Wird KI Werbung zeigen? Entscheidungsmaschinen und die Revolution des agentischen Handels

Wenn sich unsere Internetnutzung verändert, verändert sich auch der Geldfluss. KI beantwortet nicht nur Fragen, sondern prägt Entscheidungen und kauft für uns ein. Wie bestehen Marken in dieser neuen Ordnung?

Etwa jedes Jahrzehnt verändert ein grundlegender Wandel die digitale Welt. Der Übergang von klassischen Google-Ergebnissen zu Entscheidungsmaschinen ähnelt dem Wechsel von den Gelben Seiten zu Google Anfang der 2000er. Viele Nutzer möchten keine Keywords mehr eingeben und sich zwischen Links verlieren. Sie suchen verdichtete Informationen, direkte Antworten und Assistenten, die in ihrem Auftrag handeln.

Dieser Beitrag geht über „Wird KI Werbung anzeigen?“ hinaus. Er untersucht den Wandel durch agentischen Handel, wirtschaftliche Zwänge und den technischen Fahrplan für Marken ab 2025.

Eine neue Ära digitaler Werbung: Next-Generation AdTech

In diesem Ökosystem ersetzen Entscheidungsmaschinen, die Nutzerabsichten verstehen, klassische Suchmaschinen. Hohe Betriebskosten großer Sprachmodelle machen Werbung wirtschaftlich notwendig. Aus unterbrechenden Bildern werden kontextbezogene Lösungsvorschläge. Der Handel entwickelt sich zum agentischen Handel, in dem autonome KI-Agenten Kaufentscheidungen treffen.

Warum kann KI nicht werbefrei bleiben?

In der Branche hört man die attraktive Erwartung: „KI-Suchmaschinen bieten saubere, neutrale Informationen ohne Werbung.“ Finanzielle Realität, Hardwarekosten und Energiebedarf erschweren jedoch die Tragfähigkeit. Werbung erscheint hier nicht als Wahl, sondern als wirtschaftliche Notwendigkeit.

Die Last der Betriebskosten

Der grundlegende Unterschied zwischen klassischer Suche und generativer KI liegt in den Verarbeitungskosten.

• Klassische Suche: Ruft Informationen aus einer indexierten Datenbank mit CPU-Leistung ab. Die Kosten liegen im Mikrocentbereich.
• Generative KI: Ein Modell wie GPT-4 oder Claude 3 ruft keine fertige Antwort ab. Es verarbeitet Milliarden Parameter und erzeugt eine neue Antwort, Token für Token.

Laut Stanford AI Index und Branchenanalysen kostet die Inferenz eines GPT-4-ähnlichen Modells 10- bis 100-mal mehr als klassische Suche. Mietkosten leistungsfähiger GPUs wie NVIDIA H100 sowie Energie und Kühlung der Rechenzentren erhöhen die Kosten je Anfrage.

Abonnementerlöse allein, etwa 20 US-Dollar monatlich, reichen bei dieser Struktur nicht aus. Der Beitrag betrachtet den Verkauf kaufnaher Aufmerksamkeit an Marken als Weg zur Finanzierung der Inferenz: Werbung wird zum Treibstoff der KI.

Abonnementhürde und Marktsättigung

OpenAI, Gemini, Anthropic und Perplexity setzten zunächst auf Abonnements. Marktforschung zufolge sind jedoch 71 % der Verbraucher nicht bereit, für KI-Dienste zu bezahlen.

Technologiekonzerne einschließlich Microsoft, Google, Meta und Amazon investierten 2025 mehr als 300 Milliarden US-Dollar. Geschätzt 75 % beziehungsweise 225 Milliarden US-Dollar entfielen direkt auf KI-Infrastruktur. Eine begrenzte Zahl von Pro-Abonnenten kann diese Investitionen nicht amortisieren. Werbefinanzierte Freemium-Angebote ermöglichen breite Nutzung und Datensammlung. Das erklärt Perplexitys Werbeprogramm und Anzeigen in Copilot-Gesprächen.

Die umfassenderen Hyperscaler-Ausgaben mit KI-Schwerpunkt näherten sich 443 Milliarden US-Dollar.

Pläne für 2026 und danach

Unternehmen planen weiter steigende Investitionen:

Unternehmen	Zukunftsbild und Ziele
Microsoft	Die Initiative Community-First AI Infrastructure konzentriert sich 2026 auf nachhaltige US-Rechenzentren. Weltweite Zusagen bestehen fort, darunter 30 Milliarden US-Dollar für Großbritannien bis 2028.
Google	Erwartet 2026 deutlich höhere Investitionen, voraussichtlich über 100 Milliarden US-Dollar. Die KI-Bereitstellungskapazität soll sich alle sechs Monate verdoppeln.
Meta	Die Ausgaben 2026 sollen deutlich über 2025 und über 100 Milliarden US-Dollar liegen. Meta Compute soll in diesem Jahrzehnt Kapazitäten von mehreren Zehn Gigawatt aufbauen. Wichtige Projekte: Prometheus in Ohio mit 1 GW, Betriebsstart 2026; Hyperion in Louisiana mit 5 GW, Betriebsstart 2028.

