AI in Retail Media: Wie künstliche Intelligenz Werbung im Handel verändert

Personalisierte Werbung im Handel ist keine neue Idee. Neu sind Geschwindigkeit und Detailtiefe, mit denen Künstliche Intelligenz Daten verarbeitet und daraus Entscheidungen ableiten kann. Statt Kundinnen und Kunden nur relativ statischen Zielgruppen zuzuordnen, können Systeme zunehmend die konkrete Einkaufssituation berücksichtigen.

Retailer verfügen dafür über einen wichtigen Rohstoff: First-Party-Daten, also Daten, die sie direkt über ihre eigenen Kundenkontakte und Kanäle gewinnen – beispielsweise aus Suchanfragen, Warenkörben, Transaktionen, Kundenbindungsprogrammen oder digitalen Kontaktpunkten. KI-Systeme können darin Muster erkennen, Zielgruppen bilden und Werbeinhalte dynamisch auswählen.

Der Bundesverband Digitale Wirtschaft (BVDW) sieht darin einen zentralen KI-Anwendungsbereich entlang der Retail-Media-Wertschöpfungskette. Algorithmen können große Datenmengen fortlaufend analysieren und Kampagnen auf Basis von Kauf- und Verhaltensmustern ausrichten. Auch Platzierung, Frequenz und Zielgruppenansprache lassen sich dynamisch anpassen.

Der Unterschied zur klassischen Einteilung in Zielgruppen liegt im stärkeren Bezug zur konkreten Situation. Statt relativ statische Zielgruppen wie „Personen zwischen 30 und 45 Jahren mit Interesse an Sport“ anzusprechen, können Systeme je nach verfügbarer Datenbasis zusätzliche Faktoren berücksichtigen – etwa aktuelle Produktsuchen, frühere Käufe, Warenverfügbarkeit, Preise, den genutzten Kanal oder die Kaufabsicht.

Damit verändert sich auch das Verständnis von Personalisierung. Gute Retail-Media-Werbung muss nicht möglichst persönlich wirken. Sie muss vor allem für die jeweilige Einkaufssituation relevant sein.

Das wird ebenso bedeutend, wenn Produktsuche über KI-Assistenten und dialogbasierte Anwendungen erfolgt. Kundinnen und Kunden können dort komplexe Wünsche formulieren, statt einzelne Suchbegriffe einzugeben. Retail-Media-Systeme müssen dann nicht nur Keywords, sondern auch Absichten, Produktbeziehungen und Kontext berücksichtigen.

Retail Media ist operativ aufwendig: Zielgruppen müssen definiert, Budgets verteilt, Gebote angepasst, Werbemittel erstellt, Kampagnen überwacht und Ergebnisse über verschiedene Plattformen hinweg ausgewertet werden. Mit der Zahl der Retail Media Networks und Kanäle steigt der Aufwand.

KI kann mehrere dieser Schritte automatisieren. Der BVDW beschreibt Anwendungen entlang der gesamten Wertschöpfungskette: Prognosemodelle helfen bei der Kampagnenplanung, generative KI erstellt unterschiedliche Werbemittel und Algorithmen steuern deren Ausspielung. Auch A/B-Tests lassen sich automatisieren: Dabei werden zum Beispiel verschiedene Anzeigen, Bilder oder Texte miteinander verglichen, um herauszufinden, welche Variante besser funktioniert. Die dokumentierten Anwendungsbeispiele reichen von KI-gestützter Budgetverteilung über die Erstellung von Werbeinhalten bis hin zu Analyse und Berichterstattung.

Damit verändert sich die Rolle der Technologie. Die erste Generation der Automatisierung beantwortete vor allem die Frage: Welche Aufgabe können wir schneller erledigen?
Die nächste beantwortet zunehmend: Welche Entscheidung sollte das System jetzt treffen?

Das betrifft beispielsweise:

• Verteilung von Budgets zwischen Kampagnen und Produkten,
• Höhe und Strategie von Werbegeboten,
• Auswahl und Varianten von Werbemitteln,
• Auswahl der Zielgruppen,
• Steuerung, wie häufig Anzeigen ausgespielt werden,
• Prognosen zur Kampagnenleistung und Nachfrage.

