Time beginnt mit dem Verkauf maschinenlesbarer Anzeigen zur Beeinflussung von KI-Antworten

Time hat begonnen, Anzeigen für KI-Agenten zu verkaufen, wodurch ein neuer Konflikt für Google News und jeden Assistenten entsteht, der Inhalte von Publishern abruft. Die Anzeigen ähneln weder Bannern noch gesponserten Karten. Sie erscheinen als maschinenlesbarer Text in alternativen Versionen der Time-Seiten, wo Bots Werbebotschaften neben redaktionellem Material erfassen können.

Diese Unterscheidung macht das Experiment folgenreicher als ein weiteres Werbeformat. Menschliche Leser können ein Banner ignorieren, eine Werbung erkennen oder eine gesponserte Empfehlung hinterfragen. Ein KI-System kann den zugrunde liegenden Text aufnehmen und eine eigene Antwort präsentieren, ohne das ursprüngliche Seitendesign beizubehalten.

Das Experiment stellt auch die von OpenAI, Google und anderen KI-Unternehmen propagierte Grenze infrage. Sie wollen, dass kommerzielle Platzierungen sichtbar von generierten Antworten getrennt bleiben. Time und sein Werbepartner testen, ob Marken diese Antworten beeinflussen können, bevor die KI-Plattform eine Anzeige auswählt.

Time verkauft Werbung, die menschliche Leser nur selten sehen

Times neues Produkt behandelt einen KI-Crawler als Werbezielgruppe und nicht lediglich als Auslieferungssystem, um Menschen zu erreichen.

Time begann laut Details zu Agentenanzeigen, über die Digiday berichtete, im Juni 2026 damit, reduzierte Markdown-Kopien seiner Webseiten zu erstellen. Markdown ist ein textorientiertes Dokumentformat, das einen Großteil der visuellen Struktur einer Webseite entfernt. KI-Systeme können es leichter verarbeiten als eine Seite voller Navigationselemente, Skripte, Grafiken und herkömmlicher Display-Anzeigen.

Der Publisher arbeitet mit dem Werbetechnologieunternehmen Mobian zusammen. Gemeinsam fügen sie bezahlte Botschaften in diese maschinenlesbaren Seiten ein. Die Botschaften verwenden ein Frage-und-Antwort-Format mit Informationen, die der Werbekunde bereitstellt.

Ally Bank und das Project Management Institute gehörten laut Bericht zu den ersten identifizierten Käufern. Time und Mobian bezeichneten das Format als das erste Publisher-Werbeprodukt, das speziell auf KI-Agenten ausgerichtet ist.

Der Produktionsprozess umfasst weiterhin menschliche Prüfung. Mobian erstellt eine Anzeige auf Grundlage eines Markenbriefings, wandelt sie in ein PDF um und sendet sie dem Kunden zur Freigabe. Das genehmigte Material erscheint anschließend auf einer Markdown-Seite, die ein KI-Crawler abrufen kann.

Diese Platzierungen sind nicht im wörtlichen Sinne nicht offengelegt. Time setzt über das Material des Werbekunden den Hinweis „sponsored content“ und nennt den Kunden. Dieses Detail ist wichtig, denn sie ohne Einschränkung als geheime Anzeigen zu bezeichnen, würde nahelegen, der Publisher verberge ihren kommerziellen Ursprung vor allen Zielgruppen.

Die praktische Unsichtbarkeit entsteht durch die Verbreitung. Die meisten Leser besuchen Times gestaltete Webseite, während ein KI-Agent eine parallele Textdarstellung erhalten kann. Eine in der Quelle sichtbare Kennzeichnung garantiert nicht, dass ein Assistent sie in seine Zusammenfassung, sein Zitat oder seine Empfehlung übernimmt.

Time verkauft auf jeder geeigneten Markdown-Seite eine Agentenanzeige. Das Unternehmen kann Platzierungen anhand seiner wiederkehrenden Listen oder eines ausgewählten Datumsbereichs ausrichten. Außerdem misst es, wie viel automatisierter Traffic die Seite erreicht.

