Die wichtigsten Erkenntnisse
- Eine KI-Strategie in der Medienbranche beginnt mit dem Datenbesitz. Wenn dem Unternehmen nützliche, kontextbezogene Daten fehlen, wird KI keinen nachhaltigen Wettbewerbsvorteil schaffen.
- Lagern Sie Kreativität und strategisches Denken nicht aus. KI sollte höherwertige Arbeit unterstützen, nicht das Denken ersetzen, das das Unternehmen auszeichnet.
- Priorisieren Sie Anwendungsfälle mit messbaren finanziellen Auswirkungen. Prognosen, Preisgestaltung, Ertragsoptimierung und Entscheidungsunterstützung bieten einen klareren ROI als allgemeine Automatisierung.
- Einführung ist nicht gleichbedeutend mit Wert. Der Einsatz von Tools sollte nicht mit Geschäftsergebnissen verwechselt werden, insbesondere wenn versteckte Betriebskosten steigen.
- Die Governance sollte Experimente ermöglichen. Die beste KI-Governance schützt Ethik, Sicherheit und Compliance, ohne Innovationen zu behindern.
- Erstellen Sie den Business Case wie bei einer Kapitalinvestition. Definieren Sie die Ausgangsbasis, die Abhängigkeiten und die erwarteten betrieblichen Veränderungen, bevor Sie das Tool anschaffen.
Die zentrale Frage dieser Podiumsdiskussion – ob Medienunternehmen im Zeitalter der KI zu Technologieunternehmen werden müssen – ist längst keine theoretische mehr. Für Verlage, Agenturen und Medienkonzerne verändert KI bereits heute die Zielgruppenansprache, die Anzeigenabwicklung, die Prognosen, kreative Arbeitsabläufe und die Unternehmensführung. Die eigentliche Frage ist nicht, ob KI eingeführt werden soll, sondern welche Kompetenzen im Unternehmen verbleiben müssen, wenn es seine Margen sichern, die strategische Kontrolle behalten und als Partner für seine Kunden relevant bleiben will.
In einer von Adam Gaca moderierten Podiumsdiskussion argumentierten die Gäste Dane Buchanan, Global Chief Data & Analytics Officer bei M+C Saatchi Performance, Miryem Salah, Director Digital Data & Transformation, MD IT Hubs bei VodafoneThree, und Tim Lum, Global Chief Intelligence Officer bei VML, dass die Antwort bei den Daten beginnt, dort aber nicht endet.
Ihre Glaubwürdigkeit beruht darauf, dass sie direkt in den Bereichen Medien, Analytik, Marketingtransformation und Performance-Operations tätig sind – Bereichen, in denen KI kein abstrakter Trend, sondern eine operative Notwendigkeit ist.
Die Diskussion durchbricht den Hype: KI kann messbaren Mehrwert schaffen, aber nur, wenn Medienführer zunächst das geschäftliche Problem definieren, die richtige Datenarchitektur aufbauen und bewusst entscheiden, was sie selbst verwalten, was sie automatisieren und was sie niemals auslagern sollten.
KI in der Medienstrategie beginnt mit Dateneigentum und kontextueller Tiefe
Das Gespräch macht eines deutlich: KI ist nur so nützlich wie die ihr zugrunde liegende Datenumgebung. Für Medienunternehmen bedeutet das, dass die erste strategische Frage nicht lautet: „Welches Modell sollen wir verwenden?“, sondern: „Verfügen wir über einen ausreichenden Anteil unseres Datenuniversums, damit das Modell aussagekräftig ist?“
Dane Buchanan brachte es auf den Punkt: „Eine KI, die ohne Daten nicht unbedingt gut funktioniert – man muss also sicherstellen, dass man entweder über sein eigenes Datenuniversum verfügt oder eine Partnerschaft eingeht, um zu gewährleisten, dass man genug Daten hat, um das Modell zu trainieren.“ Diese Aussage fasst das zentrale Risiko für Medien- und Werbeunternehmen zusammen. Generische KI-Tools können zwar Ergebnisse liefern, doch ohne firmeneigene Daten und Kontext können sie keinen dauerhaften Wettbewerbsvorteil schaffen – sie werden zu austauschbarer Software.
