WPP baut auf Google Cloud, doch KI-Marketing hängt nun von seinem Datenfundament ab
WPP setzt auf Google Cloud, um fragmentierte Agenturdaten durch ein gemeinsames Fundament für KI-Marketing zu ersetzen. Der Konflikt ist offensichtlich: WPP will in einer globalen Organisation prädiktive Entscheidungen ermöglichen – trotz jahrelanger Fragmentierung bei Daten und Technologie.
Die Antwort darauf lautet WPP Open, ein agentenbasiertes Marketingsystem, das Daten, Modelle, Workflows und Agenturexpertise verbindet. Agentenbasiert bedeutet, dass Software-Agenten mehrstufige Aufgaben innerhalb definierter Regeln koordinieren können, statt lediglich einzelne Prompts zu beantworten.
Die Modelle sind jedoch nicht der schwierigste Teil. WPP muss zunächst standardisieren, wie Teams auf Daten zugreifen, Services bereitstellen, Kontrollen durchsetzen und Engineering-Komponenten wiederverwenden. Damit rücken Plattform- und Daten-Engineering ins Zentrum der KI-Strategie.
Dieser Ansatz setzt auch konkurrierende Agenturgruppen wie Publicis Groupe, Omnicom und Dentsu unter Druck. Jede von ihnen muss zeigen, dass ihre KI-Plattform mehr ist als eine Sammlung kreativer Tools und Anbieterintegrationen.
WPP wettet darauf, dass eine kontrollierte interne Plattform verstreute Expertise in wiederholbar einsetzbare Software verwandeln kann. Das Risiko besteht darin, dass Zentralisierung neue Abhängigkeiten schafft, während sich Marketingergebnisse weiterhin nur schwer unabhängig überprüfen lassen.
Google Cloud verschafft WPP Open eine gemeinsame Engineering-Schicht
WPP betrachtet gemeinsame Infrastruktur als Voraussetzung für gemeinsame Intelligenz.
Das unmittelbare Problem des Unternehmens ergab sich aus seiner eigenen Größe. Marketingdaten, Anwendungen und Arbeitsweisen waren über Hunderte von Agenturen und regionale Organisationen verteilt.
Diese Struktur unterstützte spezialisierte Teams, erschwerte jedoch die Einführung von KI. Ein für eine Agentur entwickeltes Modell konnte andernorts von anderen Berechtigungen, Datenformaten, Infrastrukturen oder Freigabeprozessen abhängen.
Der neue Engineering-Bericht beschreibt WPPs Antwort als Problem des Plattform- und Daten-Engineerings. Ziel ist es, Produktteams wiederverwendbare Grundlagen bereitzustellen, mit denen sie KI-Services sicher und konsistent entwickeln können.
Plattform-Engineering schafft eine interne Schicht aus freigegebenen Tools, Services und Bereitstellungswegen. Entwickler nutzen diese Schicht, statt jede Anwendungsumgebung unabhängig zusammenzustellen.
Das ist wichtig, weil ein KI-Marketingservice mehr als ein Sprachmodell berührt. Er kann Kundeninformationen, Kampagnenhistorien, Zielgruppensignale, Markenregeln, Kreativ-Assets, Messdaten und externe Werbeplattformen einbeziehen.
Jede Komponente ist mit unterschiedlichen Zugriffsbedingungen verbunden. Ein globales System muss diese Grenzen wahren und Teams dennoch dabei helfen, relevante Informationen zusammenzuführen.
WPP Open bietet die operative Oberfläche für diese Arbeit. Es verbindet Strategie, kreative Entwicklung, Produktion, Media und Analyse in einer gemeinsamen Umgebung.
Die Plattform macht nicht jeden Agenturdatensatz identisch. Stattdessen gibt sie Teams gemeinsame Wege, Daten bereitzustellen, zu kontrollieren und zu nutzen, während notwendige organisatorische Grenzen erhalten bleiben.
Diese Unterscheidung ist wichtig. Ein zentralisiertes Data Warehouse mit uneingeschränkt verfügbaren Kundendaten würde inakzeptable kommerzielle und Datenschutzrisiken schaffen.
WPP benötigt stattdessen kontrollierte Interoperabilität. Daten sollen über freigegebene Workflows hinweg nutzbar bleiben, ohne universell sichtbar oder frei übertragbar zu werden.
Google Cloud liefert unter diesem Betriebsmodell Infrastruktur-, Daten-, Sicherheits- und KI-Services. WPP steuert seine Marketingdaten, Agenturwissen, Kundenbeziehungen und das Workflow-Design bei.
