Ich habe Adyoutiser 2025 in Wien und Bratislava gestartet, weil Bildschirmwerbung keine Agentur brauchen sollte. Wir haben ein Buchungs-Tool gebaut: Bildschirm auf der Karte auswählen, Werbung hochladen, zahlen — live in unter 5 Minuten, ab €2. Wir veröffentlichen unsere Roadmap öffentlich und antworten auf jede E-Mail innerhalb von 24 Stunden.
Was du in 30 Sekunden mitnimmst: KI im DOOH wird 2026 mit Mega-Versprechen vermarktet. In der Realität gibt es drei Felder, in denen sie heute funktioniert: Content-Moderation, Pacing-Optimierung und Creative-Generation. Alles andere — von „emotionaler Zielgruppen-Erkennung" bis zu „prädiktivem Outdoor-Targeting" — ist bei kleinen DOOH-Netzen entweder reines Marketing oder schlicht nicht messbar. Wir zeigen dir, was bei adyoutiser tatsächlich produktiv läuft, was wir bewusst nicht tun und warum „KI" kein Selbstzweck ist.
Das Problem mit „KI im DOOH"
Wenn du Branchenartikel zu KI im Out-of-Home-Bereich liest, bekommst du den Eindruck, jedes Display sei inzwischen ein selbstdenkendes Marketing-Genie. „Computer Vision erkennt Zielgruppen", „Predictive Scheduling optimiert Reichweite in Echtzeit", „Generative KI erstellt Kreativen on-the-fly". Klingt fantastisch. Funktioniert in der Realität deutlich begrenzter.
Wir sind ein kleines DOOH-Netzwerk mit aktuell 16 Screens in Wien und Bratislava. Wir nutzen KI, aber wir lügen niemanden an, was sie kann. Hier ist die ehrliche Bestandsaufnahme.
Wo KI bei DOOH 2026 tatsächlich funktioniert
Drei Bereiche, in denen KI nicht Marketing ist, sondern produktiv arbeitet:
1. Content-Moderation. Bevor eine Anzeige live geht, prüft ein KI-Modell automatisch auf problematische Inhalte (Gewalt, Nacktheit, irreführende Claims, regulierte Branchen wie Glücksspiel/Alkohol/Tabak in falschen Kontexten). Bei uns liegt die Auto-Approve-Quote bei rund 94%. Den Rest schaut ein Mensch an. Das ist klassisches NLP/Vision-Modell-Tuning, kein Hexenwerk — aber es spart real Stunden pro Woche.
2. Pacing-Optimierung. Wenn eine Kampagne gebucht ist, will der Kunde, dass die zugesagten Plays über die Laufzeit gleichmäßig verteilt erscheinen. Bei statischer Aufteilung gibt es immer Drift — ein Screen ist nachts aus, ein anderer hatte einen Wartungsfenster, plötzlich liegt eine Kampagne 18% hinten. Unser Lambda-basiertes Pacing-System rechnet stündlich nach und korrigiert die Verteilung. Das Ergebnis: ±1pp SOV-Genauigkeit über die gesamte Kampagnenlaufzeit. Keine schwarze Box, keine prädiktive Magie — nur saubere Mathematik mit Echtzeitdaten.
3. Creative-Generation für SMBs. Kleine Werbetreibende haben oft kein Designteam. Wenn jemand für 14 Tage eine Eisdiele in Wien-Leopoldstadt bewerben will, soll er nicht 800 Euro Designkosten haben, bevor die Kampagne überhaupt startet. Generative Bildmodelle (Stable Diffusion-Derivate, DALL-E-Klone, Hybridtools) liefern heute Creatives, die für lokale DOOH-Buchungen gut genug sind. „Gut genug" ist hier kein Kompromiss, sondern realistische Erwartung.
Wo KI 2026 noch Marketing ist
Jetzt der Teil, den die Branchenmagazine ungern schreiben.
„Audience Recognition mit Computer Vision." Theoretisch erkennt eine Kamera am Screen, wer davor steht (Alter, Geschlecht, Stimmung), und passt Inhalte an. Praktisch ist das in der EU 2026 ein DSGVO-Albtraum, in den meisten Locations technisch nicht installiert und beim ersten ernsthaften Audit teurer als der Mehrumsatz. Wir machen das nicht und planen es nicht. Wer es macht, sollte sehr genau prüfen, was rechtlich abgedeckt ist.
„Predictive Outdoor-Targeting basierend auf Wetter, Verkehr, Events." Klingt schlau, ist aber bei kleinen Netzen statistisch nicht signifikant. Damit Predictive Modelle echte Lifts liefern, brauchst du Millionen von Plays pro Monat als Trainingsdaten. Bei 16 Screens und 3.500 Plays/Tag ist die Modellgüte schlechter als eine simple Tageszeit-Heuristik. Ehrlich.
„Vollautomatisches Programmatic Creative Optimization." Bei Online-Display funktioniert das, weil du Millionen Impressionen mit individuellem Click-Feedback hast. DOOH ist One-to-Many ohne direkten Click. Es gibt keinen sauberen Feedback-Loop, der eine A/B-Test-getriebene KI-Optimierung auf Creative-Ebene rechtfertigt.
Was wir bei adyoutiser sehen
Bei uns laufen 2026 drei KI-Komponenten produktiv:
Auto-Moderation mit ~94% automatischer Freigabe und 5min-Median-Durchlauf von Upload bis Live
Pacing-Adjuster als stündlich laufender Lambda mit ±1pp SOV-Genauigkeit
Creative-Hilfstools für Kunden ohne Designteam (Stand: optional, keine Pflicht)
Was wir nicht tun: Audience-Recognition mit Kameras, Predictive Targeting auf Basis externer Daten, „smartes" CPM-Routing zwischen Screens. Das ist nicht aus Faulheit, sondern weil es bei unserer Größe entweder nicht funktioniert oder rechtlich riskant ist.
Mehr zur tatsächlichen Funktionsweise findest du im DOOH-Glossar und in den Definitionen unserer Buchungsplattform unter Werbung buchen.
Wie du KI-Claims von DOOH-Anbietern prüfst
Drei Fragen, die jeder Anbieter beantworten können sollte:
Welcher konkrete Algorithmus läuft, mit welchen Inputs und welchem Output? „Wir nutzen KI" ist keine Antwort. „Wir nutzen ein klassifikationsbasiertes Pacing-Modell mit Stundengranularität" ist eine Antwort.
Wie wird die Genauigkeit gemessen, und kannst du Logs sehen? Wenn der Anbieter dir keine Performance-Metriken zeigt, ist das KI-Branding nicht durch Daten gedeckt.
Was passiert, wenn die KI falsch liegt? Gibt es ein menschliches Override? Wer haftet?
Wir bei adyoutiser zeigen dir Pacing-Logs und Moderationsentscheidungen direkt im Dashboard. Wenn du einen anderen Anbieter prüfst — frag nach Logs.
Jetzt loslegen
Du willst eine ehrliche, KI-unterstützte DOOH-Kampagne ab €2/Tag mit transparenten Logs? Dann starte direkt unter Werbung buchen oder schau dir unsere verfügbaren Screens an.
