Blick ins Ad-Backend: Wie OpenAI Prompts, E-Mails und Telefonnummern targetet

Der Schleier lüftet sich: Einblicke in OpenAIs Werbearchitektur

Lange Zeit glich das geplante Anzeigensystem von ChatGPT einer geschlossenen Blackbox, über deren tatsächliche Aussteuerungsoptionen in Fachkreisen intensiv spekuliert wurde. Mein Kollege Rick hat in seinem aktuellen Research-Bericht eine aufschlussreiche Analyse des US-Recherchenetzwerks 404 Media aufgegriffen, die erstmals konkrete Einblicke in die Benutzeroberfläche und die Schnittstellen des Werbemanagers liefert. Die Journalisten schalteten dazu im Oktober 2026 eigene Test-Kampagnen und unterzogen die Upload-Mechanismen einer detaillierten Prüfung.

Die Ergebnisse zeigen deutlich, dass OpenAI bei der Monetarisierung keineswegs das Rad komplett neu erfindet, sondern auf eine hybride Mischung aus moderner Sprachmodell-Semantik und etablierten Werbestandards setzt. Werbetreibende müssen sich also nicht auf ein völlig abstraktes System einstellen, sondern finden bekannte Werkzeuge des Performance-Marketings wieder, die jedoch durch KI-spezifische Besonderheiten und strenge regulatorische Leitplanken ergänzt werden.

Für Marketingverantwortliche bedeutet dieser Befund eine willkommene Entmystifizierung. Statt reiner Algorithmen-Magie arbeitet die Plattform mit greifbaren Attributen, die strukturiert geplant und budgetiert werden können. Ricks Zusammenfassung unterstreicht jedoch auch, dass die von 404 Media dokumentierten technischen Restriktionen unmittelbare Auswirkungen darauf haben, welche Kampagnentypen in der Praxis überhaupt realisierbar sind und für wen sich der Einstieg zum jetzigen Zeitpunkt operativ lohnt.

Mit der Hürde von 25.000 gematchten Profilen für Zielgruppen schiebt OpenAI klassischem Microtargeting und B2B-Account-Based-Marketing einen Riegel vor.

Context Hints: Semantische Aussteuerung statt Keyword-Fokus

Der auffälligste Unterschied zu traditionellen Suchmaschinenanzeigen liegt im Verzicht auf starre Keyword-Übereinstimmungen. OpenAI setzt stattdessen auf das Konzept der sogenannten Context Hints. Diese Hinweise dienen dem System als inhaltliche Orientierungspunkte, anhand derer die Sprachmodelle den laufenden Prompt eines Nutzers bewerten. Die verfügbaren Tests von 404 Media zeigen, dass keine exakten Phrasen übereinstimmen müssen, damit eine Anzeige zur Ausspielung qualifiziert ist.

Das System interpretiert die Bedeutung und den situativen Kontext einer Unterhaltung, um passende Anzeigen einzublenden. Wer beispielsweise Anzeigen rund um Privatsphäre und generative Software schaltet – wie im Rahmen der Testläufe von 404 Media geschehen –, erreicht Nutzer, deren Chat-Verlauf thematisch in diese Richtung tendiert, selbst wenn spezifische Markenbegriffe oder vordefinierte Signalwörter in der eigentlichen Anfrage gar nicht wörtlich vorkommen.

In der Praxis verlangt dies ein grundlegendes Umdenken bei der Kampagnenkonzeption. Werbetreibende können nicht mehr darauf vertrauen, isolierte Suchbegriffe abzufangen und mit standardisierten Textbausteinen zu beantworten. Kampagnen müssen vielmehr auf Nutzerintentionen und übergeordnete Problemlösungsszenarien ausgerichtet werden. Das eröffnet einerseits breitere Reichweiten in relevanten Umfeldern, erschwert jedoch andererseits die exakte Vorhersehbarkeit, bei welchen Dialogverläufen eine Anzeige letztlich ausgespielt wird.

First-Party-Daten: E-Mails, Handynummern und Werbe-IDs

Neben der inhaltlichen Aussteuerung über Context Hints ermöglicht das Werbesystem von OpenAI den gezielten Abgleich eigener Zielgruppen. Laut den Schnittstellenprüfungen von 404 Media können Werbetreibende First-Party-Daten über mehrere Identifikatoren einspeisen: Neben E-Mail-Adressen akzeptiert das System auch Telefonnummern sowie mobile Gerätekennungen, konkret Android Advertising IDs (AAID). Die Identifikatoren können wahlweise vorab kryptografisch gehasht oder im Klartext hochgeladen werden.

Dass OpenAI den Upload unverschlüsselter PII-Daten (Personally Identifiable Information) wie rohe Telefonnummern und E-Mail-Adressen technisch gestattet, mag aus Datenschutzsicht überraschen. Das Unternehmen versichert jedoch in seiner Dokumentation, dass die hochgeladenen Dateien nach dem internen Matching-Prozess zeitnah gelöscht werden – im Regelfall innerhalb von 24 Stunden nach der Verarbeitung. Aus Unternehmenssicht empfiehlt sich dennoch dringend, Daten stets ausschließlich clientseitig gehasht an die Schnittstellen zu übergeben.

Die Unterstützung von Android-Werbe-IDs zeigt zudem, dass OpenAI den mobilen Kanal von Beginn an als wesentlichen Pfeiler der Monetarisierungsstrategie begreift. Werbetreibende mit starkem App-Fokus oder gerätebezogenen CRM-Segmenten erhalten dadurch einen direkten Hebel, um bestehende App-Nutzer innerhalb der Chat-Umgebung wiederzürkennen und zielgerichtet anzusprechen, ohne zwingend auf verifizierte Kontaktdaten angewiesen zu sein.