Die Vereinbarung baut auf einer ersten Gemini-Integration auf, die im April 2024 angekündigt wurde. Damals erklärte WPP, dass bereits mehr als 35.000 Mitarbeitende WPP Open nutzten.
Diese Zusammenarbeit konzentrierte sich auf vier frühe Anwendungen. Dazu gehörten kreative Produktion, die Vorhersage der Content-Performance, Videokommentare und Produktdarstellung.
Gemini 1.5 Pro bot damals zudem ein Kontextfenster von einer Million Token. WPP erklärte, diese Kapazität helfe Creative Studio dabei, mehr Markenrichtlinien, Kampagnenhistorien, visuelle Regeln und Produktinformationen gemeinsam zu verarbeiten.
Diese Anwendungsfälle zeigten, was Modelle leisten könnten. Der jüngste Engineering-Fokus befasst sich damit, wie WPP ähnliche Fähigkeiten wiederholt in der gesamten Organisation verfügbar machen kann.
Eine wiederverwendbare Plattform kann Identitätskontrollen, Protokollierung, Bereitstellungsrichtlinien, Datenverbindungen und Monitoring in standardisierte Pfade bündeln. Produktteams verbringen dadurch weniger Zeit damit, grundlegende Komponenten neu aufzubauen.
Dieses Design unterstützt auch schnellere Experimente. Ein Team kann ein neues Zielgruppenmodell oder einen Agenten testen, ohne dafür ein vollständig separates Infrastrukturmodell einzurichten.
Geschwindigkeit ist jedoch nicht das einzige Ziel. Standardisierung ermöglicht WPP, einheitliche Kontrollen anzuwenden, bevor ein Service einen Kunden-Workflow erreicht.
Dazu gehört die Festlegung, welche Datensätze eine Anwendung abrufen darf, wie Ergebnisse erfasst werden und an welchen Stellen menschliche Freigaben weiterhin erforderlich bleiben. Außerdem hilft sie Teams dabei, festzustellen, wer für einen fehlerhaften Service verantwortlich ist.
Das Ergebnis ist kein universelles Marketingmodell. Es ist ein kontrolliertes System, in dem spezialisierte Anwendungen freigegebene Engineering-Grundlagen gemeinsam nutzen können.
Diese Veränderung schafft die zentrale Spannung des Artikels. WPPs KI-Vorteil hängt weniger vom Zugang zu Modellen ab als davon, ob seine interne Plattform die durch die Agenturstruktur geschaffene Fragmentierung überwinden kann.
Fragmentierte Daten sind jetzt ein Wettbewerbsnachteil
KI macht organisatorische Fragmentierung von einer Unannehmlichkeit zu einer direkten Grenze für die Produktqualität.
Traditionelle Agenturarbeit kann voneinander getrennte Systeme leichter tolerieren als automatisierte Entscheidungssoftware. Menschliche Teams gleichen inkonsistente Berichte regelmäßig ab, fragen Kollegen nach Kontext und interpretieren lokale Namenskonventionen.
Modelle können diese Lücken ohne Engineering-Unterstützung nicht zuverlässig schließen. Schlecht definierte Daten können zu irreführenden Vergleichen, unvollständigen Empfehlungen oder selbstsicheren Antworten auf Grundlage des falschen Kundenkontexts führen.
Das Problem wächst, wenn ein Agent handelt. Ein Fehler im Reporting ist unerquicklich, eine automatisierte Änderung bei der Media-Allokation kann jedoch reale Ausgaben beeinflussen.
WPP benötigt daher gemeinsame Definitionen für Zielgruppen, Kampagnen, Assets, Leistungskennzahlen und Berechtigungen. Diese Definitionen müssen bei Bewegungen zwischen Agenturen, Regionen und Werbekanälen erhalten bleiben.
Die im Oktober 2025 angekündigte erweiterte Partnerschaft machte dieses Infrastrukturengagement konkreter. WPP kündigte eine fünfjährige Vereinbarung und eine Ausgabenverpflichtung von 400 Millionen US-Dollar für Google-Technologien an.
WPP erklärte außerdem, dass Google-Cloud-KI-Produkte Open Intelligence unterstützen würden, seine Daten- und Intelligenzschicht für Zielgruppenmodellierung. Open Intelligence ist Teil des umfassenderen WPP-Open-Systems.
