DMEXCO: KI skaliert dort, wo Marken klare Regeln haben

Die Zeiten ungestümer Experimente sind vorbei. Unter dem Leitmotiv „Scaling Intelligence“ zeigte die DMEXCO 2026 in Köln, worauf es der Digitalwirtschaft nach den stürmischen Jahren des generativen KI-Hypes ankommt: Künstliche Intelligenz muss sich als skalierbarer, betriebswirtschaftlich messbarer Wertschöpfungshebel beweisen. Zwischen Automated Media Buying, Retail-Media-Netzwerken und autonom agierenden Softwareagenten verdichtete sich auf den Bühnen und an den Ständen die Erkenntnis, dass Algorithmen zwar operative Prozesse beschleunigen, die entscheidende strategische Differenzierung jedoch jenseits des Digitalen entsteht. Die Interviews mit zehn prägenden Köpfen der Messe verdeutlichen die Transformation vom rein technologischen Werkzeug hin zur betriebswirtschaftlichen Konsequenz. 

KI braucht Leitplanken statt Ausreden

Die Gespräche zeigen, wo KI im Marketing tatsächlich skaliert und wo Unternehmen bewusst bremsen. Beim Launch der Suprema-Pizza in Irland stimmte die Flagge nicht. Die Farben waren vertauscht, auf dem Material stand das Hoheitszeichen der Elfenbeinküste. Claudia Willvonseder, im internationalen Executive Board von Dr. Oetker für das Marketing verantwortlich, erzählt die Episode als Grundsatzfrage. Einen KI-Agenten würde sie als Entschuldigung nicht gelten lassen, die finale Verantwortung trage immer ein Mensch. Dr. Oetker lässt Grafiken inzwischen von Agenten auf Markenkonformität prüfen, bevor ein Mitarbeiter sie freigibt. Für Fehler haftet trotzdem der Mitarbeiter und nicht die Software.

Zehn Leute, 24 Märkte

Wie weit sich Marketingarbeit schon verdichten lässt, zeigt IONITY. Felix Sold, Head of Marketing, Brand & Communications des Schnellladenetzbetreibers, führt ein Team von zehn Personen für 24 europäische Märkte. Die Website umfasst heute 2.600 Einzelseiten mehr als 20 Sprachen. Von Hand könnte ein Content Manager das nicht pflegen. Auf einer KI-Plattform arbeitet das Team bereits mit einem Brand- und einem Content-Agenten. In dessen Glossar haben Commercial und Legal die Begriffe rund um Subscriptions festgelegt, bei denen es kaum sprachlichen Spielraum gibt. Jeder Agent hat einen fachlich verantwortlichen Lead, der ihn pflegt und weiterentwickelt.

Sold warnt allerdings davor, solche Agentennetze für ein Nebenprojekt zu halten. Bis sie stabil produktiv laufen, brauche es viel Testing, Zeit und Energie. Catja Caspary, Vice President Marketing Communications der Koelnmesse, macht dieselbe Erfahrung. Mehr als 80 Prozent ihres Teams nutzen täglich das hauseigene „Omni-Tool“, an das mehrere Sprachmodelle angeschlossen sind. Einen Agenten zu bauen gehe schnell. Bis daraus ein markenkonformes Marketing-Asset wird, sei es aber ein weiter Weg. Ihr E-Mail-Agent ist in der Testphase. Caspary kennt auch den Fall, in dem ein solches System wichtige Nachrichten aussortiert hat.

Bei Borussia Dortmund hat Alexander Mühl, Direktor Marketing und Digitalisierung, die Stimmung in eine Formel gefasst: „Werkstudent plus Sprachmodell gleich Gamechanger.“ Der Abteilungsleiter nennt aber auch die Grenze. Komplette Marketingdienstleistungen ließen sich über Sprachmodelle derzeit nicht abbilden. Für außergewöhnliche Kreativität bleibe der Mensch entscheidend.

Das Geld liegt im Übersetzen

Wo die Interviewpartner konkrete Einsparungen belegen, geht es selten um das Erfinden von Inhalten. Meist geht es darum, sie zu übertragen und zu prüfen. Philipp Müller, Marketingleiter bei Nissan Deutschland, beziffert den größten jüngsten KI-Nutzen in der Lokalisierung. Früher waren daran Agenturen, Lektorat, Produktmanagement und Marketing beteiligt, mit vielen Abstimmungsschleifen. Heute erledigt ein auf den Nissan Tone of Voice trainierter Agent große Teile dieser Arbeit. Das spart sechsstellige Budgets. Menschen kontrollieren die Texte weiterhin vor der Veröffentlichung.

Auch Mühl sieht bei Übersetzung und Transkreation den größten Effizienzgewinn. Bei Ameropa-Reisen prüft ein trainierter Agent Katalogseiten auf Markenkern, Kundennutzen und rechtliche Anforderungen. Er findet sogar fehlende Copyright-Vermerke, die einem menschlichen Korrektor leicht entgehen. Marketingchef Dirk Hendriks zieht daraus eine unbequeme Lehre. Wenn KI schlechte Ergebnisse liefert, liegt das oft an schlecht definierten Prozessen. Die müsse man reparieren, bevor man sie automatisiert.

Dirk Freytag, Präsident des BVDW, setzt die Anstrengungen ins Verhältnis. Nach seinen Angaben erzielen nur sechs Prozent der Unternehmen mit KI tatsächlich mehr Wert oder Umsatz. Deshalb laute das Messemotto „Scaling Intelligence“ und nicht „Scaling AI“. Mehr Content schaffe für sich genommen keinen zusätzlichen Wert.