Mirakl, ein Anbieter von E-Commerce- und Retail-Media-Technologie, erwartet für 2026, dass KI enger in Retail-Media-Plattformen integriert wird. Genannt werden unter anderem automatisierte Kampagnen, KI-gestützte Empfehlungen für die Auswahl passender Zielgruppen und die Höhe von Werbegeboten sowie Systeme, die Kampagnen nicht nur analysieren, sondern auch Anpassungen auslösen können.

Ein großes Versprechen von Retail Media ist die bessere Messbarkeit von Werbung. Doch genau hier gibt es weiterhin Herausforderungen.

Grundsätzlich hat Retail Media gegenüber vielen anderen Werbekanälen einen Vorteil. Händler können Werbekontakte mit Such-, Warenkorb- oder Transaktionsdaten verbinden und so Werbung und Kauf innerhalb ihres Ökosystems miteinander verknüpfen.

In der Praxis ist der Markt jedoch noch wenig vereinheitlicht. Retail Media Networks arbeiten mit unterschiedlichen Kennzahlen, Zeiträumen und Verfahren, um zu bestimmen, wie ein späterer Kauf einem oder mehreren Werbekontakten zugeordnet wird. Das erschwert den Vergleich zwischen verschiedenen Anbietern und Kampagnen.

In einer Befragung von IAB Europe aus dem Jahr 2025 nannten 53 Prozent der Befragten fehlende Standards und 51 Prozent die Vielzahl unterschiedlicher Retail Media Networks als wichtige Hindernisse für weiteres Wachstum. Vor diesem Hintergrund sind für Werbetreibende bei der Auswahl eines Retail-Media-Partners vor allem Transparenz, nachweisbare Ergebnisse und eine verlässliche Erfolgsmessung wichtig. 

Auch die Anforderungen an die Erfolgsmessung steigen. Es reicht nicht mehr zu wissen, dass nach einer Werbeeinblendung ein Produkt gekauft wurde. Marketingverantwortliche wollen beurteilen können, ob die Werbung den Kauf tatsächlich zusätzlich ausgelöst hat.

Damit gewinnt Incrementality, also die zusätzliche Wirkung einer Werbemaßnahme, an Bedeutung. Dabei geht es um die Frage, ob ein Kauf durch die Werbung zusätzlich ausgelöst wurde oder auch ohne sie stattgefunden hätte.

Ein einfaches Beispiel zeigt den Unterschied: Kaufen 1.000 Personen nach Kontakt mit einer Anzeige ein Produkt, sagt diese Zahl allein noch nicht, wie viele davon ohnehin gekauft hätten. Incrementality versucht zu bestimmen, welcher Anteil der Käufe tatsächlich zusätzlich durch die Werbung entstanden ist.

In der US-amerikanischen Skai-Erhebung für 2026 priorisieren 77 Prozent der befragten Marken eine bessere Erfolgsmessung. Gleichzeitig nennt mehr als die Hälfte begrenzte Ressourcen für Datenanalyse als wesentliches Hindernis bei der Messung von Incrementality.

KI kann helfen, große Datenmengen auszuwerten, Muster zu erkennen und Optimierungen auf Basis dieser Daten zu unterstützen. Je stärker sie dabei in Optimierung und Budgetsteuerung eingreift, desto wichtiger wird allerdings, dass ihre Entscheidungen auch für Werbetreibende nachvollziehbar bleiben.

Ein Retail Media Network verkauft langfristig nicht nur Reichweite und Werbeflächen, sondern auch den Nachweis ihrer Wirkung.

KI hat im Retail Media inzwischen viele Einsatzbereiche gefunden. Der Bundesverband Digitale Wirtschaft (BVDW) nennt Anwendungen entlang der gesamten Wertschöpfungskette: bei der Kampagnenplanung und Content Creation, bei der Ausspielung sowie bei Analyse, Reporting und Optimierung.

Was zunächst häufig in einzelnen Pilotprojekten erprobt wurde, findet zunehmend Eingang in den Arbeitsalltag. 2026 beobachtet der BVDW häufiger automatisierte Workflows und den Einsatz von KI-Agenten. Sie können verschiedene Aufgaben miteinander verbinden und einzelne Arbeitsschritte selbstständig unterstützen oder übernehmen.