Das ist von Bedeutung, weil Medienunternehmen in Umgebungen agieren, in denen der Kontext den Wert bestimmt: Zielgruppensignale, Kampagnenhistorie, Preisverhalten, Inventarmuster, Content-Performance und kundenspezifische Arbeitsabläufe. Wenn diese Eingaben über verschiedene Systeme verstreut sind oder von Dritten kontrolliert werden, wird KI keinen strategischen Vorteil schaffen – sie wird lediglich mittelmäßige Prozesse beschleunigen.
Das stärkere Argument in dieser Diskussion ist, dass Datenhoheit nicht nur ein technisches, sondern auch ein wirtschaftliches Anliegen ist. Ein Medienunternehmen, das seine Daten nicht mit der Entscheidungsfindung verknüpfen kann, läuft Gefahr, von Plattformen, Anbietern oder besser vorbereiteten Wettbewerbern umgangen zu werden.
Erfahren Sie mehr über KI in den Medien:
Warum bedeutet „Eigentümer der Daten zu sein“ nicht dasselbe wie mehr Daten zu speichern?
„Ownership“ bedeutet hier mehr als nur die Aufbewahrung. Dazu gehört:
- Zugriff auf die richtigen historischen und Echtzeit-Signale,
- eine saubere Architektur,
- ausreichend kontextbezogene Metadaten zum Trainieren oder Steuern von Modellen
- sowie ein Governance-Modell, das die Daten nutzbar macht und nicht nur archiviert.
Diese Unterscheidung erklärt, warum mehrere Redner davor warnten, KI als bloße Zusatzfunktion zu betrachten. Ist die Datenschicht schwach, basiert KI auf Rauschen. Ist die Datenschicht stark, kann KI Prognosen, Planung und Entscheidungsfindung so unterstützen, dass sich der Wert im Laufe der Zeit vervielfacht.
Erhalten Sie Empfehlungen dazu, wie KI in Ihrem Unternehmen eingesetzt werden kann.
Entdecken Sie datengestützte Möglichkeiten, um sich einen Wettbewerbsvorteil zu verschaffen.
Medienunternehmen sollten ihr kreatives und strategisches Denken nicht auslagern
Ein zweites wichtiges Thema der Podiumsdiskussion war, dass Medienunternehmen der Versuchung widerstehen sollten, jene Arbeitsbereiche auszulagern, die ihre Identität ausmachen. Technologie kann zwar die Produktion beschleunigen und sich wiederholende Aufgaben automatisieren, doch die Podiumsteilnehmer kamen immer wieder auf eine Sorge zurück: Wenn das Unternehmen seine Kreativität abgibt, gibt es damit auch seine Alleinstellungsmerkmale auf.
Dane Buchanan sagte, der Teil, der nicht ausgelagert werden sollte, sei „so viel wie möglich von diesem Element der Kreativität“. Kreativität zeigt sich auf vielfältige Weise. Sie kommt bei der Erstellung von Inhalten zum Tragen, aber auch in der Denkweise, in der Frage: ‚Was mache ich damit?‘“ Diese Erkenntnis ist besonders wichtig für Medienunternehmen, die unter dem Druck stehen, KI überall und sofort einzuführen.
Die Logik ist einfach: Wenn KI nur dazu genutzt wird, schneller mehr Inhalte zu produzieren, ist das Ergebnis oft mehr Volumen, nicht mehr Wert. Wird sie jedoch eingesetzt, um bessere redaktionelle Entscheidungen, eine präzisere Zielgruppensegmentierung oder eine schnellere Prototypenentwicklung von Ideen zu unterstützen, wird sie zum Motor für anspruchsvollere Arbeit. Sie regt Teams dazu an, bessere Fragen zu stellen:
- Welches Problem lösen wir?
- Welches Ergebnis wollen wir verbessern?
- Welcher Teil dieses Arbeitsablaufs profitiert wirklich von der Automatisierung?
Miryem Salah und Tim Lum unterstrichen diesen Punkt, indem sie betonten, wie wichtig es ist, die strategische Kontrolle über die Systeme zu behalten, die den Kundennutzen bestimmen. Insbesondere im Bereich Performance-Media sind Anzeigenmanagement und Analytik keine Standardfunktionen, wenn sie mit messbaren Erkenntnissen und Kundenbindung verbunden sind. Das Unternehmen muss die Mess- und die Beratungsebene bewahren, denn dort werden Vertrauen und Gewinnspanne aufgebaut.
