle und neue Werbeumfelder bis zu KI-Agenten.

Ich habe für diesen Artikel ChatGPT genutzt, um die veröffentlichten Programme und Rückblicke von 15 Ausgaben zwischen 2011 und 2026 zu sichten und thematisch zu ordnen. Mich interessiert dabei besonders, was diese Entwicklung für heutige Budgetentscheidungen bedeutet.

Der entscheidende Wandel liegt für mich in der Verantwortung: Je mehr Software den Mediaeinkauf übernimmt, desto wichtiger wird es, den tatsächlichen wirtschaftlichen Werbebeitrag zu steuern.

Schon 2011 ging es auf der d3con um profitable Umsätze. Mit wachsender Automatisierung müssen wir aber umso genauer festlegen, welche Ziele die Systeme verfolgen sollen und wie wir ihren wirtschaftlichen Beitrag beurteilen.

Welche Themen prägten die d3con von 2011 bis 2026?

*2020: Die Veranstaltung wurde wegen der Corona-Pandemie auf 2021 verschoben. Die Zeile zeigt das damals angekündigte Programm, keine zusätzliche durchgeführte Ausgabe.

Die Tabelle ist eine qualitative Auswahl aus den verfügbaren Programmen und Rückblicken. Sie zeigt Diskussionsthemen, keine gemessenen Markttrends. Die Jahreszahlen markieren auch nicht, wann ein Thema erstmals entstand.

Ausgewählte Themen aus den d3con-Programmen von 2011 bis 2026

Welche technischen Entwicklungen haben Programmatic verändert?

Was hat OpenRTB am Mediaeinkauf verändert?

Programmatic Advertising bezeichnet den automatisierten Ein- und Verkauf digitaler Werbeflächen. Real-Time Bidding ist eine mögliche Handelsform: Einzelne Werbeeinblendungen werden in Echtzeit versteigert. Auch vereinbarte Deals gehören zu Programmatic.

Der Standard OpenRTB schafft eine gemeinsame Sprache für die beteiligten Plattformen. Das erleichtert die Anbindung verschiedener Anbieter und den Einkauf über viele Werbeumfelder. Spätere Erweiterungen berücksichtigen etwa Werbeblöcke im Streaming-TV.

Der wirtschaftliche Fortschritt liegt im effizienteren Zugang zu Inventar. Ob die eingekauften Kontakte relevant und zusätzlich wirksam sind, beantwortet der Standard nicht.

Warum wurden Einkaufswege selbst zum Optimierungsthema?

Header Bidding erlaubt Publishern, mehrere Nachfragepartner parallel um Werbeplätze konkurrieren zu lassen. Dadurch entstanden zusätzliche Zugangswege zum Inventar. Für Werbetreibende bedeutet das jedoch: Derselbe Werbeplatz kann über mehrere Anbieter angeboten werden.

Hier setzt Supply Path Optimization an. Sie bewertet Einkaufswege nach Kosten, Transparenz und Zugang zum gewünschten Inventar. Der günstigste Kontakt allein genügt als Auswahlkriterium nicht. Entscheidend ist, welche Qualität und Leistung nach Gebühren tatsächlich ankommt.

Meine Konsequenz für die Planung: Zusätzliche Plattformen müssen ihren Beitrag erklären können. Mehr Zugangswege schaffen nicht automatisch mehr relevante Reichweite.

Was leisten eigene Daten und Data Clean Rooms?

Cookie-Alternativen stehen schon 2014 im d3con-Programm. Datenschutz und eingeschränkte Identifizierbarkeit haben die Frage nach nutzbaren Daten weiter verschärft. Eigene Kundendaten können beispielsweise zeigen, ob aus einem Kauf ein profitabler Kunde wurde.

Data Clean Rooms ermöglichen kontrollierte Auswertungen zwischen Datenpartnern. Sie machen lückenhafte Daten aber nicht vollständig und garantieren keine rechtmäßige Nutzung. Auch die Zuordnung eines Kaufs beweist noch keine zusätzliche Werbewirkung.

Für die Steuerung kann ein sauber erfasster Deckungsbeitrag einschließlich Retouren wertvoller sein als eine große Menge zusätzlicher Zielgruppensignale. Datenqualität entscheidet mit darüber, worauf die Automatisierung tatsächlich optimiert.

Was verändert Agentic AI im Programmatic Advertising?

KI und Predictive Marketing waren bereits 2017 Thema auf der d3con. 2026 stehen auch KI-Agenten im Mittelpunkt, die mehrstufige Aufgaben planen und ausführen können.

🌤 Der klassische Einsatz von Wetterdaten zeigt den Unterschied anschaulich. Nehmen wir einen Händler für Gartenbedarf:

• Klassische Automatisierung: Wetterdaten lösen eine feste Regel aus: Regnet es in einer Region, wird dort eine bestimmte Sommerkampagne pausiert. Wird es wieder sonnig, läuft sie weiter.

• KI-gestützte Optimierung: Ein Modell kombiniert Wetterprognosen mit bisherigen Kampagnen- und Verkaufsdaten. Es schätzt, unter welchen Bedingungen bestimmte Produkte häufiger gekauft werden, und passt die Gebote entsprechend an. Die Steuerung berücksichtigt damit die erwartete Verkaufschance.

• Agentic AI: Ein Agent erhält den Auftrag, Gartenprodukte innerhalb eines festgelegten Budgets profitabel zu bewerben. Bei einer angekündigten Hitzewelle prüft er Bestände, Margen und bisherige Ergebnisse. Er wählt passende Produkte wie Sonnenschutz oder Bewässerung aus und entscheidet, ob bestehende Kampagnen angepasst oder neue regionale Kampagnen vorbereitet werden sollen. Innerhalb freigegebener Grenzen kann er Anzeigen erstellen, Kampagnen anlegen und starten sowie anschließend die Ergebnisse prüfen.