Die Partnerschaft machte Google Cloud zu einem wichtigen Bestandteil von WPPs Betriebsmodell und nicht bloß zu einem weiteren Modellanbieter. Googles Services unterstützen nun kundenorientierte Anwendungen und interne Workflows.
Diese Beziehung verschafft WPP Zugang zu Modellen und verwalteter Infrastruktur unter dem Dach eines Anbieters. Sie kann den Integrationsaufwand verringern und Verantwortlichkeiten über Teile der Plattform hinweg vereinfachen.
Sie schafft jedoch auch ein Konzentrationsrisiko. Ein größerer Anteil von WPPs Daten- und KI-Betrieb wird an Googles technische Roadmap, Serviceverfügbarkeit, kommerzielle Bedingungen und Governance-Fähigkeiten gebunden.
WPP beschreibt WPP Open als von Grund auf offen. Das Unternehmen erklärt, das System könne mit Kundenplattformen und anderen Technologiepartnern integriert werden, darunter Adobe, Amazon Web Services, Microsoft, Meta und TikTok.
Die Interoperabilität wird sich in der Umsetzung beweisen müssen. Mehrere Anbieter auf einer Produktseite zu unterstützen, ist etwas anderes, als Daten und Workflows ohne kostspielige Neuentwicklung zwischen ihnen zu verschieben.
Dieser Druck reicht über WPPs Engineering-Teams hinaus. Agenturleiter müssen gemeinsame Standards akzeptieren, die lokale Technologieentscheidungen einschränken können.
Kundenteams müssen außerdem entscheiden, welche Informationen in gemeinsame Services einfließen dürfen. Rechts-, Datenschutz- und Sicherheitsspezialisten benötigen Richtlinien, die über verschiedene Rechtsräume hinweg funktionieren.
Die erzwungene Reaktion ist langfristig. WPP kann diesen Übergang nicht abschließen, indem es eine Anwendung migriert oder eine Datenquelle anbindet.
Jeder neue KI-Agent erhöht den Bedarf an konsistentem Identitätsmanagement, Metadaten, Evaluierung und Incident-Management. Ein schwaches Fundament wird mit wachsendem Agentenkatalog teurer.
Dieselbe Logik gilt für WPPs Wettbewerber. Publicis hat seine Identitäts- und Datenstrategie um Epsilon und CoreAI aufgebaut, während Omnicom Omni als sein Marketing-Betriebssystem beworben hat.
Diese Gruppen stehen unter ähnlichem Druck, übernommene Agenturen und proprietäre Datensätze in kohärente Software zu verwandeln. Die Verfügbarkeit von Modellen allein bietet wenig Schutz, da jedes große Netzwerk führende Modelle lizenzieren kann.
Die knappe Fähigkeit ist operativer Natur. Agenturgruppen müssen ihre Daten nutzbar machen, ohne Kundentrennung, Datenschutzpflichten oder lokale Workflows zu verletzen.
Das verschiebt den Wettbewerb weg von beeindruckenden Demonstrationen. Käufer werden zunehmend fragen, wie eine Plattform Datenherkunft, Freigaben, Portabilität, Messung und Fehler verwaltet.
WPP kann profitieren, wenn gemeinsames Engineering die spezialisierten Agenturen leichter kombinierbar macht. Ein globaler Kunde könnte einen kontrollierten Workflow über Forschungs-, Kreativ-, Produktions- und Media-Teams hinweg nutzen.
Gemeinsame Infrastruktur schafft jedoch nicht automatisch gemeinsames Verhalten. Teams benötigen weiterhin Anreize, ihre Daten zu dokumentieren, Plattformstandards zu übernehmen und doppelte Systeme stillzulegen.
Legacy-Systeme bringen eine weitere Komplikation mit sich. Einige Anwendungen enthalten wertvolle Historien, verfügen jedoch nicht über moderne Schnittstellen oder konsistente Metadaten.
Sie zu ersetzen kann die Kundenarbeit unterbrechen. Sie beizubehalten kann genau jene Fragmentierung bewahren, die WPP Open verringern soll.
WPPs Plattformteam muss daher Standardisierung und schrittweise Einführung ausbalancieren. Übermäßige Flexibilität lässt Silos bestehen, während starre Migrationsanforderungen die Bereitstellung verlangsamen können.
Deshalb ist die Engineering-Schicht für den Wettbewerb entscheidend. Sie bestimmt, ob WPP Open zu einem funktionierenden Betriebssystem wird oder ein gebrandeter Einstieg zu voneinander getrennten Tools bleibt.
