Retail Media wird agentisch: MCP-natives Ad Serving für Shopping-Agenten

Retail Media wird agentisch: MCP-natives Ad Serving für Shopping-Agenten

Die Evolution des Retail Media beschleunigt sich mit einer disruptiven Kraft, die über traditionelle Anzeigenformate hinausgeht: die zunehmende Relevanz autonom agierender KI-Shopping-Agenten. Diese Agenten, angetrieben von fortschrittlichen Sprachmodellen wie GPT-5.6 (Sol/Terra/Luna), Claude Opus 5 oder Gemini 3.6 Flash, revolutionieren die Art und Weise, wie Konsumenten Produkte entdecken, vergleichen und erwerben. Für Marken und Händler bedeutet dies eine grundlegende Neuausrichtung ihrer Werbestrategien, insbesondere im Bereich Retail Media, wo die Interaktion zunehmend nicht mehr mit menschlichen Nutzern, sondern mit maschinellen Entitäten stattfindet.

Diese Transformation erfordert eine Abkehr von kreativen, visuellen Werbemitteln hin zu präzisen, strukturierten Daten. Die Anzeigenauslieferung muss "agentisch" werden – optimiert für die Algorithmen und Entscheidungslogiken der Shopping-Agenten. Mit der Einführung von MCP-natives Ad Serving durch Pioniere wie Mirakl Ads und Moloco im Jahr 2026 wird dieser Paradigmenwechsel nun Realität. Es geht nicht länger darum, Aufmerksamkeit zu erregen, sondern darum, als optimales Angebot von einem Agenten selektiert zu werden, basierend auf maschinenlesbaren Attributen.

Der Wandel von der visuellen Anzeige zur strukturierten Daten-Offerte

Traditionelles Retail Media fokussierte sich auf die visuelle Anziehungskraft und die emotionale Ansprache menschlicher Konsumenten. Banner, Sponsored Products oder Video-Ads waren darauf ausgelegt, im menschlichen Gehirn eine Reaktion auszulösen, die zum Klick und idealerweise zum Kauf führte. Mit dem Aufkommen von KI-Shopping-Agenten verschieben sich diese Prioritäten fundamental. Diese Agenten agieren nicht emotional; sie sind auf Effizienz, Präzision und die Erfüllung spezifischer Nutzerbedürfnisse programmiert.

Ein Shopping-Agent, beauftragt etwa mit der Suche nach "wasserdichten Laufschuhen bis 120 Euro mit schneller Lieferung", wird keine Zeit mit dem Betrachten eines aufwändigen Werbevideos verbringen. Stattdessen scannt er Milliarden von Datenpunkten, um die optimale Lösung zu identifizieren. Das bedeutet, dass eine "Anzeige" für einen Agenten nicht ein Bild oder Text ist, sondern ein datengestütztes, maschinenlesbares Angebot, das präzise Attribute wie Preis, Verfügbarkeit, Lieferzeit, Produktmerkmale und Rückgaberichtlinien enthält.

Mirakl Ads und Moloco haben diesen Bedarf frühzeitig erkannt und im Jahr 2026 MCP-natives Ad Serving eingeführt. "MCP" steht hierbei für "Machine-Consumer-Path", einem Begriff, der den gesamten Einkaufsweg umschreibt, wenn ein Großteil der Interaktionen zwischen verschiedenen KI-Agenten und nicht direkt zwischen Mensch und Webseite stattfindet. Dieses System ermöglicht die Auslieferung von Anzeigen als strukturierte, standardisierte Datenpakete, die direkt in die Entscheidungsmodelle von KI-Shopping-Agenten integriert werden können. Es ist eine direkte Antwort auf die gestiegenen Anforderungen an die maschinelle Verarbeitbarkeit von Werbeinformationen im Kontext einer agentengesteuerten Commerce-Landschaft.

Die Abgrenzung zu bestehenden Protokollen ist hierbei entscheidend: Während ACP/AP2/x402 (Agent-Commerce-Protocols) weiterhin die standardisierte Abwicklung von Zahlungen, Autorisierungen und dem gesamten Transaktionsfluss regeln, fokussiert sich MCP-natives Ad Serving auf die Phase vor dem Kauf: die Auffindbarkeit, das Ranking und die Präsentation von Angeboten gegenüber den Shopping-Agenten.

A2G-Metrik: Der neue Erfolgsindikator im agentischen Handel

Im Zuge dieser Entwicklung gewinnt eine neue Metrik entscheidend an Bedeutung: Ads-to-GMV (A2G). Während traditionelle Marketing-KPIs wie ROAS (Return on Ad Spend), CPC (Cost per Click) oder CTR (Click-Through-Rate) weiterhin Relevanz für menschliche Interaktionen behalten, misst A2G den direkten Beitrag von Advertising zum Bruttowarenwert (Gross Merchandise Value), der durch Shopping-Agenten generiert wird.