Solche Abläufe benötigen passende Datenzugänge, Schnittstellen und Berechtigungen. Regeln und Prognosemodelle bleiben dabei nützlich. Ein Agent kann sie in einen umfassenderen Arbeitsablauf einbinden.

Advertiser und Agenturen müssen festlegen, welche wirtschaftlichen Ziele gelten, wie viel Budget eingesetzt werden darf und welche Änderungen eine Freigabe benötigen. Die ausgeführten Maßnahmen müssen nachvollziehbar bleiben.

Wer operative Entscheidungen delegiert, behält die Verantwortung für Ziele, Grenzen und wirtschaftliche Ergebnisse.

Dabei können steigende Verkäufe während einer Hitzewelle auch durch das Wetter selbst entstehen. Welchen zusätzlichen Beitrag die Werbung leistet, muss gesondert beurteilt werden.

Welche Kennzahlen zeigen tatsächlichen Geschäftserfolg?

Die technische Entwicklung löst ein altes Problem nicht automatisch: Eine gut optimierbare Kennzahl kann den wirtschaftlichen Beitrag nur teilweise abbilden.

Das passende Ziel hängt von der Aufgabe der Kampagne ab. Eine Videokampagne kann Markenbekanntheit aufbauen, eine Anzeige im Onlineshop Nachfrage nahe am Kauf erreichen. Wer beide allein nach kurzfristig zugerechneten Käufen bewertet, kann ihren Beitrag falsch einschätzen.

💡 Neue Werbemöglichkeiten brauchen eine klare Aufgabe im Marketing. Erst daraus ergibt sich, welche Ergebnisse für ihre Bewertung zählen.

Wann kann ein guter ROAS zur falschen Budgetentscheidung führen?

Der ROAS setzt zugerechneten Umsatz ins Verhältnis zu Werbekosten. Gerade bei Retargeting kann er gut aussehen, weil die Kampagne Menschen erreicht, die ohnehin kurz vor dem Kauf stehen.

Ein vereinfachtes Gedankenbeispiel: Eine Kampagne kostet 1.000 Euro und erhält 5.000 Euro Umsatz zugerechnet. Ihr ROAS beträgt 5.

Nehmen wir an, dass davon nur 1.000 Euro Umsatz zusätzlich durch die Werbung entstanden sind. Bei einem Deckungsbeitrag von 40 Prozent vor Werbekosten bleiben daraus 400 Euro. Nach Abzug der Werbung ergibt sich ein zusätzlicher Beitrag von minus 600 Euro. Spätere Folgekäufe sind in diesem Beispiel nicht berücksichtigt.

Wie hoch der zusätzliche Umsatz tatsächlich ist, muss gesondert untersucht werden. Er lässt sich nicht aus dem ROAS ablesen. Genau deshalb ist der Unterschied zwischen Attribution und Inkrementalität für Budgetentscheidungen relevant.

Was ist Fortschritt und was bleibt ein Versprechen?

Der Rückblick zeigt konkrete technische Fortschritte: gemeinsame Standards, mehr Kontrolle über Einkaufswege und leistungsfähigere Automatisierung. Gleichzeitig kehren Transparenz, Datenqualität und Werbewirkung über Jahre wieder.

Für mich beginnt der Hype dort, wo aus einer technischen Möglichkeit ein wirtschaftlicher Vorteil abgeleitet wird, ohne ihn zu prüfen. Ein neues Verfahren kann die Arbeit erleichtern und trotzdem auf das falsche Ziel optimieren.

Warum bleiben Unternehmen dann bei leicht verfügbaren Kennzahlen? Weil diese schnell vergleichbar sind und oft die tägliche Steuerung bestimmen. Wenn beispielsweise nur zugerechneter Umsatz als Ziel vorgegeben wird, optimiert das System genau darauf. Die Verbindung zu Marge, Kundenqualität und zusätzlichem Wachstum muss bewusst hergestellt werden.

Was sollten Marketingverantwortliche daraus ableiten?

Vor dem nächsten größeren Budgetschritt würde ich drei Fragen klären:

• Was soll das Budget bewirken? Beispielsweise neue Kunden gewinnen, mehr profitable Bestellungen auslösen oder die Marke bekannter machen. Je konkreter das Ziel, desto besser lässt sich die Werbung darauf ausrichten.

• Woran erkennen wir, dass die Werbung dazu beiträgt? Wer profitabel wachsen möchte, muss beurteilen können, welche Verkäufe zusätzlich entstehen und was davon nach Kosten übrig bleibt.

• Wann entscheiden wir, wie es weitergeht? Vorab festlegen, wann die Ergebnisse geprüft werden und unter welchen Bedingungen das Budget erhöht, die Kampagne angepasst oder gestoppt wird.

Diese Fragen helfen bei einer einzelnen Kampagne genauso wie bei der Auswahl einer neuen Plattform oder dem Einsatz eines KI-Agenten.

In meiner Strategieberatung für Digital Marketing unterstütze ich Unternehmen dabei, diese Fragen zu beantworten und daraus konkrete Entscheidungen für ihre Werbung abzuleiten.

Nach 15 Jahren Programmatic ist mein Maßstab für Fortschritt: Unternehmen können besser begründen, wo ihr nächster Werbe-Euro zusätzlichen Wert schafft.