Mobian stellt KI-Suchprodukten anschließend dieselben Fragen, die in der Anzeige enthalten sind. Es verfolgt, ob die Marke erscheint, wie positiv sie erscheint und ob die daraus resultierenden Informationen korrekt sind. Damit wird eine Anzeige von einer Einheit, die anhand menschlicher Impressionen gemessen wird, zu Inhalt, der anhand maschineller Antworten gemessen wird.

Das Format liegt daher zwischen Native Advertising, Suchoptimierung und Retrieval Engineering. Es handelt sich um bezahltes Werbematerial, dessen unmittelbares Ziel jedoch nicht zwingend ein Klick ist. Sein Ziel besteht darin, in den Informationspool zu gelangen, aus dem ein KI-System eine Antwort konstruiert.

Time hat keine Belege veröffentlicht, die zeigen, dass diese Platzierungen die Modellausgabe konsistent verändern. Die ersten Kunden belegen kommerzielles Interesse, nicht nachgewiesenen Einfluss. Dennoch schafft das Produkt einen direkten Test, den KI-Plattformen, Publisher und Regulierungsbehörden nun beobachten können.

Warum Google News vor einem Problem mit maschinenlesbarer Werbung steht

Google News und KI-Antwortprodukte müssen entscheiden, ob maschinenlesbarer gesponserter Text legitimer Inhalt, eine Anzeige oder ein Versuch ist, das Retrieval zu manipulieren.

Traditionelle Suchwerbung hält mehrere Rollen relativ klar voneinander getrennt. Ein Publisher liefert Inhalte, eine Suchmaschine ordnet Links ein, und ein Werbetreibender bezahlt für eine gekennzeichnete Platzierung. Generative Oberflächen schwächen diese Grenzen, weil das System Fakten extrahieren, Quellen kombinieren und antworten kann, ohne den Leser zu einem Publisher weiterzuleiten.

Google News aggregiert bereits Berichterstattung aus externen Publikationen. Google Search platziert zunehmend generierte Zusammenfassungen und dialogorientierte Ergebnisse zwischen Quelle und Nutzer. Eine maschinenorientierte Anzeige innerhalb einer Publisher-Seite führt bezahlte Sprache ein, bevor Google entscheidet, was abgerufen oder zusammengefasst wird.

Die Sorge besteht nicht darin, dass der Kauf einer Agentenanzeige automatisch eine positive Google-Antwort erkauft. Öffentliche Belege für dieses Ergebnis gibt es nicht. Die Sorge ist, dass kommerzielles Material denselben Retrieval-Pfad wie der umgebende redaktionelle Text betritt.

Ein herkömmliches Banner trägt erkennbare technische und visuelle Signale. Bild, Platzierung, Tracking-Code und Ursprung beim Ad-Server helfen Browsern und Plattformen bei der Klassifizierung. Ein FAQ in natürlicher Sprache sieht viel stärker wie gewöhnliches Quellmaterial aus.

Die Frage-und-Antwort-Struktur ähnelt zudem der Form, die viele Such- und Assistenzsysteme bevorzugen. Sie formuliert eine wahrscheinliche Anfrage, lässt eine prägnante Antwort folgen und wiederholt relevante Markeninformationen. Diese Eigenschaften können den Abschnitt leicht extrahierbar machen, auch wenn kein Modell ihm bewusst eine bevorzugte Behandlung gibt.

Googles veröffentlichte Spam-Richtlinien definieren Cloaking als das Bereitstellen unterschiedlicher Inhalte für Nutzer und Suchsysteme mit dem Ziel, Rankings zu manipulieren und Menschen irrezuführen. Die Richtlinien behandeln inzwischen auch Bemühungen, die generative KI-Antworten in Google Search manipulieren sollen.

Times Ansatz passt nicht eindeutig in das klassische Beispiel. Bei dem Markdown handelt es sich Berichten zufolge um eine alternative Darstellung einer Seite, und der bezahlte Abschnitt trägt eine Sponsoring-Kennzeichnung. Barrierefreie Textversionen, mobile Seiten und strukturierte Daten können sich legitim von einer visuellen Desktop-Darstellung unterscheiden.