Damit solche Anwendungen dauerhaft funktionieren, braucht es verlässliche Daten, passende Schnittstellen und klare Zuständigkeiten. Auch Datenschutz und Governance gehören dazu – also klare Regeln dafür, was die KI darf, wie Ergebnisse kontrolliert werden und wer am Ende die Verantwortung trägt.

Gerade wenn Unternehmen KI-Anwendungen skalieren und in bestehende Prozesse integrieren wollen, werden diese Grundlagen wichtig. Hinzu kommt, dass verschiedene Retail-Media-Plattformen noch nicht überall reibungslos zusammenspielen. Gemeinsame Standards für Einkauf, Messung und Reporting entwickeln sich weiter, sind aber noch nicht durchgängig etabliert.

Für Unternehmen geht es zunehmend darum, aus einzelnen Anwendungen verlässliche Arbeitsabläufe zu machen. Nicht die Zahl der eingesetzten KI-Tools ist dabei entscheidend, sondern wie gut sie zu den vorhandenen Systemen, Daten und Prozessen passen.

Osmos, ein Anbieter von Retail-Media-Technologie, sieht vier Entwicklungen als besonders wichtig: KI-gesteuerte Kampagnenprozesse, die wachsende Bedeutung von In-Store Retail Media, also Werbung direkt im stationären Geschäft, eine stärkere Konsolidierung der Retail Media Networks und die Annäherung von Retail Media und Commerce Media. Letzteres umfasst Werbung entlang weiterer digitaler Schritte im Kaufprozess.

Bei KI verschiebt sich der Fokus nach Angaben des Unternehmens zunehmend von der reinen Erstellung von Inhalten hin zur Steuerung von Kampagnen. Dazu gehören etwa die automatische Optimierung von Werbegeboten, das Kampagnenmanagement und die Erfolgsmessung.

Gleichzeitig könnten KI-Agenten die Produktsuche verändern. Gemeint sind Systeme, die Aufgaben weitgehend selbstständig übernehmen können. Mirakl verweist in diesem Zusammenhang auf Shopping-Assistenten, die komplexe Suchanfragen verstehen und passende Produktempfehlungen ausspielen.

Werden solche Systeme stärker in Kaufprozesse eingebunden, verändert sich auch Retail Media: Werbung richtet sich dann möglicherweise nicht mehr nur direkt an Menschen, sondern auch an die digitalen Systeme, die Produktsuche und Kaufentscheidungen vorbereiten.

Damit entsteht für Retail Media eine neue Frage: Wie müssen Produktdaten, Angebote und Werbeinformationen strukturiert sein, wenn nicht mehr nur Menschen, sondern zunehmend auch KI-Systeme darüber entscheiden, welche Produkte in einer konkreten Einkaufssituation berücksichtigt werden?

2026 ist damit vor allem ein Jahr, in dem Handelsunternehmen die Voraussetzungen für einen breiteren und stärker automatisierten KI-Einsatz im Retail Media schaffen.

Für Handelsunternehmen bedeutet das vor allem: Erst Infrastruktur, dann Intelligenz skalieren.

Wer KI im Retail Media sinnvoll einsetzen möchte, sollte drei Fragen beantworten können:

• Sind First-Party- und Transaktionsdaten ausreichend strukturiert und miteinander verknüpft?
• Lassen sich Kampagnenergebnisse kanalübergreifend und nach einheitlichen Kriterien messen?
• Ist klar geregelt, welche Entscheidungen automatisiert werden dürfen und wo menschliche Kontrolle erforderlich bleibt?

Der Wettbewerbsvorteil entsteht nicht durch den Einsatz möglichst vieler KI-Tools. Entscheidend ist, ob Handelsunternehmen Daten, Kampagnensteuerung und Erfolgsmessung in einer belastbaren Infrastruktur zusammenführen. Erst dann kann KI aus einzelnen Pilotprojekten ein skalierbarer Bestandteil des Retail-Media-Geschäfts werden – mit relevanterer Werbung, effizienteren Kampagnen und einem belastbareren Nachweis ihrer tatsächlichen Wirkung.

Der Einsatz von KI im Retail Media ist dabei Teil einer größeren Entwicklung im Handel: Wie Daten und Künstliche Intelligenz Prozesse, Entscheidungen und Geschäftsmodelle verändern, zeigt das EuroCIS-Hot-Topic AI & Data-Driven Retail.