Marketer hatten noch nie so viel Zugang zu Kampagnendaten wie gerade jetzt. Umso mehr lohnt es sich, bei einem aktuellen Befund innezuhalten, der der Annahme widerspricht, dass mehr Daten automatisch mehr Klarheit bedeuten: Trotz mehr Kampagnendaten als je zuvor geben die meisten Marketer zu, nicht vollständig zu verstehen, warum ihre Kampagnen erfolgreich sind oder scheitern, laut einer aktuellen Branchenumfrage.

Das ist ein bemerkenswertes Eingeständnis einer Branche, die jahrelang massiv in Mess-Tools investiert hat. Es widerspricht auch der Art, wie die meisten Budget-Gespräche noch geführt werden, wo die angenommene Lösung für unsichere Performance immer mehr Daten ist, ein weiteres Dashboard, eine weitere Integration, statt eines ehrlichen Blicks darauf, ob den bestehenden Daten überhaupt vertraut werden kann.

Was die Lücke tatsächlich füllt

Wenn die Daten keine klare Antwort liefern, hören Teams nicht einfach auf zu berichten. Viele greifen auf Vermutungen zurück, oder auf oberflächliche Delivery-Metriken, nicht weil diese Zahlen am aussagekräftigsten sind, sondern weil sie am verfügbarsten sind, wenn nichts anderes zusammenpasst.

Das ist eine leise, aber folgenreiche Verschiebung darin, wie Entscheidungen getroffen werden. Eine Metrik, die wegen ihrer Verfügbarkeit statt ihrer Relevanz gewählt wurde, wird im Kundengespräch trotzdem mit derselben Selbstsicherheit präsentiert wie eine, die tatsächlich das Ergebnis erklärt. Die Lücke zwischen beidem zeigt sich nicht auf der Folie, sie zeigt sich Monate später, wenn sich dasselbe unerklärte Muster wiederholt und niemand sagen kann, warum.

Das Detail, das den Rest erklärt

Das aufschlussreichste Detail der Recherche: Ein nennenswerter Teil der Befragten sagte, ihre größte Mess-Herausforderung sei nicht ein Mangel an Daten, sondern das Fehlen einer einzigen Wahrheitsquelle, an der gemessen werden kann.

Das verschiebt das ganze Problem. Das ist nicht in erster Linie eine Tool- oder Talent-Lücke. Es ist eine Fundament-Lücke, Teams kämpfen nicht damit, Daten zu analysieren, sie kämpfen damit, sich darauf zu einigen, welcher Version davon sie vertrauen sollen, bevor die Analyse überhaupt beginnt. Zwei Personen im selben Team können auf zwei verschiedene Exporte derselben Kampagne schauen und mit zwei unterschiedlichen Erklärungen dafür weggehen, was passiert ist, und beide können ihre Zahl verteidigen.

Warum KI diese Lücke nicht von allein schließt

Dieselbe Recherche fand echte Ambivalenz zur Rolle von KI: Während viele erwarten, dass KI robuste Messung noch wichtiger macht, befürchtet ein nennenswerter Teil, dass KI-Tools Geschwindigkeit über statistische Genauigkeit stellen.

Beide Sorgen weisen auf dasselbe zugrunde liegende Problem hin. KI kann Daten schneller verarbeiten als jedes Team manuell könnte, aber sie kann keine gemeinsame Wahrheitsquelle erfinden, die nicht bereits existiert. Speist man ein fragmentiertes Datenfundament in eine schnellere Maschine, ist das Ergebnis schnellere, selbstbewusster präsentierte Fragmentierung, keine Klarheit. Geschwindigkeit ohne ein vertrauenswürdiges Fundament darunter bedeutet nur, dass Teams schneller als früher zur falschen Antwort kommen.

Das Fazit

Die Mess-Vertrauenslücke ist kein Zeichen dafür, dass Marketer schlechter in ihrem Job geworden sind. Sie ist ein Zeichen dafür, dass die Branche jahrelang Mess-Fähigkeiten auf ein Fundament aufgebaut hat, das nie darauf ausgelegt war, das durchgehend zu tragen. Schnellere Tools und reichhaltigere Dashboards werden diese Lücke weiter leichter übertünchbar machen, nicht unbedingt leichter schließbar.

Genau das ist die Ebene, an der Mercury ansetzt. Mehr dazu auf mercurymediatechnology.com.

Quellen: Die Statistiken in diesem Artikel stammen aus einer Live-Umfrage des Brand-Lift-Messungsunternehmens On Device unter 254 Werbefachleuten beim MAD//Fest 2026, berichtet von AdWeek und Marketing Week.

Jahrelang war der Pitch der meisten Marketing- und Media-Plattformen derselbe: Gebt uns euren gesamten Workflow, und wir übernehmen alles an einem Ort. Weniger Logins, eine Anbieterbeziehung, ein Ansprechpartner, wenn etwas kaputt geht. Das war eine vernünftige Abwägung, für eine Weile.

Dieser Tausch wirkt für eine wachsende Zahl von Teams mit Blick auf 2026 weniger attraktiv. Die Beschwerde ist nicht, dass diese Plattformen nicht funktionieren. Es ist, dass "alles an einem Ort" zunehmend bedeutet "alles im Tempo der Roadmap eines Anbieters", und dieses Tempo passt selten dazu, wie schnell sich die tatsächlichen Bedürfnisse eines Teams ändern.

Was "Composable" in der Praxis tatsächlich bedeutet

Die Alternative, die an Zugkraft gewinnt, ist ein modularer, API-first-Ansatz: Statt dass eine Plattform versucht, alles ausreichend gut zu machen, stellen Teams sich einen Stack aus spezialisierten Tools zusammen, die jeweils eine Sache gut können, verbunden über offene Schnittstellen statt eingeschlossen in den Mauern eines einzelnen Anbieters.

Das ist in der Software-Welt generell keine neue Idee, aber sie erreicht Martech und Media Operations später als die meisten anderen Kategorien, teilweise weil ein Wechsel früher teuer genug war, dass "gut genug und integriert" gegen "exzellent, aber getrennt" gewann. Diese Rechnung verschiebt sich, während Integration selbst günstiger und schneller umzusetzen wird.

Warum das Timing gerade jetzt passt

Mehrere Kräfte kommen gerade zusammen. Budgets stehen stärker unter Beobachtung, was Teams weniger bereit macht, für Plattform-Funktionen zu zahlen, die sie nicht nutzen, nur um die eine Funktion zu bekommen, die sie brauchen. KI-Tools entwickeln sich schnell genug, dass die gesamte Wette auf die KI-Roadmap eines einzelnen Anbieters riskanter wirkt als noch vor zwei Jahren. Und die Werkzeuge zum Verbinden spezialisierter Systeme, APIs, Webhooks, leichtgewichtige Integrationsebenen, sind tatsächlich einfacher in der Handhabung geworden.

Zusammengenommen ist das Argument für "beste Einzellösungen, gut verbunden" stärker als es lange war, und die schwächeren Argumente fürs Monolithische, meist Trägheit und Wechselkosten, erodieren.

Der eigentliche Trade-off, den niemand überspringt

Nichts davon ist kostenlos. Ein Composable Stack tauscht die Einfachheit eines einzelnen Anbieters gegen die Verantwortung, sicherzustellen, dass die einzelnen Teile tatsächlich gut miteinander sprechen. Teams, die diesen Weg gehen, wetten darauf, dass die Flexibilität es wert ist, diese Integrationsarbeit selbst zu übernehmen, oder mit einem Partner, der genau auf diese verbindende Ebene spezialisiert ist.

Das ist eine echte Wette, kein kostenloses Upgrade. Die Teams, die das erfolgreich umsetzen, sind meist explizit darüber, welche Teile ihres Stacks es wert sind, modular zu sein, und welche, meist die mit den grundlegendsten Daten, es wert sind, einmal richtig gemacht zu werden, statt sie jedes Jahr auszutauschen.

Fazit

Der Wandel weg von All-in-One-Plattformen ist keine Ablehnung von Konsolidierung an sich. Es ist eine Neuberechnung, wo Konsolidierung tatsächlich hilft und wo sie nur Reibung erzeugt. Modulare, API-first-Stacks gewinnen diese Neuberechnung für eine wachsende Zahl von Teams, nicht weil monolithische Plattformen schlechter wurden, sondern weil die Kosten für die Verbindung spezialisierter Tools deutlich gesunken sind.

Vor ein paar Jahren war "Wo liegen unsere Daten eigentlich?" eine Compliance-Frage, meist relevant für Rechtsabteilungen während der Vertragsprüfung. Heute ist es zunehmend eine Frage, die Kunden direkt stellen, und wie eine Agentur darauf antwortet, entscheidet mit, ob dieser Kunde ihr die nächste Kampagne anvertraut.

Dieser Wandel kommt nicht von ungefähr. Da Media-Budgets durch immer mehr Plattformen, Anbieter und grenzüberschreitende Infrastruktur fließen, reicht "irgendwo in der Cloud" für eine wachsende Zahl von Werbetreibenden nicht mehr als Antwort, besonders in regulierten Branchen oder bei Kunden, die nach einem Jahrzehnt aufsehenerregender Datenvorfälle einfach genauer hinschauen.

Compliance war nie die eigentliche Motivation

Datenresidenz allein als DSGVO-Häkchen zu betrachten, verkennt, was den Wandel tatsächlich antreibt. Compliance ist die Untergrenze, nicht das Unterscheidungsmerkmal. Die Agenturen, die hier einen Vorsprung gewinnen, sind nicht die, die das gesetzliche Minimum erfüllen. Es sind die, die konkret und selbstbewusst beantworten können, wo Kampagnendaten liegen, wer darauf zugreifen kann und was passiert, wenn ein Vertrag endet.

Diese Klarheit erfordert mehr als eine Datenschutzerklärung. Sie erfordert eine Infrastruktur, die diese Antwort tatsächlich stützt, nicht Papierkram, der ein Ideal beschreibt, das die Systeme nicht widerspiegeln.

Was Kontrolle über die Infrastruktur wirklich bringt

Die eigene Infrastruktur zu besitzen, statt eine Blackbox von einem Anbieter zu mieten, der nicht klärt, wo die Dinge gehostet werden, verändert das Gespräch mit einem Kunden ganz konkret. Es bedeutet, dass eine Agentur genau sagen kann, in welcher Region Daten liegen, wer genau Zugriff hat und wie der Audit-Trail aussieht, falls ein Kunde jemals fragt. Es bedeutet auch, dass eine Agentur nicht auf die Roadmap eines Anbieters warten muss, um eine bestimmte Datenanforderung eines Kunden zu erfüllen.

Das wird umso wichtiger, je mehr Kunden KI-gestützte Workflows in ihre eigenen Abläufe einbauen. Sie fragen nicht nur "sind unsere Daten sicher", sondern "können wir das beweisen, schnell, wann immer jemand fragt." Agenturen, die das ohne eine Woche interner Recherche beantworten können, gewinnen die schwierigeren Ausschreibungen.

Der Wettbewerbsvorteil, der sich in einer Compliance-Anforderung versteckt

Nichts davon ist glamourös. Datenresidenz und Infrastrukturkontrolle stehen selten auf der Titelfolie eines Pitch-Decks. Aber es wird zunehmend zum leisen Unterscheidungsmerkmal in Wettbewerbsvergleichen, besonders bei den Kunden, die anspruchsvoll genug sind, um vor der Unterschrift schwierige Fragen zu stellen.

Die Agenturen, die das als echte Fähigkeit behandeln, nicht als juristische Formalität, sind die, die schneller Vertrauen bei genau den Kunden aufbauen, bei denen es sich lohnt.

Das Fazit

Datenresidenz war früher etwas, das Agenturen still im Hintergrund erledigten. Es wird zunehmend etwas, das Kunden aktiv bewerten, und etwas, das Agenturen aktiv zur Differenzierung nutzen können. Die Infrastrukturfrage verschwindet nicht. Die Agenturen, die sie schon klar beantwortet haben, haben einen echten Vorsprung gegenüber denen, die das noch herausfinden müssen.

Fragt man fünf Personen in einem Media-Team, wo die "echten" Kampagnendaten liegen, bekommt man wahrscheinlich fünf verschiedene Antworten — hier ein Dashboard, dort eine Tabelle, ein Export von letztem Dienstag. Nicht, weil jemand etwas falsch gemacht hat, sondern weil die Branche nie ein Fundament gebaut hat, das dafür ausgelegt ist, all das zusammenzuhalten.

Die Kosten der Fragmentierung

Das ist mehr als nur unbequem. Wenn Daten in Silos liegen, wird jede Übergabe zwischen Teams — Planung an Einkauf, Einkauf an Reporting, Reporting an Abrechnung — zu einer manuellen Abgleichaufgabe. An jeder Nahtstelle schleichen sich Fehler ein. Entscheidungen werden auf Basis von Daten getroffen, die bereits eine Woche alt sind. Und wenn ein Kunde eine einfache Frage zur Performance stellt, lautet die ehrliche Antwort oft: "Lassen Sie uns kurz in ein paar Systemen nachsehen und wir melden uns."

Das tiefere Problem: Die meisten Plattformen in Media Operations wurden als Endstation konzipiert. Sie wollen den Workflow, die Daten und die Beziehung besitzen. Das funktioniert so lange gut, wie der gesamte Betrieb einer Agentur in die Mauern eines einzigen Anbieters passt. Es hört in dem Moment auf zu funktionieren, in dem eine Agentur mehr als ein System nutzt — was bedeutet: immer.

Was ein System of Record wirklich bedeutet

Ein System of Record ist keine weitere Anwendung, die um Aufmerksamkeit neben dem restlichen Stack konkurriert. Es ist die Ebene darunter — die einzige, maßgebliche Quelle, aus der jedes andere Tool liest und in die es schreibt. Kampagnendaten, Budgets, Performance-Kennzahlen und operativer Status liegen an einem Ort, zugänglich über offene APIs statt eingeschlossen in einer proprietären Oberfläche.

Das ist wichtig, weil es die Eigentumsfrage umdreht. Statt dass die Daten einer Agentur der jeweiligen Plattform gehören, die sie gerade hält, gehören sie der Agentur — Punkt. Tools werden austauschbar. Agenturen können neue Technologien einführen, unterdurchschnittliche Anbieter ersetzen oder eigene interne Workflows bauen, ohne jedes Mal eine teure, riskante Migration durchzuführen.

Bei Mercury ist das das Prinzip, um das wir von Anfang an gebaut haben: agenturunabhängig by design, API-first aus Notwendigkeit. Wir bitten Agenturen nicht, uns ihre Daten für immer anzuvertrauen — wir bitten sie, sie zu besitzen, mit Mercury als der Infrastruktur, die sie organisiert, zugänglich und bereit für alles hält, was als Nächstes kommt.

Gebaut für das, was kommt — nicht nur für das, was heute existiert

Das System-of-Record-Modell ist auch deshalb wichtig, weil es zeigt, wohin sich die Branche entwickelt. Wenn Agenturen beginnen, KI-gestützte Tools für Planung, Reporting und Analyse zu erkunden, hängt die Qualität dessen, was diese Tools leisten können, vollständig von der Qualität und Zugänglichkeit der zugrunde liegenden Daten ab. Eine KI-Ebene, die auf eine fragmentierte Datenlandschaft aufgesetzt wird, erbt genau diese Fragmentierung — inkonsistent, unvollständig und schwer vertrauenswürdig.

Ein offenes, API-first System of Record löst das auf dieselbe Weise wie alles andere: indem es Agenturen ein sauberes, strukturiertes Fundament gibt, auf dem jedes Tool — auch KI-gestützte — aufbauen kann. Über offene Schnittstellen wie MCP sind Agenturen nicht an die KI-Roadmap eines einzelnen Anbieters gebunden; sie können ihre eigenen Tools oder unsere mit derselben vertrauenswürdigen Datenebene verbinden.

Das ist ein Fundament, das wir nicht auf die leichte Schulter nehmen. Media Operations ist seit fast 14 Jahren der Fokus von Mercury — lange genug, um zu wissen, dass Automatisierung nur so gut ist wie die menschliche Expertise, die dahinter steht und sie verifiziert, und dass kein Dashboard das echte Verständnis dafür ersetzt, wie Media-Kampagnen tatsächlich funktionieren.

Das Fazit

Media Operations braucht kein weiteres Tool, das verspricht, Fragmentierung von außen zu lösen. Es braucht ein Fundament, das von Anfang an nicht fragmentiert war — eines, das Agenturen gehört, an das sich jedes Tool andocken kann, und das bereit ist für eine Zukunft, die noch keiner von uns vollständig vorhersagen kann.

Dafür ist ein System of Record da.

Komplexität skalierbar machen: Jenseits manueller Workflows

Die Realität von High-Growth Media: KDM steuert anspruchsvolle Kampagnen über eine Vielzahl von Kanälen – von Search und Social bis hin zu Programmatic und Retail Media. Mit wachsendem Volumen wurde die Koordination dieser fragmentierten Kanäle zu einem manuellen Flaschenhals, der eine neue Ebene der Professionalisierung erforderte.

Die spezifischen Herausforderungen:

• Manuelle Konsolidierung: Vor dem Einsatz von Mercury wurden Mediapläne über verschiedene Kanäle hinweg in komplexen Excel-Listen zusammengeführt – ein zeitintensiver Prozess, der Potenzial für mehr Automatisierung bot.
• Prozess-Silos: Die Lücke zwischen Planung und Einkauf wurde durch manuelle Übergaben überbrückt, was das Fehlerrisiko erhöhte und den Go-Live-Prozess verlangsamte.
• Datenfragmentierung: Die Sicherstellung, dass Echtzeit-Ausgabendaten mit der zentralen Buchhaltung kompatibel sind, war ohne ein spezialisiertes Tool nahezu unmöglich.

„Mercury ist für uns ein notwendiger und richtiger Schritt für die Aufgaben der Zukunft — besser aufgestellt für Skalierung und mit reibungslosen Prozessen, die uns mehr Zeit für das Kerngeschäft geben: die strategische Kundenberatung."

Daniel Weber Geschäftsführer

Kontor Digital Media (KDM)

Der integrierte Workflow: Vom Briefing bis zur Abrechnung

• Das Briefing (Input): Kundenanforderungen werden in einem strukturierten, digitalen Prozess gebündelt. Dies ersetzt fragmentierte E-Mail-Ketten und sichert eine klare Datengrundlage vom ersten Tag an.
• Die Media-Engine (Mercury): Die Spezialistinnen und Spezialisten von KDM nutzen Mercury für die taktische kanalübergreifende Planung und den automatisierten Einkauf. Mercury fungiert dabei als Qualitätsfilter, der jeden Cent der Media-Ausgaben in Echtzeit validiert.
• Das kaufmännische Rückgrat (QuoJob): Sobald die Media-Logik finalisiert ist, fließen validierte Volumen- und Mediabudgetdaten automatisch in QuoJob für das interne Controlling, CRM-Updates und das gesamte Projektcontrolling. Die Rechnungsstellung erfolgt weiterhin direkt in QuoJob.
• Der Erfolg (Output): Der Kunde erhält eine präzise Abrechnung, die exakt auf den validierten Kampagnendaten basiert. KDM minimiert den manuellen Abstimmungsaufwand zwischen Media-Einkauf und Buchhaltung deutlich und gewinnt eine durchgängige finanzielle Transparenz über alle Kanäle hinweg.

Ein synergetischer Best-of-Breed-Stack

Das kaufmännische Rückgrat: QuoJob Bei KDM dient QuoJob (von QuoTec) als zentrale „Single Source of Truth" für das gesamte Agenturmanagement. Es bildet das unverzichtbare Fundament für die Pflege zentraler Kundenbeziehungen durch ein robustes CRM und eine strukturierte Stammdatenverwaltung. Durch die Abwicklung der finalen Agenturbuchhaltung und des ganzheitlichen Business-Controllings stellt QuoJob die kaufmännische Integrität und finanzielle Stabilität der gesamten Organisation sicher.

Die spezialisierte Media Operations Plattform: Mercury Mercury erweitert die bestehende Infrastruktur um tiefgreifende, mediaspezifische Funktionalitäten und übernimmt das „Heavy Lifting" der täglichen Media Operations.

• Professionalisierte Media-Logik: Mercury ersetzt fragmentierte Excel-Listen durch eine einheitliche, professionelle Arbeitsumgebung, die exakt auf die komplexe Logik digitaler Medien und kanalübergreifende Anforderungen zugeschnitten ist.
• Intelligente Datensynchronisation: Anstatt administrative Strukturen zu ersetzen, stärkt Mercury diese. Die Plattform fungiert als spezialisiertes Zubringersystem, das vorvalidierte Volumen- und Budgetdaten automatisch mit dem zentralen ERP synchronisiert. Dies ermöglicht es dem Finanzteam, in der vertrauten QuoJob-Umgebung zu bleiben und gleichzeitig von hochpräzisen Media-Daten zu profitieren. Manuelle Abgleiche werden deutlich reduziert und ein nahtloser Übergang von der Kampagnenausführung zur finalen Abrechnung gewährleistet.

„Mit KDM arbeiten wir mit einer Agentur zusammen, die zeigt, was moderne Media Operations bedeuten. Es ist besonders, eine so breit aufgestellte Full-Service-Agentur dabei zu unterstützen, ihre Prozesse ressourcenschonend zu skalieren — ohne an Qualität zu verlieren."