Warum A2G entscheidend ist:

1. Direkte Wertschöpfung: A2G quantifiziert den Erfolg von Ads direkt in Umsatz. Da Shopping-Agenten primär auf Effizienz optimiert sind, ist die direkte Generierung von GMV der ultimative Leistungsindikator.
2. Agenten-zentrierte Perspektive: Die Metrik reflektiert die Wirkungsweise im agentischen Commerce, wo Klicks oder Impressions an Relevanz verlieren zugunsten der direkten Auswahl und Empfehlung durch einen Agenten.
3. Optimierungspotenzial: Durch die Analyse von A2G können Marken und Händler ihre Ad-Strategien speziell für den agentischen Kanal optimieren. Ein höherer A2G-Wert weist auf eine effektive Ansprache der KI-Shopping-Agenten hin.

Typische A2G-Werte bewegen sich derzeit im Bereich von 2 bis 6 Prozent. Eine Marke, die beispielsweise 100.000 Euro an Ad Spend in MCP-natives Ad Serving investiert und damit 3.000.000 Euro GMV über Shopping-Agenten generiert, erzielt einen A2G von 3 Prozent. Die Optimierung dieses Wertes erfordert ein tiefes Verständnis der Algorithmen, die den Shopping-Agenten zugrunde liegen, sowie eine makellose Datenqualität der eigenen Produktangebote.

Konkrete Implikationen für CMOs und Marketing-Leads

Für Marketing-Entscheider ergeben sich aus der Einführung von MCP-natives Ad Serving und der agentischen Transformation des Handels mehrere Handlungsfelder:

1. Datenqualität und -struktur als oberste Priorität: Produktinformationen sind das neue Creative. Unvollständige oder widersprüchliche Daten werden von Shopping-Agenten gnadenlos aussortiert. Marken müssen ihre Produktkataloge, Preise, Verfügbarkeiten, Lieferzeiten, Retourenbedingungen und andere relevante Attribute auf höchstem Niveau standardisieren und pflegen. Dies betrifft nicht nur die Produktdaten selbst, sondern auch die zugrundeliegende Taxonomie und Ontologie. Eine Investition in PIM-Systeme (Product Information Management) und DAM-Systeme (Digital Asset Management) mit einer starken Datenvalidierung ist unumgänglich.

2. Verständnis der Agenten-Logik: Marken und Händler müssen die Mechanismen verstehen, nach denen Shopping-Agenten Entscheidungen treffen. Dies erfordert eine enge Zusammenarbeit mit den Plattformen, die MCP-natives Ad Serving anbieten, und eine kontinuierliche Analyse der Performance-Daten. Es geht darum, die "Algorithmen zu füttern", damit die eigenen Angebote optimal gerankt werden.

3. Strategische Budgetallokation: Ein Teil des Marketingbudgets muss explizit für MCP-natives Ad Serving und die damit verbundene Datenoptimierung reserviert werden. Die Erwartung, dass traditionelle Ad-Budgets im agentischen Kanal die gleiche Wirkung entfalten, ist illusorisch.

4. Neue Kompetenzen im Team: Marketingteams benötigen datenanalytische Fähigkeiten, um die Performance von agentischen Ads zu verstehen und zu optimieren. Data Scientists und Spezialisten für strukturierte Daten werden ebenso wichtig wie ehemals Creative Directors.

So optimieren Sie Ihre Produkte für MCP-natives Ad Serving

Die Optimierung für MCP-natives Ad Serving erfordert einen systematischen Ansatz. Hier sind die entscheidenden Schritte:

1. Audit der Produktdaten-Qualität: Führen Sie eine umfassende Prüfung Ihrer gesamten Produktdaten durch. Identifizieren Sie fehlende Attribute, Inkonsistenzen und veraltete Informationen.
2. Standardisierung der Attribute: Legen Sie eine einheitliche Nomenklatur und Formatierung für alle relevanten Attribute fest. Arbeiten Sie mit Industriestandards, wo immer möglich.
3. Erweiterung um agentenrelevante Metadaten: Erweitern Sie Ihre Produktdaten um spezifische Metadaten, die für Shopping-Agenten relevant sind. Dazu gehören unter anderem:
   • Präzise Klassifizierung nach internationalen Standards (z.B. GTIN, HS-Codes)
   • Detaillierte Informationen zu Lieferketten und Herkunft (für Nachhaltigkeitsabfragen)
   • Exakte CO2-Bilanz des Produkts und der Lieferung (für umweltbewusste Agenten)
   • Verfügbarkeit in Echtzeit und Prognosen für zukünftige Lieferbarkeit
   • Genaue Rückgabe- und Umtauschrichtlinien
   • Kompatibilitätsinformationen (z.B. "passt zu Modell X von Hersteller Y")
4. Regelmäßige Synchronisierung und Validierung: Stellen Sie sicher, dass Ihre Produktdaten in Echtzeit oder nahezu in Echtzeit mit den MCP-Plattformen synchronisiert werden. Implementieren Sie automatisierte Validierungsprozesse, um Datenfehler frühzeitig zu erkennen und zu beheben.
5. Performance-Tracking mit A2G: Nutzen Sie die A2G-Metrik, um den Erfolg Ihrer optimierten Daten zu messen und kontinuierlich Anpassungen vorzunehmen.

