Havas Media Germany untersucht, wie gut gängige Large-Language-Models (LLMs) Aufgaben in der Mediaplanung bewältigen – und wie sie im Vergleich zu KI-gestützten Plattformen der Mediaagenturen abschneiden. Der Beitrag stellt dabei die Frage in den Raum, was passiert, wenn Claude die Mediaplanung übernimmt.
Worum es geht
Künstliche Intelligenz gilt in der Mediaplanung als großer Hoffnungsträger. Vor diesem Hintergrund prüft Havas Media Germany, wie „normale“ LLMs im Vergleich zu spezialisierten Agenturplattformen performen. Ziel der Untersuchung war zunächst zu klären, welche LLMs sich grundsätzlich als Basis eignen.
Hintergrund
LLMs sind breit verfügbare Sprachmodelle, die Aufgaben wie Textgenerierung, Strukturierung und erste analytische Schritte unterstützen können. Agenturseitig kommen zudem KI-gestützte Plattformen zum Einsatz, die speziell für Media-Workflows ausgelegt sind. Der Abgleich zwischen generischen LLMs und spezialisierten Tools adressiert die Frage nach Effizienz, Qualität und Anwendbarkeit im Tagesgeschäft der Mediaplanung.
Was bisher bekannt ist
- Havas Media Germany ist der Frage nachgegangen, wie gut gängige LLMs im Vergleich zu agenturseitigen KI-Plattformen sind.
- Im Mittelpunkt steht die Eignung von LLMs als mögliche Basis für weitere Anwendungen oder Prozesse in der Mediaplanung.
- Die Veröffentlichung ordnet das Thema unter dem Leitmotiv ein: „Wenn Claude die Mediaplanung übernimmt.“
- Autorin des Beitrags ist Juliane Paperlein; Veröffentlichung am 20. Juli 2026 bei HORIZONT.
Einordnung für den Markt
Die Initiative einer großen Mediaagenturgruppe signalisiert, dass generische LLMs inzwischen als potenzielle Bausteine in der Mediaplanung ernsthaft geprüft werden. Die Leitfrage betrifft nicht nur technische Leistungsfähigkeit, sondern auch Einsatzgrenzen, Datenqualität und Arbeitsprozesse.
Werktäglich um 7:30 Uhr · jederzeit abbestellbar · Double-Opt-in · Datenschutz
Fazit
Dass Havas Media Germany den Vergleich zwischen generischen LLMs und spezialisierten Agenturplattformen aufsetzt, unterstreicht die strategische Relevanz von KI für die Mediaplanung. Für den Markt bedeutet das: Es geht nicht allein um Geschwindigkeit und Automatisierung, sondern um belastbare Ergebnisse, Nachvollziehbarkeit und sauber definierte Verantwortlichkeiten. Ohne die Ergebnisse der Untersuchung vorwegzunehmen, zeigt schon die Fragestellung, dass sich der Werkzeugkasten der Mediaplanung wandelt. Mittelständische Werbetreibende und Agenturpartner sollten deshalb prüfen, an welchen Stellen LLMs heute einen sinnvollen Beitrag leisten können – etwa bei Recherche, Erstentwürfen oder dem Strukturieren von Briefings – und wo spezialisierte Systeme mit integrierten Daten, Reporting und Governance unerlässlich bleiben.
Wesentlich sind zudem Datenschutz und Datenqualität: LLMs arbeiten nur so gut wie die bereitgestellten Informationen. Für regulierte Branchen oder sensible Budgets braucht es klare Richtlinien, was in Modelle eingespeist wird. Ebenso wichtig ist menschliche Kontrolle: Planungsvorschläge müssen fachlich geprüft und mit Markt- und Kundendaten abgeglichen werden. Im größeren Trendbild fügt sich die Prüfung von LLMs in die fortlaufende Digitalisierung der Marketingprozesse ein. Wer frühzeitig Erfahrungen sammelt, schafft sich einen Lernvorsprung, ohne sich vorschnell auf eine Technologie festzulegen.
Handlungsempfehlung
- Kleines Pilotprojekt aufsetzen: Einen klar umrissenen Planungsschritt (z. B. Briefing-Struktur oder Hypothesenbildung) mit einem LLM testen und Ergebnisse gegen bestehende Prozesse spiegeln.
- Datenleitlinien definieren: Festlegen, welche Informationen in LLMs eingegeben werden dürfen; sensible Kundendaten und personenbezogene Daten ausschließen.
- Qualitätscheck etablieren: Ergebnisse stets fachlich validieren, Quellen notieren und Annahmen dokumentieren, um Entscheidungen nachvollziehbar zu halten.
- Tool-Mix prüfen: Rollen von LLMs und spezialisierten Plattformen abgrenzen (Ideation vs. Planung/Reporting) und Schnittstellenbedarf identifizieren.
- Kompetenzen aufbauen: Team in Prompting-Grundlagen und KI-Governance schulen, um konsistente, wiederholbare Ergebnisse zu erzielen.
Beitragsbild: Rodeo Project Management Software / Unsplash