Absicht und Gleichwertigkeit werden entscheidend sein. Wenn eine maschinelle Version die menschliche Seite getreu abbildet und eine wirksame Kennzeichnung bewahrt, wirkt sie eher wie barrierefreie Inhaltsverbreitung. Wenn sie Werbeaussagen einführt, die menschliche Besucher vernünftigerweise nicht finden können, beginnt sie eher crawler-spezifischer Überzeugungsarbeit zu ähneln.

Time-Führungskräfte haben diese Unsicherheit eingeräumt. Mark Howard, der Chief Operating Officer des Publishers, sagte Digiday, dass die Regeln dafür, wie große Sprachmodelle diese Anzeigen behandeln, weiterhin ungeklärt seien. Er verwies auf das Risiko, dass Plattformen das Format letztlich als Cloaking einstufen könnten.

Dieses Risiko verschafft Google erheblichen Einfluss. Das Unternehmen kann dem Text weniger Gewicht geben, den gesponserten Block ausschließen oder Seiten abstrafen, die Crawlern wesentlich andere Inhalte bereitstellen. Es kann die Inhalte auch beibehalten und zugleich verlangen, dass generierte Ergebnisse ihre kommerzielle Kennzeichnung tragen.

Keine dieser Reaktionen ist einfach. Ein Klassifikator muss ein bezahltes FAQ von legitimem gesponsertem Journalismus, Produktdaten, gewöhnlichen Unternehmensangaben und strukturierten Publisher-Metadaten unterscheiden. Zu breit angelegte Filterung könnte nützliche Informationen entfernen. Schwache Filterung könnte bezahlte Behauptungen als neutrale Antworten erscheinen lassen.

Deshalb ist Google News wichtig, obwohl das berichtete Experiment bei Time begann. Publisher benötigen Zugang zu Googles Distribution, während Google vertrauenswürdiges Material von Publishern benötigt. Werbung nur für Maschinen macht diese Beziehung zu einer Verhandlung darüber, welche Teile einer Seite als redaktionelle Belege gelten.

Der eigentliche Wettbewerb lautet Kennzeichnung gegen Retrieval

Der zentrale Zielkonflikt besteht darin, ob eine Anzeige weiterhin sinnvoll gekennzeichnet bleibt, nachdem ein KI-System sie von der Seite löst, auf der diese Kennzeichnung erschien.

Bei Native Advertising für Menschen konzentrieren sich Regulierungsbehörden darauf, ob eine vernünftige Person die kommerzielle Beziehung erkennen kann. Der Leitfaden der Federal Trade Commission zu Native Advertising besagt, dass Werbeinhalte nicht den Eindruck erwecken sollten, unabhängig oder unparteiisch zu sein, wenn ein Werbetreibender sie gestaltet hat.

Die Leitlinien betonen klare Sprache, prominente Platzierung und Nähe zur Werbebotschaft. Sie weisen außerdem darauf hin, dass Kennzeichnungen angehängt bleiben sollten, wenn Werbung über Suchergebnisse, soziale Medien, E-Mail oder andere Verbreitungskanäle weitergegeben wird.

Agentenwerbung eröffnet eine neue Version dieses Portabilitätsproblems. Das empfangende System könnte einen Satz zitieren, mehrere Absätze verdichten oder die Behauptung mit Material aus anderen Quellen zusammenführen. Eine Kennzeichnung am Anfang des ursprünglichen Blocks kann bei der Extraktion verschwinden.

Angenommen, ein Nutzer fragt einen Assistenten, welches Finanzinstitut das geeignetste Konto für einen bestimmten Bedarf anbietet. Der Assistent ruft eine Time-Seite mit einem werbekundenfinanzierten FAQ ab. Wenn die Antwort dessen Behauptungen ohne den Sponsoring-Kontext wiederholt, begegnet dem Nutzer Einfluss ohne erkennbare Werbung.

Das Problem wird ernster, wenn ein Agent handelt, statt nur zu antworten. Ein Shopping- oder Arbeitsplatz-Agent könnte Produkte vergleichen, Anbieter in die engere Auswahl nehmen oder eine Transaktion abschließen. Sein Betreiber könnte Quellmaterial als Beleg interpretieren und die zugrunde liegende Seite nie prüfen.