Aiko Müller, Head of Growth – Mercury Media Technology

Vernetzte Intelligenz & Operative Exzellenz

Durch die Überbrückung der Lücke zwischen spezialisierten Operations und zentraler Verwaltung hat KDM die Reibungsverluste zwischen „Media" und „Finance" eliminiert:

• Integrierter Media-Lifecycle: Briefing, taktische Planung und Einkauf werden exklusiv in Mercury abgewickelt, was spezialisierte Expertise in jedem Schritt sicherstellt.
• Validierte Datenbrücke: Keine manuelle Dateneingabe mehr. Die automatisierte Synchronisation garantiert 100 % Datenintegrität zwischen Media-Spendings und Kundenrechnungen.
• Skalierbare Prozesse: Dank der Automatisierung des administrativen Overheads bewältigt KDM mit der gleichen Teamgröße ein deutlich höheres Kampagnenvolumen.

"Media und Kreation aus einer Hand ist bei la red längst gelebte Realität. Mit Mercury machen wir nun den nächsten logischen Schritt: Wir schaffen die Grundlage für mehr Standardisierung und Effizienz in unserer Media – um unsere Arbeitsweise noch klarer, schneller und skalierbarer aufzustellen."

Christin Schaffarzick
Head of Media bei la red

Die Entscheidung für MMT und die Mercury-Plattform fiel nach einer umfassenden Marktanalyse. Besonders überzeugte die Kombination aus technischer Leistungsfähigkeit und strategischer Passung. Ausschlaggebend waren die vollständige Anbindung aller relevanten Social-Plattformen, die Möglichkeit, Planungen direkt im Tool durchzuführen, das Anlegen verschiedener Planversionen sowie der automatisierte Datenimport. Die Plattform bietet zudem standardisierte Dashboards und die Perspektive, agenturübergreifende Benchmarks aufzubauen.

Durch den Einsatz von Mercury erwartet la red eine signifikante Zeitersparnis in allen operativen Prozessen, insbesondere bei Planung, Monitoring und Reporting. Bereits erste Erfahrungen bestätigen diese Vorteile: Das automatisierte Reporting spart in hektischen Kampagnenphasen Zeit, und der Produktionsplan lässt sich mit wenigen Klicks generieren. Auch Überlieferungen werden sofort sichtbar, was ein schnelles Eingreifen und Nachsteuern ermöglicht. Die Möglichkeit, Kampagnenkennzahlen in Echtzeit zu analysieren, schafft neue Standards in der Datenanalyse und stärkt die Beratungsqualität. la red würde Mercury definitiv weiterempfehlen, da es für Agenturen ein Gewinn ist, die ihre Media strukturell, effizient und zukunftsorientiert aufsetzen möchten.

Über la red GmbH

Als Agentur für digitale Kommunikation kombiniert la red in seinen multidisziplinären Teams Strategie, Kreation, Media, Influencer Management und Social Media. Dank vielfach ausgezeichneter Arbeiten, unter anderem für Jägermeister, Kaufland, Astra, Eurowings und die tagesschau, ist die Agentur mit Standorten in Hamburg und Berlin seit Jahren eine feste Größe in der Kreativ-Branche. Weitere Informationen unter www.la-red.de.

Pressekontakt:

Lisa Reschka

la red GmbH

presse@la-red.de

Über Mercury Media Technology

Mercury Media Technology wurde 2016 gegründet und ist ein unabhängiges und wachsendes MarTech-Unternehmen mit Sitz in Hamburg. Die Kunden in ganz Europa sind Agenturen, Werbetreibende und Publisher. Über 30 Expert:innen aus den Bereichen Software- und Data-Engineering, Data-Intelligence und Media entwickeln datengestützte Lösungen, die darauf abzielen, die Effizienz von Media-Operations zu maximieren.

Die „Mercury“-Plattform für Media-Operations, die auch unter die breitere Kategorie des Marketing Resource Managements fällt, ermöglicht eine datengetriebene Mediabuchung. Vom Self-Service Marketing-Mix-Modelling-Modul, das umsetzbare Insights für die Mediaplanung liefert, bis hin zur strategischen und taktischen Planung, Buchung und automatisierten Dashboards im integrierten Reporting-Center – Mercury unterstützt den gesamten Media-Workflow.

Die Plattform umfasst Datenpipelines zu relevanten technischen Systemen, einschließlich Ausspielsystemen wie Adservern und DSPs, allen sozialen Plattformen, Website-Tracking-Tools und Validierungssystemen. Alle externen und internen Daten werden zusätzlich über den „Bridge“-Datenkonnektor sauber aufbereitet und strukturiert.

Das Unternehmen hat seinen Hauptsitz in Hamburg und wird von den Managing Directors Tobias Irmer, Gunnar Neumann und Andreas Sand geleitet. Weitere Informationen finden Sie unter: mercurymediatechnology.com

Pressekontakt:

Mercury Media Technology GmbH & Co. KG

Klostertor 1

20097 Hamburg

Michelle Tejada hello@mercurymediatechnology.com

Die Entscheidung, die sich richtig anfühlt

Es gibt einen Moment, den die meisten Medienorganisationen kennen. Die verfügbaren Tools passen nicht wirklich. Der Agentur-Stack ist eine Black Box. Die Daten liegen irgendwo, wo sie niemand vollständig kontrolliert. Und jemand im Raum sagt: Wir sollten das einfach selbst bauen.

Es ist ein nachvollziehbarer Impuls. Die Organisation kennt ihre eigenen Workflows besser als jeder Anbieter. Die Anforderungen sind spezifisch. Das Team ist kompetent. Und die eigene Infrastruktur zu besitzen fühlt sich nach genau dem richtigen Schritt an.

Also wird die Entscheidung getroffen. Ein Team wird zusammengestellt. Ein Zeitplan festgelegt. Und der Bau beginnt.

Der Prototyp ist nicht das Produkt

Die ersten Monate sind ermutigend. Ein Prototyp nimmt Form an. Grundfunktionen funktionieren. Das Team zeigt erste Ergebnisse.

Was in dieser Phase selten sichtbar ist: die Distanz zwischen einem funktionierenden Prototypen und etwas, das produktiv betrieben werden kann. Das sind keine graduellen Unterschiede. Ein Prototyp muss funktionieren. Produktionsinfrastruktur muss unter Last funktionieren — über Jahre, mit wechselnden Teams, mit Daten, die sich verändern, mit Anforderungen, die zu Beginn niemand absehen konnte. Fehlerbehandlung. Audit-Trails. Versionierung. Skalierung. Sicherheit. Compliance.

Das sind keine Features, die man später hinzufügt. Sie sind das Fundament, auf dem alles steht.

Was das Budget nicht erfasst

Die direkten Kosten eines Eigenbau-Projekts sind leicht zu sehen: Entwickler, Infrastruktur, Tooling. Was selten eingerechnet wird, ist alles andere.

Jede Stunde, die ein internes Team mit Infrastrukturwartung verbringt, ist eine Stunde, die nicht in Medienstrategie, Optimierung oder Kundenarbeit fließt. Dieser Trade-off summiert sich. Nach zwei Jahren stellt sich oft heraus, dass ein erheblicher Teil der technischen Kapazität der Organisation von einem System absorbiert wurde, das eigentlich Kapazitäten freisetzen sollte.

Dann ist da noch die Frage der Kontinuität. Bei fast jedem Eigenbau gibt es irgendwann eine Person, die das System wirklich versteht — die weiß, warum bestimmte Architekturentscheidungen getroffen wurden, die die undokumentierten Abhängigkeiten im Kopf trägt. Wenn diese Person geht — und irgendwann geht sie immer —, ist die Lücke, die sie hinterlässt, schwer zu beziffern und noch schwerer zu schließen.

Software, die nicht aktiv gepflegt wird, veraltet schnell. Jeder neue Kanal, jede neue Datenanforderung, jede Compliance-Änderung bedeutet Anpassungsarbeit. Was als schlankes internes Tool beginnt, wird zu einem Vollzeitprojekt — ohne dass sich jemand bewusst dafür entschieden hätte.

Die Anzeichen, dass die Kalkulation kippt

Die Symptome der Build-Falle zeigen sich meist lange, bevor jemand sie als solche benennt:

• Das ursprüngliche Team hat sich teilweise verändert — und das Systemwissen ist mitgegangen
• Neue Anforderungen — ein neuer Markt, ein neues Reporting-Bedürfnis — erfordern jeweils mehr Aufwand als sie sollten
• Dokumentation existiert, hat aber Lücken, für deren Schließung niemand Zeit findet
• KI-Tooling wurde evaluiert oder pilotiert, aber die Anbindung an den eigenen Stack ist selbst ein Projekt
• Die Frage, ob man neu bauen oder weiterwarten soll, taucht regelmäßig auf — und wird nie abschließend beantwortet

Einzeln betrachtet wirkt jedes dieser Symptome beherrschbar. Zusammen beschreiben sie dasselbe Muster: Die Infrastruktur ist zum Kostenfaktor geworden — nicht zur Fähigkeit.

KI macht die Kosten sichtbar

KI hat dieses Problem nicht geschaffen. Sie hat die Konsequenzen schwerer beherrschbar gemacht.

KI auf einer selbst gebauten, wartungsintensiven Infrastruktur zu deployen scheitert meistens nicht an der KI selbst, sondern an den Daten darunter. Inkonsistente Strukturen, fehlende Schemata, Datenpunkte, die sich nicht verbinden lassen. KI braucht saubere, strukturierte, verlässliche Inputs. Was ein Eigenbau über Jahre ansammelt, ist in der Regel das Gegenteil davon.

Die Organisationen, die KI im Medienbereich heute produktiv einsetzen, haben eines gemeinsam: Sie hatten ein solides Datenfundament, bevor sie begannen. Nicht danach. Davor.

Die Entscheidung, die niemand revidiert

Selbst zu bauen ist selten die falsche Entscheidung wegen mangelndem Ehrgeiz oder fehlender Kompetenz. Es wird zur falschen Entscheidung, wenn niemand innehält und fragt, ob die Infrastruktur das Kerngeschäft tatsächlich differenziert — oder ob sie einfach existieren muss.

Infrastruktur, die das Kerngeschäft nicht direkt differenziert, ist ein laufender Kostenfaktor. Sie wächst. Sie bindet Menschen, die etwas anderes tun könnten. Und einmal eingebettet, ist sie sehr schwer wieder loszuwerden.

Das Fundament zu bauen ist wichtig. Ob man es selbst bauen muss, ist eine ganz andere Frage.

Wo Mercury ansetzt

Mercury wird seit 2012 in echten Medienoperationsumgebungen entwickelt. Nicht im Labor — sondern mitten in realen, hochkomplexen Betrieben, lange bevor der Begriff „KI-fähige Infrastruktur" existierte. Das bedeutet: Das System wurde um die tatsächliche Reibung des Media-Geschäfts herum gebaut — Multi-Agentur-Koordination, Budgetkomplexität, Reporting-Lücken, der Bedarf an einem System, das jeden Technologiezyklus übersteht.

Das Ergebnis ist eine Media-Operations-Plattform, die als System of Record funktioniert — offen, agenturunabhängig, API-first. Sie konkurriert nicht mit den Tools, die eine Organisation bereits nutzt. Sie gibt ihnen soliden Boden unter den Füßen.

Selbst zu bauen machte Sinn, bevor dieser Boden existierte. Heute weniger.
Das Fundament steht. Die Frage ist, ob man weiter das eigene warten will.

Betrachten wir, wie sich Media Operations in den letzten zwanzig Jahren entwickelt hat. Jede neue Technologiewelle, programmatischer Einkauf, kanalübergreifende Planung, Performance-Dashboards, kam mit einem Versprechen: Das wird die Dinge einfacher machen. Und jedes Mal übernahmen Teams das Tool, integrierten es so gut wie möglich in den Workflow, und machten weiter. Die Infrastruktur darunter? Die blieb weitgehend unverändert.

Was sich über die Zeit aufgebaut hat, war kein kohärenter Operational Stack. Es war ein Flickenteppich. Excel-Tabellen tragen das Gewicht millionenschwerer Media-Entscheidungen. Kampagnendaten leben in fünf verschiedenen Systemen, keines davon wirklich synchronisiert. Manuelle Abstimmungsschritte, die als Prozesse verkleidet sind. Reporting-Schichten, die auf Zahlen basieren, denen niemand vollständig traut.

Das ist kein Versagen des Ehrgeizes. Es ist ein strukturelles Versagen. Die Tools waren real. Die Anwendungsfälle waren legitim. Aber sie wurden auf ein Fundament gelegt, das nie dafür ausgelegt war, sie zu tragen.

Was der KI-Moment ans Licht bringt

Künstliche Intelligenz hat dieses Problem nicht verursacht. Sie macht es nur unmöglich, es zu ignorieren.

Das Versprechen von KI im Media Operations-Bereich ist erheblich: automatisierte Optimierung, Echtzeit-Budgetsteuerung, prädiktive Planung, Kampagnenintelligenz, die sich über die Zeit aufbaut. Das sind keine hypothetischen Szenarien mehr. Die Technologie existiert. Die Lücke zwischen dem, was in einer Demo möglich ist, und dem, was in der Produktion einsetzbar ist, war nie sichtbarer, und sie hat eine einzige Ursache.

KI-Tools generieren keine eigenen Daten. Sie operieren auf Daten, die bereits existieren. Und wenn diese Daten fragmentiert, inkonsistent strukturiert oder in Systemen gespeichert sind, die nicht miteinander kommunizieren, dann löst die KI das nicht. Sie verstärkt das Problem. Eine Optimierungs-Engine, die auf unzuverlässigen Eingaben läuft, produziert keine klugen Entscheidungen. Sie produziert selbstsichere falsche.

Die Teams, die das jetzt erleben, sind keine Ausnahme. Sie sind repräsentativ. Im DACH-Raum und darüber hinaus stoßen Media-Operations-Organisationen auf dieselbe Reibung: beeindruckendes KI-Tooling, das brachlegt oder Outputs produziert, denen Teams nicht vollständig vertrauen, weil die darunterliegende Datenschicht nicht bereit ist.

Die Symptome sind bekannt

Die Symptome eines Fundament-Problems zeigen sich lange, bevor jemand sie als solche benennt:

• Kampagnendaten müssen vor jedem Reporting-Zyklus manuell exportiert und aufbereitet werden
• Budgetentscheidungen werden aus Spreadsheets getroffen, die manuell synchronisiert werden müssen
• Verschiedene Teams haben verschiedene „Versionen" derselben Zahlen, ohne klare Datenquelle, die als Referenz gilt
• Neue Tools werden nach ihrem Funktionsumfang bewertet, nicht nach ihrer Interoperabilität mit dem Bestand
• KI-Pilotprojekte liefern starke Demos, kommen in der Produktion aber nicht in Gang, weil die Daten nicht sauber genug sind

Einzeln betrachtet wirkt jedes dieser Punkte wie eine operative Unannehmlichkeit. Zusammen beschreiben sie ein strukturelles Muster: Das Fundament wurde nie gebaut.

Warum sich Fundament-Probleme potenzieren

Eine wenig diskutierte Dynamik bei Media-Operations-Infrastrukturen: Fundament-Probleme bleiben nicht konstant, sie potenzieren sich. Jedes Jahr, das ein Team ohne eine saubere Datenschicht arbeitet, wächst das Volumen inkonsistenter Datensätze. Jeder Agentureswechsel ohne ein System of Record bedeutet, dass historischer Kontext verloren geht oder in Silos verbleibt. Jede manuelle Workaround-Lösung, die zur Norm wird, wird zur Abhängigkeit.

Die Kosten, das Fundament nicht zu bauen, sind nicht statisch. Sie steigen. Und mit jedem neuen Technologiezyklus, KI ist der aktuellste und bedeutendste, wächst der Abstand zwischen Organisationen, die das Fundament-Problem gelöst haben, und denen, die es nicht gelöst haben.

Das ist der strukturelle Wandel, der gerade stattfindet. Agenturen haben ihren Wettbewerbsvorteil historisch aus proprietären Tools gezogen: eigene Planungssysteme, eigene Datenschichten, eigene Technologie-Moats. Frontier-KI-Modelle kollabieren diesen Vorteil, das Tooling selbst wird zur Commodity. Was nicht zur Commodity werden kann, ist Execution-Disziplin: saubere Daten, strukturierte Operations, ein verlässliches Fundament.

Der Vorteil verlagert sich zurück zum Werbetreibenden, zu der Organisation, die ihre eigene operative Basis besitzt, unabhängig davon, welche Agentur oder welches KI-Tool darauf arbeitet.

Wie ein echtes Fundament aussieht

Das Fundament zu bauen bedeutet nicht, jeden bestehenden Tool zu ersetzen. Die meisten Organisationen haben erheblich in ihren aktuellen Stack investiert. Ein echtes Fundament arbeitet mit dieser Investition, nicht dagegen.

Was es braucht, ist ein System of Record: eine einzige, strukturierte, verlässliche Datenschicht, die die maßgebliche Version von Mediaplänen, Budgets, Kampagnendaten und Performance-Daten vorhält. API-first, in der Lage, sich mit bestehenden Tools zu verbinden, anstatt sie zu ersetzen. Agenturunabhängig, damit, wenn Teams wechseln oder Agenturen rotieren, die operative Kontinuität beim Advertiser bleibt, nicht beim scheidenden Partner.

Und entscheidend: KI-ready, nicht im Marketing-Sinne, sondern im Infrastruktur-Sinne. Strukturierte Daten, konsistente Schemata, saubere Ingestion Pipelines. Das Fundament, das einem KI-Tool erlaubt, tatsächlich zu liefern, was es versprochen hat.

Wo Mercury eingreift

Mercury baut diese Antwort seit 2012. Nicht im Labor, innerhalb realer, hochkomplexer Media Operations, lange bevor es den Begriff „KI-ready Infrastructure" gab. Das bedeutet: Das System wurde rund um die echte Reibung von Media Operations gebaut, die Herausforderungen der Multi-Agentur-Koordination, die Komplexität des Budget-Managements, die Reporting-Lücken, die Notwendigkeit eines Records, der jeden Technologiezyklus übersteht.

Das Ergebnis ist eine Media-Operations-Plattform, die als System of Record funktioniert, offen, agenturunabhängig, API-first. Sie konkurriert nicht mit den Tools, die eine Organisation bereits einsetzt. Sie gibt ihnen soliden Boden, auf dem sie stehen können.

KI transformiert keine Operations, die diesen Boden nicht haben. Mit ihm ist die Transformation real.

Die Medienbranche hatte die Technologie. Was sie vermisst hat, ist das Fundament.
Das ist es, was wir bauen. Das ist es, was wir immer gebaut haben.

Mit dem Aufkommen immer leistungsfähigerer KI-Agenten und Vibe-Coding-Tools hören wir diesen Satz häufiger denn je: „Das können wir auch selbst bauen." Und meistens stimmt das – zumindest für den Anfang.

Ein Prototyp entsteht heute in Stunden statt Wochen. Er läuft, er überzeugt intern, und er macht genau das, was er soll. Das Ergebnis wirkt maßgeschneidert, das Team ist motiviert, das Budget erscheint überschaubar.

Was danach kommt, ist die eigentliche Frage.

Dieser Artikel ist keine Kritik an technischem Können oder interner Entwicklung. Er ist eine nüchterne Bestandsaufnahme dessen, was es bedeutet, Marketing-Technologie im Unternehmenskontext selbst zu entwickeln und dauerhaft zu betreiben – und warum die Lücke zwischen einem funktionierenden Demo und einem produktionstauglichen System erheblich größer ist, als sie in der Planung meistens aussieht.

Was Vibe Coding so verführerisch macht – und wo die Grenze liegt

Vibe Coding – also das promptbasierte Entwickeln mit KI-Tools wie Cursor, Replit oder Lovable – hat die Schwelle zur Softwareentwicklung deutlich gesenkt. Designer, Produktmanager und Marketingteams können heute Applikationen bauen, ohne klassische Entwicklungsprozesse zu durchlaufen. Die Geschwindigkeit ist real, der Reiz enorm.

Das Problem ist nicht die Technologie. Das Problem ist der Moment, in dem ein „guter genug"-Prototyp unter Druck in Produktion geht, ohne dass die dafür notwendige Grundlage gelegt wurde.

Gartner schätzt, dass bis 2028 rund 75 Prozent der Enterprise-Entwickler KI-Coding-Assistenten nutzen werden. Das ist kein Trend mehr – das ist eine Verschiebung der gesamten Entwicklungslandschaft. Und sie bringt ein strukturelles Risiko mit sich, das besonders im MarTech-Umfeld unterschätzt wird: Vibe-coded applications, so das Fazit mehrerer Sicherheitsstudien, werden durch Iteration nicht automatisch compliant. Sie benötigen fundamentale Architekturänderungen, sobald echte Enterprise-Anforderungen greifen.

Die 95-Prozent-Rechnung

Ein Prototyp bildet ungefähr fünf Prozent einer vollständigen Softwarelösung ab. Die verbleibenden 95 Prozent sind das, was ihn zu einem Produkt macht, das in einem Unternehmen verlässlich, sicher und rechtssicher läuft. Und genau diese 95 Prozent binden dauerhaft Zeit, Budget und Aufmerksamkeit.

Was Produktionsbetrieb im Enterprise-Kontext konkret bedeutet:

Verfügbarkeit und Uptime
Eine 99,9%-Uptime bedeutet maximal 8,7 Stunden Ausfall pro Jahr. Dahinter stehen Monitoring-Infrastruktur, definierte Incident-Response-Prozesse, redundante Systeme und ein Team, das rund um die Uhr eingreifen kann. Das ist kein einmaliger Aufwand – das ist operativer Betrieb.