Der eigentliche Mechanismus ist kontrollierte Wiederverwendung, nicht Modellzugang
WPPs technischer Vorteil wird aus wiederverwendbaren Kontrollen und Datenprodukten entstehen, nicht aus exklusivem Zugang zu generativer KI.
Ein Modell kann ein Briefing zusammenfassen oder ein Bild erzeugen, ohne tief in eine Organisation integriert zu sein. Prädiktives Marketing erfordert eine anspruchsvollere Kette von Komponenten.
Das System muss relevante Signale finden, Nutzungsrechte bestätigen, Eingaben transformieren, ein Modell ausführen, das Ergebnis bewerten und es in einen freigegebenen Workflow überführen.
Ein Datenprodukt bündelt einen vertrauenswürdigen Datensatz mit Eigentümerschaft, Dokumentation, Zugriffsregeln und Qualitätserwartungen. Es gibt nachgelagerten Teams eine stabile Schnittstelle statt einer unerklärten Sammlung von Datensätzen.
Diese Struktur kann WPP dabei helfen, Plattformverantwortlichkeiten zu trennen. Zentrale Teams pflegen die gemeinsame Infrastruktur, während Fachbereichsteams für Bedeutung und Qualität ihrer Daten verantwortlich bleiben.
Ein Media-Team versteht Daten zur Kampagnenauslieferung. Eine Gruppe für Markenstrategie versteht Forschungsrahmen, während eine Produktionsgruppe Asset-Versionen und Nutzungsrechte versteht.
Zentrale Engineers sollten diese Domänen nicht allein neu definieren. Ihre Aufgabe besteht darin, Spezialisten standardisierte Wege bereitzustellen, um sie zu veröffentlichen, zu überwachen und zu kontrollieren.
Diese Aufteilung verringert ein häufiges Scheitern von Unternehmens-KI. Organisationen zentralisieren oft die Technologie, während die Bedeutung der Daten ungeklärt bleibt.
Die resultierende Plattform funktioniert technisch, liefert jedoch uneinheitliche Antworten. Nutzer kehren dann zu Tabellenkalkulationen, privaten Datenbanken und manuellen Freigaben zurück.
WPP muss dieses Ergebnis vermeiden, indem es die Einführung als Produktproblem behandelt. Interne Teams benötigen klare Wege, Daten anzubinden, Services zu starten und Fehler zu untersuchen.
Wiederverwendbare Bereitstellungsmuster können die kognitive Belastung reduzieren. Ein Produktteam sollte nicht zum Experten für jedes Sicherheits- oder Infrastrukturdetail werden müssen, bevor es einen genehmigten Anwendungsfall testet.
Ebenso wichtig ist eine standardisierte Observability. Observability bedeutet, die Logs, Metriken und Traces zu erfassen, die nötig sind, um das Verhalten eines Systems zu verstehen.
Bei einem KI-Workflow müssen Teams mehr als nur die Verfügbarkeit überwachen. Sie müssen wissen, welche Daten in eine Anfrage eingeflossen sind, welches Modell sie verarbeitet hat und welche Ausgabe einen Nutzer erreicht hat.
Sie benötigen außerdem Bewertungskriterien. Eine flüssig formulierte Antwort kann dennoch Markenrichtlinien verletzen, relevante Belege auslassen oder eine ungeeignete Zielgruppe empfehlen.
Der Engineering-Ansatz von WPP kann Bewertungsschleusen innerhalb der gemeinsamen Plattform platzieren. Teams können dann aufgabenspezifische Tests anwenden, ohne ein völlig neues Prüfsystem erfinden zu müssen.
Menschliche Aufsicht bleibt Teil des Mechanismus. WPP sagt, seine Agenten unterstützten Mitarbeitende, statt ihr Urteilsvermögen zu ersetzen.
Diese Position ist praktisch, weil Marketingentscheidungen subjektive und kontextabhängige Elemente enthalten. Ein Modell kann nicht eigenständig entscheiden, ob ein Kampagnenrisiko für jede Marke akzeptabel ist.
Die Plattform kann stattdessen Belege, Prognosen und Alternativen anzeigen. Ein Stratege oder Mediaspezialist akzeptiert, ändert oder verwirft anschließend die Empfehlung.
Im Laufe der Zeit können diese Entscheidungen zu Feedback-Signalen werden. Sie können zeigen, wo ein Agent gut arbeitet und wo lokale Expertise weiterhin unverzichtbar ist.
