Online Advertisements with LLMs: Opportunities and Challenges
Die Autoren der University of Maryland stellen ein theoretisches Rahmenwerk fuer Online-Werbung in Large Language Models (LLMA) vor. Das Modell unterscheidet sich grundlegend von klassischer Suchmaschinenwerbung und gliedert sich in vier Kernmodule: Output-Modifikation, Gebotsabgabe, CTR-/Nutzerpraediktion und Auktionsmechanismen. Zudem werden zentrale Herausforderungen bei unstrukturierten nativen Werbeeinbindungen und dynamischer Anzeigengenerierung systematisiert.
Evidenz BWissenschaftliche Arbeit13. November 2023
von Soheil Feizi, MohammadTaghi Hajiaghayi, Keivan Rezaei, Suho Shin
B – echte Kampagnendaten mit Zahlen
Zustimmungsrate LLM nuetzlicher als Suchmaschinen (Zitiertes Branchenumfrage-Datum)
35%
Der Test im Detail
Was wurde getestet
Konzeptioneller Vergleich zwischen klassischer Search Advertising (SA) und LLM Advertising (LLMA) sowie Entwurf eines 4-Stufen-Frameworks (Modification, Bidding, Prediction, Auction) fuer native Werbeeinbindungen in LLM-Antworten.
Setup
Theoretische Analyse und Framework-Entwicklung unter Beruecksichtigung von unstrukturierten Anzeigentexten, Kontextabfragen, Auktionsdynamiken und Dynamic Creative Optimization (DCO).
Ergebnis
Klassische Keyword-Auktionen und statische CTR-Vorhersagemodelle lassen sich nicht direkt auf LLMs uebertragen, da Werbeinhalte dynamisch und unstrukturiert in die Textgenerierung einfliessen. Dies erfordert neue Bidding-Definitionen (worauf wird geboten), modifizierte Auktionsformate sowie Echtzeit-Pruefungen bezueglich Halluzinationen und Nutzerzufriedenheit.
Grenzen der Aussage
Rein theoretisches Framework ohne empirische Auktionsdaten oder Live-Plattform-Experimente aus bestehenden kommerziellen Systemen wie OpenAI ChatGPT.
Ricks Einordnung
Ein exzellentes Grundlagenpapier, das praezise aufzeigt, warum ChatGPT Ads nicht einfach als 'Google Search Ads 2.0' umgesetzt werden koennen. Besonders das Problem der dynamischen CTR-Vorhersage bei variierenden generierten Antworten trifft den Kern kuenftiger LLM-Monetarisierungsansaetze.
OpenAI dokumentiert in den offiziellen FAQ die Rahmenbedingungen für Werbung in ChatGPT, die am 9. Februar 2026 für Free- und Go-Nutzer in den USA startet. Werbeanzeigen erscheinen optisch getrennt unterhalb der generierten Antworten und werden durch eine Kombination aus inhaltlicher Relevanz und Geboten gerankt, ohne die Chat-Antworten inhaltlich zu beeinflussen. Neben umfangreichen Privatsphäre- und Personalisierungs-Einstellungen wird ein kostenloses werbefreies Modell mit reduzierten Nutzungslimits eingeführt.
OpenAI testet Optionen für negatives Targeting mit einer kleinen Gruppe von Werbetreibenden, wie eine Sprecherin gegenüber ADWEEK bestätigte. Werbekunden erhalten damit Möglichkeiten anzugeben, neben welchen Kontexten ihre Anzeigen nicht ausgespielt werden sollen. Hintergrund sind Beschwerden von Media-Einkäufern über mangelnde Kontrollmöglichkeiten, Zielgruppenschärfung und Transparenz bei der Anzeigenauslieferung.
OpenAI testet im ChatGPT Ads Manager ein neues Anzeigenformat, bei dem Klicks nicht auf eine externe Website führen, sondern direkt eine Konversation mit einem unternehmensspezifischen KI-Agenten starten. Dieser Agent basiert technisch auf Custom GPTs und wird durch automatisiertes Website-Crawling, benutzerdefinierte Anweisungen, Produkt-Feeds, MCP-Tools und Lead-Formulare gespeist. Das Feature steht derzeit nur einer begrenzten Gruppe von Werbetreibenden zur Verfügung; die finale Endnutzer-Darstellung in ChatGPT ist noch nicht flächendeckend beobachtet worden.
Der Leitfaden erlaeutert die Funktionsweise von ChatGPT Product Carousel Ads fuer Free- und Go-Tier-Nutzer in den USA, die ueber strukturierte Produkt-Feeds automatisiert ausgespielt werden. Da OpenAI auf semantisches Intent-Matching statt reiner Keyword-Zuordnung setzt, entscheiden Attributvollstaendigkeit und natuerlichsprachig optimierte Produkttitel ueber die Sichtbarkeit. Die organische Antwort der KI bleibt dabei gemaess dem Prinzip der 'Answer Independence' unbeeinflusst neben oder unter den Produktkarten.