DSGVO und Datenschutz-Compliance
DSGVO-Konformität ist kein Häkchen auf einer Liste. Die Implementierungskosten lagen bereits bei Einführung der Verordnung 2018 bei durchschnittlich 1,5 Millionen Euro für kleinere Unternehmen – und bei bis zu 65 Millionen Euro für größere Organisationen. Der durchschnittliche Bußgeldbescheid lag 2024 bei rund 2,8 Millionen Euro – ein Anstieg von 30 Prozent gegenüber dem Vorjahr. Seit 2018 wurden insgesamt über 6,2 Milliarden Euro an DSGVO-Bußgeldern verhängt, mehr als 60 Prozent davon allein seit Januar 2023. Die Durchsetzung nimmt zu, nicht ab.

Besonders relevant für Vibe-Coding-Projekte: Compliance lässt sich nicht nachträglich aufpromten. Wer DSGVO-Anforderungen wie Datenhaltung, Löschpflichten oder Audit-Trails nicht von Beginn an in die Architektur einbaut, steht vor einem strukturellen Umbau – kein Patch, kein Update löst das.

Security-Zertifizierungen
Enterprise-Kunden verlangen Nachweise: ISO 27001, SOC 2, rollenbasierte Zugriffskontrolle, vollständige Audit-Trails. Ein Bericht aus August 2025 zeigte, dass 45 Prozent des KI-generierten Codes Sicherheitslücken enthält – bei Java-Code lag der Anteil sogar über 70 Prozent. Sicherheit entsteht nicht automatisch durch schnelles Bauen. Sie muss von Anfang an Bestandteil der Architektur sein.

API-Stabilität und Integrations-Management
Wer Drittsysteme anbindet – und jeder moderne MarTech-Stack tut das –, braucht stabile, versionierte Schnittstellen. API-Versionierung, Changelogs, Abwärtskompatibilität: Das ist Engineering-Arbeit, die sich nicht einmalig erledigen lässt.

Technical Debt und laufende Wartungskosten
Branchen-Studien zeigen übereinstimmend: 50 bis 80 Prozent der gesamten Softwarekosten entfallen auf die Wartungsphase – nicht auf die initiale Entwicklung. McKinsey beziffert allein die jährlichen Wartungskosten auf durchschnittlich 20 Prozent der ursprünglichen Entwicklungskosten. Hinzu kommen Abhängigkeitsupdates, Breaking Changes externer APIs und neue regulatorische Anforderungen.

Die versteckten Kosten im MarTech-Stack

Das Problem liegt nicht darin, dass In-House-Entwicklung grundsätzlich teuer ist. Das Problem ist, dass die entscheidenden Kosten systematisch zu spät sichtbar werden.

Ein bekanntes Muster: Ein Unternehmen investiert 300.000 bis 400.000 Euro in ein MVP, das intern überzeugt und erste Kunden gewinnt. Zwei bis drei Jahre später müssen häufig mehr als das Doppelte dieser Summe in einen Teilumbau gesteckt werden – um Architekturprobleme zu beheben, die erst unter echten Enterprise-Anforderungen sichtbar wurden.

Dazu kommt der Opportunitätskostenaspekt: Jede Stunde, die ein internes Team mit Infrastructure Maintenance, Security Patches und Dependency Management verbringt, ist eine Stunde, die nicht in Produkt, Strategie oder Kundenprojekte fließt. Das ist keine buchhalterische Kleinigkeit – das ist eine strategische Weichenstellung.

Im MarTech-Kontext schärft sich dieses Problem noch einmal. Marketing-Technologien verarbeiten sensible Kampagnen- und Kundendaten. Sie sind eng mit Drittplattformen verzahnt: CRM-Systeme, Analytics-Tools, Demand-Side-Platforms, Adserver, Buchhaltungssysteme. Und sie laufen in einem regulatorischen Umfeld, das sich verändert – neue Datenschutzanforderungen, neue Plattform-APIs, neue Compliance-Vorgaben.

Wer den Stack selbst betreibt, trägt jeden dieser Veränderungsschritte alleine.

Was das speziell für Media Operations bedeutet

Im Media-Umfeld kommen weitere Anforderungen hinzu, die den Betrieb einer eigenen Plattform besonders komplex machen.

Plattformen wie Mercury bilden komplexe Agentur- und Advertiser-Strukturen ab, verbinden sich mit zahlreichen Systemen in Echtzeit und müssen dabei Datenintegrität, Transparenz und Compliance gleichzeitig sicherstellen. Kampagnendaten sind die Grundlage für Budgetentscheidungen – Ausfälle oder Inkonsistenzen haben direkte geschäftliche Konsequenzen. Granulare Rollenkonzepte, Reconciliation-Prozesse, Echtzeit-Reporting: Das alles lässt sich aufbauen. Die Frage ist, ob das der beste Einsatz der eigenen Ressourcen ist.

Build vs. Buy: Die richtige Frage stellen

„Build vs. Buy" ist keine Frage des technischen Könnens. Es ist eine Frage der strategischen Priorität.

Was soll Ihr Team in den nächsten zwölf Monaten voranbringen? Bessere Kampagnensteuerung, präziseres Media Planning, robustere Marketing Attribution, engere Kundenbeziehungen? Dann ist jede Stunde, die stattdessen in Infrastrukturaufbau, SLA-Management und Compliance-Dokumentation fließt, eine Stunde, die von diesen Zielen abzieht.

Etablierte MarTech-Plattformen bringen die operative Grundlage bereits mit: Betrieb, DSGVO-Compliance, Security-Zertifizierungen, stabile API-Integrationen, Wartung. Was bleibt, ist die Arbeit, für die das eigene Team tatsächlich da ist: Strategie, Planung, Wachstum.

Die Infrastruktur ist gebaut. Die Frage ist nur, ob man sie selbst bauen und betreiben will.

Fazit

Der Prototyp ist der einfache Teil. Er funktioniert, er überzeugt, er zeigt, was möglich ist.

Die eigentliche Arbeit kommt danach – und taucht selten vollständig in der ursprünglichen Planung auf: 99,9% Uptime. DSGVO. ISO-Zertifizierung. API-Versionierung. Audit-Trails. Rollenkonzepte. Datenhaltung. Sicherheitslücken im KI-generierten Code. Und das alles nicht einmalig, sondern dauerhaft.

Vibe Coding ist ein mächtiges Werkzeug für Exploration und Prototyping. Als Fundament für produktionskritische Marketing-Technologie ist es eine Falle – nicht weil die Technologie schlecht ist, sondern weil der Schritt von „es läuft auf meinem Laptop" zu „es läuft für Enterprise-Kunden, unter Last, mit echten Daten, rechtskonform" kein Deployment ist. Es ist ein anderes Produkt.

Mercury Media Technology entwickelt und betreibt eine cloudbasierte Marketing-Management-Plattform für Agenturen, Advertiser und Publisher – mit ISO-zertifizierter Security, DSGVO-konformer Infrastruktur und produktionserprobten API-Integrationen. Mehr unter mercurymediatechnology.com

Die Diskussion rund um AI Agents und Large Language Models wird oft verkürzt geführt. Viele hören Aussagen wie:

• „AI wird klassische Software ersetzen.”
• „Viele SaaS-Tools werden überflüssig.”
• „Workflows lassen sich direkt per Prompt steuern.”

Tatsächlich wird KI viele SaaS-Produkte unter Druck setzen. Aber sie ersetzt nicht alles. Was unter Druck gerät, ist funktionales, austauschbares SaaS. Also Software, die isolierte Aufgaben löst, ohne tief im operativen Kern eines Unternehmens verankert zu sein. Was hingegen an Bedeutung gewinnt, sind Systems of Record. Gerade im Marketing.

SaaS ist nicht gleich System of Record

SaaS (Software as a Service) beschreibt ein Geschäftsmodell: Software wird cloudbasiert bereitgestellt, meist im Abo-Modell. Viele SaaS-Tools lösen isolierte Aufgaben, z. B.:

• Reporting-Dashboard
• Social-Media-Planer
• BI-Tool
• Campaign-Builder

Diese Tools sind wertvoll, aber oft austauschbar.

Ein System of Record (SoR) ist etwas anderes: Es ist das System, das die verbindliche Version der Wahrheit speichert.

Beispiele:

• CRM → System of Record für Kundendaten
• ERP → System of Record für Finanzdaten
• Marketing- oder Media-Operations-System → SoR für Budget-, Kampagnen- und Performance-Daten

Ein SoR ist nicht einfach ein Tool. Es ist die Single Source of Truth, auf die sich Teams, Finance und Management verlassen.

Warum KI vor allem generisches SaaS unter Druck setzt

AI Agents können heute:

• Reports zusammenfassen
• Kampagnenstrukturen generieren
• Daten analysieren
• Zielgruppen clustern
• Workflows automatisieren

Viele isolierte SaaS-Funktionen lassen sich künftig durch AI-Workflows ersetzen oder stark komprimieren. Aber KI kann keine verbindliche Datenbasis garantieren.

Large Language Models arbeiten probabilistisch. Das heißt, sie liefern Ergebnisse auf Basis von Wahrscheinlichkeiten, nicht deterministischer Logik. Für Budgetfreigaben, ROI-Berechnung, Management-Reporting oder Auditierbarkeit reicht das nicht. Hier braucht Marketing ein System of Record.

Die strukturelle Schwäche im Marketing

Aktuelle Studien zeigen, dass Marketing-Organisationen weiterhin mit fragmentierten Datenlandschaften kämpfen. Laut dem State of Marketing Report von Salesforce (2024) sind in Deutschland nur 36 % der Marketingverantwortlichen vollständig zufrieden mit der Vereinheitlichung ihrer Datenquellen. Gleichzeitig nutzen Unternehmen im Schnitt neun verschiedene Verfahren zur Datenerfassung – ein klarer Hinweis auf strukturelle Fragmentierung statt einer konsistenten Datenbasis.

Auch im B2B-Umfeld bleibt fehlende Datenharmonisierung ein zentrales Problem. Eine aktuelle Analyse von Fivetran aus 2025 zeigt, dass über 40 % der Marketer Schwierigkeiten haben, kanalübergreifend ROI zu messen, weil Daten in unterschiedlichen Systemen liegen und nicht einheitlich integriert sind. Ohne konsolidierte Datenbasis werden Performance-Bewertungen und Budgetentscheidungen komplex und fehleranfällig.

Die Muster sind eindeutig:

• Daten existieren, aber sie sind verteilt
• KPIs werden unterschiedlich berechnet
• Performance-Zahlen variieren je nach Tool
• Reporting erfordert manuelle Konsolidierung

In einer KI-getriebenen Umgebung verschärft sich dieses Problem weiter. Denn AI Agents erhöhen Geschwindigkeit und Automatisierungsgrad, sie lösen jedoch nicht das strukturelle Problem fehlender Datenkohärenz. Ohne ein zentrales Marketing System of Record bleibt Marketing operativ fragmentiert und strategisch limitiert.

Warum Marketing ein System of Record braucht

Ein echtes Marketing System of Record schafft:

Die neue Architektur: AI am Edge, SoR im Core

Eine Lösung mit einem Marketing System of Record könnte so aussehen: AI Agents operieren am Edge. Systems of Record sichern den Core.

Machen wir es konkret und nehmen Media Operations als Beispiel. Für Media-Teams bedeutet die Integration eines Systems of Record weit mehr als nur die Zusammenführung von Daten. In einer typischen Multichannel-Umgebung laufen Kampagnen parallel auf Plattformen wie Social Media, Programmatic, Display und Paid Search. Jeder Kanal produziert eigene Performance-Daten, die oft unterschiedlich strukturiert sind. Ohne ein Media SoR müssen Teams diese Informationen manuell konsolidieren, vergleichen und in Reports aufbereiten – ein zeitaufwendiger Prozess, der Fehlerquellen birgt.

Ein Media System of Record wie Mercury löst dieses Problem, indem es die Daten zentral zusammenführt, validiert und harmonisiert. Dadurch erhalten Teams eine echte Single Source of Truth, auf deren Basis Entscheidungen getroffen werden können. Campaign-Budgets, Conversions und Klickzahlen sind jederzeit nachvollziehbar, kanalübergreifend vergleichbar und historisch dokumentiert. Diese Transparenz ermöglicht es Media-Teams, schneller zu reagieren, Kampagnen in Echtzeit anzupassen und AI-gestützte Optimierungen effektiv umzusetzen.

Darüber hinaus erlaubt ein SoR, dass Media-Planung, -Ausführung und -Reporting in einem nahtlosen Workflow verbunden sind. AI Agents können kreative Vorschläge und Targeting-Strategien liefern, während das SoR die strukturierte, verbindliche Grundlage bereitstellt, auf der diese Empfehlungen umgesetzt und überprüft werden. So wird die Kombination aus AI und deterministischer Datenbasis zum entscheidenden Hebel für effiziente, skalierbare Media-Operations.

Ein möglicher Media Operations Workflow, in dem ein Marketing System of Records mit einem KI Agent zusammenarbeitet könnte so aussehen:

1. Alle historischen Kampagnendaten liegen strukturiert im SoR
2. AI Agent greift darauf zu und identifiziert Optimierungspotenziale und schlägt Kampagnenanpassungen vor.
3. Kampagen werden manuell im SoR freigegeben.
4. AI Agent startet danach automatisch Kampagnen.
5. Die strukturierten Ergebnisse – Leads, Conversions, Kosten, Performance – werden in das SoR geschrieben.

Dort werden sie:

• konsolidiert
• kanalübergreifend vergleichbar
• historisch gespeichert
• validiert
• für Management-Entscheidungen nutzbar gemacht

Je mehr AI Agents arbeiten, desto wichtiger wird dieser stabile Kern.

Zusammengefasst, ein Media System of Record, wie z. B. Mercury:

• integriert Daten aus Ad-Plattformen, Tracking-Systemen und internen Quellen
• verbindet Planung, Ausführung und Reporting
• schafft eine einheitliche KPI-Logik
• ermöglicht kanalübergreifende Budgetkontrolle
• bildet die Grundlage für Marketing Mix Modeling
• liefert eine echte Single Source of Truth für Media

Damit ist Mercury nicht nur ein weiteres SaaS-Tool im Stack. Es kann die Rolle des Media System of Record übernehmen. Was die Media Operations Platform besonders relevant im KI-Zeitalter macht.

Fazit: Systems of Record als strategischer Kern des Marketing

In einer Welt, in der AI Agents Kampagnen automatisieren, Zielgruppen analysieren und kreative Vorschläge liefern, bleibt die verbindliche Datenbasis entscheidend. Systems of Record sind nicht veraltet, sie sind der strategische Kern, der Geschwindigkeit, Präzision und Transparenz im Marketing gewährleistet. Sie ermöglichen es Teams, KI effektiv einzusetzen, Entscheidungen auf belastbaren Daten zu treffen und Kampagnen effizient zu steuern.

Während austauschbare SaaS-Lösungen zunehmend unter Druck geraten, zeigen Systems of Record wie Mercury, wie Marketing und Media zukunftsfähig bleiben: durch eine zentrale, valide Single Source of Truth, die AI Agents unterstützt, statt sie zu ersetzen. Wer KI im Marketing wirklich nutzen möchte, braucht ein starkes SoR als Fundament.

Die eigentliche Frage lautet nicht: „Wird KI SaaS ersetzen?“ Sondern: „Welche Systeme sind austauschbar und welche sind strukturell unverzichtbar?“

Austauschbares SaaS gerät unter Druck. Systems of Record nicht. Im Gegenteil – sie werden befördert.

Im Jahr 2025 haben Marketing-Organisationen Large Language Models (LLMs) rasant adaptiert. Teams waren begeistert von ihrer Fähigkeit, Reports zusammenzufassen und Texte zu generieren. Doch mit dem Beginn von 2026 ist eine kritische Limitation sichtbar geworden: die "Intelligence Gap". Diese Lücke existiert zwischen dem hochentwickelten Reasoning einer KI und den veralteten, statischen Daten, mit denen sie oft arbeiten muss.

Die meisten KI-Implementierungen heute sind reaktiv. Sie arbeiten mit "Resten", Daten, die exportiert, bereinigt und manuell hochgeladen wurden. In der hochdynamischen Welt der Media Operations ist diese Latenz mehr als nur eine Unannehmlichkeit; sie ist eine strategische Schwachstelle.

Die hohen Kosten von "Stale Context"

Wenn ein Media Auditor oder Head of Marketing eine KI bittet, "die Budget-Allokation dieser Woche zu optimieren", schaut die KI in der Regel auf eine Momentaufnahme der Vergangenheit.

Die Latenz-Falle: Bis ein Daten-Silo manuell überbrückt wird, hat sich die Marktstimmung verschoben, ein Wettbewerber hat Sie überboten, oder eine Kampagne hat bereits ihr Frequency Cap erreicht.

Der manuelle Aufwand: Basierend auf Branchenbeobachtungen verbringen Teams etwa 60% ihrer "KI-Zeit" damit, Daten für die KI vorzubereiten, anstatt auf deren Insights zu reagieren.

Das Sicherheitsparadoxon: Häufige manuelle Exporte sensibler Ausgabendaten erzeugen mehrere Versionen der "Wahrheit" und erhöhen das Risiko von Datenlecks.

MCP als "Neural Link" für Daten

In unserer vorherigen Diskussion über das Model Context Protocol (MCP) haben wir es als offenen Standard definiert, der KI-Modellen ermöglicht, sich mit Datenquellen zu verbinden. Doch die eigentliche Revolution ist nicht die Verbindung sondern die Fluidität des Kontexts.

Anstatt Daten wie ein Paket zu behandeln, das man der KI schickt, behandelt MCP Daten wie eine Bibliothek, durch die die KI in Echtzeit navigieren kann. Dies verschiebt das Paradigma von Daten-Injektion zu Live-Interaktion.

1. Kontextuelle Fluidität: Das "Jetzt" verstehen

Mit MCP liest ein KI-Agent nicht nur eine Datei; er versteht die Umgebung.

Beispiel 1: Technische Fehler-Erkennung: Wenn Ihre Media-Ausgaben plötzlich aufgrund eines technischen Fehlers in einer DSP in die Höhe schießen, kann eine MCP-fähige KI dies sofort erkennen, weil sie "eingesteckt" ist in den Live-Feed. Sie wartet nicht auf den nächsten CSV-Upload; sie sieht den Puls der Operation.

Beispiel 2: Virale Content-Reaktion: Wenn ein Influencer-Post viral geht und Brand-Suchvolumen um 300% steigen, kann eine MCP-fähige KI sofort den Trend erkennen und automatisch Budget von generischen Keywords zu Brand-Keywords verschieben – und so hochintentionalen Traffic abgreifen, während Wettbewerber noch auf die Dashboards von gestern schauen.

Beispiel 3: Wettbewerbs-Bidding: Während eines Produktlaunch-Zeitfensters, wenn ein Wettbewerber seine Gebote um 40% auf Ihre Kern-Keywords erhöht, ermöglicht Echtzeit-MCP-Zugriff Ihrer KI, den Druck zu erkennen, Lagerbestände zu bewerten und zu empfehlen, ob Gebote erhöht oder auf alternative, weniger umkämpfte Placements verschoben werden sollten.

2. Modell-agnostisch, Daten zentralisiert

Die Schönheit von MCP liegt in seiner Neutralität. Ob Ihre Organisation sich für Claude 3.5, GPT-5 oder ein spezialisiertes lokales LLM aus Sicherheitsgründen entscheidet – die Infrastruktur bleibt dieselbe. MCP fungiert als universeller Übersetzer und stellt sicher, dass Ihre "Daten-Seele" Ihnen gehört, während die "Reasoning Engine" mit der technologischen Entwicklung ausgetauscht werden kann.

3. Sicherheit und Governance im großen Maßstab

Eine der größten Hürden für Enterprise-KI ist das "Copy-Paste"-Risiko. MCP ermöglicht das, was wir "Zero-Copy"-Architektur nennen – aber was bedeutet das eigentlich?

Einfach ausgedrückt: Ihre Daten bleiben in Ihren gesicherten Systemen – Datenbanken, Plattformen, internen Tools – und die KI liest nur, was sie für eine spezifische Anfrage benötigt. Nichts wird dupliziert. Nichts wird exportiert. Nichts verlässt Ihre Umgebung. Stellen Sie es sich vor wie das Gewähren von Leserechten für ein Dokument anstatt Kopien zu erstellen – sie können sehen, was sie brauchen, aber das Original bewegt sich nie.

Dies ist das Level an Governance, das für die regulatorische Umgebung von 2026 erforderlich ist, in der Datenresidenz und Audit-Trails nicht verhandelbar sind.

Von Analytics zu Orchestration

Wie verändert dies den Alltag von Media Operations?

Von "Was ist passiert?" zu "Was passiert gerade?": Analytics war traditionell ein Rückspiegel. Echtzeit-Kontext durch MCP verwandelt es in eine hochauflösende Windschutzscheibe.

Der Aufstieg autonomer Agenten: Damit ein KI-"Agent" tatsächlich Aufgaben ausführen kann, muss er eine zuverlässige, aktuelle Karte der Welt haben. MCP liefert diese Karte. Ohne sie ist ein Agent nur ein Pilot, der blind fliegt.