Eine Beispielübersicht kritischer Datenfelder für MCP-natives Ad Serving:

Strategische Integration in die Marketingarchitektur

Die Integration von MCP-natives Ad Serving erfordert mehr als nur eine technische Anbindung. Es ist eine strategische Neuausrichtung, die sich auf mehrere Bereiche des Marketings auswirkt:

1. Product Experience (PX) Management: Die Qualität der Produktdaten wird zum entscheidenden Faktor für die Product Experience. Ein reibungsloser Informationsfluss von der Produktentwicklung über das Marketing bis zum Endkunden, unterstützt durch Tools wie PIM und MDM (Master Data Management), ist hierbei unerlässlich.
2. Performance Marketing Evolution: Performance Marketing wird sich stärker auf die Optimierung von Daten-Feeds und A2G-Werten konzentrieren müssen, anstatt nur auf Klickpreise und Impressionen. Die Expertise in Bid Management für agentische Auktionen wird ein Schlüssel zum Erfolg.
3. Data Analytics und KI-getriebene Insights: Der Erfolg im agentischen Commerce hängt stark von der Fähigkeit ab, große Mengen an Performancedaten zu analysieren und daraus Optimierungsmaßnahmen abzuleiten. Fortgeschrittene Analyseplattformen, die auch KI-Modelle wie Veo 3.1 oder Kling 3.0 für Vorhersagen nutzen, sind hierbei von Vorteil. Unsere Abteilung für Data & Analytics unterstützt Unternehmen bei dieser Transformation.
4. Brand Visibility im agentischen Kontext: Die Sichtbarkeit einer Marke wird nicht mehr allein durch auffällige Anzeigen, sondern durch die Relevanz und Qualität ihrer Produktinformationen für Shopping-Agenten definiert. Die Strategie zur Steigerung der AI Brand Visibility muss neu gedacht werden.

Ausblick: Agentische Kreativität und vertrauenswürdige Inhalte

Die Vorstellung, dass Kreativität im agentischen Marketing keine Rolle mehr spielt, greift zu kurz. Sie verschiebt sich lediglich. Statt visueller Brillanz geht es um die "architektonische Kreativität" im Aufbau der Datenstrukturen, die die Agenten überzeugen. Es geht darum, Geschichten in Daten zu verpacken – etwa durch den Einsatz von C2PA-Content Credentials für die Kennzeichnung von Produktbildern und -beschreibungen, um deren Authentizität zu gewährleisten und das Vertrauen der Agenten zu gewinnen. Weitere Informationen dazu finden Sie in unserem Artikel über C2PA Content Credentials und KI-Kennzeichnung.

Die Fähigkeit, den Agenten nicht nur Preis und Verfügbarkeit, sondern auch die zugrundeliegenden Werte einer Marke, die Qualität der Materialien oder die Nachhaltigkeitsbilanz in maschinenlesbarer Form zu vermitteln, wird zum Wettbewerbsvorteil. Der "Soft Sell" wird zum "Smart Data Sell".

Fazit

Die Einführung von MCP-natives Ad Serving durch Mirakl Ads und Moloco markiert einen fundamentalen Wandel im Retail Media. Marketing-Entscheider müssen erkennen, dass der Erfolg im agentischen Handel nicht mehr primär von der visuellen oder textuellen Gestaltung von Anzeigen abhängt, sondern von der Qualität, Struktur und Vollständigkeit der zugrundeliegenden Produktdaten. Die A2G-Metrik wird zum zentralen Indikator für den Beitrag von Werbung zum Bruttowarenwert, der durch KI-Shopping-Agenten generiert wird.

Wer jetzt nicht in die Optimierung seiner Datenbasis und in das Verständnis der agentischen Entscheidungslogik investiert, riskiert, von der Konkurrenz, die diese Transformation annimmt, abgehängt zu werden. Die Zukunft des Retail Media ist agentisch, datengetrieben und erfordert eine strategische Neuausrichtung, um im Ökosystem der Shopping-Agenten erfolgreich zu sein.