Neue Werbeformate: Gesponserte Antworten

KI-Plattformen kopieren nicht einfach störende Banner und Pop-ups aus Web 2.0. Neue Werbung muss nativ, dialogorientiert und kontextsensibel sein.

Perplexity AI: Gesponserte Folgefragen

Antwortmaschinen wie Perplexity platzieren Werbung als natürliche Fortsetzung des Gesprächs. Klassische Suchmaschinen zeigen Anzeigen meist über organischen Ergebnissen, teilweise missverständlich. Die neue Generation setzt auf gesponserte Folgefragen.

Wie funktioniert das?

1. Nutzerfrage: „Welche Laufschuhe eignen sich am besten für lange Strecken?“
2. Organische KI-Antwort: Das System prüft Webbewertungen und erstellt eine unabhängige Liste mit Zusammenfassung.
3. Native Anzeige: Daneben oder darunter erscheint eine mögliche Folgefrage: „Warum wird Nikes neuer Pegasus für Marathons gewählt?“

Ein Klick öffnet eine von der Marke finanzierte, durch KI erzeugte Produkterklärung. Werbung erscheint als zusätzlicher Nutzen der Entdeckungsreise statt als Störung.

Vergleichen und entscheiden

Dieses bei Copilot und Googles AI-Overviews-Strategie erkennbare Format erreicht Nutzer am unteren Ende des Kauftrichters.

„iPhone 15 Pro oder Samsung S24 Ultra?“ erzeugt eine dynamische Vergleichstabelle. Darin oder darunter stehen aktuelle Angebote als Dynamic Shopping Ads. Entscheidend ist der Wechsel von der Informationssuche zur Entscheidung, wodurch das Conversion-Potenzial deutlich steigt.

Klassische und neue Werbung im Vergleich

Merkmal	Klassische AdTech: Web 2.0	KI-native AdTech: Web 3.0
Ziel	Klick	Handlung
Platzierung	Neben oder über Inhalten	Innerhalb oder als Teil einer Antwort
Auslöser	Keyword	Semantische Absicht
Zeitpunkt	Beim Laden der Seite: synchron	Während der Antwort: asynchron
Erfolgsgröße	Impressionen / CTR	Lösungsquote / Verkäufe

Agentischer Handel

Die radikalste Stufe entsteht, wenn KI nicht nur empfiehlt, sondern als Bevollmächtigter Transaktionen ausführt. Large Action Models (LAMs) ermöglichen diesen Wandel.

KI als Handlungsmaschine und die Zero-Click-Ökonomie

LLMs erzeugen Texte; LAMs führen digitale Handlungen aus. Sie verstehen Oberflächen, klicken auf Schaltflächen und füllen Formulare aus.

• Früher: Nutzer öffneten eine Flugwebsite, wählten Daten, verglichen Preise, registrierten sich, gaben Kartendaten ein und kauften.
• Im neuen Modell: Sie sagen: „Kauf mir für nächste Woche den günstigsten Flug von Istanbul nach London.“ Der Agent erledigt die Schritte im Hintergrund in Sekunden.

Impressionen verlieren in diesem Szenario an Bedeutung. Im Mittelpunkt steht die abgeschlossene Handlung. Handelsplattformen müssen ihre APIs für Agenten öffnen, um sich in das Zero-Click-Erlebnis einzufügen.

Prognose für die Türkei

Der Wandel beeinflusst auch den türkischen Markt. Wegen der Bedeutung von Preisvergleichen und Aktionen werden Anbieter wie Trendyol, Hepsiburada oder Getir ihre interne Suche zwangsläufig zu KI-Einkaufsassistenten entwickeln.

Eine Anfrage könnte lauten: „Finde für meine Mutter die schönste Kaffeemaschine unter 1.000 TRY mit mehr als 4,5 Sternen und verschicke sie möglichst schnell.“ Lokale Marktplätze verarbeiten diesen agentischen Auftrag. Agentenoptimierung (AEO) wird relevant: Der Anbieter mit sauberen Produktdaten, aktuellem Bestand und positiven Bewertungen wird bevorzugt.

Ein neues Erlösmodell

Wie OpenAI-Chef Sam Altman angedeutet hat, könnten Provisionen auf Transaktionen – Affiliate oder CPA – künftig wichtiger werden als CPC. Plattformen verlangen Geld erst beim Verkauf, arbeiten aber algorithmisch aktiver und überzeugender auf dessen Abschluss hin.

RAG, OpenRTB und Latenzsteuerung

Ein komplexer Technologiestapel ermöglicht passende Werbung innerhalb von Millisekunden.