Das System muss mit Feedback sorgfältig umgehen. Die Zustimmung eines Nutzers beweist nicht immer, dass eine Ausgabe korrekt oder wirksam war.
Kampagnenergebnisse enthalten außerdem Störvariablen. Preisgestaltung, Vertrieb, Aktivitäten von Wettbewerbern, Saisonalität und wirtschaftliche Bedingungen können die Leistung beeinflussen.
Das Modell von WPP hängt daher von disziplinierter Messung ab. Teams müssen generierte Empfehlungen von späteren Geschäftsergebnissen trennen und zwischenliegende Entscheidungen dokumentieren.
Dieser Mechanismus erstreckt sich auch auf kreative Arbeit. Markenrichtlinien, freigegebene Assets und frühere Kampagnen können die Modellausgabe beeinflussen, bevor ein Mensch sie prüft.
WPP erklärte, seine frühe Gemini-Integration habe eine größere Kontextkapazität genutzt, um mehr dieser Informationen gemeinsam zu verarbeiten. Mehr Kontext kann die Relevanz verbessern, garantiert jedoch keine Compliance.
Älteres Kampagnenmaterial kann abgelaufene Aussagen oder veraltete visuelle Regeln enthalten. Ein größerer Retrieval-Pool kann Fehler verstärken, wenn Metadaten und Berechtigungen schwach sind.
Datenqualität und Governance müssen vor dem Retrieval-Volumen stehen. Die Plattform muss für jede Aufgabe wissen, welche Quelle aktuell, maßgeblich und zulässig ist.
Hier bietet eine durchsuchbare Wissensdatenbank eine nützliche Parallele. Retrieval wird wertvoll, wenn Dokumente mit Verantwortlichkeiten, Kontext und Zugriffskontrollen versehen sind.
Die Herausforderung von WPP bewegt sich auf einer deutlich größeren organisatorischen Ebene. Dennoch bleibt das Prinzip gleich: KI benötigt verlässlichen Kontext mehr als einen unbegrenzten Stapel von Dateien.
Die Datenschutzarchitektur muss über Kundengrenzen hinweg funktionieren
WPP kann Marketing-Intelligence nicht in großem Maßstab bündeln, sofern Kunden keine echte Kontrolle über ihre Daten behalten.
Werbedaten können Kundenverhalten, Geschäftspläne, Kampagnenleistung und Marktprioritäten offenlegen. Die Kombination dieser Signale schafft analytischen Wert und erhebliche Risiken.
Zum Kundenstamm von WPP gehören auch Unternehmen, die miteinander konkurrieren. Die Plattform muss verhindern, dass Informationen eines Accounts ohne autorisierte Grundlage einen anderen beeinflussen.
Herkömmliche Berechtigungen lösen dieses Problem nur teilweise. Ein Nutzer kann Zugriff auf einen Datensatz haben, ohne die Erlaubnis zu besitzen, ihn für Modelltraining oder kundenübergreifende Analysen zu verwenden.
Der Zweck ist entscheidend. Daten, die zur Kampagnenmessung erhoben wurden, werden nicht automatisch zu akzeptablen Eingaben für jede KI-Anwendung.
WPP hat diese Herausforderung mit InfoSum verbunden, einem Unternehmen für Datenkollaboration, das es im April 2025 übernommen hat. Die InfoSum-Übernahme sollte datenschutzbewusste Zielgruppen-Intelligence und die Entwicklung von KI-Modellen stärken.
InfoSum nutzt isolierte Umgebungen namens Bunkers. Teilnehmer können genehmigte Daten vergleichen oder analysieren, ohne die zugrunde liegenden Datensätze direkt auszutauschen.
WPP erklärte 2025, dass InfoSum Bunkers über Google Marketplace verfügbar und in WPP Open integriert seien. Das Unternehmen stellte dies als Zusammenarbeit ohne Verschiebung von Rohdaten dar.
Diese Architektur kann unnötige Kopien begrenzen. Sie kann außerdem Berechtigungen dort leichter durchsetzbar machen, wo eine Analyse ausgeführt wird.
Datenschutzwahrende Infrastruktur klärt jedoch nicht jede Governance-Frage. Organisationen entscheiden weiterhin, welche Analysen legitim sind und welche Ergebnisse eine geschützte Umgebung verlassen dürfen.
Selbst aggregierte Ergebnisse können sensible Informationen offenlegen, wenn Gruppen zu klein sind. Wiederholte Abfragen können außerdem Muster sichtbar machen, die eine einzelne Abfrage verbergen würde.
