KI für die Medienplanung ist am leichtesten gut zu nutzen, sobald du klar über die Aufteilung bist. Das Modell ist stark bei der repetitiven, datengebundenen Arbeit, bevor ein Plan existiert — Audience-Abzüge, Kanal-Dimensionierung, Budget-Szenarien, eine erste Begründung —, und schwach beim Urteil, das den Plan entscheidet. Die praktische Frage ist nicht, ob KI planen kann. Sie ist, welche Schritte zu übergeben, wie sie zu prüfen und wo anzufangen.
Die meisten Teams richten KI auf den Plan selbst und bekommen eine schnellere Version desselben Decks. Die bessere Nutzung ist, sie auf die Schritte zu richten, die nie einen Menschen brauchten, die Zeit des Planers für die Kompromisse freizumachen und jede Zahl bis zu einem Input nachverfolgbar zu halten. Das ist der Unterschied zwischen dem Planen mit KI und dem Zulassen, dass KI einen Plan produziert.
Die Arbeit vor dem Plan
Medienplanung ist überwiegend die Arbeit, die niemand sieht. Audience-Daten ziehen, Kanäle dimensionieren, Budget-Szenarien bauen, Reichweiten- und Frequenzannahmen prüfen, eine Begründung zusammenbauen, die eine Kundenfrage überlebt. Diese Arbeit ist strukturiert, repetitiv und datengebunden, was sie genau zur Art von Arbeit macht, die ein Modell gut komprimiert.
Die Planung, die zählt — die Wahl, wo man spielt, was man tauscht, was man weglässt —, ist Urteil, und Urteil ist nicht, was das Modell bringt. Der ehrliche Rahmen ist also nicht „KI macht Planung". Er ist „KI räumt die Routinearbeit weg, damit der Planer mehr planen kann". Teams, die das umdrehen, enden mit schnelleren Decks und derselben schwachen Strategie.
Worin KI wirklich gut ist
Vier Planungsjobs passen gut zu Modellen. Audience-Discovery: ein Brief in Kandidatensegmente und die Daten, die sie beschreiben, verwandeln. Kanal-Dimensionierung: Reichweite und Kosten über Optionen aus Plattform- und Drittdaten schätzen. Szenario-Bau: Budget-Splits über Kanäle und Ziele generieren. Und erste Begründung: den Argument aus den Inputs zusammenbauen, damit der Planer editiert statt leer zu starten.
In jedem Fall beschleunigt das Modell einen Schritt, der schon definiert war. Das ist der richtige Test dafür, wo es anzuwenden ist. Wenn du den Schritt als wiederholbaren Input-zu-Output-Job beschreiben kannst, kann KI helfen. Wenn der Schritt „entscheide, was zählt" ist, halte ihn menschlich und nutze die befreite Zeit dafür.
Worin es nicht gut ist
KI ist schwach bei den Dingen, die einen guten Plan definieren. Sie weiß nicht, was das Geschäft des Kunden dieses Quartal wirklich braucht, außer du sagst es ihr. Sie produziert bereitwillig einen plausiblen Plan für das falsche Ziel. Sie hat kein Gefühl für die Politik, den historischen Ballast, die Kategorienormen oder die eine Einschränkung, die drei ihrer Optionen unmöglich macht.
Sie ist auch selbstsicher falsch an den Stellen, die sich die Planung nicht leisten kann: erfundene Benchmarks, veraltete Kanalannahmen und Reichweitenschätzungen, die als Fakten behandelt werden. Ein Planer, der Modellausgabe in einen Plan einfügt, ohne die Inputs zu prüfen, hat das Urteil ausgelagert, nicht die Arbeit. Die Ausgabe ist eine Hypothese, und jede Zahl darin braucht eine Quelle, der du traust.