Operativer Alpha: Der Wettbewerbsvorteil 2026 wird an die Firmen gehen, die ihre "Time-to-Insight" auf Null reduzieren. Während Wettbewerber noch auf ihre Montagmorgen-Dashboards warten, schwenken MCP-gesteuerte Organisationen bereits am Sonntagabend um.

Die Infrastruktur der Wahl

Das Model Context Protocol ist der erste globale Standard, der Kontext als lebendigen, atmenden Teil des KI-Workflows behandelt – nicht als statischen Anhang.

Mit Blick nach vorne lautet die Frage für Führungskräfte nicht mehr "Welche KI sollten wir nutzen?", sondern "Wie schnell können unsere Daten mit unserer KI sprechen?"

Marketing Effectiveness wird zum entscheidenden Erfolgsfaktor. Es ist von immenser Bedeutung geworden, vorhandene Mittel richtig einzusetzen und die weitere Entwicklung des Marketings in die vielversprechendsten Bahnen zu leiten, um weiter für das Unternehmen Wettbewerbsvorteile zu erarbeiten und als Vorangeher wahrgenommen zu werden.

Dieser Artikel zeigt, wie Sie mittels Reifegradmodellen, Marketing Mix Modeling (MMM) und Marketing-Experimenten den Zug der Marketingeffektivität bei sich ins Rollen bringen – und warum das besonders für Unternehmen in Deutschland, Österreich, der Schweiz, Spanien und UK relevant ist.

Warum Marketing Effectiveness wichtiger ist als je zuvor

Viele Marketing-Teams kämpfen mit denselben Problemen:

1. Vielfältigste Möglichkeiten für Veränderung

Die Möglichkeiten zur Veränderung sind dank rasanter technologischer Entwicklungen nahezu grenzenlos. Die Optionen für die Gestaltung und Ausrichtung des Marketings und des Unternehmens vervielfachen sich immer weiter. Was auf der einen Seite ein Segen ist und zu einem erhöhten Wettbewerb unter Dienstleistungs- und Tech-Unternehmen führt, erhöht auf der anderen Seite den Bedarf an Orientierung und der richtigen Ausrichtung nach vorne.

2. Reportings führen zu Folgefragen

Es gibt mehr KPIs und Dashboards denn je – doch bei der genaueren Auseinandersetzung mit den Inhalten, entstehen häufig nur Folgefragen z.B. Welchen Einfluss hat die Unter- oder Überlieferung an Impressions auf den Geschäftserfolg? Was sind die Ursachen für den ausbleibenden Anstieg des Umsatzes? Welche Treiber über das Marketing hinaus sind relevant? Wie haben sich diese parallel zur letzten Marketingkampagne entwickelt?

Diese entstehenden Folgefragen können aber nicht direkt auf Basis der vorliegenden deskriptiven Reportings beantwortet werden. Manch anderer wäre froh, wenn er überhaupt ein vollständiges, konsolidiertes und halbwegs aktuelles Reporting seiner Marketingaktivitäten vorliegen hätte.

3. Korrelation statt Kausalität

Um solche Folgefragen zu beantworten, helfen statische Modelle, die auch multivariate Zusammenhänge quantifizieren können. Doch auch beim Einsatz von Modellen wird häufig nicht zwischen Korrelationen und Kausalität unterschieden. Auch wenn der Umsatz zu bestimmten Jahreszeiten stark ansteigt und gleichzeitig Marketingkampagnen laufen, ist es wichtig zu verstehen, welchen Anteil des Umsatzanstiegs rein auf die Marketingkampagnen zurückzuführen sind.

4. Reaktive statt proaktive Steuerung

Aufgrund von unzureichenden belastbaren Aussagen, sowie aus einer fehlenden Klarheit und Sicherheit heraus, werden Entscheidungen nicht mit der notwendigen Entschlossenheit getroffen. Der Hang zum Verharren im Bestehenden und die Angst, das “Falsche” zu tun, verstärkt sich. Vorhandene Chancen werden nicht genutzt, um Risiken zu vermeiden.

Guide zur Marketing Effektivität & Effizienz

Aufgrund der beschriebenen Entwicklungen hat MMT ein Vorgehensmodell entwickelt, um den Zug der Marketing Effektivität auch bei Ihnen möglichst stark zu beschleunigen. Gestartet wird mit einem MarTech & Measurement Maturity Assessment, meist gefolgt von einem ersten Marketing Mix Modeling (MMM) um über möglichst frühzeitige erste messbare Erfolge Rückenwind zu bekommen und damit eine konsequente Weiterführung des MMMs gepaart mit der Durchführung von Marketing-Experimenten sicherstellen zu können. Dieses Vorgehensmodell hat sich in der Praxis bewährt und baut das notwendige Vertrauen der Stakeholder auf, um auch mittel- und langfristige Maßnahmen aus z.B. dem vorangegangenen Assessment umzusetzen und zum Erfolg führen zu können.

Wesentliche Vorteile:

• Impulse und konkrete Handlungsempfehlungen zur weiteren Entwicklung des Marketings
• weniger Aufwand für Tätigkeiten mit niedriger Wertschöpfung wie z.B. Reporting
• Verständnis der kausalen Wirkungszusammenhänge statt der reinen Korrelationen
• Verstehen von Einflussfaktoren über das Marketing hinaus
• entschlossene nachhaltige Entscheidungen durch belastbare quantifizierte Aussagen
• besseres Alignment mit dem C-Level
• Effektiver Einsatz von vorhandenen Mitteln im Marketing und effizientere Einsatz von zukünftigen Investitionen ins Marketing

Maturity Assessment: Wo Unternehmen wirklich stehen

Bevor Unternehmen investieren oder optimieren, müssen sie ihren Reifegrad kennen.

Ein Marketing Tech & Measurement Maturity Assessment deckt auf:

• wie gut Daten & Prozesse strukturiert sind
• welche Kompetenzen im Team fehlen oder vorhanden sind
• welche Quick Wins sofort Effizienz schaffen
• wo langfristiges Potenzial liegt

Über das Maturity Assessment wird festgelegt, an welchen Stellschrauben zuerst gearbeitet werden muss, um den effektiven Einsatz von Mitteln über die Zeit zu gewährleisten. Bei manchen Unternehmen ist z.B. bereits eine konsolidierte und aktuelle Sicht aller Marketingaktivitäten vorhanden, bei anderen aus welchen Gründen auch immer noch nicht. Einige Unternehmen führen schon regelmäßig MMMs durch wundern sich aber, dass der ersehnte Erfolg ausbleibt und fühlen sich immer noch nicht vollständig abgeholt bei komplexeren Fragestellungen, um Entscheidungen entschlossen treffen zu können. Wieder andere haben eher das Problem, den Workload überhaupt stemmen zu können, der notwendig ist, um wieder aufs Neue erfolgreiche Marketing-Kampagnen umzusetzen.

Durch das Marketing Tech & Measurement Maturity Assessment wird sichergestellt, dass man über MMMs hinaus vorhandene Mittel effektiv einsetzt und den Blick für mittel- und langfristige Maßnahmen nicht verliert.

Marketing Mix Modeling (MMM): Der wichtigste Effizienzhebel

Marketing Mix Modeling (MMM) beantwortet die zentrale Frage:

„Welche Kanäle und Maßnahmen erzeugen tatsächlich Wirkung?“

Warum MMM essentiell ist:

• analysiert bei richtiger Anwendung kausale Effekte statt reiner Korrelationen
• identifiziert ineffiziente Investments
• ermöglicht eine optimierte Budgetallokation
• ermöglicht „What-if“-Simulationen
• liefert objektive, unabhängige Insights auch über das Marketing hinaus

MMM zeigt, wie Marketing wirklich funktioniert – und wo jeder Euro den größten Beitrag liefert.

Marketing Experiments: Das Instrument der Wahrheit

Auch beim Durchführen von regelmäßigen MMMs bleiben Fragestellungen offen. Ist diese Media-Aktivität wirklich 3x so effizient wie die Investitionen in andere Aktivitäten? Was wäre, wenn wir Media-Aktivitäten ausprobieren, die wir so vorher noch nie durchgeführt haben? Welchen Einfluss auf den Umsatz hat die überarbeitete Kreation im Vergleich zur Vorherigen?

Marketing Experimente sind der Gold-Standard, um Innovation mit einem wirtschaftlich tragbaren Risiko voranzutreiben und unsichere Antworten aus dem MMM zu validieren. In Kombination mit einem regelmäßig durchgeführten MMMs sind Sie damit gut aufgestellt, um effiziente Marketinginvestitionen sicherzustellen und diese auch für Stakeholder greifbar zu machen.

Eine Roadmap für nachhaltige Marketing Effectiveness

Nachhaltige Effizienz entsteht durch einen klaren, wiederholbaren Prozess:

1. Analyse & Diagnose

Wo stehen wir? Welche Daten, Strukturen und Ziele gibt es?

2. Maßnahmen & Empfehlungen

Priorisierte Aktivitäten mit klarem ROI.

3. Technologische Unterstützung

Tools für Automatisierung, Messung und Zusammenarbeit.

4. Kontinuierliche Optimierung

Regelmäßige Updates, Modellanpassungen und laufende Effizienzgewinne.

Marketing Effectiveness ist kein Projekt – es ist ein kontinuierlicher Prozess.

Der Business Impact von Marketing Effectiveness

Unternehmen profitieren direkt von:

1. Höherer Mediaeffizienz

Budget wird dort eingesetzt, wo es nachweislich am besten wirkt.

2. Mehr Transparenz

Einflussfaktoren auch über das Marketing hinaus werden klar erkennbar – Entscheidungen werden sicherer.

3. C-Level-tauglicher Kommunikation

Marketing kann Wirkung, Kosten und ROI sichtbar und verständlich erklären.

4. Mehr Zeit für Strategie

Teams arbeiten weniger reaktiv und gewinnen Zeit für nachhaltige Optimierung.

Warum das Thema besonders wichtig für DACH, UK und Spanien ist

In Märkten wie Deutschland, Österreich, Schweiz, UK und Spanien steigen:

• Werbeausgaben
• Effizienzdruck
• regulatorische Anforderungen
• Anforderungen an Transparenz und Reporting

Lokale Marktbedingungen, Saisonalitäten und Konsumentenverhalten unterscheiden sich stark – Unternehmen, die regionenspezifisch arbeiten, erzielen deutlich höhere Effizienz.

Fazit

Marketing Effectiveness ist ein unverzichtbarer Hebel für moderne Marketingorganisationen. Wer auf datengetriebene Modelle, klare Wirkungsanalysen und strategische Steuerung setzt, erreicht:

✔ effizientere Budgets

✔ höhere Transparenz

✔ stärkere Performance

✔ nachhaltiges Wachstum

Möchten Sie Ihre Marketingeffizienz steigern?

Lassen Sie uns gemeinsam analysieren, wie viel Potenzial in Ihrem Marketing steckt.

Jetzt unverbindliches Beratungsgespräch buchen.

Inhalt

• Die neue Realität des Kampagnenmanagements 2025

• Herausforderung 1: Datensilos und fehlende Transparenz

• Herausforderung 2: Der Automatisierungs-Rückstand

• Herausforderung 3: Collaboration-Chaos in hybriden Teams

• Herausforderung 4: Compliance und Nachweispflichten

• Herausforderung 5: Organisatorische Fragmentierung

• Implementierung: Der Weg zur erfolgreichen Media Operations Platform

• Ausblick: Was erfolgreiche Unternehmen 2025 anders machen

Die neue Realität des Kampagnenmanagements 2025

Die Medienlandschaft 2025 ist drastisch komplexer als noch vor wenigen Jahren. Retail Media Networks wie Amazon Ads und Walmart Connect sind zu bedeutenden Playern geworden. Connected TV gewinnt massiv an Bedeutung. Social Commerce verändert die Customer Journey grundlegend. Gleichzeitig verschärfen sich Datenschutzregulierungen kontinuierlich, während die Erwartungen an Messbarkeit und ROI steigen.

In diesem Umfeld stoßen traditionelle Arbeitsweisen an ihre Grenzen. Excel-Tabellen, manuelle Reports und isolierte Tool-Landschaften können mit der Geschwindigkeit und Komplexität moderner Kampagnen nicht mehr Schritt halten.

Herausforderung 1: Datensilos und fehlende Transparenz

Das Problem

Moderne Kampagnen laufen über ein Dutzend verschiedener Plattformen: Google Ads, Meta Business Manager, TikTok Ads, Amazon DSP, DV360, The Trade Desk – die Liste wird länger, nicht kürzer. Jede dieser Plattformen liefert ihre eigenen Metriken in eigenen Formaten. Hinzu kommen Adserver-Daten, Third-Party-Verification-Tools und Analytics-Plattformen.

Das Ergebnis? Marketingteams verbringen mehr Zeit mit dem Zusammenführen von Daten als mit strategischen Entscheidungen. Noch problematischer: Ohne konsolidierte Sicht auf alle Kampagnen werden Optimierungspotenziale übersehen oder falsche Schlüsse gezogen.

Die Lösung durch Media Operations Platforms

Moderne Plattformen schaffen eine "Single Source of Truth" durch:

• Automatisierte Datenkonsolidierung: APIs verbinden alle relevanten Systeme und ziehen Daten automatisch in ein zentrales Dashboard
• Normalisierte Metriken: Unterschiedliche Namenskonventionen werden vereinheitlicht, sodass Äpfel mit Äpfeln verglichen werden
• KI-gestützte Insights: Machine Learning erkennt Muster, Anomalien und Optimierungspotenziale, die dem menschlichen Auge entgehen würden
• Drill-Down-Fähigkeit: Von der Gesamtübersicht bis ins kleinste Detail – alle Ebenen sind nur einen Klick entfernt

2025 nutzen führende Plattformen zudem Predictive Analytics, um nicht nur zu zeigen, was passiert ist, sondern was wahrscheinlich passieren wird.

Herausforderung 2: Der Automatisierungs-Rückstand

Das Problem

Trotz aller Fortschritte im Bereich Marketing Technology arbeiten viele Teams noch immer erschreckend manuell. Kampagnen-Briefings werden per E-Mail herumgeschickt. Buchungen werden händisch in verschiedene Systeme eingegeben. Reports werden manuell zusammengestellt und formatiert. Media-Pläne werden in Excel gepflegt.

Diese manuelle Arbeit ist nicht nur zeitintensiv – sie ist gefährlich. Jeder manuelle Schritt ist eine potenzielle Fehlerquelle. Ein Tippfehler bei der Budget-Eingabe, eine veraltete Targeting-Einstellung, ein vergessenes Tag – die Konsequenzen können erheblich sein.

Die Lösung durch Media Operations Platforms

2025 haben moderne Plattformen Automatisierung auf ein neues Level gehoben:

• KI-gestütztes Briefing: Systeme analysieren historische Kampagnendaten und schlagen optimale Setups vor
• Automatische Kampagnenerstellung: Basierend auf definierten Templates werden Kampagnen automatisch in den relevanten Systemen aufgesetzt
• Intelligente Budget-Allokation: KI-Modelle verteilen Budgets dynamisch zwischen Kanälen basierend auf Performance-Zielen
• Automatisiertes Reporting: Reports werden automatisch generiert, formatiert und an die richtigen Stakeholder verschickt
• Workflow-Automation: Approval-Prozesse, Freigaben und Eskalationen laufen regelbasiert ab

Der Effekt: Teams können sich auf Strategie und Kreativität konzentrieren, während repetitive Aufgaben von der Plattform übernommen werden. Neue Mitarbeiter können schneller produktiv werden, da Prozesse standardisiert und dokumentiert sind.

Herausforderung 3: Collaboration-Chaos in hybriden Teams

Das Problem

Die Arbeitswelt hat sich fundamental verändert. Teams sind hybrid, oft über verschiedene Standorte verteilt, manchmal über Zeitzonen hinweg. Gleichzeitig müssen mehr Stakeholder eingebunden werden: Media-Planer, Kreative, Analysten, Client Services, externe Partner.

Das Resultat sind endlose E-Mail-Threads, unübersichtliche Messenger-Gruppen und Meetings, in denen mehr Zeit für Updates als für Entscheidungen verwendet wird. Wer hat welche Version des Media-Plans? Wurde die Änderung schon umgesetzt? Wer muss noch approven?

Die Lösung durch Media Operations Platforms

Moderne Plattformen sind zu kollaborativen Arbeitswelten geworden:

• Echtzeit-Zusammenarbeit: Mehrere Personen können gleichzeitig an Kampagnen arbeiten, Änderungen sind sofort sichtbar
• Integrierte Kommunikation: Diskussionen finden direkt am relevanten Kampagnen-Element statt, nicht in separaten Tools
• Klare Workflows: Jeder sieht, welche Tasks anstehen, wer verantwortlich ist und was der Status ist
• Transparente Prozesse: Visualisierte Workflows zeigen, wo eine Kampagne im Prozess steht
• Knowledge Management: Best Practices, Learnings und Guidelines sind zentral verfügbar

Das Ergebnis: Weniger Meetings, schnellere Entscheidungen, weniger Missverständnisse.

Herausforderung 4: Compliance und Nachweispflichten

Das Problem

Die regulatorischen Anforderungen im digitalen Marketing werden kontinuierlich strenger. DSGVO, Digital Services Act, branchenspezifische Regulierungen – Unternehmen müssen nachweisen können, welche Daten wann und wie verwendet wurden. Bei Audits oder rechtlichen Auseinandersetzungen kann fehlende Dokumentation teuer werden.

Gleichzeitig fordern Kunden und interne Stakeholder mehr Transparenz: Warum wurde Budget verschoben? Wer hat diese Targeting-Änderung genehmigt? Welche Version des Creatives wurde wann live geschaltet?

Die Lösung durch Media Operations Platforms

2025 sind Audit-Fähigkeit und Compliance keine Afterthoughts mehr, sondern Kernfunktionen:

• Vollständige Audit Trails: Jede Aktion wird protokolliert – wer hat was, wann und warum gemacht
• Versionierung: Alle Änderungen an Kampagnen, Creatives und Einstellungen werden historisiert
• Approval-Workflows: Formale Freigabeprozesse mit digitalem Nachweis
• Datenschutz-Compliance: Integrierte Tools zur Sicherstellung DSGVO-konformer Datenverarbeitung
• Export-Funktionen: Alle Daten können für Audits oder rechtliche Zwecke exportiert werden

Diese Funktionen schützen nicht nur vor regulatorischen Risiken – sie schaffen auch Vertrauen bei Kunden und Partnern.

Herausforderung 5: Organisatorische Fragmentierung

Das Problem

In vielen Organisationen arbeiten verschiedene Teams an derselben Kampagne, ohne wirklich zusammenzuarbeiten. Das Strategy-Team entwickelt Konzepte. Das Operations-Team setzt um. Das Analytics-Team wertet aus. Das Client-Service-Team berichtet an den Kunden.

Diese Silos führen zu suboptimalen Ergebnissen. Strategische Insights aus der Umsetzung fließen nicht zurück in die Planung. Optimierungspotenziale werden nicht erkannt, weil die Expertise fragmentiert ist. Kunden-Feedback erreicht nicht die richtigen Personen.

Die Lösung durch Media Operations Platforms

Durch eine gemeinsame Arbeitsplattform werden organisatorische Grenzen durchlässig:

• Shared Workspace: Alle Beteiligten arbeiten im selben System mit Zugriff auf die gleichen Informationen
• Rollenbasierte Berechtigungen: Jeder sieht, was für seine Rolle relevant ist, ohne überfordert zu werden
• Cross-funktionale Insights: Analytics-Erkenntnisse sind für Planer sichtbar, Execution-Learnings für Strategen
• Integrierte Knowledge Base: Best Practices und Learnings werden zentral gesammelt und sind für alle nutzbar
• Skill-Building: Durch Transparenz lernen Teams voneinander

Das Ergebnis: Organisationen werden lernende Systeme, in denen Wissen nicht in Silos gefangen bleibt, sondern frei fließt.

Implementierung: Der Weg zur erfolgreichen Media Operations Platform

Phase 1: Ehrliche Bestandsaufnahme

• Bevor ein Tool ausgewählt wird, muss klar sein, was es lösen soll:
• Prozess-Mapping: Dokumentieren Sie Ihre aktuellen Workflows – alle, auch die inoffiziellen
• Pain-Point-Analyse: Wo verlieren Sie am meisten Zeit? Wo passieren die meisten Fehler?
• Stakeholder-Interviews: Was frustriert Ihre Teams wirklich?
• ROI-Kalkulation: Wie viel kostet Sie der Status Quo in Zeit, Fehlern und verpassten Chancen?

Phase 2: Requirements mit Zukunftsfokus

Ihre Anforderungen sollten nicht nur heutige Probleme lösen:

• Skalierbarkeit: Kann die Lösung mit Ihrem Wachstum mithalten?
• Integrationsfähigkeit: Welche Systeme müssen angebunden werden – heute und morgen?
• KI-Readiness: Ist die Plattform bereit für KI-gestützte Features?
• API-Flexibilität: Können Sie Custom-Integrationen bauen?
• Update-Frequenz: Wie schnell integriert der Anbieter neue Plattformen und Features?

Phase 3: Partner-Evaluation

Die Software ist wichtig, aber der Partner dahinter ist entscheidend:

• Branchenexpertise: Versteht der Anbieter Ihre spezifischen Herausforderungen?
• Support-Qualität: Wie schnell und kompetent ist der Support?
• Roadmap-Alignment: Entwickelt sich die Plattform in Ihre Richtung?
• Community: Gibt es eine aktive User-Community zum Austausch?