Die Plattform benötigt daher Richtlinien für Abfragedesign, Mindestgrößen von Zielgruppen, Ergebnisprüfung, Aufbewahrung und Audit-Aufzeichnungen. Diese Kontrollen müssen regionsübergreifend einheitlich gelten.
Globale Aktivitäten erschweren diese Aufgabe. Datenschutzanforderungen und vertragliche Einschränkungen unterscheiden sich je nach Rechtsraum, Kunde und Datenkategorie.
Eine gemeinsame Plattform kann helfen, indem sie genehmigte Standardvorgaben kodiert. Sie kann nicht unterstützte Übertragungen blockieren und für sensible Workflows eine zusätzliche Prüfung verlangen.
Zentrale Kontrollen erleichtern außerdem Audits. WPP kann dokumentieren, welcher Service unter welcher Identität und für welche Kundenanwendung auf eine Quelle zugegriffen hat.
Zentralisierung erhöht jedoch auch die Folgen eines Designfehlers. Eine fehlerhafte Zugriffsvorlage kann sich über viele Services verbreiten, bevor sie jemand erkennt.
Das Plattformteam benötigt gestaffelte Releases und eng begrenzte Berechtigungen. Neue Komponenten sollten nur den Datenzugriff erhalten, der für ihren definierten Zweck erforderlich ist.
Kunden werden außerdem Lösch- und Korrekturprozesse erwarten. Wenn sich Daten an ihrer Quelle ändern, müssen zugehörige Indizes, zwischengespeicherte Features und Modelleingaben möglicherweise aktualisiert werden.
Das wird schwieriger, wenn ein Agent abgeleitete Artefakte erstellt. Eine Empfehlung oder ein generiertes Briefing kann Informationen aus mehreren geschützten Quellen enthalten.
WPP muss ausreichend Herkunftsinformationen bewahren, um diese Abhängigkeiten zu identifizieren. Data Lineage dokumentiert, wo Informationen entstanden sind und wie sie sich in einem Workflow verändert haben.
Ohne Lineage können Teams grundlegende Fragen zur Verantwortlichkeit nicht beantworten. Sie können nicht zuverlässig erklären, warum ein Agent eine Empfehlung erzeugt hat oder welche Quelle korrigiert werden muss.
Dasselbe Problem betrifft die Modellevaluierung. Ein Testdatensatz mit Kundeninformationen benötigt eigene Berechtigungen, Aufbewahrungsregeln und Trennungskontrollen.
Synthetische Testdaten können die Exposition verringern, erfassen jedoch möglicherweise keine ungewöhnlichen Fälle aus der Praxis. Die Bewertung in der Produktion erfordert weiterhin sorgfältig kontrollierte Stichproben.
Die Datenschutzbehauptungen von WPP sollten daher als architektonische Absichten gelesen werden, nicht als unabhängiger Beleg für jede Implementierung. Das Unternehmen hat keine detaillierten Audit-Ergebnisse für die gesamte Plattform öffentlich vorgelegt.
Auch die berichteten Kundenergebnisse stammen hauptsächlich aus den eigenen Veröffentlichungen von WPP. Diese Zahlen können Anwendungsfälle veranschaulichen, belegen jedoch nicht die Leistung jeder Implementierung.
Diese Unsicherheit entwertet die Strategie nicht. Sie zeigt, warum Governance sichtbar bleiben muss, während WPP von Pilotprojekten zu routinemäßigen Kundenoperationen skaliert.
Die Agentur-Rivalen von WPP bauen ihre eigenen KI-Betriebssysteme
Der Wettbewerb lautet nicht WPP gegen einen einzelnen Modellanbieter; er lautet gemeinsame Betriebsinfrastruktur gegen beständige Agentursilos.
Jede große Agenturgruppe kann auf generative Modelle zugreifen. Google, Microsoft, Adobe, Amazon und spezialisierte KI-Anbieter werben aktiv um Marketingteams in Unternehmen.
WPP selbst arbeitet mit mehreren dieser Unternehmen zusammen. Die Beziehung zu Google ist zentral, doch WPP Open muss auch die Technologieentscheidungen der Kunden berücksichtigen.
Die Adobe-Erweiterung des Unternehmens vom Februar 2026 veranschaulicht diese Anforderung. WPP erklärte, Adobe-Agenten würden die Content-Erstellung unterstützen, während seine Agenten Medien und Aktivierung optimierten.
