Über Scope3, Contextual Agents und was GenAI für AdTech wirklich ändert.
In den letzten Tagen kam ich um die Berichterstattung zu den neuen Scope3 Contextual Agent(s) nicht herum.
Von Ari Paparo auf Twitter über ADWEEK bis zum Sonderbericht von ADOTAT (sehr 🌶️🌶️🌶️ — sehr empfehlenswert).
Ehrlicherweise habe ich es zunächst nicht ganz erfasst — aber nach Brian O'Kelleys erstem Post über KI-Agenten auf BOK on Ads habe ich glaube ich einen Teil verstanden.
(PS: Wer weiß, was BOK on Ads ist — der weiß, dass wir wohl aus derselben Generation kommen!)
Kurz gesagt: eine sehr spannende Scope-Erweiterung (konnte nicht widerstehen!) in Brand Safety & Optimization, insgesamt ein mutiger Vorstoß für Scope3 und das Web als Ganzes.
Im letzten Jahr gab es einige Ankündigungen rund um GenAI-Implementierungen im AdTech — am bekanntesten Viant Technology, aber auch Taboolas Abby und die von Vibe.co fand ich gut. Alles recht unterschiedlich, mit unterschiedlichen Zielgruppen — aber im Kern auf Werbetreibende fokussiert.
Diese Ankündigung geht weiter: Sie spricht die andere Hälfte der Industrie an — die Content-Seite: Publisher & Media Owners. Chapeau! 🎩
Aus der Supply-Side im AdTech kommend, bin ich ein kleines bisschen biased.
Mit dem Produkt-Hut auf schätze ich den Denkansatz hinter dem Launch umso mehr:
- Manueller Validierungs-Prozess
- Claude für manuelle Tests genutzt, um die Hypothese zu prüfen: verstehen LLMs Content vernünftig?
- Werbetreibenden-Kontext darüber gelegt (aus dem „Gedächtnis" des LLM; ohne Tools)
- Ad-Copy-Beispiele basierend auf beiden Datensätzen erzeugt.
2. Klares ICP
- Werbetreibende mit Ausgaben zwischen 10 Mio. $ und 1 Mrd. $ (ich nehme an, das wird ausgeweitet)
3. Klares Value Prop (Effizienzgewinne — Kosten)
- Geschätzte Kosten für das Ausführen eines LLM für jede Seite im Internet: 270.000 $ auf Deepseek; ca. 100.000 $ pro Jahr (und stark sinkend)
- In diesem Maßstab reichen wenige Prozent Verbesserung, damit der Business Case grün wird!
4. Lösung!
- Media Agent (hybrid LLM + ML?)
- Context Agent + weitere Agents (Audience, Optimization) — die offenbar auf klassische ML-Signale aufsetzen
Natürlich habe ich Anmerkungen:
- SOTA-Modellkosten (Claude) vs. Open Source sind eine ganz andere Geschichte (auch Fine-Tuning macht es bei diesem Maßstab nicht kostenvernünftig)
- Zero-Shot-Prompting bringt einen ziemlich weit (aber die Kosten wären aktuell ein Hindernis)
- Hauptgrund für Fine-Tuning (für diesen Use Case) sind aus meiner Sicht Kosten — ich kann mir aber auch ein paar Prozent Effektivitätsgewinn vorstellen. (Hinweis: kleine Modelle lassen sich für spezifische Aufgaben fine-tunen und können SOTA für einen Bruchteil der Kosten matchen.)
- Der hybride LLM+klassischer-ML-Ansatz ergibt für AdTech SEHR viel Sinn und wird die Latte heben — bin gespannt auf Performance-Reports!
Außerdem werden ein paar strategische Entscheidungen sichtbar:
- Nutzung bestehender Infrastruktur (Anbindungen an DSPs und SSPs, Beziehungen zu Werbetreibenden und Publishern — aufgebaut über das ursprüngliche Geschäft mit Auditing und Dekarbonisierung der AdTech-Supply-Chain)
- Bauen, wo es sinnvoll ist (Tech ist jetzt reif für diesen Use Case: Agenten)
- Fokus auf einen großen TAM (Brand Safety)
So weit, so gut — insgesamt ein starker Move, der sie für das Kommende positioniert. Aber was kommt?
Ich sehe diese Evolution der (digitalen/programmatischen) Werbung in zwei Phasen:
- Die aktuelle Branche adoptiert LLMs und GenAI 📍
- Einige nutzen es für interne Optimierungen (inkl. Support, Sales etc.)
- Andere für Use-Case-Erweiterungen (Beispiel → Scope3, Viant etc.)
2. Nächste Welle — Neuerfindung der Werbung
- Nicht nur auf dem „Open Web", sondern auch in der Suche (passiert bereits) und Social (kommt bald).
- Selbst die Art, wie wir mit Geräten interagieren, verändert sich (vor allem in jüngeren Generationen) — das wird die nächste Welle! 🌊
- Mit dem Gesagten (versprochen, ich höre danach auf): Ich würde gerne sehen, dass das IAB — speziell das IAB Tech Lab mit Anthony Katsur — den Ball aufnimmt und vorantreibt. Konkret: Agent-Interoperabilität, aber auch Web-Content „ohne Noise" für LLMs verfügbar machen.
- Wir haben bereits LLM.txt und MCPs tauchen auf. Außerdem basiert ein Großteil der AdTech-Infrastruktur auf offenen Standards und Open Source (Prebid.org FTW!). Mit Mobile (Apps) sind wir einen Umweg gegangen, aber mit GenAI scheint die Spur zurück zu sein — Zeit zu bauen!
- Let's go! 🚀🤖⭐🌐