„Slop“ als Markenrisiko

Beim Einsatz synthetischer Inhalte setzen die befragten Marken selbst enge Grenzen. Mühl beschreibt die Social Feeds als zunehmend mit „Slop“ überladen. Genau diese Wahrnehmung will der BVB vermeiden. KI-generierte Inhalte sollen für Fans sofort erkennbar sein, der Verein hat Disclaimer teils schon vor der gesetzlichen Pflicht gesetzt. Bilder, die reale Situationen vortäuschen, sind tabu, ebenso digitale Zwillinge von Spielern. Hendriks warnt vor „Einheitswurst“, wenn alle dieselben Werkzeuge nutzen. KI-generierte Hotels kommen bei Ameropa nicht infrage. KI darf allenfalls Bildränder oder Landschaftselemente ergänzen.

Franziska Rettberg, Head of Brand Marketing beim Armaturenhersteller Dornbracht, begründet die Zurückhaltung handwerklich. Die spontanen Momente zwischen Fotograf und Model am Set lasse die KI nicht entstehen. Zudem muss die Markensprache in jedem Land stimmen. Dornbracht spricht von „Armatur“, nie von „Wasserhahn“, und Muttersprachler kontrollieren jede Übersetzung. Willvonseder berichtet aus der Marktforschung Ähnliches. Kein getestetes Modell habe menschliche Urteile zuverlässig genug nachgebildet. Probanden verkosten die Produkte deshalb weiterhin blind in Bielefeld.

Gefunden werden, bevor jemand sucht

Das Marketing, das sich derzeit am stärksten verändert, betrifft die Frage, wie Kunden auf ein Unternehmen stoßen. Ameropa hat die Sichtbarkeit in Sprachmodellen dem SEO-Team zugeordnet. Traffic aus ChatGPT oder Gemini konvertiert laut Hendriks besonders gut, weil die Nutzer den oberen Teil des Funnels dort bereits durchlaufen haben. Sinkender Website-Traffic beunruhigt ihn daher nicht. Ameropa stellt Serviceinformationen, etwa zum Bahnhofswechsel beim Umstieg in Paris, gezielt für externe Systeme bereit. Im Reisebüro legen Kunden inzwischen ChatGPT-Ausdrucke mit konkreten Ameropa-Verbindungen vor.

Bei Ionity ist der über Sprachmodelle vermittelte Traffic zuletzt um einen dreistelligen Prozentsatz gewachsen, ein systematisches Prompt-Monitoring gibt es aber noch nicht. Markus Vones, Division Manager Sales bei Otto Advertising, beschreibt die Folgen für Marken. In KI-Dialogen landeten typischerweise 3,5 bis 4,5 Marken im Auswahlset. Wer dort fehle, habe später kaum noch eine Chance. Werbung, die blind in KI-Antworten platziert wird, werde nicht funktionieren. Produktsuchen über KI beobachtet Otto bereits häufig, direkte Käufe dagegen noch deutlich seltener.

Kapital statt Kanäle

Daniel Knapp, Chief Economist von IAB Europe, sieht die Veränderung nicht in erster Linie als Effizienzgewinn. Sein Stichwort ist „Kompression“: KI zwingt Kreation, Messung, Optimierung und Einkauf zusammen, die über Jahrzehnte organisatorisch getrennt waren. Werbetreibende dächten nicht in Kanälen, sondern darin, wo ihr Kapital den höchsten Ertrag bringt. Dem offenen Web fehle ein „Easy Button“ für diese Allokation. Wer sich ganz auf Plattformen verlasse, lagere dort auch Wissen aus. Marketing-Mix-Modeling könne eine eigene „Source of Truth“ sichern. Seit Cannes 2026 sieht Knapp die Lücke zwischen Agentic-Ankündigungen und realen Produkten kleiner werden.

Nissan zeigt, was es praktisch heißt, die Messung ans Geschäftsergebnis zu koppeln. Angebot, Probefahrt und Vertragsabschluss fließen aus dem Handel als Signale zurück an Meta, damit die Kampagnen auf Verkäufe statt auf Lead-Mengen optimieren. Messbare Effekte sieht Müller noch nicht. Der Chatbot für die Vorqualifizierung arbeitet vorerst mit einem einfachen Entscheidungsbaum. Freytag fordert, für den agentischen Media-Einkauf früh einheitliche Protokolle zu vereinbaren. Otto baut seine Werbeprodukte über APIs so, dass Agenturen und deren Agenten sie künftig direkt ansteuern können.

Einschätzung: KI arbeitet vorerst als Lektor

Fast jeder belegte Ertrag aus diesen Gesprächen stammt aus dem Übersetzen, Prüfen und Durchsetzen von Regeln, die Menschen zuvor festgelegt haben. Beispiele sind Nissans Tone of Voice, Ionitys Glossar, Ameropas Katalogprüfung und Dr. Oetkers Brand-Check. Keiner der zehn Gesprächspartner nannte einen messbaren Gewinn aus rein generativer Kreation. Daraus folgt eine überprüfbare Erwartung. Unter Druck geraten zuerst Übersetzungsdienstleister, Lektorate und Teile der Mediaplanung. Sold hat einen Media-Planning-Agenten bereits auf seiner Wunschliste und stellt die Rolle von Mediaagenturen offen zur Diskussion. Die Kreativagenturen trifft es dagegen später. Im Vorteil sind Unternehmen, die ihre Marke so präzise schriftlich festgelegt haben, dass eine Maschine sie durchsetzen kann.