Die 25.000er-Schwelle: Rigides Limit gegen Microtargeting

Die wohl gravierendste Erkenntnis aus dem Testbericht betrifft die Volumenvoraussetzungen für eigene Zielgruppenlisten. OpenAI verlangt für das aktive Targeting – im System als Inclusion bezeichnet – eine Mindestgröße von 25.000 tatsächlich gematchten Profilen. Eine hochgeladene Adressliste mit 25.000 Einträgen genügt hierfür nicht, da die Match-Quote naturgemäß unter 100 Prozent liegt; die Zahl der erfolgreich identifizierten ChatGPT-Konten muss diesen Schwellenwert überschreiten.

Wird dieser strikte Schwellenwert unterschritten, verweigert das System die Freigabe der Liste für die Anzeigenausspielung. Bemerkenswert ist allerdings die Ausnahme für gegenteilige Zwecke: Kleinere Zielgruppenlisten unterhalb von 25.000 gematchten Datensätzen können Werbetreibende weiterhin problemlos für Exklusionen verwenden. Wer also bestehende Bestandskunden ausschließen möchte, um Streuverluste bei der Neukundengewinnung zu vermeiden, stößt auf deutlich geringere Hürden als beim direkten Retargeting.

Wie Kollege Rick in seiner Einordnung treffend bemerkt, schiebt diese Architektur einem hyperlokalen Microtargeting oder personalisierten 1:1-Kampagnen einen wirksamen Riegel vor. Was Datenschützer begrüßen dürften, stellt insbesondere B2B-Unternehmen und Nischenanbieter vor handfeste Herausforderungen: Account-Based-Marketing (ABM) mit wenigen Hundert Zielunternehmen lässt sich über Custom Audiences in ChatGPT schlichtweg nicht realisieren.

Datenschutz und Nutzerkontrolle: Die Grenzen des Opt-outs

Ein wesentlicher Schwerpunkt der Untersuchung von 404 Media lag auf der Frage, welche Kontrollmöglichkeiten Endnutzern eingeräumt werden und wie diese technisch greifen. ChatGPT bietet in den Kontöinstellungen eine Option zum Opt-out aus personalisierter Werbung. Die Analyse der Testschaltungen ergab jedoch eine entscheidende Einschränkung dieser Privatsphäre-Einstellung, die Werbetreibende bei der Kampagnenausrichtung genau kennen sollten.

Das Opt-out deaktiviert lediglich die Auswertung historischer Konversationen und gespeicherter Nutzerprofile für Werbezwecke. Es verhindert hingegen ausdrücklich nicht das kontextbezogene Targeting auf Basis der aktuellen Sitzung. Stellt ein Nutzer, der dem Ad-Tracking widersprochen hat, eine spezifische Frage zu einem Finanz- oder Softwarethema, können Context Hints weiterhin greifen und passende Anzeigen im laufenden Chat platzieren.

Für Marketer bedeutet dies eine wichtige strategische Sicherheit: Kontextuelle Kampagnen behalten ihre Reichweite über die gesamte Nutzerschaft hinweg, unabhängig davon, wie viele Anwender das Profiling in ihren Datenschutzeinstellungen unterbinden. Gleichzeitig verbleibt das System rechtlich in einer sensiblen Grauzone, da die Trennlinie zwischen rein inhaltlicher Relevanz und verhaltensbasierter Werbeausspielung in generativen Konversationsschnittstellen naturgemäß fließend verläuft.

Praxisfolgen für Kampagnenbudgetierung und Setup

Da der Testbericht von 404 Media seinen Schwerpunkt auf die technische Infrastruktur legte und keine belastbaren Leistungskennzahlen wie Klickraten (CTR), Klickpreise (CPC) oder finale Conversion-Kosten veröffentlichte, müssen Media-Planer die Wirtschaftlichkeit vorerst über Reichweiten- und Skalierungsmodelle abbilden. Wie sich die Performance-Werte im Vergleich zu anderen Werbekanälen einpendeln, wird sich in den kommenden Monaten an den aggregierten Marktwerten zeigen müssen.

Unter diesem Beitrag finden Sie dazu unsere Vergleichsbox 'So sieht es bei AI-AdBase-Kunden aus', die fortlaufend mit realen Performance-Werten unserer betreuten Kampagnen befüllt wird, sobald belastbare Auswertungen vorliegen. Bis dahin sollten Kampagnenstrategen vor allem die Datenaufbereitung professionalisieren: Wer Customer-Match-Listen nutzen möchte, muss dafür Sorge tragen, dass CRM-Segmente ausreichend groß sind, um nach Bereinigung und Abgleich die geforderte 25.000er-Marke stabil zu übertreffen.

Für kleinere Unternehmen und spezialisierte B2B-Anbieter empfiehlt sich vorerst ein zweigleisiges Vorgehen. Während für die Neukundenansprache primär semantisch präzise formulierte Context Hints herangezogen werden sollten, lassen sich bestehende CRM-Datenbestände gezielt als Negativliste hinterlegen. Auf diese Weise wird das Werbebudget nicht durch unnötige Impressionen an bestehende Kontakte verwässert, während das System gleichzeitig den maximalen Spielraum zur Identifikation kaufbereiter Neukontakte im Chat erhält.