Agenturen, die KI-Agenten für Media Buying und Kampagnenarbeit einsetzen, bauen zunehmend eigene Kosten- und Kontrollsysteme darum herum. Der Grund: Autonome Workflows sparen nicht automatisch Geld. Ohne Limits, Audit-Logs und eine bewusste Modellwahl können Tokenverbrauch und Fehlentscheidungen schnell aus dem Ruder laufen.
Digiday berichtet am 4. September 2026 über mehrere Agenturen, die genau dafür neue Kontrollmechanismen eingeführt haben. Parallel bestätigt PubMatic, dass seine AgenticOS-Governance mittlerweile vollständige Audit-Trails und konfigurierbare Guardrails für autonome Werbekampagnen bereitstellt.
Audit-Logs sollen Entscheidungen nachvollziehbar machen
Rise, eine Agentur aus der Quad-Gruppe, testet seit Juni KI-Agenten im Media Buying. Dabei nutzt das Team laut Digiday eine Audit-Log-Funktion von PubMatic. Damit lässt sich rekonstruieren, welche Änderung ein Agent vorgenommen hat und warum er von einem ursprünglichen Briefing oder Parameter abgewichen ist.
PubMatic hatte die zugrunde liegende Governance-Architektur am 5. August offiziell vorgestellt. Die Guardrails greifen direkt bei der Ausführung und sollen Käufern verifizierbare Kontrolle vom Planning bis zur Messung geben.
Das ergänzt einen Trend, den wir bereits bei KI im Media Buying und Plattform-Automation sehen: Je mehr Entscheidungen automatisiert werden, desto wichtiger wird eine unabhängige Kontrolle der Entscheidungslogik.
Tokenbudgets werden zum neuen Kostenhebel
Andere Agenturen setzen direkt beim Verbrauch an. Brainlabs vergibt laut Digiday KI-Tokens in Stufen und prüft zusätzliche Kontingente. PMG arbeitet mit täglichen Limits. Dept nutzt ein zentrales „AI Gateway“, das Mitarbeitern die Wahl des Modells teilweise abnimmt und Anfragen nach Kosten-, Leistungs- oder rechtlichen Kriterien routet.
Das ist relevant, weil unterschiedliche Modelle für dieselbe Aufgabe sehr unterschiedliche Kosten verursachen können. Gartner erwartet 2026 weltweit 64 Milliarden Dollar Ausgaben für AI-Modelle und -Plattformen und sieht wachsenden Druck auf Kostenkontrolle und Usage-Tracking. In einer separaten Gartner-Erhebung wussten rund 11 Prozent der befragten Organisationen nicht einmal, wie viel ihre Funktion 2025 für AI ausgegeben hatte.
Für Teams, die agentische Workflows aufbauen, reicht deshalb ein gutes Prompting nicht. Benötigt werden Budgets, Logging, Modell-Routing und Freigabegrenzen. Ähnliche Governance-Fragen stellen sich auch bei Social-Media-MCPs und KI-Assistenten.
Für Marketer wird Agenten-Governance Teil des Media-Stacks
Der praktische Punkt ist simpel: Ein Agent sollte nicht nur wissen, was er tun darf, sondern auch, wie teuer eine Aktion werden darf und wann ein Mensch eingreifen muss. Das gilt besonders für Kampagnen, bei denen Agenten Zielgruppen, Budgets oder Gebote verändern.
Wie weit solche Systeme bereits gehen können, zeigt der aktuelle Case zu KI-Agenten im CTV-Media-Buying. Je autonomer diese Systeme werden, desto stärker verschiebt sich die operative Arbeit von manueller Bedienung hin zu Kontrolle, Regeln und Ausnahmebehandlung.