Phase 4: Change Management als Erfolgsfaktor

Die beste Technologie scheitert ohne Akzeptanz:

• Early Champions: Identifizieren Sie Power-User, die andere mitziehen
• Schrittweise Einführung: Beginnen Sie mit einem Team oder Use Case, dann skalieren
• Kontinuierliche Schulung: Ein einmaliges Onboarding reicht nicht
• Quick Wins kommunizieren: Machen Sie frühe Erfolge sichtbar
• Feedback-Loops: Hören Sie auf die Nutzer und optimieren Sie kontinuierlich

Ausblick: Was erfolgreiche Unternehmen 2025 anders machen

Die Schere zwischen digitalen Leaders und Nachzüglern öffnet sich 2025 weiter. Unternehmen, die Media Operations Platforms strategisch einsetzen, zeigen messbare Vorteile:

Effizienzgewinne: 40-60% Reduktion bei repetitiven Aufgaben, mehr Zeit für strategische Arbeit

Fehlerreduktion: Bis zu 80% weniger manuelle Fehler durch Automatisierung und Validierung

Schnelligkeit: Time-to-Market für neue Kampagnen halbiert sich

Bessere Entscheidungen: Datenbasierte Insights statt Bauchgefühl

Mitarbeiterzufriedenheit: Teams können sich auf interessante Arbeit konzentrieren statt auf Admin-Aufgaben

Aber der vielleicht wichtigste Vorteil ist: Agilität. In einer Welt, in der sich die Medienlandschaft rasant verändert, ist die Fähigkeit, schnell zu lernen, anzupassen und zu optimieren, der entscheidende Wettbewerbsvorteil.

Mercury Media Technology: Mehr als eine Plattform

MMT hat verstanden, dass eine Media Operations Platform 2025 mehr sein muss als ein Tool – sie muss ein Ökosystem sein. Die MMT-Plattform verbindet alle Aspekte moderner Mediaarbeit:

Für Agenturen: Vom Pitch über die Kampagnen-Execution bis zum Client-Reporting – alles in einem System. Transparenz gegenüber Kunden ist nicht mehr Aufwand, sondern automatisch gegeben.

Für Werbetreibende: Endlich echte Kontrolle über externe und interne Media-Aktivitäten. Konsolidierte Sicht über alle Märkte und Brands.

Für Publisher: Optimierte Zusammenarbeit mit Agenturen und Werbetreibenden, automatisierte Prozesse von der Buchung bis zur Abrechnung.

Die Plattform entwickelt sich kontinuierlich weiter. Neue Integrationen zu aufkommenden Kanälen werden zeitnah implementiert. KI-Features werden laufend erweitert. Und das wichtigste: MMT hört auf die Bedürfnisse seiner User und entwickelt die Plattform gemeinsam mit ihnen.

Fazit: Die Zeit ist jetzt

2025 ist klar: Media Operations Platforms sind kein Luxus mehr, sondern Notwendigkeit. Die Komplexität moderner Kampagnen übersteigt die Kapazität manueller Prozesse bei weitem. Unternehmen, die jetzt investieren – in Technologie, aber vor allem in die Transformation ihrer Prozesse –, werden die Gewinner von morgen sein.

Die Frage ist nicht mehr ob, sondern wann Sie den Schritt gehen. Je länger Sie warten, desto größer wird der Rückstand zu Wettbewerbern, die bereits den Vorsprung ausbauen.

Beginnen Sie heute mit der Analyse Ihrer Prozesse. Identifizieren Sie Ihre größten Pain Points. Und dann: Handeln Sie. Die Zukunft des Kampagnenmanagements hat bereits begonnen.

Der Lockruf der Effizienz ist stark. Doch während diese Plattformen enorme Vorteile bieten, bergen sie auch eine Gefahr, die oft übersehen wird: die der "Blackbox". Für Unternehmen, die datengestützte Entscheidungen treffen wollen, ist es entscheidend, die richtige Balance zwischen Automatisierung und Kontrolle zu finden.

Die unbestreitbaren Vorteile: Geschwindigkeit und Skalierbarkeit

Keine Frage, vollautomatisierte KI-Plattformen haben schlagkräftige Argumente auf ihrer Seite:

• Geschwindigkeit: Wo traditionelle MMM-Projekte Wochen oder gar Monate dauerten, liefern KI-Modelle Ergebnisse in Tagen oder sogar Stunden.
• Granularität: Sie können riesige Datenmengen verarbeiten und ermöglichen Analysen auf einem Detaillierungsgrad, der manuell kaum zu bewältigen wäre.
• Effizienz: Die Automatisierung von Datensammlung, -verarbeitung und Modellierung setzt wertvolle Ressourcen im Analyseteam frei.

Für viele Unternehmen klingt das wie das perfekte Szenario. Man füttert die Maschine mit Daten und erhält auf Knopfdruck die optimale Budgetverteilung. Doch was passiert im Inneren der Maschine?

Das Risiko der Blackbox: Wenn aus Effizienz Kontrollverlust wird

Hier liegt die Kehrseite der Medaille. Eine "Blackbox"-Lösung ist ein System, dessen interne Funktionsweise für den Anwender undurchschaubar ist. Man sieht den Input (Daten) und den Output (Ergebnis), aber nicht, wie das Ergebnis zustande kam. Daraus ergeben sich kritische Nachteile:

• Fehlendes Verständnis: Wenn das Modell plötzlich eine drastische Budgetverschiebung vorschlägt – weg von einem Kanal, der bisher immer gut funktionierte –, können Sie nachvollziehen, warum? Ohne Verständnis der Modell-Logik müssen Sie blind vertrauen.
• Mangelnde Anpassbarkeit: Jedes Unternehmen hat einzigartige Marktbedingungen, Markenstärken und strategische Ziele. Eine starre "All-in-One"-Lösung kann diese Nuancen oft nicht abbilden. Was passiert, wenn sich Ihre Unternehmensstrategie ändert? Können Sie das Modell entsprechend anpassen?
• Strategische Abhängigkeit: Die vollständige Auslagerung des analytischen "Gehirns" an eine externe Plattform schafft eine starke Abhängigkeit. Das wertvolle Wissen über die eigenen Marketingtreiber liegt nicht mehr im Unternehmen, sondern in einem externen Algorithmus.

Der Königsweg: Kontrolle und partnerschaftliche Zusammenarbeit

Die Lösung liegt nicht darin, KI zu verteufeln, sondern darin, sie als ein extrem leistungsfähiges Werkzeug zu begreifen, das von menschlicher Expertise gesteuert werden muss. Der wahre Wert von Marketing Measurement entsteht nicht durch einen simplen Knopfdruck, sondern durch einen iterativen Prozess des Verstehens, Hinterfragens und Anpassens.

Unternehmen sollten nach Lösungen suchen, die Transparenz und Flexibilität in den Vordergrund stellen. Der ideale Ansatz ist oft ein partnerschaftlicher, bei dem eine Plattform die schwere Rechenarbeit leistet, das interne Team aber jederzeit die Kontrolle behält. Stellen Sie sich ein Modell vor, bei dem Sie selbst entscheiden, welche Teile des Prozesses Sie selbst steuern (Insourcing) und welche Sie als Service in Anspruch nehmen (Outsourcing).

• Phase 1 (Setup): Ein externer Partner hilft bei der Aufsetzung der Dateninfrastruktur und der initialen Modellierung (Outsourcing).
• Phase 2 (Wissenstransfer): Das interne Team wird geschult, die Modellergebnisse zu interpretieren und zu hinterfragen (Co-Creation).
• Phase 3 (Autonomie): Ihr Team ist in der Lage, eigenständig Szenarien zu simulieren und die Modelle zu nutzen, während die Plattform die Datenaktualisierung automatisiert (Insourcing der Strategie, Outsourcing der Technik).

Fazit: Machen Sie die KI zu Ihrem Co-Piloten, nicht zum alleinigen Piloten

KI-basierte Measurement-Plattformen sind kein Allheilmittel, aber sie sind auch keine zwangsläufige Blackbox. Die entscheidende Frage, die sich jedes Unternehmen stellen muss, lautet: Wollen wir eine fertige Antwort kaufen oder wollen wir die Fähigkeit erlangen, selbst die richtigen Antworten zu finden?

Indem Sie auf Lösungen setzen, die Flexibilität und Transparenz bieten, stellen Sie sicher, dass Sie die unbestreitbaren Vorteile der KI nutzen, ohne dabei das wertvollste Gut aufzugeben: das Verständnis für Ihr eigenes Geschäft und die Kontrolle über Ihre strategische Zukunft.

1. Künstliche Intelligenz als Gamechanger

KI ist längst mehr als ein Buzzword. 2025 wird sie das Marketing weiter revolutionieren, indem sie Daten in Echtzeit analysiert, das Kundenverhalten präziser vorhersagt und personalisierte Erlebnisse automatisiert erstellt.

KI-gestützte MarTech-Anwendungen:

• Predictive Analytics: KI analysiert historische Daten, um Trends und Kundenpräferenzen vorherzusagen, wodurch Unternehmen gezielter agieren können.
• Automatisierte Content-Erstellung: Generative KI produziert personalisierte Inhalte für Social Media, E-Mails und Websites.
• Conversational Marketing: KI-gestützte Chatbots optimieren die Kundeninteraktion rund um die Uhr.
• Personalisierte Werbung: Dynamische Anzeigen passen sich in Echtzeit dem Nutzerverhalten an.
• Optimierung der Customer Journey: KI identifiziert Engpässe und steigert die Effizienz von Marketingmaßnahmen.

2. Personalisierung vs. Datenschutz: Ein Balanceakt

Kunden erwarten personalisierte Inhalte, während gleichzeitig der Schutz ihrer Daten immer wichtiger wird. Die DSGVO und das Ende von Third-Party-Cookies erfordern neue Strategien.

Erfolgsstrategien:

• First-Party-Daten nutzen: Unternehmen setzen verstärkt auf eigene Kundendaten anstelle von Drittanbieter-Cookies.
• Zero-Party-Daten sammeln: Kunden teilen bewusst Informationen über Umfragen und Interaktionen.
• Datenschutzfreundliche Personalisierung: KI gruppiert Kunden in anonyme Segmente anstatt individuelle Profile zu erstellen.
• Privacy-Enhancing Technologies (PETs): Technologien wie Differential Privacy ermöglichen datenschutzkonforme Analysen.
• Consent-Management verbessern: Transparente Kommunikation und flexible Opt-in-Optionen stärken das Kundenvertrauen.

3. Die Verschmelzung von MarTech und AdTech

Bisher getrennte Systeme wachsen zusammen, um eine einheitliche Kundenansprache zu ermöglichen. Diese Entwicklung steigert die Effizienz und den ROI von Marketingkampagnen.

Wichtige Entwicklungen:

• Datengetriebene Werbeautomatisierung: Integration von MarTech- und AdTech-Daten zur Optimierung von Kampagnen.
• Omnichannel-Marketing: Einheitliche Kundenkommunikation über Social Media, E-Mail, Websites und digitale Werbung.
• Customer Data Platforms (CDPs): Zentralisierte Kundendaten für konsistente und personalisierte Kampagnen.
• Programmatic Advertising: Automatisierter An- und Verkauf von Werbeflächen in Echtzeit.
• Attribution Modeling: Optimierte Budgetallokation durch präzisere Kanalbewertung.

Fazit: Die Zukunft aktiv gestalten

MarTech wird 2025 intelligenter und datenschutzorientierter. Unternehmen, die frühzeitig auf KI-gestützte Analysen, datenschutzkonforme Personalisierung und die Integration von MarTech und AdTech setzen, sichern sich langfristige Wettbewerbsvorteile. Entscheidend ist jedoch, diese Technologien verantwortungsvoll einzusetzen, um Kundenvertrauen zu bewahren und nachhaltigen Erfolg zu sichern.

Aber was sind die Unterschiede zwischen den drei jetzt verfügbaren Open-Source-Lösungen und welche Limitationen gibt es?

Wir sind selbst seit über fünf Jahren als Marketing Mix Modelling Anbieter aktiv und arbeiten kontinuierlich mit Kunden zusammen, um die Effizienz ihrer Marketingaktivitäten zu steigern.

Wir haben für euch die verschiedenen Open-Source-Lösungen unter die Lupe genommen und Sie mit unserem selbst entwickelten MMM-Verfahren Scope verglichen.

Wichtigste Erkenntnisse

1. Hierarchisches Modellieren

Durch Meridian von Google ist es nun auch mit einer Open-Source-Lösung möglich, beim Trainieren des Modells die Daten aus verschiedenen geografischen Regionen zu nutzen. Das Trainieren auf granularen Daten hilft einem Modell enorm, die Wirkung der Media-Aktivitäten genauer und sicherer zu bestimmen. Ihr bekommt dadurch also eine deutlich validere Entscheidungsgrundlage für die Optimierung eurer Media-Aktivitäten, sofern euch die notwendigen Daten aus mehreren Regionen vorliegen.

2. Flexible Mediaeffizienz über die Zeit

Zwei der Open-Source-Lösungen gehen per Definition davon aus, dass die Wirkung einer Mediavariable über die Zeit konstant ist. Auf der einen Seite ist dies durchaus sinnvoll, weil die in den meisten MMM-Projekten vorliegende Datenmenge nur dafür ausreicht, die durchschnittliche Wirkung einer Mediavariable über den gesamten betrachteten Zeitraum mit einer einigermaßen brauchbaren Sicherheit zu bestimmen. Auf der anderen Seite entspricht dies natürlich nicht der Realität, in der es ganz entscheidend für die Media-Wirkung ist, wann und wie Media in welcher Form ausgespielt wird.

3. User Interface zur Nutzung ohne Coding

Ohne Coding-Kenntnisse komme ich mit keiner der frei verfügbaren Open-Source-Lösungen zurecht. Alle drei Lösungen werden in Form von Code zur Verfügung gestellt, den man sich herunterladen kann und dann ausführen muss, um zum Ergebnis zu kommen.

Fazit:

Die Möglichkeit, hierarchisch auf Regionen zu modellieren, ist ein weiterer großer Schritt nach vorne für die Fähigkeiten der verfügbaren Open-Source-Lösungen. Voraussetzung für die Verwendung bleiben Coding-Kenntnisse bzw. zumindest die Fähigkeit, Code ausführen zu können und mit Fehlermeldungen umgehen zu können.

Darüber hinaus zeigt die Veröffentlichung von Meridian durch Google, dass man auch bei Google erkannt hat, dass die bisher zur Verfügung stehenden digitalen Attributionsverfahren nicht mehr zeitgemäß und ausreichend sind, um die Wirkung von Marketing- und Media-Aktivitäten bewerten zu können. Die Bedeutung des Marketing Mix Modellings als wichtigstes Standardwerkzeug im Marketing Measurement Baukasten wird durch diesen Schritt von Google erneut unterstrichen.

Wie MMT euch weiterhelfen kann?

Die Daten, die für ein Marketing Mix Modelling vorliegen, bleiben unabhängig von der verwendeten Lösung immer gleich. Wir haben eine Plattform entwickelt in der man ohne Coding-Kenntnisse alle bestehenden Open-Source-Lösungen einfach nutzen kann, um aussagekräftige Modelle zu trainieren und stellen zusätzlich dazu unser eigenes noch leistungsfähigeres Verfahren zur Verfügung, das einige der aktuellen Limitationen der Open-Source-Lösungen beseitigt.

Ohne viel Aufwand ermöglicht euch das einen vergleichenden Blick auf die Ergebnisse aus den unterschiedlichen Lösungen. Welches Modell kommt zu welchen Aussagen und warum? Durch diesen Blick auf die unterschiedlichen Modellergebnisse entsteht beim Nutzer ein tiefgreifendes Verständnis über die Funktionsweise des Instruments Marketing-Mix-Modelling und die Wirkung eurer Media-Aktivitäten. Dieses tiefgreifende Verständnis wird es euch ermöglichen, die richtigen Entscheidungen für mehr Mediaeffizienz zu treffen. Je nach Bedarf könnt Ihr dabei selbst der Nutzer der Plattform sein oder die Nutzung einem unserer MMM-Experten überlassen.

Der Begriff Marketing Measurement umfasst die Methoden, Werkzeuge und Prozesse, die zur Bewertung der Wirkung von Marketing-Aktivitäten eingesetzt werden. Es geht darum, die Wirkung der Marketing-Aktivitäten zu quantifizieren. Dabei wird sich häufig auf die Wirkung von verschiedenen Marketing-Kanäle und Kampagnen fokussiert, weil die dafür notwendigen Daten am ehesten vorliegen. Der Begriff Marketing Measurement umfasst aber auch die Quantifizierung von Wirkung auf granularer Ebene bis hin zur Auswertung der Wirkung einzelner Werbeplatzierungen, wie es in vielen Attributionsverfahren der Fall ist.

Warum ist Marketing Measurement wichtig?

Wer in Marketing investiert, sollte auch wissen, was dieser Einsatz wirklich bringt. Nur wenn du die Wirkung deiner Marketingaktivitäten im Detail verstehst, kannst du gezielt optimieren und das Beste aus deinen Kampagnen herausholen. Marketing Measurement ist daher eine Schlüsselaufgabe, die jedes Unternehmen ernst nehmen sollte – je höher die Werbeausgaben, desto wichtiger wird diese Aufgabe.

Das Hauptziel von Marketing Measurement ist klar: Die Effizienz der Werbeausgaben erhöhen und aus jedem investierten Euro das Maximum herausholen.

Die Schlüsselkomponenten des Marketing Measurement

Modernes und zielführendes Marketing Measurement im Jahr 2025 setzt auf die Kombination von drei Methoden, die sich gegenseitig komplementieren:

Durch Marketing Mix Modelling werden die Wirkungszusammenhänge auf die wichtigsten Unternehmens-KPIs (wie z.B. Absatz, Umsatz, Webvisits usw.) auch über die Marketingaktivitäten hinaus quantifiziert. Damit bietet es eine ideale Basis zur Optimierung der Marketingaktivitäten und eine wertvolle Unterstützung der unternehmensinternen Kommunikation mit Stakeholdern über das Marketing hinaus.

Über Experimente können Wirkungszusammenhänge beleuchtet werden, die aufgrund der Datenlage durch Marketing Mix Modelling nicht geklärt werden können. Zum Beispiel, wenn neu aufkommende Marketingkanäle in der Vergangenheit noch nie oder nur auf sehr niedrigem Niveau genutzt wurden.

Über Always on Measurement und Attribution können beim Vorhandensein von sehr granularen Daten die Aussagen aus dem Marketing Mix Modelling ebenfalls hinterfragt werden und zusätzlich Fragen beantwortet werden, die ein Marketing Mix Modelling nicht beantworten kann, wie z.B. Welches Display-Creative hat eine bessere Click-Through-Rate? Mit welchem SEA-Creative generieren wir mehr Umsatz?.

Wenn man sich erstmal auf eine Methode fokussieren möchte, sollte man mit Marketing-Mix-Modelling starten, da es das verbindende Element zwischen den drei Methoden ist und das beste Potenzial bietet, seine Marketingaktivitäten direkt nur durch den Einsatz einer Methode effizienter zu machen. Je nach Geschäftsmodell und Bedarf kann man die anderen beiden Verfahren dann zusätzlich nutzen, um weiteres Potenzial zu hebeln.

Herausforderungen beim Marketing Measurement

Die Basis für ein wertschöpfendes Marketing Measurement sind Daten, die rund um die Marketingaktivitäten entstehen. Daten, die aus verschiedenen Quellen stammen, aus verschiedenen Systemen zusammengeführt werden müssen und kontinuierlich aktualisiert werden müssen. Durch den immer diverseren Mix an Marketingaktivitäten nimmt auch die Anzahl der Quellen weiter zu. Trotzdem müssen verschärfte Datenschutzbestimmungen eingehalten und Alternativen gefunden werden, um das Surfverhalten von Usern trotz Cookie-Regulierung auch zukünftig verstehen zu können.

Dabei gilt es zu beachten, dass die Ressourcen, die für Marketing Measurement aufgewendet werden, in einem gesunden Verhältnis zum gesamten Marketinginvest stehen müssen. Jeden Euro, den du in die Messung und Analyse der Marketingaktivitäten investierst, muss sich auch in Form einer gesteigerten Marketingeffizienz rentieren.

Zukunft von Marketing Measurement

Modernes und besonders wertschöpfendes Marketing Measurement wird stark von technischer Innovation geprägt sein, um es immer kostengünstiger und wirkungsvoller einsetzen zu können. Der Markt der Software as a Service Anbieter wird sich konsolidieren. Parallel dazu werden immer wieder neue Player entstehen, die versuchen werden, sich über Hype-Themen hervorzuheben und von der Konkurrenz abzuheben. Als Werbetreibender kann ich mich am Besten darauf einstellen und von den Entwicklungen am Markt profitieren, wenn ich die Daten rund um die eigenen Marketing-Aktivitäten möglichst granular und über längere Zeiträume erfasse und vorhalte.

Fazit

Marketing Measurement ist eine wichtige Aufgabe innerhalb des Marketings, um eine hohe Effizienz der Werbeausgaben zu gewährleisten. Dabei gilt, um so höher die jährlichen Werbeausgaben, um so wichtiger ist es Marketing Measurement Prozesse im Unternehmen zu etablieren. Generell ist es wichtig darauf zu achten, dass der Ressourceneinsatz für Marketing Measurement in einem gesunden Verhältnis zu den Werbeausgaben steht. Den besten Startpunkt in ein wertschöpfendes und zielführendes Marketing Measurement bietet dabei die Methode Marketing Mix Modelling.