Wie du erkennst, auf welcher Seite eine Aufgabe fällt
Nicht jeder Planungsschritt verkündet seine Seite, also fahre jeden durch einen einzigen Test: Könntest du den Input einer neuen Kraft geben und ohne Urteil beschreiben, was die Ausgabe sein sollte? Audience-Abzüge, Kanal-Dimensionierung und Szenario-Generierung bestehen — der Job ist definiert, bevor er beginnt. Ein Kompromiss zwischen zwei Kanälen oder ein Call darüber, was der Kunde aufhören sollte zu tun, fällt durch — die Antwort hängt von Kontext ab, den das Modell nicht bekam.
Ein zweites Signal: Frage, ob die Ausgabe gegen eine Quelle geprüft werden kann, der du traust. Wenn du auf die Daten hinter jeder Zahl zeigen kannst, ist der Schritt sicher zu übergeben. Wenn nicht, ist es Urteil in einem Arithmetik-Kostüm, und es bleibt beim Planer.
Für Defendierbarkeit gestalten
Ein Plan muss eine Kundenfrage überleben: „warum dies und nicht das." KI-unterstützte Planung macht diese Frage schwerer, nicht leichter, weil das Modell eine Begründung für jede Option generieren kann. Die Verteidigung ist, die Inputs sichtbar zu halten: welche Daten die Dimensionierung speisten, auf welchen Annahmen die Szenarien ruhen und welche Wahl Urteil statt Arithmetik war.
Das ist dieselbe Disziplin, die ich in KI-Mediaplanung und Messdesign dargelegt habe, und sie zählt in dieser Schicht mehr, weil die Planung stromaufwärts von allem anderen sitzt. Ein Plan, der auf nicht geprüfter Modellausgabe gebaut ist, pflanzt seine Fehler durch Aktivierung, Reporting und Messung fort. Nachverfolgbarkeit in der Planungsphase ist, was den Rest der Kampagne ehrlich hält.
Der neue Job des Planers
Die Rolle verschwindet nicht; sie konzentriert sich — dieselbe Verschiebung, die ich vor Jahren in wie Medienplaner ihre Jobs verlieren würden beschrieb, als die Automatisierung ein Recherchewerkzeug und eine Tabellenkalkulation war. Weniger Zeit mit Zusammenbau und Dimensionierung, mehr Zeit damit, zu entscheiden, welches Szenario man stützt, und zu erklären, warum. Das ist ein härterer Job als der alte und ein wertvollerer, weil die Sache, die Kunden nicht von einem Tool bekommen, die Begründung hinter dem Plan ist. Planer, die sich darauf einlassen, werden die, die der Kunde anruft, bevor ein Budget gesetzt ist.
Es hebt auch die Latte bei den Inputs. Wenn der Wert des Planers das Urteil ist, ist das Urteil nur so gut wie die Daten, die es beurteilt. Deshalb zählen die Gedächtnis- und Datenschichten unter der Planung so viel: Ein Modell, das aus der Kundenhistorie und Ergebnissen arbeitet, gibt dem Planer besseres Material zum Nachdenken als eines, das aus einem leeren Brief arbeitet.
Ein praktischer Startpunkt
Wähle den einzelnen repetitivsten Planungsschritt — meist Audience-Dimensionierung oder Szenario-Bau — und baue nur den mit KI neu, wobei die Ausgabe bis zu ihren Inputs nachverfolgbar bleibt. Fahre ihn neben der alten Methode für einen Plan oder zwei und vergleiche. Wenn die KI-unterstützte Version mehr Szenarien produziert, ohne mehr Fehler zu produzieren, erweitere zum nächsten Schritt. Wenn sie selbstsichere Zahlen produziert, die du nicht belegen kannst, halt an und repariere zuerst die Inputs.
Versuche nicht, den ganzen Plan in einem Schritt zu automatisieren. Planung ist eine Kette von Urteilen, und der Wert der KI liegt an den Verbindungen, nicht als Ersatz für die Kette. Baue eine Verbindung nach der anderen neu und halte den Planer bei jeder in der Schleife.