Das macht nicht jede Aussage eines Werbetreibenden falsch. Ein bezahlter Abschnitt kann zutreffende, nützliche Informationen enthalten. Entscheidend ist, dass der kommerzielle Ursprung Nutzern hilft zu entscheiden, wie viel Gewicht sie einer Behauptung beimessen und ob sie diese unabhängig überprüfen sollten.

Maschinenlesbare Kennzeichnung braucht daher mehr als sichtbare Wörter. Sie benötigt Metadaten, die Retrieval-Systeme bewahren und verstehen. Ein Publisher könnte Werbetreibenden, Bezahlstatus, Grenzen von Behauptungen, Veröffentlichungsdatum und Ziel über ein einheitliches Schema kennzeichnen.

KI-Plattformen müssten dieses Schema dann berücksichtigen. Sie könnten bezahlte Behauptungen von organischen Empfehlungen ausschließen, sie getrennt anzeigen oder sie innerhalb generierter Antworten kenntlich machen. Ohne gemeinsame Regeln könnte jeder Crawler dieselbe Kennzeichnung anders interpretieren.

OpenAI hat innerhalb seines eigenen Produkts ein kontrastierendes Modell gewählt. Seine ChatGPT-Werberichtlinie besagt, dass Werbesysteme vom Chatmodell getrennt bleiben und Werbetreibende Antworten nicht gestalten, einordnen oder verändern können. Anzeigen erscheinen für berechtigte Nutzer als gekennzeichnete Platzierungen unterhalb der Antworten.

Times Experiment findet außerhalb dieser kontrollierten Oberfläche statt. Ein Publisher fügt bezahlte Inhalte Material hinzu, das ein Assistent über Suche, Browsing oder einen anderen Datenanbieter abrufen könnte. Das KI-Unternehmen verkauft die Platzierung nicht und weiß möglicherweise nicht, dass eine kommerzielle Beziehung den Text geprägt hat.

Dadurch entstehen zwei Werbemärkte rund um dieselbe Antwort. Ein Markt kauft eine gekennzeichnete Platzierung beim Anbieter des Assistenten. Der andere bezahlt einen Quell-Publisher für Sprache, die möglicherweise Teil der Antwort selbst wird.

Der zweite Weg kann wertvoller wirken, weil eine Empfehlung oft mehr Autorität besitzt als eine benachbarte Anzeige. Er bringt auch größere Unsicherheit mit sich. Werbetreibende können weder Retrieval, Attribution, wohlwollende Formulierung noch anhaltende Plattformtoleranz garantieren.

Leser sollten das aktuelle Format als ein Experiment zur Einflussnahme betrachten, nicht als verlässliche Methode zur Steuerung von Modellen. Große Sprachmodelle können einen Abschnitt ignorieren, eine andere Quelle bevorzugen oder ihr Verhalten nach einem Update ändern. Auch Retrieval-Systeme können Inhalte je nach Nutzer und Anfrage unterschiedlich einordnen.

Die ungelöste Offenlegungskette bleibt das größere Problem. Ein Hinweis, der den Entscheidungsträger nie erreicht, bietet nur begrenzten Schutz – unabhängig davon, ob dieser Entscheidungsträger ein Mensch ist, der eine KI-Zusammenfassung liest, oder ein automatisierter Agent, der ein Produkt auswählt.

Verlage wollen Einnahmen von Bots, die ihre Leser ersetzen

Agentenanzeigen sind eine Reaktion auf eine wirtschaftliche Umkehr: Automatisierte Systeme konsumieren Inhalte von Verlagen und verringern zugleich die menschlichen Besuche, die einst Werbung finanzierten.

Traditionell tauschten Verlage offenen Zugang gegen Aufmerksamkeit. Suchmaschinen indexierten ihre Artikel, Leser folgten Links, und Werbung oder Abonnements monetarisierten den Besuch. Generative Suche kann die Indexierung erhalten und zugleich einen großen Teil des Traffics eliminieren.

Ein Assistent kann eine Frage mit Fakten aus mehreren Publikationen beantworten. Der Nutzer erhält eine bequeme Zusammenfassung, doch die Quelle erhält möglicherweise weder einen Seitenaufruf noch eine Abonnementchance oder eine herkömmliche Werbeeinblendung.