Jochen Schweizer mydays bietet eine breite Palette an Erlebnis- und Geschenkideen und setzt auf eine optimale Vermarktung in einem dynamischen Wettbewerbsumfeld. Die Zusammenarbeit mit MMT ermöglicht es, die Performance der Media-Aktivitäten besser zu verstehen und die gewonnenen Erkenntnisse in die Mediaplanung zu übernehmen. Ein starker Fokus liegt dabei auf den Wechselwirkungen zwischen den Upper- und Lower-Funnel-Aktivitäten. Ziel ist es, klare Handlungsempfehlungen abzuleiten, die sowohl kurzfristige als auch langfristige Geschäftserfolge unterstützen.

Jochen Schweizer mydays erwartet durch die Zusammenarbeit mit MMT wertvolle Impulse, die zu einer kontinuierlich zunehmenden Steigerung der Marketingeffizienz führen. Umfangreiche initiale Modellierungen und Modellupdates, die durch die Durchführung im MMM-Modul eine maximale Transparenz gewährleisten, führen zu dem notwendigen Vertrauen in die Erkenntnisse, das notwendig ist um auch danach zu handeln. Zusätzlich verspricht sich Jochen Schweizer mydays durch das ganzheitliche Berücksichtigen von Einflussfaktoren auch wertvolle Erkenntnisse über die Media-Aktivitäten hinaus.

"Mit MMT haben wir einen kompetenten Partner gefunden, welcher uns wertvolle Erkenntnisse über unsere Media-Aktivitäten liefert. Durch den transparenten Ansatz und stetigen Austausch können wir die Modellergebnisse über das MMM-Modul von Mercury detailliert nachvollziehen und haben jederzeit die Möglichkeit die Marketing-Mix-Modelling-Prozesse im Self-Service zu inhousen"

Jessica Bielmeier
Team Lead Paid Media, Jochen Schweizer mydays Group

"Jochen Schweizer mydays hat genau wie wir eine sehr ausgeprägte Hands-on-Mentalität. Dadurch macht die Zusammenarbeit besonders viel Spaß, weil wertvolle Erkenntnisse zügig operationalisiert werden können und Effizienzsteigerungen so schon frühzeitig in der Zusammenarbeit zum Tragen kommen. Durch das Self-Service-MMM Modul von Mercury können wir bei jedem Modellupdate flexibel und effizient auch auf neu aufkommende Herausforderungen reagieren."

Torben Seebrandt
Director Data & Intelligence, MMT

Über die Jochen Schweizer mydays Group

Die Unternehmen der Jochen Schweizer mydays Group bieten Erlebnisse, Erlebnisreisen und -geschenke zu jeder Zeit, an nahezu jedem Ort und für eine Vielzahl von Situationen. Ob actionreiche Abenteuer, beeindruckende Outdoor-Angebote oder Wohlfühlerlebnisse für Quality Time mit den Liebsten – die Mitarbeitenden haben es sich zur Aufgabe gemacht, gemeinsam mit tausenden Erlebnispartnern für jeden Kunden das passende Erlebnis zu bieten. Seit Oktober 2017 sind die beiden führenden Vermittler von Erlebnissen, Jochen Schweizer und mydays, unter dem Dach der Jochen Schweizer mydays Group als Mitglied der ProSiebenSat.1 Media SE vereint.

Pressekontakt:

Jochen Schweizer mydays Group

Laura Werner

presse@jochen-schweizer.de

+++++

Über Mercury Media Technology GmbH & Co. KG

Mercury Media Technology ist seit 2016 ein unabhängiges, wachsendes MarTech Unternehmen mit Sitz in Hamburg. Europaweit zählen Agenturen, Werbetreibende und Publisher zu ihren Kunden. Über 30 Experten aus den Bereichen Software und Data Engineering, Data Intelligence und Media entwickeln datengetriebene Lösungen mit dem Ziel, die Effizienz von Media Operations zu maximieren. Die Media Operations Plattform “Mercury”, die zum weiteren Segment Marketing-Resource-Management gezählt werden kann, ermöglicht datengetriebenes Media Management. Angefangen beim Self-Service Marketing Mix Modelling Modul, das umsetzbare Erkenntnisse für die Mediaplanung liefert, über die strategische und taktische Planung, die Buchung bis zu automatisierten Dashboards im integriertem Reporting Center unterstützt Mercury den gesamten Media Workflow. Es bestehen Data Pipelines zu relevanten technischen Systemen inkl. Auslieferungssystemen wie AdServern und DSPs, allen sozialen Plattformen, Website-Tracking-Tools und Validierungssystemen. Alle externen und internen Daten stehen außerdem sauber aufbereitet und strukturiert über den Datenkonnektor "Bridge" zur Verfügung.

Geschäftsführer des Unternehmens mit Sitz in Hamburg sind Tobias Irmer, Gunnar Neumann und Andreas Sand.

Mehr Informationen auf mercurymediatechnology.com

+++++

Pressekontakt:

Mercury Media Technology GmbH & Co. KG

Klostertor 1

20097 Hamburg

Michelle Tejada

hello@mercurymediatechnology.com

In diesem Artikel bieten wir eine Perspektive zur Beantwortung dieser Fragen und gehen auf eine mögliche Unterscheidung verschiedener Abstufungs-Formen des Inhouse Media Buying ein.

Inhalt

• Technical Inhousing

• Hybrid Inhousing

• Full Inhousing

• Full Inhousing: Eine Utopie?

Auf den ersten Blick ist das Inhouse Media Buying ein verlockendes Konzept für werbetreibende Unternehmen. Schließlich verspricht es volle Kontrolle über die eigenen Daten und Budgets sowie Unabhängigkeit von Agenturen und anderen Vermittlern. Immerhin haben bereits 73 Prozent der Marken zumindest einige Teile ihres digitalen Marketings unter Eigenregie gestellt. Doch Inhousing ist nicht gleich Inhousing: Es gibt verschiedene Modelle, die je nach Größe und Ausrichtung des werbetreibenden Unternehmens unterschiedlich geeignet sind. Wie Marken ihr Media Buying organisieren und welche Rolle dabei eine Agentur als Partner spielt, hängt maßgeblich vom internen Know-How, den finanziellen und zeitlichen Ressourcen sowie dem AdTech-Setup ab. Dabei muss zunächst in die verschiedenen Formen des Inhouse Media Buying unterschieden werden: Technical Inhousing, Hybrid Inhousing und Full Inhousing.

Technical Inhousing

Unter Technical Inhousing versteht man es, wenn Unternehmen die technischen Infrastrukturen bspw. für den Mediaeinkauf und/oder das gesamte Kampagnenmanagement selbst lizenzieren. Dazu können sie beispielsweise Adserver, DSP oder Verification-Services selbst lizenzieren oder auch eigenständig ein Facebook-Werbekonto aufsetzen. Die Unternehmen arbeiten sich in die technischen Systeme ein und schließen direkte Verträge mit entsprechenden Dienstleistern ab, ohne eine Agentur als Mittler einzusetzen. Jedoch arbeitet die Agentur dann operativ im lizensierten System und erhält entsprechende Zugänge.

Ein großer Vorteil des technischen Inhousing liegt darin, dass Werbetreibende potentiell Geld sparen können, da sie für die aufwendige technische Abwicklung keinen Partner benötigen und in die direkte Verhandlung mit dem Anbieter gehen können. Zudem lässt sich die die eigene Dateninfrastruktur direkt und mit eigenen Ressourcen anschließen. Das bricht Datensilos auf, verringert Abhängigkeiten sowie Komplexität und verschafft Unternehmen einen direkten Zugriff auf sämtliche Kampagneninformationen. So können Werbetreibende auch steuern, welche Dienstleister, welche Rechte auf den Plattformen erhalten. Entsprechend gewinnen sie ein deutliches Plus an Kontrolle und können später, bspw. beim Wechsel der Agentur, ohne großen Datenverlust weiterarbeiten.

Jedoch müssen Werbetreibende für diesen Schritt das entsprechende Fachwissen mitbringen oder erst einmal aufbauen, bzw. externe Beratung hinzuziehen. Auch muss Kapazität im Einkauf, sowie in der IT vorhanden sein. Das ist erstmal ein initialer Aufwand, jedoch vergleichsweise überschaubar. Auch die fortlaufende Steuerung ist insgesamt mit geringem personellen Aufwand möglich.

Jedes Unternehmen, dass diese Ressourcen aufbringen kann, kann technisches Inhousing umsetzen. Daher ist es für viele Werbetreibende ein guter erster Schritt, den Mediaeinkauf in die eigene Hand zu nehmen.

Hybrid Inhousing

Auch beim Hybrid Inhousing arbeiten Werbetreibende mit Agenturen zusammen. Dabei übernehmen sie bspw. einzelne Prozessschritte oder Medien-Gattungen inhouse und geben alles Weitere an eine Agentur ab. Die Unternehmen verhandeln dabei beispielsweise selbst mit Publishern und nehmen so die Einkaufskomponente aus den Agenturaufgaben heraus. Oder sie kümmern sich selbst um die digitale Werbung und beauftragen einen Dienstleister mit den analogen Kanälen. Selbst die Übernahme von einzelner Teilschritten ist denkbar, wie etwa die Budgetallokation auf die verschiedenen Kanäle mit späterer Übergabe an die operative Umsetzung in der Agentur. Insgesamt lassen sich viele Formen der hybriden Zusammenarbeit am Markt finden

Dafür spricht, dass Werbetreibende dabei flexibel und je nach vorhandenen, eigenen Ressourcen einzelne Aspekte des gesamten Mediaprozess übernehmen und so mehr Unabhängigkeit und eigenes Wissen erlangen können. Sie können ihre eigenen Stärken und Kompetenzen nutzen, eng mit internen Abteilungen zusammenarbeiten, schützen internes Wissen und können trotzdem eine reduzierte, jedoch nachhaltigere Partnerschaft zu Agenturen pflegen.

Dazu benötigt es jedoch Agenturen, die bereit sind, sich auf dieses Modell einzulassen und von denen es bislang noch zu wenige gibt.

Unternehmen, die sich für ein hybrides Inhousing entscheiden, sollten im Vorfeld genau abwägen, welche Komponenten des Media Buying sie auch langfristig selbst übernehmen können - auch bei Personalfluktuationen.

Full Inhousing

Die aufwändigste Form des selbstgesteuerten Mediaeinkaufs ist das Full Inhousing. Dabei arbeiten Unternehmen autark und ohne Hilfe einer Agentur. Vom Aufsetzen der technischen Infrastruktur über die strategische Planung bis hin zur Umsetzung und Auswertungen übernehmen Unternehmen alle Aspekte des Media Buying selbst.

Die Vorteile liegen dabei klar auf der Hand: Werbetreibende haben die volle Kontrolle über die Budgets, Daten und Inhalte. Die Markenhoheit bleibt zu 100 Prozent beim Unternehmen selbst und es besteht keinerlei Abhängigkeit zu anderen Dienstleistern, mit Ausnahme der Walled Gardens.

Das bringt jedoch einen hohen zeitlichen und finanziellen Aufwand zum Aufbau von Personal, Knowhow und Infrastruktur mit sich. Inhouse aufgebaute Experten sind zudem auf dem Arbeitsmarkt äußerst gefragt und so nur schwer dauerhaft zu halten.

Full Inhousing eignet sich daher zunächst vor allem für kleinere Unternehmen, die nur wenige Werbekanäle bespielen. Große Advertiser stehen vor einer fast unlösbaren Mammutaufgabe, wenn ein Full Inhousing angestrebt wird. Hier empfehlen wir eine schrittweise Annäherung über oben beschriebene Zwischenlösungen. Auch sollte immer Offenheit für einen leichten Kurswechsel bestehen und je nach Fortschritt der Prozess beschleunigt, bzw. entschleunigt werden. Zudem sollte über den gesamten Prozess ein Rückgriff auf eine praxisnahe und erfahrene Beratung genommen werden.

Full Inhousing: Eine Utopie?

These: Große Unternehmen, die in allen Gattungen präsent sein wollen – und auch müssen – können ein vollständiges Inhouse Media Buying nicht nachhaltig leisten. Sie müssen nicht nur die nötigen Talente ausbilden und halten, sondern auch stetig auf die Veränderungen des Marktes reagieren. Exzellent ausgebildete und aufgestellte Teams benötigen zusätzlich jemanden, der Innovationen vorantreibt. Es ist also weniger eine Frage der initial vorhandenen Ressourcen als eine der langfristigen Kosteneffizienz. Kleine Unternehmen hingegen, für die Media Buying einen überschaubaren Aufwand bedeutet, stoßen irgendwann durch ihr eigenes Wachstum – schließlich will sich jedes Unternehmen entwickeln – an die Grenzen des Full Inhousing. Für viele Werbetreibende ist Hybrid Inhousing also das Modell der Zukunft.

Und trotzdem sehen wir noch zu selten, dass Agenturen dafür passend aufgestellt sind und diese Option offen in Richtung der Kunden nach vorne stellen und auch als Chance begreifen. 

Der bekannte Modehändler Peek&Cloppenburg Hamburg arbeitet seit Anfang 2024 mit Mercury Media Technology (MMT) zusammen, um seinen Media-Mix zu optimieren und Footfall und werbeindizierten Umsatz nachhaltig zu verbessern. Dazu wird das Marketing Mix Modelling Modul von Mercury eingesetzt, das die Wirkung der einzelnen Marketingaktivitäten auf die einzelnen Vertriebsregionen präzise bestimmen und Empfehlungen für eine höhere Marketingeffizienz aufzeigen kann.

Peek&Cloppenburg Hamburg zählt seit vielen Jahrzehnten zu einem wichtigen Player im deutschen Modeeinzelhandel. Mit vielen stationären Stores vorwiegend in Nord- und Ostdeutschland und seinem Online-Shop VAN GRAAF, bietet das Unternehmen seinen Kundinnen und Kunden ein sorgfältig ausgewähltes und hochwertiges Textil-Sortiment und stationäre als auch digitale Einkaufserlebnisse. Die über 100-jährige Erfolgsgeschichte zeigt, dass P&C Hamburg immer in der Lage war, die richtigen Entscheidungen zu treffen, um dauerhaft erfolgreich am Markt zu bestehen.

Getrieben durch externe Einflussfaktoren (wie … ) steht der Textilhandel in Deutschland insgesamt als auch P&C Hamburg vor besonders großen Herausforderungen und setzt auf einen äußerst effizienten Marketing-Mix. Um das zu erreichen und sicherzustellen, suchte Peek&Cloppenburg Hamburg nach einem Marketing Measurement Partner und vertraut seit März 2024 auf die Zusammenarbeit mit MMT und will diese nach den Erfahrungen aus dem ersten halben Jahr auch über die nächsten Jahre weiterführen und ausbauen.

"Durch das Marketing Mix Modelling Modul von Mercury können wir genau identifizieren, welche Media-Aktivitäten wieviel Umsatzsteigerung insgesamt als auch in jeder einzelnen Region herbeiführen und aufzeigen, mit welcher Kombination von Media-Aktivitäten in welcher Region, der Mediainvest in Summe einen besonders hohen On-Top-Umsatz generiert."

Torben Seebrandt
Director Data & Intelligence, MMT

"Durch das Marketing Mix Modelling Modul von Mercury können wir genau identifizieren, welche Media-Aktivitäten wieviel Umsatzsteigerung insgesamt als auch in jeder einzelnen Region herbeiführen und aufzeigen, mit welcher Kombination von Media-Aktivitäten in welcher Region, der Mediainvest in Summe einen besonders hohen On-Top-Umsatz generiert."

Katja Hünnekens
Director Media/Online/PR, Peek&Cloppenburg Hamburg

Über die Peek&Cloppenburg KG Hamburg

Die Unternehmensgruppe Peek&Cloppenburg KG in Hamburg* ist eines der führenden Unternehmen im textilen Einzelhandel, das in Deutschland und Europa aktuell insgesamt 41 Stores betreibt. An den Standorten in Polen, der Schweiz, Ungarn, Lettland und der Tschechischen Republik sowie als Online-Shop tritt das Unternehmen ausschließlich unter dem international etablierten Namen VAN GRAAF auf. Auf seiner Plattform VANGRAAF.COM mit über 500 Modelabels integriert die Hamburger Peek&Cloppenburg KG eine stetig wachsende Zahl an Partnerprodukten. Der Marktplatz ist genau wie die VAN GRAAF App zentraler Baustein der Omnichannel-Strategie, die virtuelle und stationäre Einkaufserlebnisse konsequent verzahnt.

* Es gibt zwei unabhängige Unternehmen Peek&Cloppenburg mit ihren Hauptsitzen in Düsseldorf und Hamburg. Unser Kunde ist die Unternehmensgruppe Peek&Cloppenburg KG Hamburg. Mehr Informationen zur Unternehmensgruppe aus Hamburg: https://www.peek-und-cloppenburg.de/de/unternehmen/

+++++

Pressekontakt:
Peek&Cloppenburg KG
Mönckebergstraße 8
20095 Hamburg
Katja Hünnekens
Katja.Huennekens@peek-und-cloppenburg.de

Über Mercury Media Technology GmbH & Co. KG

Mercury Media Technology ist seit 2016 ein unabhängiges, wachsendes MarTech Unternehmen mit Sitz in Hamburg. Europaweit zählen Agenturen, Werbetreibende und Publisher zu ihren Kunden. Über 30 Experten aus den Bereichen Software und Data Engineering, Data Intelligence und Media entwickeln datengetriebene Lösungen mit dem Ziel, die Effizienz von Media Operations zu maximieren. Die Media Operations Plattform “Mercury”, die zum weiteren Segment Marketing-Resource-Management gezählt werden kann, ermöglicht datengetriebenes Media Management. Angefangen beim Self-Service Marketing Mix Modelling Modul, das umsetzbare Erkenntnisse für die Mediaplanung liefert, über die strategische und taktische Planung, die Buchung bis zu automatisierten Dashboards im integriertem Reporting Center unterstützt Mercury den gesamten Media Workflow. Es bestehen Data Pipelines zu relevanten technischen Systemen inkl. Auslieferungssystemen wie AdServern und DSPs, allen sozialen Plattformen, Website-Tracking-Tools und Validierungssystemen. Alle externen und internen Daten stehen außerdem sauber aufbereitet und strukturiert über den Datenkonnektor "Bridge" zur Verfügung.

Geschäftsführer des Unternehmens mit Sitz in Hamburg sind Tobias Irmer, Gunnar Neumann und Andreas Sand.

Mehr Informationen auf mercurymediatechnology.com

+++++

Pressekontakt:
Mercury Media Technology GmbH & Co. KG
Klostertor 1
20097 Hamburg
Michelle Tejada
hello@mercurymediatechnology.com

Inhalt

• Was ist Marketing Mix Modeling (MMM)?

• Warum sollten Marketer Marketing Mix Models einsetzen?

• Was sind die Grenzen des Marketing Mix Modelling?

• Wie wird ein Marketing Mix Modell aufgebaut?

Was ist Marketing Mix Modeling (MMM)?

Marketing Mix Modeling (MMM) ist ein leistungsstarkes Instrument zur Messung und Analyse der Wirksamkeit von Marketingaktivitäten. Es hilft Unternehmen zu verstehen, wie sich ihre Marketinginvestitionen auf ihre Ziel-KPIs auswirken, zu ermitteln, welche Marketingaktivitäten am effektivsten sind, und zukünftige Leistungen genau vorherzusagen. Das MMM ermöglicht es Marketingfachleuten, ihren Marketing-Mix zu optimieren, um eine maximale Rendite aus ihren Marketinginvestitionen zu erzielen.

Marketing Mix Modelle (MMM) basieren auf einer datengetriebenen, statistischen Analysetechnik. Data Scientists entwickeln fortschrittliche multivariate statistische Modelle, z. B. Bayesian Modelle, die den Beitrag zahlreicher Faktoren zu den Ziel-KPIs analysieren.

Um es einfach auszudrücken: Marketing Mix Modelling ist ein unverzichtbares Instrument für Marketingfachleute, die das Beste aus ihren Kampagnen herausholen wollen. Es hilft dabei, besser zu verstehen, wie verschiedene Elemente der Marketingstrategie wie Werbung, Social Media und Promotions mit externen Faktoren, z. B. Wetter, Saisonalität oder Aktivitäten der Konkurrenz, zusammenwirken.

Durch die Messung der Auswirkungen der einzelnen Marketingaktivitäten auf den ROI können Unternehmen intelligentere Entscheidungen darüber treffen, in welche Marketingaktivitäten sie investieren und welche sie streichen bzw. zurückfahren sollten. Ziel ist es, die Auswirkungen künftiger Kampagnen zu prognostizieren, Marketingbudgets neu zuzuweisen und den Media-Mix und die Werbetaktiken zu optimieren, um die angestrebten KPI, z. B. Umsatz oder Gewinn, zu maximieren.

Welche Verfahren werden im Rahmen des MMM eingesetzt?

Lineares Regressionsmodell

Das Lineare Regressionsmodell ist die einfachste Analyseform für das Marketing Mix Modelling. Es hilft, die Beziehung zwischen zwei Variablen zu untersuchen – zum Beispiel, wie sich der Umsatz (abhängige Variable) in Abhängigkeit von den Marketingausgaben (unabhängige Variable) verändert.

