Coca-Cola hat im Juni 2026 einen 1,7-Mrd-$-Media-Pitch ausgeschrieben und dabei einen Satz reingeschrieben, der in der Branche eingeschlagen hat: Man wolle weg von traditioneller Mediaplanung, hin zu agentic AI Tools[1]. Übersetzt heißt das: Wer 2026 noch dreistellige Millionenbeträge in Mediaplanung steckt, ohne vorher Konzepte, Headlines und Visuals gegen die Zielgruppe zu testen, fliegt blind. Kampagnen pretesten mit KI ist damit kein nettes Add-on mehr, sondern die Voraussetzung dafür, dass die nächste Generation Mediaplanung überhaupt funktioniert. In diesem Artikel zeigen wir, was hinter dem Coca-Cola-Move steckt, wie KI-Pretesting konkret abläuft und warum Digital Twins jetzt zum Standardwerkzeug werden.
Zusammenfassung
- Coca-Cola schreibt einen Media-Etat von rund 1,7 Mrd. US-Dollar neu aus und nennt agentic AI explizit als Zielarchitektur[1]
- 40% der Marketer testen wenig bis gar keine Kreation vorab, Hauptgründe sind Kosten und Timing[2]
- Die besten 33% der Ads in Kantars LINK-Datenbank generieren 15x mehr Abverkauf als die schwächsten[3]
- Eine Verbesserung der Kreativqualität von durchschnittlich auf herausragend hebt den ROI um bis zu 30%[4]
- Gartner erwartet, dass bis 2028 60% der Marken agentic AI für 1:1-Interaktionen einsetzen[5]
- Digital Twins ermöglichen Pretests in Minuten statt Wochen, DSGVO-konform und ohne Panel
- Twin-Konsens 4/5: Befragte DACH-Strategen sehen KI-Pretesting als Pflicht für jeden Media-Invest ab 100k Euro
Der Coca-Cola-Move: Warum klassische Mediaplanung 2026 endet
Coca-Cola hat Anfang Juni 2026 die Beratung MediaSense eingeschaltet und einen globalen Media-Pitch ausgeschrieben, an dem nur die zwei Incumbents WPP und Publicis teilnehmen[1]. Es geht um rund 1,7 Mrd. US-Dollar Jahresvolumen außerhalb Nordamerikas, Japans und Koreas. Der Pitch beginnt im Juli und soll im Herbst entschieden werden[6].
Spannend ist aber nicht die Summe, sondern das Briefing. Coca-Cola schreibt wörtlich, man brauche einen Shift vom klassischen Media-Planungszyklus hin zu agentic Tools, die in Echtzeit empfehlen, optimieren und aktivieren[1]. CFO John Murphy hat in der Vorab-Kommunikation betont, dass die Verknüpfung von First-Party-Daten mit Partner-Daten und KI das Kerngeschäft der nächsten Phase ist[7].
Horizont nennt das den Abschied von traditioneller Mediaplanung und ordnet ein, dass Coca-Cola Streuverluste radikal reduzieren will[8]. ADZINE schreibt, in der zukünftigen Mediaplanung gehe nichts mehr ohne KI-Agenten, von der Strategie bis zur Abrechnung[9].
Kurz gesagt: Wenn der weltgrößte Werbungtreibende seine Mediaplanung auf agentic AI umstellt, ist das ein Signal, dem die Branche folgt. Die Konsequenz für DACH-Agenturen und Brand-Teams: Der Druck, jede Kreativentscheidung vorab zu validieren, steigt massiv.
Warum Kampagnen pretesten mit KI jetzt Pflicht wird
Pretest ist nicht neu. Aber die Realität sah bisher so aus: Eine klassische Pretest-Studie kostet 15.000 bis 80.000 Euro und braucht 4 bis 8 Wochen, oft pro Variante. Deshalb werden Kampagnen typischerweise gar nicht oder nur stichprobenartig vorab getestet. Kantar dokumentiert, dass 40% der Marketer wenig bis nichts pretesten, 55% nennen Kosten als Blocker, 46% das Projekt-Timing[2].
