„AI Trust“: Neue Standards für das KI-Zeitalter
Wenn KI Kontext versteht und autonom handelt, braucht es dann überhaupt noch Standards? In seiner DMEXCO Kolumne zeigt Evgeny Popov, warum AI Trust, also das Vertrauen in die Verantwortlichkeit von KI-Handlungen, zur zentralen Infrastrukturfrage wird.
KI kann Bedeutung ableiten. Vertrauen kann sie nicht schaffen.
Das nächste Internet wird nicht von Menschen gebaut, die auf Buttons klicken.
Es wird von KI-Agenten geprägt, die im Auftrag von Menschen, Brands, Publishern, Plattformen und Unternehmen handeln. Sie werden suchen, verhandeln, kaufen, optimieren, messen und Entscheidungen treffen. Einige werden einfache Workflow Assistants sein. Andere entwickeln sich zunehmend zu autonomen wirtschaftlichen Akteuren, die Budgets, Audiences, Inventar und Outcomes über Systeme hinweg steuern, die nie dafür konzipiert wurden, miteinander zu arbeiten.
Damit stellt sich eine Frage, die in KI-Kreisen immer häufiger diskutiert wird: Wenn Large Language Models Kontext verstehen, Bedeutung ableiten und selbst mit unstrukturierten Daten umgehen können, brauchen wir dann überhaupt noch Standards und Protokolle?
Der Gedanke ist verlockend. Schließlich existieren große Teile der Internet-Infrastruktur, weil Software lange Zeit schlecht mit Mehrdeutigkeit umgehen konnte. Wir haben Schemata entwickelt, weil Maschinen keine Intentionen interpretieren konnten. Wir haben Taxonomien geschaffen, weil Systeme unterschiedliche Definitionen nicht miteinander in Einklang bringen konnten. Und wir haben APIs gebaut, weil Anwendungen ohne starre Schnittstellen einander nicht verstanden.
Heute kann ein LLM viele dieser Lücken automatisch schließen. Es erkennt, dass „campaign start date“, „flight begin“ und „launch timestamp“ dasselbe Konzept beschreiben. Es kann Schemata übersetzen, Taxonomien zuordnen, Integration Code generieren und aus unvollständigen Informationen Zusammenhänge ableiten.
Vielleicht verlieren Standards also an Bedeutung, wenn Maschinen intelligenter werden. Diese These weist in die richtige Richtung. Sie greift aber gefährlich kurz. Denn sie basiert auf der Annahme, Standards seien in erster Linie dafür da, Maschinen beim Verstehen von Informationen zu helfen. Das sind sie nicht. Standards helfen Märkten dabei, Aktivitäten zu koordinieren.
KI könnte den Bedarf an bestimmten Formen der Standardisierung reduzieren. Standards überflüssig machen wird sie nicht. Stattdessen verändert sich, wofür wir sie brauchen.
Trust: Die wichtigste Infrastrukturfrage des KI-Zeitalters
Seit Jahrzehnten investieren die Advertising- und Tech-Industrie massiv in Interoperabilität. Wir haben Bid Requests, Consent Strings, Audience Taxonomies, Measurement Events, Reporting-Formate und Identifier standardisiert, weil Software klare Strukturen brauchte.
LLMs verändern diese Logik grundlegend. Sie sind hervorragend darin, Informationen zu interpretieren. Sie können als eine Art Semantic Middleware zwischen Systemen fungieren, die nie für die direkte Kommunikation miteinander entwickelt wurden. Sie können aus unvollständigen Metadaten Intentionen ableiten und Mehrdeutigkeiten auflösen, bei denen früher Menschen eingreifen mussten.
Doch Bedeutung und Vertrauen sind nicht dasselbe:
- Ein Modell kann ableiten, was ein Datenfeld wahrscheinlich bedeutet.
- Es kann nicht beweisen, ob die Nutzung der Daten autorisiert wurde.
- Es kann nicht beweisen, ob ein Signal aus einer legitimen Quelle stammt.
- Es kann nicht beweisen, ob eine Handlung innerhalb der übertragenen Befugnisse geblieben ist.
- Es kann nicht beweisen, ob jemand für das Ergebnis verantwortlich gemacht werden kann.
Das sind keine Sprachprobleme. Es sind Trust-Probleme. Und Trust entwickelt sich rasant zu einer der wichtigsten Infrastrukturfragen des KI-Zeitalters.