• RAG und Anzeigeneinbindung: Bei einer Anfrage ruft Retrieval-Augmented Generation verlässliche Informationen ab und kontaktiert gleichzeitig den Adserver. Grounding lässt die Anzeige als logischen Teil der Antwort statt als Halluzination erscheinen.
• OpenRTB-GenAI-Erweiterungen: Der weltweite Werbestandard wird für KI aktualisiert. Neue Signale zeigen, ob eine Anzeige in menschlich erstelltem Inhalt oder einer KI-Zusammenfassung erscheint.
• Semantisches Caching: Antwortgenerierung benötigt Zeit. Häufige Fragen wie „Wie viele türkische Lira entspricht ein Dollar?“ und passende Anzeigen können gespeichert werden. Beides lässt sich dann sofort ausliefern.

Wie wird das Vertrauensproblem gelöst?

Eine große Sorge ist Werbung neben erfundenen Informationen. Stellen Sie sich die Anzeige eines neuen Autos vor, während dieselbe Unterhaltung fälschlich einen Rückruf wegen Bremsproblemen behauptet. Das wäre ein Reputationsschaden.

Das verschiebt den Blick von Brand Safety zur anspruchsvolleren Brand Suitability, also zur Markeneignung des Umfelds.

Ältere Systeme prüfen verbotene Wörter wie Gewalt oder Glücksspiel. Neue Technik untersucht die Stimmung des Inhalts.

• Dynamische Vertrauenswerte: Prüfunternehmen wie Cint und DoubleVerify erstellen Echtzeitbewertungen für Modelle und beobachten Gespräche fortlaufend.
• Automatisches Blockieren: Wird die KI widersprüchlich, halluziniert oder nimmt einen negativen Ton wie Wut oder Trauer an, wird der Kontext als riskant markiert. Gebote werden innerhalb von Millisekunden gestoppt.

So erreicht Werbung Nutzer in geprüften, positiven und zur Marke passenden Kontexten.

Was bedeuten die neuen Begriffe?

Für Sichtbarkeit in KI-Suchsystemen müssen diese Konzepte verstanden werden.

• Entscheidungsmaschine: Ein KI-System, das Daten auswertet und zusammenführt und direkt eine passende Option empfiehlt, statt nur Links zu liefern.
• Agentischer Handel: Ein Wirtschaftsmodell, in dem autonome KI-Agenten Kaufentscheidungen und Transaktionen für Menschen durchführen.
• Inferenzkosten: Rechenleistung, Hardwareabschreibung und Energie für die Erzeugung einer Antwort.
• Retrieval-Augmented Generation: Abruf aktueller Informationen aus verlässlichen externen Quellen statt ausschließlicher Nutzung von Trainingsdaten, um Halluzinationen zu verhindern.
• Answer Engine Optimization: Optimierung zur Auswahl als direkte Antwort, etwa mit klaren Definitionen und Frage-Antwort-Formaten.

Werbung wird intelligenter

KI beendet Werbung nicht. Sie macht sie effizienter, handlungsbezogener und integrierter. Auf das Klicken blauer Links folgt die Bereitstellung passender Antworten und abgeschlossener Vorgänge.

Erfolgreich sind nicht Marken, die Algorithmen mit Keyword-Stuffing täuschen, sondern solche mit richtigen, aktuellen, strukturierten und verlässlichen Informationen. Sie werden zur vertrauenswürdigen Quelle. Werbung wird zur Aufgabe von Nutzenvermittlung und technischer Integration statt bloßer Aufmerksamkeit.

Was sollten Sie jetzt tun?

1. Daten strukturieren: Produkt- und Leistungsdaten an Schema.org und JSON-LD ausrichten. Agenten bevorzugen keine unstrukturierten Daten.
2. Fragen beantworten: Inhalte auf klare Antworten zu Longtail-Fragen von Nutzern und Sprachassistenten ausrichten.
3. Agentischen Handel vorbereiten: Produkte per API zugänglich und kaufbar machen und in Zero-Click-Infrastruktur investieren.
4. Vertrauen schaffen: Eine verifizierte, verlässliche Quelle zu sein, ist ein großer Wettbewerbsvorteil.

Verwendete Quellen

• https://about.ads.microsoft.com/en/blog/post/may-2023/a-new-solution-to-monetize-ai-powered-chat-experiences
• https://www.gartner.com/en/newsroom/press-releases/2025-10-20-gartner-identifies-the-top-strategic-technology-trends-for-2026
• https://developers.google.com/authorized-buyers/rtb/openrtb-guide
• https://www.iab.com/wp-content/uploads/2018/03/OpenRTB-Native-Ads-Specification-Final-1.2.pdf
• https://www.taboola.com/marketing-hub/the-shift-from-brand-safety-to-brand-suitability/
• https://artificialintelligenceact.eu/