Unabhängige Variablen sind Faktoren wie die Höhe der Marketingausgaben, die als Einflussgröße betrachtet werden. Abhängige Variablen sind die Ergebnisse, die durch diese Einflussgrößen beeinflusst werden, wie z.B. der Umsatz.

Das Modell beschreibt die Beziehung zwischen den Variablen, indem eine gerade Linie durch die Datenpunkte gelegt wird. Diese Linie verdeutlicht den Zusammenhang zwischen der unabhängigen Variable und der abhängigen Variable . Eine steil ansteigende Linie deutet darauf hin, dass höhere Marketingausgaben tendenziell zu einem höheren Umsatz führen. Eine flach verlaufende Linie hingegen zeigt, dass die Marketingausgaben nur einen geringen Einfluss auf den Umsatz haben.

Das Lineare Regressionsmodell eignet sich besonders gut, um den direkten Einfluss einer einzelnen Marketingmaßnahme auf ein Geschäftsergebnis zu analysieren. Es ist besonders nützlich in Szenarien, in denen ein linearer Zusammenhang zwischen den Variablen erwartet wird.

Multiples Regressionsmodell

Das Multiple Regressionsmodell erweitert den Ansatz der linearen Regression, indem es den Einfluss mehrerer unabhängiger Variablen gleichzeitig auf eine oder mehrere abhängige Variablen analysiert. Dadurch wird es möglich, den kombinierten Effekt verschiedener Marketingaktivitäten wie TV-Werbung, digitale Kampagnen oder Promotionen auf den Umsatz oder andere KPIs zu verstehen. Dieses Modell bietet einen umfassenderen Überblick über den Marketing-Mix und eignet sich besonders für komplexere Szenarien, in denen mehrere Faktoren das Ergebnis beeinflussen.

Bayesian Modell

Das Bayesian Modell bezieht Vorwissen oder Annahmen in die Analyse ein und aktualisiert diese, sobald neue Daten verfügbar werden. Dies verleiht dem Modell besondere Stärke im Umgang mit Unsicherheit und Variabilität in den Marketingdaten. Diese Methode ermöglicht eine flexiblere und dynamischere Modellierung, insbesondere wenn die verfügbaren Daten spärlich oder unsicher sind. Das Modell eignet sich ideal, wenn bereits Vorwissen in die Modellierung einfließen kann oder wenn komplexe und unsichere Umgebungen vorliegen, in denen traditionelle Methoden möglicherweise an ihre Grenzen stoßen.

Hierarchisches Modell

Das Hierarchische Modell, auch bekannt als Mehr-Ebenen-Modell, analysiert Daten, die auf verschiedenen Ebenen strukturiert sind, wie z.B. Regionen, Filialen oder Kundensegmente. Es berücksichtigt Variationen auf jeder dieser Ebenen, wodurch detaillierte und segmentierte Einblicke möglich werden. Dieses Modell ist besonders nützlich für Unternehmen, die die Auswirkungen von Marketingmaßnahmen in unterschiedlichen Märkten oder Segmenten verstehen möchten und wie sich diese auf verschiedenen Ebenen unterscheiden und miteinander interagieren.

Welche Ziel-KPIs können mit MMM optimiert werden?

Marketing Mix Modeling ermöglicht die Optimierung einer Vielzahl von Key Performance Indicators (KPIs), die direkt mit der Effektivität von Marketingmaßnahmen in Verbindung stehen. Durch die Analyse und Anpassung dieser KPIs können Unternehmen ihre Marketingstrategien präzise ausrichten und bessere Geschäftsergebnisse erzielen.

• Umsatz
• Conversions
• Transactions
• App Installationen oder Downloads
• Registrierungen
• Leads
• Customer Lifetime Value
• Brand Awareness
• ROI (Return of Investment)
  
• Customer Acquisition Cost 

Warum sollten Marketer Marketing Mix Models einsetzen?

Marketing Mix Modelling ist ein unverzichtbares Werkzeug für Marketer, die datengestützte Entscheidungen auf der Grundlage wertvoller Erkenntnisse treffen möchten, um ihre Marketingstrategie zu optimieren und optimale Ergebnisse zu erzielen.

Mit einer MMM-Lösung können die effektivsten Kanäle identifiziert werden, die zu Umsatz, ROI oder anderen Ziel-KPIs beitragen. So können Marketingspezialisten bessere Entscheidungen über die Allokation von Mediabudgets treffen und ihren Marketing-Mix optimieren.

Mit dieser Technologie können Marketer ein klares Verständnis für die Wirksamkeit ihrer Werbemaßnahmen gewinnen. Die gelieferten Erkenntnisse können bei der Entwicklung neuer oder der Optimierung bestehender Kampagnen gewinnbringend eingesetzt werden. Darüber hinaus können Marketing Mix Modelle auch die kurz- und langfristigen Auswirkungen von Werbung messen.

Außerdem helfen MMM dabei die Auswirkungen externer Faktoren wie das makro- und mikroökonomische Umfeld, den Wettbewerb und die Saisonalität auf die Ziel-KPI zu verstehen.

Welche Vorteile bietet ein Marketing Mix Modelling

• Sie entwickeln ein Verständnis dafür, welche Einflussfaktoren ihre Ziel-KPI beeinflussen
• Sie können Marketing Budgets effizient allokieren
• Sie können aktuelle und zukünftige Marketingkampagnen optimieren

Was sind die Grenzen des Marketing Mix Modelling?

MMM ist zwar ein äußerst nützliches Instrument für Werbetreibende, hat aber auch einige Limitationen.

Erstens hängt die Genauigkeit der Ergebnisse stark von der Datenqualität und Vollständigkeit des verwendeten Datensatzes ab. Wenn die Daten ungenau oder unvollständig sind, kann das Ergebnis der Analyse verzerrt sein. Auch die Länge der Datenzeitreihe ist wichtig. Um ein hochwertiges Modell zu erhalten, reichen die Daten der letzten Monate nicht aus. Je nach Modell sollten durchschnittlich drei Jahre an Daten ausreichend sein.

Es ist auch wichtig, alle/die meisten relevanten Faktoren zu berücksichtigen. Wenn wir z. B. den Verkauf von Speiseeis modellieren und das Wetter nicht berücksichtigen, wird die Genauigkeit des Modells gering sein.

Außerdem ist die Modellierung nur so gut wie die für die Analyse verwendete Software und die Algorithmen. Wenn diese nicht regelmäßig mit neuen Techniken aktualisiert werden, können Marketer im Vergleich zu Modellen die fortschrittlichere Methoden wie maschinelles Lernen oder die Verwendung von Bayesian Modellen verwenden, eine unterdurchschnittliche Leistung feststellen.

Wie wird ein Marketing Mix Modell aufgebaut?

Schritt 1 - Ziele definieren: Der erste Schritt der Marketing Mix Modellierung besteht darin, die für Ihr Unternehmen relevanten Ziele zu definieren. Sie sollten sich überlegen, wie der Erfolg in Bezug auf Rentabilität und Umsatz aussehen soll.

Schritt 2 - Daten sammeln: Bevor Sie mit der Modellierung beginnen, müssen Sie genügend Daten sammeln, um die Ergebnisse genau messen zu können. Diese Daten sollten Verkaufszahlen, Aktivitäten der Wettbewerber, Mediavariablen (sowohl Kontakte, z. B. Reichweite, Impressionen als auch Kosten/Ausgaben), Werbeaktionen und externe Faktoren wie z. B. Wetter, Inflationsrate und Feiertage umfassen. Anhand dieser Daten können Sie Trends erkennen und Erkenntnisse über Ihre eigene Unternehmensleistung gewinnen.

Schritt 3 - Daten analysieren: Nun ist es an der Zeit, alle zuvor gesammelten Daten zu analysieren. Dieser Prozess umfasst in der Regel die Durchführung verschiedener Regressionsalgorithmen wie einfache lineare Modelle oder multiple Regressionen, um die Auswirkungen der einzelnen Komponenten des Marketing-Mix auf den Umsatz oder die Rentabilität in bestimmten Märkten oder Regionen zu isolieren.

Schritt 4 - Auswirkungen der Aktivitäten prüfen: Anhand der Analyseergebnisse können Sie nun verschiedene Hypothesen in Bezug auf Ihre Kampagnen testen, ohne tatsächliche Änderungen vornehmen zu müssen. Dieser Prozess hilft dabei festzustellen, welche Aktivitäten effektiv sind und welche nicht, so dass Sie Ihre Budgetallokation noch weiter optimieren können, um die Effektivität und den ROI über alle Kanäle hinweg zu maximieren.

Schritt 5 - Erkenntnisse generieren: Mit Marketing Mix Modeling können Marketingspezialisten Erkenntnisse darüber gewinnen, wie sie ihre Aktivitäten optimieren können, um mehr Leads zu generieren oder die Conversionsrate bei niedrigeren Kosten pro Akquisition (CPA) zu erhöhen.

Schritt 6 - Strategien überwachen und anpassen: Nach der Analyse der Auswirkungen einzelner Faktoren auf den Ziel-KPI ist es wichtig, die Leistung der Kampagnen im Vergleich zu den entsprechenden Zielen und Kennzahlen regelmäßig zu monitoren, damit Sie wissen, ob Ihre Strategien die gewünschten Ergebnisse erzielen oder aufgrund veränderter Bedingungen angepasst werden müssen.

Schritt 7 - Ziele neu bewerten: Sobald die Ergebnisse dieser Strategien über einen bestimmten Zeitraum verfolgt wurden, sollten die ursprünglichen Ziele auf der Grundlage der jüngsten Leistungskennzahlen neu bewertet werden, damit genaue Prognosen der Marketing-Rendite und der Wachstumsmöglichkeiten für die Zukunft erstellt werden können, um Führungskräfte und Stakeholder im Entscheidungsprozess zu unterstützen.

Was sind häufige Fragen zum Marketing Mix Modelling?

Historische Daten zu den Ziel-KPIs werden in Verbindung mit den relevanten Einflussfaktoren zu einem Modelling-Datensatz kombiniert. Jeder Eintrag in dem Datensatz entspricht einem Experiment mit Messwerten zu den Ziel-KPIs und den Einflussfaktoren (Je granularer die Daten vorliegen, desto mehr Experimente enthält der Datensatz, desto verlässlicher erlernt der Algorithmus die Wirkungszusammenhänge. Variablen werden analysiert.) Auf Basis des Datensatz werden mathematische Modelle trainiert, die die Wirkungszusammenhänge erlernen.

Ein Marketing-Mix-Modell (MMM) quantifiziert die Auswirkungen von Marketing-Aktivitäten auf KPIs wie Umsatz oder Marktanteil und optimiert die Budgetverteilung. Es analysiert Grenznutzenkurven, um zu zeigen, ab wann zusätzliche Ausgaben in einem Kanal weniger effektiv sind. Zudem berechnet es den ROI pro Kanal und hilft, die effizientesten ausfindig zu machen. Das MMM gibt Empfehlungen zur optimalen Budgetnutzung und simuliert verschiedene Budgetszenarien, um Umsatz und Gewinn zu maximieren. Es bietet datenbasierte Einblicke für zukünftige Kampagnen und Budgetentscheidungen.

Updates sind wertvoll, weil dadurch festgestellt werden kann, ob getroffene Maßnahmen zu einer höheren Media-Effizienz geführt haben oder nicht. Als Standard empfiehlt es sich mit quartalsweisen Updates zu starten. Je nach Marke, Geschäftsmodell und Datenlage kann es aber durchaus sinnvoll sein, die Modelle häufiger zu aktualisieren (z.B. monatlich, wöchentlich).

Es werden historische Daten für jede Woche mindestens zwei Jahre rückwirkend benötigt. Es werden dabei Daten für mindestens eine Ziel KPI benötigt und zu den relevanten Einflussfaktoren, insbesondere natürlich zu den Mediaaktivitäten, aber z.B. auch Vertriebsaktivitäten (Rabatte, Aktionen). Je nach Marke, Geschäftsmodell und auch Ziel KPI können sich die relevanten Einflussfaktoren stark voneinander entscheiden. Darüber hinaus gilt umso detaillierter Daten vorliegen, um so verlässlicher und wertvoller werden die darauf trainierten Modelle. Es ist z.B. besser, wenn die Daten je Tag vorliegen und nicht je Woche. Noch besser ist es, wenn die Daten z.B. je Tag und Bundesland vorliegen.

Die Kosten variieren je Umfang eines MMM-Projekts. Ein entscheidender Treiber ist meistens für viele verschiedene Marken und Länder modelliert werden soll. Als Faustregel kann man bei einem MMM-Projekt mit quartalsweisen Updates das für eine Marke und ein Land durchgeführt werden soll mit einem Preis von ca. 25-50T€ pro Jahr rechnen.

Letztlich können viele Branchen, die Mediaausgaben über mehrere Kanäle haben, MMMs effektiv zur Optimierung ihres Marketingansatzes nutzen. Jedoch steigt der Nutzen mit zunehmender Komplexität, also je mehr Budget, Kanäle oder Märkte involviert sind.

Hier finden Sie weitere Informationen zu: Die am häufigsten gestellten Fragen zum Marketing Mix Modelling.

Fazit

Marketing Mix Modelling ist ein leistungsfähiges Instrument zur Messung der Performance von Marketingaktivitäten. Mit der richtigen Modellen können Marketingexperten wertvolle Erkenntnisse über ihre Werbekampagnen gewinnen und auf der Grundlage der Daten fundierte Entscheidungen treffen. Die potenzielle Wirkung der Marketing Mix Modellierung ist enorm, und sie ist ein unverzichtbares Instrument für jeden Werbetreibenden, der den Wert seiner Marketingkampagnen maximieren möchte.

&Beyond mit den Mediaagenturen Infinity Media und Vertitas Media stehen für Fortschritt und Innovation in der Branche. Sie sind offen für neue Herausforderungen und haben keine Angst vor Veränderungen. Die in ihrer DNA verankerte Neugierde treibt &Beyond an, kreative und intelligente Lösungen für ihre Kunden zu finden. Sie sind proaktiv und immer auf dem Laufenden, was die neuesten Trends und Technologien angeht.

Mediaagenturen verwenden immer noch Excel, um die Kampagnen ihrer Kunden zu verwalten. Da diese fehleranfällige Methode nicht die Basis für datengetriebene Prozesse sein kann, machte sich &Beyond auf die Suche nach einer zukunftsweisenden MarTech-Lösung, die sie beim Streamlining und der Automatisierung von Media-Prozessen unterstützt - von der strategischen Planung über die taktische Feinplanung und Buchung bis hin zum Reporting. Sie stießen auf den Hamburger Technologieanbieter Mercury Media Technology und entschieden sich für die Media Operations Plattform „Mercury“. Ab Januar 2025 werden alle &Beyond-Agenturen kundenübergreifend in Mercury zusammenarbeiten, was die Kommunikation schneller und einfacher macht. Workflows werden durch Standardisierung und Automatisierung effizienter, da Content-Vorlagen genutzt werden können und Daten automatisch an das Abrechnungssystem übergeben werden. Damit erhält &Beyond volle Transparenz über seine Einkaufs- und Verkaufsprozesse.

"Mit &Beyond haben wir unseren ersten, aber sicher nicht den letzten Kunden auf dem spanischen Markt gewonnen. Gespräche mit weiteren Agenturen sind bereits im Gange. Besonders freut uns, dass &Beyond eine Agentur ist, die ständig auf der Suche nach Innovationen ist und sich weiterentwickeln will. Wir freuen uns, sie als gleichberechtigter Partner zu unterstützen."

Gunnar Neumann
Managing Director, MMT

"Wir bei &Beyond sind der Meinung, dass alle Werbetreibenden, unabhängig von ihrer Größe, personalisierte Dienstleistungen und vollen Zugang zu den besten Fachleuten und Technologien der Branche verdienen. Mit Mercury hat MMT eine innovative Software für Mediaagenturen entwickelt, die uns hilft, unseren Kunden den bestmöglichen Service zu bieten. Als eine Agentur, die immer auf der Suche nach Innovationen ist, finden wir es sehr wichtig, dass die Software ständig weiterentwickelt wird, um mit der Zeit zu gehen."

Rai Pérez
Chief Innovation Officer, &Beyond

Über &Beyond Content Media Data Group

Das Unternehmen wurde 2008 gegründet und hat im Jahr 2023 einen Umsatz von über 80 Millionen Euro erzielt. Die aus den Agenturen Veritas Media und Infinity Media hervorgegangene Agentur arbeitet derzeit für mehr als 50 Kunden und beschäftigt 70 Mitarbeiter in ihren Büros in Barcelona und Madrid.

Bei der von Scopen durchgeführten Umfrage „Leading the Agency Scope“ belegte Veritas Media den ersten und Infinity Media den zweiten Platz auf der Grundlage von Kundenbewertungen.

Grupo &Beyond ist Teil von Local Planet, dem größten globalen Netzwerk unabhängiger Medienagenturen, das 62 Agenturen in 85 Ländern mit einem Umsatz von 17,2 Mrd. und 12.000 Fachleuten vereint.

Die Grupo &Beyond wird von Albert Gost als Executive Chairman, Enrique de la Torre als CEO und Laia Regués in ihrer Position als CFO geleitet.

Pressekontakt:
Calle de El Españoleto 17 1 Planta
28010 Madrid, Spanien
+34917941270
Miguel.justribo@andbeyond.es

Über Mercury Media Technology GmbH & Co. KG

Mercury Media Technology ist seit 2016 ein unabhängiges, wachsendes MarTech-Unternehmen mit Sitz in Hamburg. Zu den Kunden zählen Agenturen, Werbetreibende und Verlage in ganz Europa. Über 30 Experten aus den Bereichen Software- und Data-Engineering, Data-Intelligence und Media entwickeln datengetriebene Lösungen mit dem Ziel, die Effizienz von Media Operations zu maximieren. Die Media Operations Platform „Mercury“, die zum Segment Marketing Resource Management gezählt werden kann, ermöglicht datengetriebenes Media Management. Angefangen beim Self-Service-Marketing-Mix-Modellierungsmodul, das verwertbare Erkenntnisse für die Mediaplanung liefert, über die strategische und taktische Planung und Buchung bis hin zu automatisierten Dashboards im integrierten Reporting Center unterstützt Mercury den gesamten Media-Workflow. Es gibt Datenpipelines zu relevanten technischen Systemen, darunter Auslieferungssysteme wie Adserver und DSPs, alle sozialen Plattformen, Website-Tracking-Tools und Validierungssysteme. Über den Datenkonnektor „Bridge“ stehen zudem alle externen und internen Daten in einem sauberen, strukturierten Format zur Verfügung.

Die Geschäftsführer des Hamburger Unternehmens sind Tobias Irmer, Gunnar Neumann und Andreas Sand.