AI Trust: Das alte Internet verifizierte Zugriffe. Das nächste muss Handlungsbefugnisse verifizieren.
Die meisten bestehenden Kontrollsysteme beantworten vergleichsweise eng gefasste Fragen:
- Identity klärt, wer sich eingeloggt hat.
- Consent klärt, ob die Nutzung von Daten erlaubt wurde.
- Fraud-Systeme prüfen, ob eine Aktivität verdächtig oder ungültig erscheint.
- Measurement prüft, ob ein Event stattgefunden hat.
Das Agentic Internet stellt uns vor eine schwierigere Frage: Blieb eine Handlung während ihres gesamten Lifecycles an einen verantwortlichen Principal gebunden?
Dieser Principal kann eine Person, ein Unternehmen, eine Rolle oder eine delegierte Autoritätsstruktur sein. Entscheidend ist nicht allein, ob eine Handlung stattgefunden hat. Entscheidend ist, ob sie mit der Instanz verbunden blieb, die sie autorisiert hat.
Diese Unterscheidung gewinnt an Bedeutung, sobald KI-Systeme zunehmend selbstständig agieren. KI kann bereits heute in großem Umfang plausibel wirkende Aktivitäten erzeugen. Sie kann Audiences, Customer Journeys, Optimierungsentscheidungen, Kampagnenempfehlungen und Transaktionen erstellen, die auf den ersten Blick valide erscheinen. Vieles davon kann nützlich sein. Einiges kann betrügerisch sein. Und vieles wird sich in einer Grauzone zwischen Automatisierung und Verantwortlichkeit bewegen.
Die Herausforderung der Zukunft besteht deshalb nicht mehr nur darin, Bots von Menschen zu unterscheiden. Wir müssen feststellen können, ob Handlungen dauerhaft mit einem legitimen Principal, klaren Permission Boundaries und einer nachvollziehbaren Authority Structure verbunden bleiben.
Wer hat eine Handlung delegiert? Welche Befugnisse wurden erteilt? Welche Grenzen galten? Lassen sich diese Befugnisse widerrufen? Kann Verantwortung eindeutig zugewiesen werden? Lässt sich die Entscheidung auditieren? Diese Fragen werden umso wichtiger, je stärker KI-Agenten von der Unterstützung bei Entscheidungen dazu übergehen, selbst Entscheidungen zu treffen.
Reasoning lässt Systeme miteinander sprechen. Trust lässt Märkte funktionieren.
Dieser Unterschied wird leicht übersehen. LLM Reasoning eignet sich hervorragend zur Interpretation. Für Koordination bleiben Protokolle jedoch unverzichtbar:
- Ein Modell kann Mehrdeutigkeit auflösen. Märkte können Transaktionen nicht auf Basis von Mehrdeutigkeit abwickeln.
- Ein Modell kann erklären, warum es zu einem bestimmten Ergebnis gekommen ist. Ein Protokoll legt fest, ob es überhaupt berechtigt war, entsprechend zu handeln.
- Ein Modell kann erkennen, dass zwei Audience-Definitionen ähnlich sind. Es kann nicht selbstständig feststellen, ob eine der beiden Audiences rechtmäßig erstellt wurde, noch gültig ist oder als vertrauenswürdig gelten sollte.
Es ging also nie allein darum, ob Maschinen Informationen verstehen können. Es ging um Coordination Costs, Accountability und Trust. Deshalb bleiben Standards relevant. Nicht, weil Maschinen Informationen nicht verstehen. Sondern weil Märkte ohne gemeinsame Regeln nicht funktionieren.
Standards wandern eine Ebene nach oben
Die Zukunft wird nicht aussehen wie die Vergangenheit. Wahrscheinlich brauchen wir weniger Kämpfe um Taxonomien, weniger starre Schemata und weniger fragile Integrationen. KI kann einen großen Teil dieser Komplexität auffangen.
Was bleibt, sind die Fragen, die KI nicht allein durch Schlussfolgerungen beantworten kann:
- Fragen nach Provenance.
- Fragen nach Permission.
- Fragen nach Delegation.
- Fragen nach Authority.
- Fragen nach Continuity.
- Fragen nach Accountability.
Früher halfen Standards Maschinen dabei, Informationen auszutauschen. Später halfen sie Märkten, Werte auszutauschen. Die nächste Generation von Standards wird autonomen Systemen dabei helfen, Vertrauen auszutauschen. Darin steckt eine deutlich größere Chance als in der bloßen Verbesserung von Interoperabilität.