Dieses Multi-Partner-Design kann WPP davor schützen, zu einem bloßen Wiederverkäufer eines einzelnen Anbieters zu werden. Es ermöglicht dem Unternehmen, seinen Workflow und seine proprietäre Intelligence über einzelnen Modellen zu positionieren.
Es erhöht jedoch auch den Integrationsaufwand. Jede Plattform bringt unterschiedliche Identitätssysteme, Datenobjekte, Sicherheitsrichtlinien, Überwachungsmethoden und Release-Zyklen mit.
Die interne Engineering-Schicht von WPP muss einen Großteil dieser Unterschiede auffangen. Andernfalls sehen sich Produktteams und Kundenaccounts mit inkonsistentem Verhalten konfrontiert, sobald ein Anbieter Änderungen vornimmt.
Publicis bietet einen starken Vergleich, weil das Unternehmen die Identitäts- und Daten-Assets von Epsilon besitzt. Diese Struktur verschafft Publicis einen anderen Weg zu personalisiertem Marketing und Closed-Loop-Messung.
Omnicom hat Omni rund um Zielgruppen-Intelligence, Planung, Aktivierung und Messung entwickelt. Die geplante Integration mit Interpublic erhöht zudem die Bedeutung von Daten- und Plattformkonsolidierung.
Auch Dentsu hat KI-Services mit seiner Merkury-Identitätsplattform und seinen Customer-Experience-Operationen verbunden. Beratungsunternehmen erhöhen den Druck zusätzlich, indem sie Cloud-Implementierung mit Marketingtransformation kombinieren.
Diese Wettbewerber wetteifern nicht einfach darum, mehr Inhalte zu generieren. Sie versuchen, das System zu kontrollieren, in dem Kundendaten zu einer Empfehlung und anschließend zu einer Handlung werden.
Diese Kontrolle hat kommerziellen Wert. Eine Agenturplattform, die in tägliche Planung und Messung eingebettet ist, kann längere Beziehungen und höhere Wechselkosten schaffen.
Kunden werden sich dennoch gegen Lock-in wehren. Viele globale Marken unterhalten bereits umfangreiche Datenplattformen, Content-Systeme und direkte Beziehungen zu Werbenetzwerken.
WPP Open muss in diese Umgebungen passen, statt sie sämtlich zu ersetzen. Sein Wert hängt von der Orchestrierung über Systeme hinweg ab, die WPP nicht besitzt.
Dadurch entsteht der wichtigste Gegenspieler: ein einheitliches Plattformmodell gegen die fragmentierte Betriebsrealität globaler Agenturarbeit.
Das einheitliche Modell verspricht schnellere Wiederverwendung, gemeinsame Governance und konsolidierte Messung. Fragmentierung bewahrt lokale Flexibilität, etablierte Prozesse und spezialisierte Anbieterentscheidungen.
Keine der beiden Seiten verschwindet vollständig. WPP braucht genügend Zentralisierung, um KI sicher zu betreiben, während Agenturen genügend Autonomie benötigen, um unterschiedliche Märkte und Kunden zu bedienen.
Die besten Belege werden aus der routinemäßigen Nutzung kommen. Eine Plattform, die nur für Präsentationen vor Führungskräften eingesetzt wird, verändert das Betriebsmodell einer Agentur nicht.
Der Start von Agent Hub im Januar 2026 verschafft dem Unternehmen einen Distributionskanal für interne Tools. WPP erklärte, der Hub sei mit verifizierten Agenten für seine globale Belegschaft und Kunden gestartet.
Ein Agent ermöglicht Zugriff auf rund 30 Jahre Brand Asset Valuator-Daten. Andere bündeln Verhaltenswissenschaft und kreative Methoden aus WPP-Agenturen.
Dieser Ansatz wandelt institutionelles Wissen in Softwarekomponenten um. Er kann spezialisierte Methoden über die Teams hinaus verfügbar machen, die sie entwickelt haben.
Die Kodifizierung von Expertise bringt jedoch Pflegepflichten mit sich. Forschung verändert sich, Markenbedingungen verschieben sich, und ein einst nützliches Framework kann unangemessen werden.
Jeder Agent benötigt einen Verantwortlichen, einen Aktualisierungsprozess, einen Bewertungsstandard und eine Stilllegungsrichtlinie. Ein großer Katalog ohne diese Kontrollen wird zu einer weiteren Form der Fragmentierung.
