Veröffentlicht: 2026-09-05
Autor: Thomas Hintz | Seoholics
Lesezeit: 3 min
Was ist passiert?
Medienagenturen führen Audit- und Monitoring-Tools ein, um die Kosten und die Performance von KI-Agenten zu kontrollieren. Die Automatisierung von Kampagnen-Setups und Targeting führt ohne menschliche Aufsicht zu unkontrolliertem Token-Verbrauch und Fehlentscheidungen. Agenturen entwickeln daher Systeme, die Entscheidungspfade protokollieren und die Modellauswahl zentral steuern.
Organisationen mit KI-Kostenüberschreitungen
Diese Folge resultiert laut Gartner aus einer fehlenden Nutzungsverfolgung bei der Implementierung.
Die Fakten
- Laut einer Gartner-Umfrage unter 1.300 Senior Marketern implementieren 56% der Unternehmen KI-Tools ohne klare Nutzungsrichtlinien.
- Gartner schätzt, dass 60% der Organisationen, die KI nutzen, aufgrund fehlender Nutzungsverfolgung mit Kostenüberschreitungen konfrontiert werden.
- Die Agentur Dept berichtet von Einzelfällen, in denen Mitarbeiter 1,5 Millionen Token innerhalb eines einzigen Tages verbraucht haben.
- Die Agentur Rise nutzt ein Audit-Log von PubMatic, um Zeitstempel und Details jeder durch einen Agenten vorgenommenen Änderung zu speichern.
- Zur Kostenkontrolle setzen Agenturen wie PMG tägliche Caps für den Token-Verbrauch ein oder nutzen zentrale Gateways zur Modellsteuerung.
Was bedeutet das für Dich?
Diese Entwicklung betrifft Agenturen und Marketingabteilungen, die KI-Agenten zur automatisierten Steuerung von Media-Budgets oder Kampagnen einsetzen. Sie betrifft ausdrücklich nicht Anwender, die KI lediglich für statische Texte oder isolierte Analysen ohne API-Anbindung und autonome Ausführung nutzen.
Für Agenturen mit KI-Automatisierung
- Implementierung eines Audit-Logs für Agenten-Aktionen. Es muss für jede Änderung im UI oder im Backend ein Zeitstempel sowie die Begründung der Entscheidung hinterlegt werden. Ein Erfolg zeigt sich, wenn bei Fehlern im Media-Buying der exakte Entscheidungspfad des Agenten rekonstruiert werden kann. Der Aufwand ist hoch, da eine technische Integration mit dem SSP-Provider oder der API notwendig ist.
- Zentralisierung der Modellauswahl über ein Gateway. Die Freiheit der Mitarbeiter, das leistungsstärkste (und teuerste) Modell für einfache Aufgaben zu wählen, wird entzogen. Die Wirkung ist an sinkenden Token-Kosten bei gleichbleibender Output-Qualität messbar. Der Aufwand ist mittel, sofern eine zentrale Schnittstelle für die Prompts geschaffen wird.
- Einführung von Token-Budgets und täglichen Caps. Jedem Nutzer wird ein Limit zugewiesen, das bei begründeter Notwendigkeit nach einem Review erhöht wird. Die Wirkung ist unmittelbar in der Budget-Planung sichtbar, da keine unvorhergesehenen Kostenspitzen mehr auftreten. Der Aufwand ist gering, da dies über die meisten API-Management-Tools steuerbar ist.
Für Onlineshops und Inhouse-Teams
- Überprüfung der Modell-Effizienz. Es muss analysiert werden, ob für Standardaufgaben zwingend das teuerste Modell nötig ist oder ob kleinere Modelle denselben Zweck erfüllen. Die Wirkung zeigt sich in einer Reduktion der Token-Rechnung pro Kampagne. Der Aufwand ist gering und erfordert lediglich Tests mit verschiedenen Modellen.
- Festlegung von Verantwortlichkeiten (Accountability). Es muss schriftlich fixiert werden, dass ein Mensch für jedes KI-Ergebnis haftet, unabhängig vom verwendeten Tool. Die Wirkung ist eine gesteigerte Sorgfalt bei der Endkontrolle der Agenten-Outputs. Der Aufwand ist gering, da es sich um eine organisatorische Richtlinie handelt.
Wenn keine Kontrollmechanismen eingeführt werden, drohen unvorhersehbare Kostensteigerungen und ein Verlust der Kontrolle über die Kampagnensteuerung.
Experten-Meinung
Die aktuelle Phase zeigt ein bekanntes Muster: Zuerst folgt die Euphorie über die Effizienzsteigerung, gefolgt von der Erkenntnis, dass autonome Systeme eine neue Form der Qualitätssicherung benötigen. Die Aussage von Jonathan Whiteside, dass jedes Ergebnis einen verantwortlichen Menschen braucht und „KI es getan hat“ keine Entschuldigung sei, ist zentral. Es geht nicht um die Angst vor der Technik, sondern um die professionelle Verwaltung von Ressourcen. Die Implementierung von Audit-Logs ist die notwendige Antwort auf die Blackbox-Problematik von LLMs im produktiven Einsatz.
Daten und Zahlen
Die Diskrepanz zwischen Nutzung und Kontrolle ist messbar: Während 56% der Unternehmen KI ohne Richtlinien einführen, prognostiziert Gartner bei 60% der Nutzer Kostenüberschreitungen. Die finanziellen Risiken werden durch Einzelwerte wie den Verbrauch von 1,5 Millionen Token an einem Tag verdeutlicht. Da derzeit kaum Tools die exakten Kosten pro Pfad ausweisen, müssen Agenturen wie Rise die Kosten durch die Triangulation von Lizenzgebühren, Token-Ausgaben und der Zeitersparnis der Mitarbeiter schätzen.
Ergebnisse einer Gartner-Umfrage unter Senior Marketern
Ausblick
Die experimentelle Phase der KI-Agenten endet. Wir werden eine Verschiebung von „Innovation um jeden Preis“ hin zu „kontrollierter Effizienz“ sehen. Die Entwicklung von spezialisierten Monitoring-Tools für die Medienbranche wird zunehmen. Die Fähigkeit, KI-gesteuerte Entscheidungen auditierbar zu machen, wird zu einem Wettbewerbsvorteil und einer Voraussetzung für die Zusammenarbeit mit großen Werbekunden, insbesondere im Hinblick auf rechtliche und datenschutztechnische Anforderungen.