Maschinenlesbare Seiten sollen die Chancen eines Verlags verbessern, verstanden und zitiert zu werden. Zugleich erleichtern sie den Konsum von Inhalten, ohne die gestaltete Website zu besuchen. Time versucht mit Agentenanzeigen, diesen automatisierten Zugang direkt zu monetarisieren.

Das ist die zentrale Umkehr. Früher verkauften Verlage Werbetreibenden Zugang zur menschlichen Aufmerksamkeit auf ihren Angeboten. Nun testen sie, ob sie Zugang zu den Systemen verkaufen können, die zwischen diesen Angeboten und der menschlichen Aufmerksamkeit stehen.

Für Time schafft eine maschinenlesbare Platzierung Inventar, wo herkömmliche visuelle Anzeigen kaum Wert haben. Ein Text-Crawler interessiert sich nicht für ein aufwendig gestaltetes Banner. Er interessiert sich für Text, der eine Anfrage beantworten kann.

Auch Werbetreibende stehen vor einem veränderten Entdeckungsprozess. Früher konnte jemand mehrere Links aus Google News vergleichen, Bewertungsseiten prüfen und Retargeting-Anzeigen wahrnehmen. Dieselbe Person kann heute einen einzelnen Assistenten nach einer Vorauswahl fragen und dessen Zusammenfassung akzeptieren.

Dadurch konzentriert sich Einfluss innerhalb des Auswahlprozesses des Assistenten. Marken müssen entscheiden, ob sie Anzeigen von der Plattform kaufen, ihre regulären öffentlichen Informationen verbessern, mit autoritativen Verlagen arbeiten oder alle drei Wege verfolgen.

Anthropic hat unter den großen Anbietern von Assistenten die deutlichste Gegenposition eingenommen. Das Unternehmen erklärte in Claude’s ad stance, dass Werbeanreize die Art von Denkraum beeinträchtigen würden, die Claude bieten soll. Es unterschied zwischen neutraler Erkundung und Antworten, die durch kommerzielle Interessen geprägt sind.

Dieses Versprechen gerät unter Druck, wenn bezahlte Einflussnahme über externe Quellen eintritt. Ein Assistent kann ohne internes Werbegeschäft arbeiten und dennoch kommerziell geprägtes Material aus dem offenen Web abrufen.

Dieselbe Herausforderung gilt für Google. Seine Werbeinfrastruktur kann eine bezahlte Platzierung nach den Plattformregeln sichtbar von einem organischen Ergebnis trennen. Weniger direkte Kontrolle hat Google über einen Verlag, der gesponserte Inhalte in Material einbettet, das für den Abruf bereitgestellt wird.

Verlage wiederum können nicht unbegrenzt darauf warten, dass KI-Unternehmen die Ökonomie des Webs neu gestalten. Lizenzvereinbarungen bleiben uneinheitlich, Referral-Traffic bleibt unsicher, und das Blockieren jedes Crawlers kann die Sichtbarkeit verringern. Agentenwerbung bietet einen möglichen Einnahmestrom über Infrastruktur, die Verlage bereits kontrollieren.

Sie bringt jedoch auch ein Glaubwürdigkeitsrisiko mit sich. Leser vertrauen etablierten Publikationen unter anderem deshalb, weil sie eine Grenze zwischen redaktionellem Urteil und Einfluss von Werbetreibenden erwarten. Ein bezahlter, auf Maschinen ausgerichteter Abschnitt kann diese Grenze schwächen, selbst wenn die für Menschen sichtbare Seite unverändert bleibt.

Times Verwendung eines Sponsoring-Hinweises ist daher wichtig, aber allein nicht ausreichend. Der Verlag muss zeigen, dass der Hinweis die Extraktion übersteht und dass bezahlte Aussagen nicht allein deshalb redaktionelle Autorität erhalten, weil sie auf einer vertrauenswürdigen Domain stehen.