Wo KI-Planung in der Praxis schiefgeht
Die Fehler sind vorhersehbar. Teams geben dem Modell ein Brief und akzeptieren den ersten Plan, überspringen den Vergleich, der drei bessere Optionen gezeigt hätte. Sie lassen das Modell Kanäle aus veralteten Annahmen dimensionieren und prüfen nie die Inputs. Sie nutzen es, um die Begründung zuletzt zu schreiben, als Erklärung für eine schon getroffene Entscheidung, was das Gegenteil davon ist, wie Planung funktionieren sollte. Und sie behandeln seine Selbstsicherheit als Genauigkeit, während das Modell gleich flüssig über die Option ist, bei der es falsch liegt.
Die Korrektur ist prozedural, nicht technisch. Verlange immer mehrere Pläne, nicht einen, und zwinge das Modell, seine Annahmen neben jedem zu nennen. Lass den Planer wählen und rechtfertigen, damit jede Entscheidung einen menschlichen Namen trägt. Halte die Inputs sichtbar, damit jede Zahl im Plan auf eine Quelle zurückgeführt werden kann. Nichts davon ist exotisch; es ist die Disziplin, die Planung immer brauchte, angewandt auf ein schnelleres Tool. Eine weitere Gewohnheit hilft: Halte die alte Methode ein oder zwei Zyklen parallel laufen und vergleiche die Pläne. Wenn die KI-unterstützte Version und die manuelle Version divergieren, ist die Differenz das Nützlichste, was du das ganze Quartal lernst, weil sie auf die genaue Annahme zeigt, auf der das Modell ruht. Wenn diese Annahme eine ist, die du nicht verteidigen würdest, hast du den Fehler gefunden, bevor er einen Kunden erreichte.
FAQ
Wird KI Medienplaner ersetzen?
Nein — sie nimmt den Zusammenbau, nicht das Urteil, und die volle Antwort erklärt, was sich wirklich ändert, während KI-Mediaplanung und Messdesign behandelt, wie man Plan und Messung zusammen neu gestaltet.
Kann das Modell Kanäle genau dimensionieren?
Es kann aus den Daten schätzen, die du ihm gibst, und es kann selbstsicher falsch liegen. Behandle jede Dimensionierungszahl als Hypothese mit einer Quelle, nicht als Fakt. Das Modell ist nützlich zum Erkunden von Annahmen, nicht zum Ersetzen der Anbieter- und Drittdaten, denen du normalerweise traust.
Wo sollte ein Team anfangen?
Mit dem repetitivsten, wohldefiniertesten Schritt im Planungsprozess, parallel zur aktuellen Methode gefahren, damit du vergleichen kannst. Mit dem härtesten Urteils-Call zu beginnen ist der schnellste Weg zu folgern, dass KI für Planung nicht funktioniert, wenn du sie in Wirklichkeit auf die eine Sache gerichtet hast, die sie am schlechtesten kann.
Ändert KI-Planung die Struktur des Plans?
Nicht viel. Der Plan braucht noch ein Ziel, eine Strategie, einen Kanal-Mix, ein Budget und eine Begründung. Was sich ändert, ist, wie viele Optionen der Planer vor dem Wählen erkundete und wie schnell er sie erkunden konnte.
Die Kurzfassung
KI für die Medienplanung komprimiert Research, Dimensionierung und Szenarioarbeit, sodass Planer mehr Zeit mit Kompromissen und weniger mit Zusammenbau verbringen. Nutze sie für die wiederholbaren Schritte, halte das Urteil menschlich und halte jeden Input nachverfolgbar. Der Umsetzungs-Guide deckt den weiteren Workflow ab, und die Spur für Teamleiter arbeitet Planung durch das Operating Model.
Wenn du heute Planung mit KI fährst, möchte ich hören, welchen Schritt du zuerst neu gebaut hast — und welchen du nie berühren würdest.
Viele Grüße, Chandler
Dieser Artikel ist auf Deutsch verfügbar, aber die Kursmaterialien (Videos, Templates und Begleitguides) sind auf Englisch und Japanisch; diese Website gibt es in 13 Sprachen.