AI Trust wird zur Runtime Infrastructure
Historisch betrachtet wurde Vertrauen rückwirkend geprüft. Eine Kampagne läuft. Eine Transaktion wird abgewickelt. Danach folgt das Audit. Erst im Nachhinein wird bewertet, ob alles vertrauenswürdig war.
Agentic AI verändert dieses Modell. Sobald KI-Agenten Deals verhandeln, Kampagnen konfigurieren, Audiences auswählen, Budgets verteilen und Optimierungsentscheidungen treffen, reicht es nicht mehr, Trust ausschließlich über Audits und Reporting zu bewerten. Die Prüfung muss zunehmend genau in dem Moment stattfinden, in dem eine Handlung ausgeführt wird.
Die entscheidende Frage verschiebt sich von „War diese Handlung valide?“ zu „Sollte diese Handlung genau jetzt erlaubt sein?“
Das klingt zunächst nach einem kleinen Unterschied. Tatsächlich markiert es einen grundlegenden Wandel der Marktinfrastruktur. Trust wird von einer Audit-Funktion zu einer Execution-Funktion. Vom Governance Review zum Runtime Control. Von der Post-Campaign Analysis zum Real-Time Decisioning.
Genau hier greift ein großer Teil der aktuellen Diskussion über Protokolle zu kurz. In Zukunft geht es nicht nur darum, wie Agenten miteinander kommunizieren. Es geht darum, wie sie das Recht erhalten, überhaupt zu handeln.
Advertising wird diese Entwicklung zuerst spüren
Advertising gehört zu den ersten Branchen, in denen Agentic Trust kommerziell relevant wird.
Media-Märkte handeln schon heute mit Signalen, die menschliche Aufmerksamkeit, Intention, Audience Quality und Commercial Context abbilden sollen. KI macht es zunehmend einfacher, Signale zu erzeugen, die valide wirken, obwohl sie keinen nachvollziehbaren Ursprung haben:
- Eine Bid Request kann legitim aussehen.
- Ein Audience Segment kann wertvoll erscheinen.
- Eine Optimierung kann die Performance steigern.
- Eine Kampagne kann Ergebnisse liefern.
Doch keines dieser Outcomes beantwortet die wichtigere Frage: Wer hat die Handlung autorisiert, auf Basis welcher Befugnis und innerhalb welcher Grenzen? Das ist nicht einfach ein Fraud-Problem. Es ist eine Frage des Market Designs. Programmatic Advertising war schon immer auf das Vertrauen in Signale angewiesen. In der nächsten Phase wird es um Vertrauen in Handlungen gehen.
Die verbreitete Annahme lautet: Je besser KI wird, desto weniger Standards brauchen wir. Tatsächlich könnte das Gegenteil eintreten. Je besser Modelle darin werden, aus unvollständigen Informationen kohärente Zusammenhänge zu erzeugen, desto stärker sind Märkte auf Mechanismen angewiesen, die Provenance, Authority, Accountability und Trust sicherstellen. Je stärker der Inference Layer wird, desto wichtiger wird der Trust Layer.
Die Zukunft ist keine Entscheidung zwischen Protokollen und KI. Protokolle ohne KI werden zur Bürokratie. KI ohne Protokolle wird zum überzeugend klingenden Chaos. Erfolgreich werden Systeme sein, die beides miteinander verbinden: Modelle übernehmen Interpretation und Anpassung, während Standards Authority, Accountability und Trust regeln.
Das erste Internet standardisierte Informationen. Das zweite standardisierte Transaktionen. Das dritte wird Vertrauen standardisieren. Nicht, weil KI zu schwach ist. Sondern weil KI so leistungsfähig wird, dass Vertrauen vor einer Handlung verifiziert werden muss und nicht erst danach.
Du willst mehr von Evgeny Popov hören? Dann erlebe ihn gemeinsam mit Karin Immenroth und Julia Pilkes im Panel „From Data to Impact: How Martech Drives Real Business Growth“ und erfahre, wie Daten, Measurement und die richtigen KPIs Marketing zum echten Business Driver machen.
23. September 2026 | 14:25–14:55 Uhr | Tech Stage
Verpass keine wichtigen Neuigkeiten aus der digitalen Marketing-Welt, national und international! Abonniere den neuen DMEXCO Newsletter „Digital Digest“ und erhalte jeden Montag, Mittwoch und Freitag die aktuellen Infos direkt in dein Postfach.