„Wenn man das nicht hat – also das, was sozusagen das A und O innerhalb der Organisation ist – und wenn man nicht über die entsprechenden Daten verfügt, ist KI nur eine weitere Software.“
Dieser Satz bringt die strategische Gefahr einer oberflächlichen Einführung von KI auf den Punkt. Ein Medienunternehmen kann ein Tool anschaffen und dennoch an Relevanz verlieren, wenn das Tool kein unverwechselbares Geschäftsmodell stärkt.
Die verborgenen wirtschaftlichen Kosten von „KI überall“
Das Gremium warnte zudem davor, dass die Einführung von Tools ein trügerisches Gefühl des Fortschritts vermitteln kann. Wenn KI ohne ein klares Betriebsmodell im gesamten Unternehmen verbreitet wird, kann dies für das Unternehmen folgende Folgen haben:
- doppelte Arbeitsabläufe,
- eskalierende Kosten,
- eine fragmentierte Steuerung,
- und Teams, die die Tools auf eine Weise nutzen, die die Führungsebene nicht versteht.
Das ist keine Transformation, sondern eine operative Abdrift.
Anwendungsfälle für KI in den Medien: Wo der ROI echt ist und wo er überbewertet wird
Die Referenten zeigten sich in Bezug auf den ROI ausgesprochen pragmatisch – sie behaupteten weder, dass jeder KI-Anwendungsfall die gleiche Wirkung habe, noch dass die bloße Einführung bereits ein Erfolgskriterium darstelle. Tatsächlich stellte Tim Lum die Fixierung auf Einführungsraten in Frage und wies darauf hin, dass die Nutzung an sich noch keinen Mehrwert bedeute.
Die überzeugendsten Beispiele in der Diskussion betrafen die Bereiche Prognosen, Preisgestaltung, Ertragsoptimierung und Entscheidungsunterstützung. Dane Buchanan verwies auf einen Anwendungsfall für Prognosen mittels maschinellem Lernen, der die Bestandsprognosen um rund 20 % verbesserte. Er beschrieb zudem ein noch eindrucksvolleres Beispiel aus seiner früheren Tätigkeit, bei dem KI dazu beitrug, die Auslastung auf einer einzelnen Flugstrecke um etwa 40 % zu steigern, indem sie Anomalien identifizierte, die Analysten übersehen hätten.
Dieses Beispiel ist für Führungskräfte in der Medienbranche von Bedeutung, da es zeigt, wie KI in entscheidungsintensiven Umgebungen Mehrwert schafft. Wenn Menschen Tausende von Entscheidungen oder Signalen prüfen müssen, ersetzt das Modell nicht das Fachwissen; es grenzt das Feld auf die Maßnahmen mit dem höchsten Wert ein. Wie Buchanan erklärte, führte dies dazu, dass eine enorme Arbeitslast auf „die zwanzig wichtigsten Punkte, die man sich wirklich ansehen muss“ reduziert wurde und der Fokus auf Opportunitätskosten und Umsatzchancen gelegt werden konnte.
Für Medienunternehmen lässt sich dies in einige praktische Anwendungsfälle umsetzen:
- Preisgestaltung und Ertragsoptimierung,
- Kampagnenprognosen,
- Bestandsplanung,
- Erkennung von Anomalien,
- sowie Priorisierung von Kunden- oder Content-Maßnahmen.
Die Podiumsteilnehmer vertraten nicht die Ansicht, dass jeder Arbeitsablauf automatisiert werden sollte. Vielmehr sollte das Unternehmen KI dort einsetzen, wo Entscheidungen wiederholt getroffen werden, wo große Datenmengen vorliegen und wo sie finanziell von Bedeutung sind – denn genau dort lässt sich Effizienz tatsächlich und messbar erzielen.
Über 1 Mrd. £ an Buchungen für den größten unabhängigen Sender Großbritanniens dank einer neuen Werbeverwaltungsplattform
Warum KI-Geschäftsfälle einer Prüfung auf CFO-Ebene bedürfen
Die Podiumsdiskussion hob zudem eine entscheidende interne Herausforderung hervor: KI-Projekte scheitern oft nicht, weil das Modell schlecht ist, sondern weil der Business Case schwach oder im Umfang unvollständig ist. Ein Redner beschrieb, wie er einen Fall mit einem „zwanzigfachen ROI“ vorstellte, stieß dabei jedoch auf Skepsis, da das Unternehmen noch nicht das Vertrauen oder die Rahmenbedingungen geschaffen hatte, um solche Renditen für realistisch zu halten.