Weitere Informationen unter mercurymediatechnology.com

Pressekontakt:
Mercury Media Technology GmbH & Co. KG
Klostertor 1
20097 Hamburg
Vivian Reifschneider
hello@mercurymediatechnology.com

```

Mit dieser Zielsetzung war Benjamin Moser und Ahmad Hoteit klar, dass sie von Anfang an eine moderne Softwarelösung benötigen, die robuste Media Prozesse ermöglicht und an sinnvoller Stelle automatisiert, sowie alle relevanten Daten zusammenführt und somit die Grundlage bietet, innovative Kampagnen zu entwickeln. Mit der Media Operations Platform “Mercury” hat pilot suisse nach einem intensiven Evaluierungsprozess eine Software gefunden, die datengesteuertes Media Management ermöglicht. Sowohl Online- als auch klassische Kampagnen können gesteuert werden. Es bestehen Data Pipelines zu relevanten technischen Systemen inkl. Auslieferungssystemen wie AdServern und DSPs, allen sozialen Plattformen, Website-Tracking-Tools und Validierungssystemen. Alle externen und internen Daten stehen außerdem sauber aufbereitet und strukturiert über den Datenkonnektor "Bridge" zur Verfügung. Die saubere Datengrundlage ist die Basis für aussagekräftige, automatisierte Dashboards im integrierten Reporting Center. 

"Wir freuen uns, mit pilot suisse einen weiteren Kunden im Schweizer Markt gewonnen zu haben. Wir sehen uns gut gewappnet und bestärkt darin, mit unserer Media Operations Platform “Mercury” den einzigartigen Herausforderungen des Schweizer Marktes begegnen zu können. Wir möchten im Schweizer Markt Fuß fassen und freuen uns auf Gespräche mit weiteren Agenturen.” "

Gunnar Neumann
Managing Director

"Mit unserer langjährigen Agenturerfahrung wissen wir, dass Data und Tech kein Selbstzweck, sondern Werkzeuge sind, die es ermöglichen, neue und innovative Lösungen zu entwickeln. Eine moderne Software, die uns zukunftsfähig macht, Automatisierung und Kollaboration mit unseren Kund*innen und dem Markt ermöglicht, ist darum ein Schlüssel. Wir haben diverse Tools evaluiert und sehen in MMT den Partner, der mit seiner Software “Mercury” dies ermöglicht.”

Benjamin Moser
Gründer und geschäftsführender Gesellschafter

Über pilot suisse AG

pilot suisse ist eine 2024 neu gegründete Media-Agentur für den Schweizer Markt für alle, die nicht stillstehen wollen. Für Menschen und Marken, die etwas bewegen möchten und sich nicht mit dem Status quo zufriedengeben. Die beiden Gründer und geschäftsführenden Gesellschafter Benjamin Moser und Ahmad Hoteit, die tief in der Schweizer Medienbranche verwurzelt sind, wollen mit pilot suisse wirkungsstärkere Kampagnen mit bester und individueller Beratungsleistung für Schweizer Werbetreibende bieten. Als langjährige Führungskräfte einer der führenden Kommunikationsagenturen der Schweiz und nun Teil der inhabergeführten pilot Agenturgruppe und des Local Planet Netzwerks verfügen beide über die Marktkenntnis und das Netzwerk, um dieses Ziel für ihre Kund*innen umzusetzen – einfach, effektiv, agil und mit kurzen Kommunikationswegen. Mit entschlossener Challenger-Mentalität sind sie für ihre Kund*innen stets auf der Suche nach Lücken und identifizieren Chancen, die nachhaltigen Erfolg ermöglichen. Im gemeinsamen Schulterschluss arbeiten sie an den relevanten Zielen und finden Wege, Marken nach vorne zu bringen. Die Agentur mit Sitz in Zürich ist mit entschlossener Challenger-Mentalität bereit, die einzigartigen Herausforderungen des Schweizer Marktes anzugehen.

+++++

Pressekontakt:

pilot suisse AG

Giesshübelstrasse 106

8045 Zürich

Benjamin Moser

info@pilot-suisse.ch

Über Mercury Media Technology GmbH & Co. KG

Mercury Media Technology ist seit 2016 ein unabhängiges, wachsendes MarTech Unternehmen mit Sitz in Hamburg. Europaweit zählen Agenturen, Werbetreibende und Publisher zu ihren Kunden. Über 30 Experten aus den Bereichen Software und Data Engineering, Data Intelligence und Media entwickeln datengetriebene Lösungen mit dem Ziel, die Effizienz von Media Operations zu maximieren. Die Media Operations Platform “Mercury”, die zum weiteren Segment Marketing-Resource-Management gezählt werden kann, ermöglicht datengetriebenes Media Management. Angefangen beim Self-Service Marketing Mix Modelling Modul, das umsetzbare Erkenntnisse für die Mediaplanung liefert, über die strategische und taktische Planung, die Buchung bis zu automatisierten Dashboards im integriertem Reporting Center unterstützt Mercury den gesamten Media Workflow. Es bestehen Data Pipelines zu relevanten technischen Systemen inkl. Auslieferungssystemen wie AdServern und DSPs, allen sozialen Plattformen, Website-Tracking-Tools und Validierungssystemen. Alle externen und internen Daten stehen außerdem sauber aufbereitet und strukturiert über den Datenkonnektor "Bridge" zur Verfügung.

Geschäftsführer des Unternehmens mit Sitz in Hamburg sind Tobias Irmer, Gunnar Neumann und Andreas Sand.

Mehr Informationen auf mercurymediatechnology.com

+++++

Pressekontakt:

Mercury Media Technology GmbH & Co. KG

Klostertor 1

20097 Hamburg

Vivian Reifschneider

hello@mercurymediatechnology.com

Composability, also der Aufbau von Software in einzeln nutzbare Komponenten, wird immer wichtiger, um individuelle Prozesse flexibel und effizient umsetzen zu können. Die so aufgebaute Software trifft auf bereits bestehende Anwendungen im Unternehmen, was zu einem erhöhten Integrationsbedarf führt.¹ 

"Unsere Media Operations Platform Mercury ist modular & API-first aufgebaut. (u.a. “Self-Service MMM”, “Strategische Planung”, “Projekte”, “Daten Konnektoren/Data Connection Service” oder unser “Buying Modul”. Unsere Kunden lizenzieren nur jeweils die Komponenten, die sie innerhalb ihres Workflows benötigen. Natürlich integrieren wir mit bestehenden Systeme des Kunden & mit relevanten Peripheriesystemen des Marktes per API."

Gunnar Neumann
Managing Director

Künstliche Intelligenz: Turbo Booster für MarTech

Das Marktpotenzial von MarTech steigt zwischen 2023 und 2027 von 7 Mrd. € auf 15,5 Mrd. € mit einer durchschnittlichen Wachstumsrate von + 18,8%. KI als “Turbo Booster” in Richtung “Realtime Automatisierung” und Analytics beschert dem Wachstum weiteren Schub.Auch in 2024 geben nur knapp 25% der Unternehmen an, ihre verfügbaren Daten bereits vollständig vereinheitlicht und aggregiert zu haben: angefangen bei der Zusammenführung der Daten über das Aufbrechen der Datensilos bis hin zur Organisation der Stammdaten.²

"Wir merken deutlich, dass der Markt viel stärker auf uns zukommt als noch vor einigen Jahren und der Need, sowie die Offenheit für externe Lösungen wie unserer groß ist. Zum einen ist der Einsatz unseres Systems eine ideale Grundlage um KI-basierte Lösungen zielführend einzusetzen, zum anderen arbeiten wir auch an Lösungen innerhalb der Plattform, in der KI unsere Kunden nachhaltig unterstützen kann. Bspw. setzen wir heute schon KI im Analytics-Bereich bei unseren MMM Modul ein und arbeiten daran, schrittweise noch mehr Intelligenz in die Mediaplanung, sowie den Planungsprozess zu integrieren. Theoretisch sind so Anwendungsfälle möglich, in denen Mediaplanungs- & Optimierungsvorschläge automatisch generiert werden können. Die praktische Anwendbarkeit & Potentiale besprechen wir fortlaufend eng mit unseren Kunden."

Gunnar Neumann
Managing Director

Unified Data Management: Daten vereinheitlichen und nutzen

Auch in 2024 geben nur knapp 25% der Unternehmen an, ihre verfügbaren Daten bereits vollständig vereinheitlicht und aggregiert zu haben: angefangen bei der Zusammenführung der Daten über das Aufbrechen der Datensilos bis hin zur Organisation der Stammdaten.

"Die Zusammenführung und Aggregierung der Daten zu einer sauberen Datengrundlage ist ein wesentlicher Pfeiler unserer Media Operations Platform. ID-basiert & ohne aufwendige Namenskonventionen führen wir so, über den nativen Marketing- & Mediaprozess Zielwerte, geplante, gebuchte, realisierte & abgerechnete Werte zusammen. Auf diese können unsere Kunden per “Bridge” mit eigenen BI-Lösungen zugreifen oder direkt innerhalb der Plattform aussagekräftigen Dashboards anschauen. Datenbasierte Entscheidungen werden durch Mercury ideal ermöglicht."

Gunnar Neumann
Managing Director

Causal AI: Ursache-Wirkungsbeziehungen verstehen

Das grundlegende Problem bei den meisten KI-Modellen liegt darin, dass das Modell aus Trainingsdaten lernt und in diesem Fall die Daten zur Beantwortung kontraintuitiver Fragen in Bezug auf Ursache-Wirkungsbeziehung kaum eingesetzt werden können. Kausale Modelle lösen dieses Problem via Causal Interference.

"Wir arbeiten kontinuierlich daran unser Marketing Mix Modell zu optimieren: Angefangen bei einer Regressionsanalyse über ein Bayesian MMM arbeiten wir nun an einem kausalen Modell, das die Auswirkungen der einzelnen Mediakanäle aufeinander besser mit einbezieht. Es ist von entscheidender Bedeutung für uns bei der Entwicklung von KI-Modellen und Anwendung, die korrekten Ursachen-Wirkungsbeziehungen mittels Causal Discovery aufzudecken und auch mittels Causal Inference zu validieren. Nur wenn wir die korrekten kausalen Wirkungsbeziehungen zwischen den verschiedenen Einflussfaktoren in z.B. unseren MMM Projekten bei der Modellentwicklung berücksichtigen, können wir unser Leistungsversprechen gegenüber unseren Kunden einhalten und die Mediaeffizienz steigern."

Torben Seebrandt
Director Data Intelligence

¹ Marketing Tech Monitor 2024, Thema 3

Jedes Unternehmen ist individuell. Trotzdem glauben wir, dass unsere gesammelten Erfahrungen hinsichtlich der Unternehmenskultur, -struktur und unserer Arbeitsweise hilfreich für andere Unternehmen sein könnten. Darum möchten wir in dieser Artikelreihe einen Einblick darüber verschaffen, wie wir es bei Mercury Media Technology (MMT) schaffen, trotz hybrider Arbeitsweise durch unsere Unternehmenskultur und Arbeitsweisen den Spagat zwischen mobilem Arbeiten und Aufrechterhaltung der MMT Identität zu managen.

Zum Auftakt möchten wir hierzu zunächst einen Überblick über die Zusammensetzung unseres internationalen Teams sowie unsere Unternehmenskultur und -werte geben. Auf dieser Grundlage werden wir in den kommenden Beiträgen schrittweise vertiefend die verschiedenen Teams und ihre jeweiligen Arbeitsbereiche genauer beleuchten.

Inhaltsverzeichnis

• Unser diverses und internationales Team

• Unsere Teamaufstellung

• Unsere Kultur und Werte

• Fazit

Unser diverses und internationales Team

MMT besteht aus einem organisch wachsenden, aktuell 30-köpfigen Team, dessen Diversität unser Unternehmen stärkt. Aktuell setzt sich unser Team aus 9 unterschiedlichen Nationalitäten und 17 verschiedenen Sprachen zusammen, weshalb wir Englisch als unsere gemeinsame Unternehmenssprache gewählt haben. Diese Vielfalt an kulturellen Backgrounds in Kombination mit unterschiedlichen, fachlichen Hintergründen ermöglicht uns, verschiedene Perspektiven einzunehmen und innovative Lösungen zu entwickeln. Jedes Teammitglied bringt eigene Erfahrungen und Ideen ein, die unsere Arbeitsweise bereichern und uns helfen, kreativ auf Herausforderungen zu reagieren.

Diese unterschiedlichen Ansätze und Denkweisen fördern nicht nur die Kreativität, sondern auch ein offenes und dynamisches Arbeitsumfeld, in dem wir ständig voneinander lernen. Dadurch sind wir besser in der Lage, uns an Veränderungen anzupassen und neue Möglichkeiten zu entdecken. Aus diesem Grund ist die Diversität unseres Teams für uns ein entscheidender Faktor für unseren Erfolg und unser kontinuierliches Wachstum.

Als Tech-Unternehmen wissen wir, dass unsere Branche eher von Männern dominiert wird und auch bei uns im Unternehmen herrscht derzeit noch eine unausgewogene Geschlechterverteilung. Daher legen wir großen Wert darauf, genau hier anzusetzen und die Arbeit bei MMT attraktiv für alle Geschlechter zu machen und auf die verschiedenen Bedürfnisse einzugehen. Bei MMT soll jeder unabhängig vom Geschlecht die gleichen Chancen haben, weil wir überzeugt sind: Vielfalt führt zu besseren Ideen, Innovationen und letztendlich zu unserem gemeinsamen Erfolg.

Unsere Teamaufstellung

Bei MMT gibt es drei Teams, die mit ihren spezialisierten Fähigkeiten und Aufgaben zum Gesamterfolg von MMT beitragen: Das Engineering Team, das Data Intelligence Team und das Business Team.

Das Business Team mit einer Gesamtgröße von derzeit sieben Mitarbeitenden steht als Schnittstelle zwischen den Kunden und den beiden technischen Teams. Neben der klassischen Zielverfolgung wie Leadgenerierung, Neukundengewinnung und Umsatzsteigerung befinden sich im Business Team die Produktspezialist*innen, die für die Implementation und das Onboarding zuständig sind. Das Team betreut unsere Kunden und ist für den Support und Kundenausbau verantwortlich.

Das Engineering Team besteht derzeit insgesamt aus 14 Mitglieder*innen und gliedert sich in das Software Engineering Team, das die Kernfunktionen unserer Software programmiert und das Cloud Infrastruktur Team, das den Betrieb unserer Server und IT-Infrastruktur sicherstellt.

Das Data Intelligence Team setzt sich aus 10 Personen zusammen und ist unterteilt in das Data Engineering und das Data Analytics Team. Das Data Engineering Team entwickelt API-Konnektoren, um Marketing- (oder Performance-) Daten zu sammeln und in unserer Software bereitzustellen, während das Data Analytics Team Dashboards und Berichte entwickelt, sich mit Marketing-Mix-Modellierung und der Integration von KI beschäftigt.

Unsere Kultur und Werte

Bei MMT nehmen Kultur und Werte eine zentrale Rolle ein. Sie sind die entscheidende Guideline dafür, wie wir arbeiten und miteinander umgehen. Uns ist es wichtig, ein Umfeld zu schaffen, in dem gemeinsame Prinzipien gelebt werden und zur täglichen Motivation beitragen. Da wir kontinuierlich wachsen, müssen wir unsere sich ggf. ändernde Arbeitsweise fortlaufend überprüfen, damit sie mit den gemeinsamen Zielen und Werten in Übereinstimmung bleibt.

Wir bei MMT definieren uns über unsere gemeinsame Neugier an Neuem und unserer Weitsichtigkeit. Dies hilft uns nicht nur, großartige Produkte anzubieten, von denen unsere Kunden profitieren können, sondern stellt auch sicher, dass sie auch in Zukunft das Beste bekommen. Wir legen großen Wert darauf, achtsam miteinander umzugehen und sowohl als Einzelpersonen als auch als Unternehmen verantwortungsbewusst zu handeln. Wir schauen neuen Challenges optimistisch entgegen und sehen uns als passionierte, kreative Innovator*innen, die gemeinsam an einem Produkt arbeiten, welches andere Menschen bei der Bewältigung ihrer Herausforderungen unterstützt.

Die physische Distanz des Remote Work erschwert es, die lebendige Unternehmenskultur zu erleben. Als Antwort darauf setzen wir auf eine Kombination aus Präsenz Events und hybriden Veranstaltungen. Damit möchten wir das Wir-Gefühl stärken und die Kultur von MMT erlebbar machen, indem remote und vor Ort arbeitenden Teammitglieder*innen gleichermaßen die Teilnahme ermöglicht wird. Unsere regelmäßigen Spieleabende finden so zum Beispiel hybrid statt und für jedes Präsenzmeeting werden Links zur Online-Teilnahme bereitgestellt. Onboarding Pakete und Goodies schicken wir unseren Teammitglieder*innen nach Hause und berücksichtigen bei Teamevents die Verfügbarkeit von Kolleg*innen, die sonst remote tätig sind.

Die unterschiedlichen kulturellen Hintergründe in unserem Team sind bereichernd, erfordern aber auch besondere Aufmerksamkeit. Um das gegenseitige Verständnis und die Wertschätzung zu fördern, organisieren wir regelmäßig kulturelle Veranstaltungen und bieten Sprachtrainings für verschiedene Sprachen an. Offenheit, Interesse und Respekt für andere Kulturen sind für uns Voraussetzung für ein gemeinsames Miteinander. Die gemeinsamen Aktivitäten tragen dazu bei, ein integratives Arbeitsumfeld zu schaffen, in dem sich alle Teammitglieder*innen verstanden und wertgeschätzt fühlen.

Flache Hierarchien & positive Diskussionskultur

Bei MMT legen wir großen Wert darauf, dass alle Teammitglieder*innen, egal ob Junior oder Teamlead, ihre Ideen einbringen können und dass diese Ideen Gehör finden. Uns ist eine flache Hierarchiestruktur und eine positive Diskussionskultur wichtig, da sie einen direkten und offenen Austausch über alle Ebenen hinweg ermöglichen.

Auf diese Weise stellen wir sicher, dass keine wertvolle Idee verloren geht. Unser Ziel ist es, ein Arbeitsumfeld zu schaffen, das es jedem ermöglicht, aktiv an unseren Produkten mitzuarbeiten und Innovationen von Anfang an mitzugestalten.

Work-Life-Balance & Flexibilität 

Ein zentraler Bestandteil unserer Unternehmenskultur bei MMT ist die Förderung einer gesunden Work-Life-Balance. Ursprünglich in einem Büroumfeld gestartet, erforderte die Corona-Pandemie 2020 eine schnelle Anpassung an Remote-Arbeit. Diese Herausforderung führte zur Entwicklung einer hybriden Arbeitsweise, die die Flexibilität des Homeoffice mit den Vorteilen der persönlichen Zusammenarbeit im Büro verbindet. Diese Anpassung unterstützt unsere Bemühungen, das Gleichgewicht zwischen Beruf und Privatleben zu wahren, was entscheidend für das Wohlbefinden und die Zufriedenheit unserer Teammitglieder*innen ist.

Aus diesem Grund haben wir flexible Arbeitszeitmodelle eingeführt, die es allen Teammitglieder*innen erlauben, ihre beruflichen Aufgaben optimal mit familiären Pflichten und persönlichen Interessen zu koordinieren. Dies ist besonders wertvoll für Kolleginnen und Kollegen mit Kindern oder umfangreichen, familiären Verpflichtungen. Zur Unterstützung dieser Flexibilität setzen wir gezielt auf unser Kommunikationstool Slack. Mithilfe der Statusfunktion und verschiedenen Channels kann jedes Teammitglied seine Verfügbarkeit transparent kommunizieren. Zudem erleichtert uns die Nutzung des Google Kalenders, unsere An- und Abwesenheiten mitzuteilen. Mit diesen Tools stellen wir eine effektive Zusammenarbeit und Kommunikation sicher – unabhängig vom Arbeitsort. Durch diese Flexibilität können wir ein unterstützendes und verständnisvolles Umfeld schaffen, sodass Privatleben und Beruf nicht im Konflikt miteinander stehen.

Teamorientierung & Zusammenarbeit

Teamarbeit ist ein wesentlicher Bestandteil unserer Unternehmenskultur. Deshalb betonen wir die Bedeutung des gemeinsamen Erfolgs und fördern eine teamübergreifende Zusammenarbeit.
Im Tech-Team wird beispielsweise intensiv mit der Arbeitsmethode des Pairings gearbeitet, wodurch Wissenstransfer und Problemlösungskompetenz gestärkt werden. Im Business-Team wiederum wird die Verantwortung für Sales kollektiv getragen, sodass nicht nur das Vertriebsteam, sondern alle Mitglieder*innen in den Verkaufsprozess einbezogen werden. Damit wir ein starkes Team bleiben, finden regelmäßig gemeinsame Teamevents innerhalb der Abteilungen oder im gesamten Unternehmen statt. Zum Beispiel haben wir gemeinsam Escape-Rooms auf der Rickmer-Rickmers in Hamburg bestritten oder uns an der Aufräumaktion der Stadt Hamburg beteiligt. Uns ist wichtig, regelmäßig im Austausch miteinander zu stehen und unseren Zusammenhalt zu stärken. Damit unsere remote Kolleg*innen nicht außen vor sind, achten wir darauf, auch digitale Lösungen wie gemeinsame Kaffeepausen, Spiele oder Calls zu finden.

Wertschätzung & Feedbackkultur

Zu guter Letzt stehen Anerkennung und Wertschätzung im Mittelpunkt unserer Unternehmenskultur bei MMT. Es ist uns ein wichtiges Anliegen, dass jedes Teammitglied Anerkennung und Wertschätzung bekommt. Deshalb setzen wir auf monatliche Feedbackgespräche, die nicht nur dazu dienen, gemeinsame Erfolge und Fortschritte festzuhalten und zu würdigen, sondern auch einen Raum bieten, um Feedback und Verbesserungsvorschläge offen zu besprechen. Diese Praxis ermöglicht es nicht nur, Engagement und Leistungen anzuerkennen, sondern fördert auch ein Umfeld, in dem sich alle wertgeschätzt und motiviert fühlen. Zusätzlich gibt es 2 mal im Jahr ein Entwicklungsgespräch, bei dem sich Mitarbeiter*innen zusammen mit ihren Teamleads Ziele setzen und die Erreichung nachverfolgen. Hier geht es nicht nur um quantitative Ziele, sondern auch um die persönliche Weiterentwicklung.

Neben regelmäßigen Feedbackgesprächen und Review-Meetings innerhalb der einzelnen Teams veranstalten wir auch ein monatliches Meeting, unser “All MMT”, an dem alle Mitarbeiter*innen in Präsenz oder remote teilnehmen. Dieses Treffen dient dazu, Updates aus allen Teams zu geben, neue Produktfeatures vorzustellen, gemeinsam Erfolge zu zelebrieren und wichtige Meilensteine zu reflektieren.

Fazit

In diesem Artikel haben wir einen grundlegenden Überblick über das Arbeiten bei MMT gegeben, von unserer Diversität und Teamstruktur bis hin zu unserer Kultur und Arbeitsweise.

Bei MMT trägt die Vielfalt unserer Mitarbeitenden nicht nur zur Bereicherung unserer Lösungen bei, sondern fördert auch ein dynamisches Arbeitsumfeld. Flache Hierarchien und eine positive Diskussionskultur fördern den offenen Austausch von Ideen. Flexible Arbeitszeiten und unser Fokus auf eine Work-Life-Balance unterstützen das Wohlbefinden unserer Teammitglieder*innen. Eine teamorientierte Zusammenarbeit und eine ausgeprägte Feedbackkultur sorgen dafür, dass sich jeder wertgeschätzt fühlt und motiviert ist, einen Beitrag zum gemeinsamen Erfolg zu leisten. Diese Faktoren sind essenziell für das kontinuierliche Wachstum und den Erfolg von MMT. Wir hoffen, hiermit den ein oder anderen wertvollen Insight für Unternehmen mit ähnlichen Herausforderungen geben zu können.