Werbetreibende stehen vor einem verwandten Messproblem. Mobian kann testen, ob eine Marke in ausgewählten KI-Antworten erscheint, doch Korrelation beweist nicht, dass der bezahlte Text das Ergebnis verursacht hat. Das Modell könnte die Marke bereits kennen, eine andere Quelle abrufen oder für einen anderen Nutzer eine andere Antwort generieren.

Sichtbarkeits-, Wohlwollens- und Genauigkeitswerte können Ergebnisse beschreiben. Sie liefern jedoch nicht die stabile Attribution, die Marketer von Klicks oder Conversion-Tracking erwarten. Plattform-Updates können Gewinne zudem ohne Vorwarnung zunichtemachen.

Das Format könnte dennoch nützlich werden. Marken könnten kontrollierte Experimente auf autoritativen Seiten schätzen, insbesondere wenn KI-gestützte Entdeckung teure oder komplexe Käufe beeinflusst. Der Markt benötigt jedoch unabhängige Messungen, bevor maschinelle Sichtbarkeit mit Werbeleistung gleichgesetzt werden kann.

Für Verlage bleibt vertrauenswürdiges Quellmaterial der sicherste langfristige Wert. Klare Berichterstattung, präzise strukturierte Informationen und transparente kommerzielle Grenzen sind langlebiger als jede Taktik, die vom aktuellen Parsing-Verhalten eines Crawlers abhängt.

Wissensarbeiter stehen innerhalb von Organisationen vor derselben Herausforderung. Wenn KI-Systeme Quelldokumente in einer Antwort vermischen, kann die Herkunft verloren gehen. Eine durchsuchbare persönliche Wissensdatenbank hilft Nutzern, zu den Originalmaterialien zurückzukehren und zu beurteilen, wer jede Aussage erstellt hat.

Die zugrunde liegende Gewohnheit ist über dieses Werbeexperiment hinaus wichtig. KI-generierte Antworten sollten einen Bewertungsprozess beginnen, nicht beenden. Nutzer benötigen die Quelle, den Publikationskontext und jede finanzielle Beziehung, die mit den Informationen verbunden ist.

Was Google News und KI-Plattformen als Nächstes tun müssen

Die nächsten drei Signale werden zeigen, ob Agentenanzeigen zu einem anerkannten Medienformat oder zu einer kurzlebigen Form der Crawler-Optimierung werden.

Das erste Signal ist die Plattformklassifizierung. Die Reaktion von Google ist wichtig, weil seine Such- und Nachrichtenprodukte Verlage mit einem großen Publikum verbinden, während seine generativen Systeme Verlagstexte in Antworten wiederverwenden können.

Google muss nicht jede maschinenlesbare Werbung verbieten. Es braucht jedoch eine einheitliche Regel für alternative Seiten, gesponserte Abschnitte und kommerzielle Metadaten. Die Durchsetzung gegenüber einem Verlag ohne veröffentlichte Kriterien würde den breiteren Markt im Unklaren lassen.

Zu beobachten ist, ob Google seine Dokumentation aktualisiert, Unterstützung für strukturierte Sponsoring-Kennzeichnungen hinzufügt oder sichtbar gegen Seiten vorgeht, die crawler-spezifische kommerzielle Aussagen enthalten. Klare Unterstützung würde die Argumente für ein legitimes neues Format stärken. Eine Cloaking-Strafe würde sie deutlich schwächen.

Das zweite Signal ist die Beständigkeit der Offenlegung. Time und Mobian sollten testen, ob Sponsoring-Hinweise in Suchzusammenfassungen, Chatbot-Antworten, Zitaten und Agentenaktionen erhalten bleiben. Veröffentlichte Beispiele und Methoden würden Werbetreibenden, Regulierungsbehörden und Lesern ermöglichen, das System zu bewerten.

Die entscheidende Frage ist nicht, ob „gesponserte Inhalte“ irgendwo in der Quelle existieren. Sie lautet, ob die Person, die eine Empfehlung erhält, versteht, dass ein Werbetreibender dafür bezahlt hat, relevante Formulierungen im Retrieval-Pfad zu platzieren.

Wenn Assistenten diese Tatsache zuverlässig bewahren, beginnen Agentenanzeigen, maschinenlesbarer Native Advertising zu ähneln. Wenn Assistenten sie auslassen, erzeugt das Experiment ein Transparenzversagen, das Plattformen korrigieren müssen.