Das ist eine wertvolle Erinnerung für jede Führungskraft in der Medienbranche – Investitionen in KI sollten wie jede andere strategische Kapitalallokation bewertet werden:
- Welches messbare Problem wird gelöst?
- Von welcher Ausgangsbasis aus verbessern wir uns?
- Welche betrieblichen Abhängigkeiten bestehen?
- Welche Änderungen an der Datenarchitektur sind erforderlich?
- Welche versteckten Kosten werden später auftauchen?
Ohne diese Antworten wird KI zu einer reinen Beschaffungsmaßnahme statt zu einer Geschäftsstrategie.
Die Regulierung im Zeitalter der KI sollte Innovationen fördern und nicht behindern
Der differenzierteste Teil der Diskussion drehte sich um die KI-Governance – die Podiumsteilnehmer sprachen sich nicht für schwache Kontrollen aus. Sie plädierten dafür, Governance zu ermöglichen, anstatt um der Kontrolle willen zu überwachen. Diese Unterscheidung ist in den Medien von Bedeutung, wo Experimentierfreudigkeit ebenso unerlässlich ist wie Markensicherheit, ethische Nutzung und betriebliche Zuverlässigkeit.
Tim Lum beschrieb Governance als etwas, das das gesamte Ökosystem abdecken muss: Datenzugriff, Implementierung, wer das System nutzen darf, was die KI sehen darf und wie Entscheidungen strukturiert sind. Mit anderen Worten: Governance ist kein Schloss an der Tür. Sie ist die Gestaltung des Raums selbst.
„Ich sage oft, dass die beste Regierungsführung eher darin besteht, die Voraussetzungen dafür zu schaffen, als die Aufgaben selbst zu erledigen.“
Dieser Ansatz ist insbesondere im Medienbereich von Bedeutung, da das Risikoprofil breit gefächert ist:
- Black-Box-Entscheidungsmodelle,
- Compliance-Probleme,
- uneinheitliche regionale Reifegrade,
- unkontrollierte Experimente,
- sowie Teams, die „Schatten“-KI-Lösungen außerhalb der zentralen Aufsicht entwickeln.
Die Podiumsteilnehmer stellten fest, dass der Reifegrad der Governance je nach Region und Reifegrad der digitalen Transformation variiert. In digital fortgeschritteneren Märkten sind Teams daran gewöhnt, Betriebsmodelle im Rahmen von „Test-and-Learn“-Ansätzen zu erproben und können Experimente mit dem ROI verknüpfen. In weniger ausgereiften Umgebungen kann die „Einführung“ selbst zur Kennzahl werden, was ein Fehler ist. Nutzung ohne Mehrwert ist keine Governance, sondern nur Lärm.
Für Führungskräfte ist die Botschaft klar: Governance muss das Unternehmen schützen und den Teams gleichzeitig Raum zum Entwickeln lassen. Das Ziel ist nicht, Kreativität zu unterdrücken, sondern Experimente innerhalb eines sicheren und wirtschaftlich schlüssigen Rahmens zu halten.
Fazit
Das Kernargument der Diskussion lautet nicht, dass Medienunternehmen im wörtlichen Sinne zu Softwareunternehmen werden müssen. Vielmehr geht es darum, dass sie bewusst entscheiden müssen, was sie selbst besitzen, was sie automatisieren und was sie von Außenstehenden vermitteln lassen. Im Zeitalter der KI wird der Wettbewerbsvorteil nicht dadurch entstehen, dass man Tools einfach schneller einsetzt als alle anderen. Er wird vielmehr aus der Kombination von firmeneigenen Daten, einem soliden operativen Konzept und einer klaren Vorstellung davon entstehen, wo menschliches Urteilsvermögen nach wie vor am wichtigsten ist.
Für Führungskräfte in der Medienbranche bedeutet dies, dass die eigentliche Überlebensstrategie in einer selektiven Transformation besteht: Die Ebenen zu kontrollieren, die Erkenntnisse, Kundennutzen und strategische Kontrolle prägen; den Rest diszipliniert zu automatisieren; und eine Governance aufzubauen, die es dem Unternehmen ermöglicht, sich weiterzuentwickeln, ohne sich selbst zu verlieren. Die Unternehmen, die dies gut umsetzen, werden KI nicht nur nutzen. Sie werden sie einsetzen, um Margen zu sichern, Entscheidungen zu verbessern und strukturell relevant zu bleiben – in einem Markt, in dem Software zunehmend zur Grundvoraussetzung wird.