Die Einführung verändert auch interne Machtverhältnisse. Gemeinsam genutzte Agenten können die Abhängigkeit von einzelnen Prozessen in Agenturen verringern und zugleich die Abhängigkeit von zentralen Plattformteams erhöhen.
Diese Spannung wird WPP Open ebenso prägen wie die Modellqualität. Technologiestandards setzen sich nur durch, wenn die betrieblichen Anreize sie unterstützen.
Drei Signale werden zeigen, ob die Plattform funktioniert
WPP muss nun beweisen, dass seine technische Grundlage Entscheidungen verbessert – und nicht nur die Produktion von Marketingmaterial beschleunigt.
Das erste Signal ist eine wiederholbare Einführung bei Kunden über Agenturen und Regionen hinweg. WPP sollte zeigen, dass eine zentral verwaltete Komponente mehrere Kunden unterstützen kann, ohne jedes Mal eine separate Infrastruktur zu erfordern.
Das würde die Plattformthese stärken. Wenn jede Bereitstellung weiterhin umfangreiche kundenspezifische Integration erfordert, bleibt die Fragmentierung unter der Oberfläche von WPP Open bestehen.
Aussagekräftige Offenlegungen würden aktive Kunden-Workflows, Wiederverwendungsraten, Bereitstellungszeiten und den Anteil der Services umfassen, die gemeinsame Plattformkontrollen nutzen. Aggregierte Nutzerzahlen allein sagen wenig über die operative Tiefe aus.
Das zweite Signal sind Belege, die KI-Empfehlungen mit verifizierten Geschäftsergebnissen verbinden. WPP hat über Pilotprojekte berichtet, die eine schnellere Produktion, präzisere Zielgruppenansprache und betriebliche Effizienz betreffen.
Diese Ergebnisse benötigen klare Vergleichswerte und Bewertungsmethoden. Käufer sollten wissen, ob die Vergleiche ähnliche Kampagnen, Zeiträume, Zielgruppen und Freigabeprozesse abdecken.
Eine unabhängige Validierung würde WPPs Aussagen stärken. Konsistente Ergebnisse bei nicht miteinander verbundenen Kunden wären aussagekräftiger als eine einzelne außergewöhnliche Kampagne.
Schwache oder selektive Belege würden nicht beweisen, dass das System gescheitert ist. Sie würden zeigen, dass Vorhersagen weiterhin schwieriger sind als die Automatisierung der Content-Produktion.
Das dritte Signal ist, wie WPP mit Portabilität, Datenschutz und Vorfällen umgeht, während sein Partnernetzwerk wächst. Die Verpflichtung gegenüber Google Cloud ist umfangreich, während Adobe und andere Anbieter weiterhin wichtig bleiben.
Kunden sollten beobachten, ob Workflows die Modelle wechseln können, ohne Herkunftsnachweise, Bewertungen oder Zugriffskontrollen zu verlieren. Sie sollten außerdem prüfen, wie WPP über Sicherheits- und Data-Governance-Fehler berichtet.
Ein schwerwiegender Vorfall würde prüfen, ob zentrale Governance den Schaden begrenzt oder ausweitet. Transparente Abhilfemaßnahmen wären aufschlussreicher als weitreichende Zusicherungen vor einem Fehler.
Die nächsten ein bis drei Monate sollten außerdem zeigen, wie schnell neue Google-Funktionen WPP Open erreichen. Schnelle Integration ist nur dann relevant, wenn Kontrollen und Messung zusammen mit der Funktion bereitgestellt werden.
WPPs größere Wette ist nun sichtbar. Das Unternehmen wandelt eine Gruppe von Agenturen in eine softwaregestützte Marketingorganisation um und versucht zugleich, spezialisiertes Urteilsvermögen zu bewahren.
Dieser Wandel verleiht Google Cloud eine strategische Rolle in Werbeabläufen. Zugleich macht er WPP für die technischen Entscheidungen zwischen einem Modell und dem Medienbudget eines Kunden verantwortlich.
Für Unternehmenskäufer lautet die praktische Frage nicht, ob WPP Open ein Kampagnenkonzept erstellen kann. Viele Tools können das bereits.
Fragen Sie stattdessen, ob die Plattform ihre Quellen identifizieren, Kundengrenzen respektieren, Anbieterwechsel überstehen und erklären kann, wie aus einer Empfehlung eine Handlung wurde. Diese Prüfungen werden entscheiden, ob Google Cloud WPP hilft, Unsicherheit zu verringern – oder sie lediglich schneller zu automatisieren.