Das dritte Signal sind unabhängige Belege für Kausalität. Werbetreibende benötigen kontrollierte Tests, die zeigen, dass bezahlte Abschnitte Antworten zuverlässiger verändern als gewöhnliche Markeninformationen, PR-Material oder klassische Suchmaschinenoptimierung.

Diese Tests sollten gleichwertige Seiten, mehrere Modelle, wiederholte Prompts und Ergebnisse über einen längeren Zeitraum vergleichen. Sie sollten außerdem falsche Antworten und negative Effekte messen, nicht nur positive Erwähnungen.

Nachweise für konsistenten, offengelegten Einfluss würden Times kommerziellen Ansatz stärken. Schwache oder instabile Effekte würden darauf hindeuten, dass Werbetreibende für knappen Zugang zahlen, ohne verlässliche Ergebnisse zu erhalten.

Der größere Markt wird während dieser Tests nicht stillstehen. OpenAI baut klar getrennte konversationelle Anzeigen aus, während Amazon Werbung rund um Shopping-Assistenten entwickelt. Anthropic positioniert einen werbefreien Assistenten als Vertrauensvorteil.

Google muss beide Seiten ausbalancieren. Das Unternehmen betreibt ein großes Werbegeschäft, doch seine Suchprodukte hängen auch davon ab, dass Nutzer glauben, organische Antworten seien nicht heimlich durch Manipulation von Quellen gekauft worden.

Nutzer von Google News sollten dieselbe Sorgfalt anwenden wie bei herkömmlich gesponsertem Material. Öffnen Sie die zitierte Seite, prüfen Sie die Kennzeichnung, vergleichen Sie eine weitere Quelle und trennen Sie Tatsachenbehauptungen von Empfehlungen.

Entwickler, die Retrieval-Systeme bauen, sollten Herkunft auf Abschnittsebene erhalten. Ein Zitat für eine ganze Domain reicht nicht aus, wenn ein Block redaktionell und ein anderer werbefinanziert ist. Der bezahlte Status sollte mit dem extrahierten Text mitgeführt werden.

Unternehmenskäufer sollten Anbieter fragen, ob abgerufene Werbung in Empfehlungen, Zusammenfassungen oder automatisierte Kaufentscheidungen einfließen kann. Sie sollten außerdem fragen, ob ihre Systeme Offenlegungen bewahren, wenn Inhalte zwischen Tools verschoben werden.

Verlage sollten alternative Maschinenseiten nicht als unsichtbaren Kanal behandeln. Jede an einen Agenten ausgelieferte Aussage kann letztlich eine Person erreichen, einen Kauf beeinflussen oder in einer generierten Antwort erscheinen. Dieselbe redaktionelle und rechtliche Prüfung sollte gelten.

Die unmittelbare Geschichte ist nicht, dass Werbetreibende einen verlässlichen Weg gefunden haben, KI zu steuern. Sie haben einen neuen Ort gefunden, um Einfluss zu testen: innerhalb des Materials, das Maschinen verwenden, bevor sie eine Antwort formulieren.

Diese Unterscheidung wird die nächste Phase der KI-Werbung prägen. Wenn Google News und andere Plattformen den kommerziellen Kontext bewahren, können Verlage transparente maschinenlesbare Werbeplätze entwickeln. Wenn sie das nicht können, wird jede abgerufene Empfehlung eine neue Frage aufwerfen: Hat der Assistent diese Information ausgewählt, weil sie nützlich war, oder weil jemand dafür bezahlt hat, sie im Pfad der Maschine zu platzieren?

Vorerst sollten Leser die Originalquelle hinter jeder kommerziellen Empfehlung verlangen. Produktteams sollten prüfen, was ihre Agenten abrufen, und Verlage sollten nachweisen, dass Sponsoring-Hinweise über die Seite hinaus erhalten bleiben. Google News und konversationelle Assistenten werden entscheiden, ob Agentenanzeigen zu verantwortungsvollen Medien oder lediglich zu unsichtbarer Einflussnahme werden.