KI ersetzt keine Media-Expertise. Sie macht sie umso wichtiger.

Der Prompt ist nicht das Problem

Bittet man ein KI-Tool, ein Media-Budget über fünf Kanäle hinweg zu optimieren, bekommt man eine Antwort. Selbstbewusst. Sofort. Und manchmal komplett falsch.

Nicht, weil das Modell fehlerhaft ist, sondern weil es nicht weiß, dass der Kundenvertrag eine regionale Exklusivitätsklausel enthält, dass die Zahlen vom letzten Monat durch einen Tracking-Bug verzerrt wurden, oder dass der "leistungsstärkste" Kanal in den Daten eigentlich ein Placement mit Brand-Safety-Flag ausspielt, das unabhängig vom ROI abgeschaltet werden muss.

KI ist sehr gut darin, Muster in den Daten zu finden, die ihr gegeben werden. Sie hat keine Möglichkeit zu wissen, was in den Daten fehlt.

Wo das eigentliche Risiko liegt

Die Branchendiskussion über KI in Media Operations teilt sich meist in zwei Lager: Begeisterung über das, was jetzt möglich ist, und Sorge darüber, was schiefgehen könnte. Beide übersehen die nützlichere Frage — nicht "sollten wir KI einsetzen", sondern "wer prüft ihre Arbeit, und woran?"

Diese Frage wird wichtiger, nicht unwichtiger, je tiefer KI in Planung, Einkauf und Reporting integriert wird. Die Tools verdichten eine Woche Analysearbeit auf wenige Sekunden. Verdichtete Zeit bedeutet aber nicht verdichtete Verantwortung. Jemand muss weiterhin wissen, ob eine Empfehlung tatsächlich fundiert ist oder nur statistisch selbstbewusst klingt.

Was echte Media-Ops-Erfahrung wirklich bringt

Das ist der Teil, der leicht unterschätzt wird. Einen plausiblen, aber falschen KI-Output zu erkennen, ist keine Data-Science-Fähigkeit, sondern eine Domänen-Fähigkeit. Es erfordert zu wissen, wie sich Media-Kampagnen tatsächlich verhalten: welche Zahlen "zu sauber" aussehen, welche Kundenbeziehungen ungeschriebene Regeln haben, die kein Datensatz erfasst, welche Kanal-Eigenheiten die Konfidenz eines Modells verzerren, ohne dass es jemand bemerkt.

Diese Art von Urteilsvermögen kommt nicht aus dem Tool. Es entsteht dadurch, nah genug an genug Kampagnen gesessen zu haben, um zu merken, wenn etwas nicht stimmt, bevor das Dashboard es bestätigt. Der wirksamste Einsatz von KI in Media Operations nimmt diese Person nicht aus dem Prozess heraus — er gibt ihr einen schnelleren ersten Entwurf zum Schärfen, keine finale Antwort zum Abnicken.

Gebaut, um geprüft zu werden, nicht nur um vertraut zu werden

Das führt auch zu einer Frage, die man bei jedem KI-Tool in Media Operations stellen sollte: Kann man tatsächlich überprüfen, was es liefert, oder wird erwartet, dass man ihm einfach vertraut? Offene Systeme, die Teams erlauben, eigene Daten anzubinden und Outputs gegen das eigene Wissen abzugleichen, sind eine ganz andere Sache als eine geschlossene Blackbox, die Entscheidungen von oben herab trifft.

Verifizierung ist nicht das Gegenteil von KI-Einsatz in Media Operations. Sie ist die Voraussetzung, die den sicheren Einsatz überhaupt erst möglich macht.

Das Fazit

Die Teams, die echten Mehrwert aus KI in ihren Media Operations ziehen, sind weder die, die ihr blind vertrauen, noch die, die sie aus Vorsicht meiden. Es sind die, die sich eine Gewohnheit des Prüfens angeeignet haben — schnell genug, um den Geschwindigkeitsvorteil nicht zu verlieren, gründlich genug, um das Urteilsvermögen nicht zu verlieren, das den Account überhaupt erst gewonnen hat.

Diese Gewohnheit kommt nicht aus einem Tool. Sie kommt aus Erfahrung.