Der nächste Vorteil von programmatischem CTV liegt im Inhalt

Von Bill Michels, leitender Produktmanager

Content Intelligence hat nun auch im CTV-Einkauf in großem Maßstab Einzug gehalten und bietet Marken und Agenturen eine umfangreiche neue Datenquelle. Sie ermöglicht eine von Menschen definierte Zielgruppenansprache und die Einhaltung von Markenrichtlinien beim CTV-Einkauf. Ihr größtes Potenzial liegt jedoch möglicherweise darin, als leistungsstarkes Optimierungssignal für Performance-Algorithmen zu dienen.

Als CTV in den programmatischen Bereich einstieg, waren die Infrastruktur und das Datenökosystem bereits gut etabliert und strotzten nur so vor Werbeinventar für Web, Mobile und sogar ein wenig Audio sowie Digital Out-of-Home (DOOH). Während CTV-Medien selbst noch sehr neu im Ökosystem waren – gut produziert, professionell, mit bekannten Persönlichkeiten und Live-Events –, ähnelte die Gebotsanfrage der für Web und Mobile. Das ist beabsichtigt. Standards schaffen Vertrauen, dass sich die Spezifikationen auch bei einer Skalierung der Systeme nicht ändern, was die Kapitalallokation fördert. In dieser Hinsicht war das Echtzeit-Bidding ein phänomenaler Erfolg (ein großes Dankeschön an das IAB!), der erhebliche Investitionen freigesetzt, die Ausgaben der Werbetreibenden in die Medienkanäle gelenkt und das Wachstum einer ganzen Branche vorangetrieben hat.

Da die Käufer programmatischer CTV-Werbung die Struktur der Impression erkannten, wandten sie dasselbe Vorgehen an – sie nutzten die IP-Adresse, verknüpften sie mit Zielgruppendaten und Standortangaben auf Postleitzahlenebene, fügten das „Bundle- ID “ hinzu und wandten Entscheidungslogik an. Sicher, CTV führte Werbeblöcke und eine neue „Buchstabensuppe“ aus Vertragsarten ein. Die grundlegendere Veränderung betraf jedoch das, was die Werbetreibenden kauften. Als sich die TV-Werbeausgaben vom linearen zum programmatischen Bereich verlagerten, wichen Sendepakete einzelnen Impressionen, die an Zielgruppendaten auf Haushaltsebene gekoppelt waren. 

Was bei diesem Übergang auf der Strecke blieb, war der inhaltliche Kontext: das Verständnis dafür, was gerade lief, als eine Anzeige erschien. Damals schien dieser Kompromiss zudem vertretbar. Programmatic Advertising basierte auf zielgruppenorientierten Entscheidungen, und das war das Konzept, mit dem die Werbetreibenden vertraut waren.

Werbeeinkäufer fordern nach wie vor Daten zu den Inhalten. Die Studie „Gracenote“ aus dem Jahr 2026, für die 500 US-amerikanische Medienplaner, TV-Einkäufer und Programmatic-Händler befragt wurden , quantifiziert diese Diskrepanz. Unter den Programmatic-Händlern gaben 91 % an, dass fehlende Daten auf Sendungsebene ihre CTV-Kampagnen einschränken. Die Medienplaner äußerten sich ebenso eindeutig: 86 % gaben an, sie würden mehr Budget aus dem linearen TV-Bereich auf CTV verlagern, wenn Targeting und Berichterstattung auf Sendungsebene verfügbar wären. Die IAB-Studie aus dem Jahr 2026 ergab zudem, dass nur 33 % der Einkäufer großes Vertrauen in die Transparenz des CTV-Inventars hatten. Die Verlagerung hin zu programmatischem CTV schritt schneller voran als die dafür erforderlichen Content-Informationen.

Nun bringt Content Intelligence eine Kernstärke des linearen Fernsehens in das programmatische CTV ein: den Einkauf auf Basis dessen, was gerade auf dem Bildschirm zu sehen ist. Beständige, standardisierte Content-IDs verleihen Titeln eine einheitliche Identität über alle Systeme hinweg, während Videosprachmodelle Details auf Szenenebene hinzufügen können. Werbetreibende können nach Genre, Darstellern und Live-Sport ausrichten – und, sofern unterstützt, auch nach der Stimmung und dem Ton einer Szene. Diese Möglichkeiten sind nicht mehr nur Theorie. Sie sind bereits Realität.

Doch die Branche hat sich weiterentwickelt. „Walled Gardens“ und leistungsorientierte Demand-Side-Plattformen (DSPs) haben im CTV-Bereich stark an Bedeutung gewonnen und unglaublich effiziente, auf maschinellem Lernen basierende Wachstumssysteme aufgebaut, die Echtzeit-Konversionsereignisse, Zielgruppenkontext und Kampagnenergebnisse kombinieren, um Entscheidungen hinsichtlich Targeting, Gebotsabgabe, Kampagnenablauf und Werbemitteln zu steuern. 

Das „Agentic Real Time Framework“ (ARTF) des IAB Tech Lab ist ein weiterer Beschleuniger für die Optimierung: Spezielle Container bieten einen vielversprechenden neuen Ansatz, um Optimierungsmodelle auf programmatischen Impressionen auszuführen – insbesondere im Bereich CTV.

Diese neuen CTV-Einkaufssysteme verarbeiten riesige Datenmengen und lassen das Modell entscheiden, welche Faktoren die Ergebnisse beeinflussen. Content-Intelligence wird neben Zielgruppendaten zu einem leistungsstarken neuen Bestandteil. Sobald Performance-Algorithmen diese Daten nutzen, können sie Muster erkennen, auf die Werbeplaner niemals gekommen wären. Das vom Menschen definierte Targeting ist endlich Realität geworden, was eine großartige Nachricht ist. Doch die modellbasierte Optimierung ist der Bereich, in dem diese neue Datenquelle möglicherweise den größten Einfluss haben wird.

Dieser Artikel erschien ursprünglich auf The Current.