Das wäre verkraftbar, wenn die Auswirkung gering wäre. Ist sie aber nicht:
- Die besten 33% der Ads in Kantars LINK-Datenbank generieren 15x mehr kurzfristigen Abverkauf als die schwächsten 33%[3].
- Eine Verbesserung der Kreativqualität von Durchschnitt auf Top-Klasse hebt den ROI um bis zu 30%[4].
- In 76% der Fälle, in denen LINK eine hohe Short-Term Sales Likelihood vorhersagt, steigt der Abverkauf in den 8 Wochen nach Launch, gegenüber nur 28% bei schwacher Vorhersage[3].
Was bedeutet das? Wer 100 Millionen Media-Invest auf eine schwache Kreation legt, verbrennt strukturell Marge. Und wer das in einer Welt tut, in der agentic AI Systeme die Mediadollar in Echtzeit auf das stärkste Asset routen, verbrennt sie noch schneller, weil die Algorithmen den Fehler skalieren.
Wie Pre-Testing mit KI konkret funktioniert
KI-Pretesting läuft anders als die klassische Panelstudie. Statt 600 echte Menschen über vier Wochen zu befragen, befragst du eine synthetische Zielgruppe, also Digital Twins, in wenigen Minuten[10]. Diese Twins sind KI-basierte Personas, kalibriert auf realen Befragungs- und Verhaltensdaten, die mit hoher Genauigkeit vorhersagen, wie eine reale Zielgruppe reagieren würde.
Der typische Workflow in vier Schritten:
- Konzept-Input: Du lädst Headline-Varianten, Visuals, Claims oder ganze Ad-Konzepte hoch.
- Twin-Befragung: Die KI-Audience bewertet jede Variante auf Verständlichkeit, Relevanz, Kaufabsicht, Markenpassung und potenziellem Sales Lift.
- Refinement: Schwache Varianten fliegen raus, vielversprechende werden iteriert und erneut getestet.
- Media-Invest: Nur die validierten Top-Assets fließen ins Media-Buying, wahlweise direkt in eine agentic AI Pipeline.
Konkret kannst du heute schon pretesten:
- Headlines und Subheads: Welche Variante triggert die höchste Kaufabsicht?
- Visuals und Key Visuals: Welches Motiv kommuniziert die Botschaft sauber, welches verfehlt sie?
- Claims und Slogans: Welche Formulierung sitzt im Long-Term-Brand-Equity-Aufbau?
- Ad-Konzepte komplett: Welcher 30-Sekünder schlägt im Direktvergleich an?
- Landingpages und Hooks: Welche Page-Variante hält die Zielgruppe?
- Kampagnen-Storylines: Welcher Narrativ-Bogen funktioniert über mehrere Touchpoints?
Agentic AI ohne Pretest ist Skalieren von Fehlern
Gartner prognostiziert, dass bis 2028 60% der Marken agentic AI für gestreamlinete 1:1-Kundeninteraktionen nutzen[5]. Bis 2026 werden 40% der Enterprise-Apps task-spezifische KI-Agenten enthalten, gegenüber unter 5% in 2025[11].
Das klingt nach Effizienzparadies. Hat aber einen Haken, den ADZINE-Autor Christian Zimmer (Welect) sauber auf den Punkt bringt: Agentic AI Systeme optimieren auf Interaktionssignale, also Klicks, Conversions, Engagement. Wenn die zugrundeliegende Kreation schwach ist oder die Signale teilweise von Bots stammen, optimieren die Agenten auf ein verzerrtes Bild und skalieren den Fehler[9]. Imperva schätzt, dass rund die Hälfte des globalen Webtraffics automatisiert ist[9].
Was bedeutet das für Agenturen und Brand-Teams? Agentic AI ohne sauberen Pretest ist wie Autopilot ohne Sensor-Kalibrierung. Du fliegst schneller, aber in die falsche Richtung. Kampagnen pretesten mit KI ist der Kalibrier-Schritt, der den Unterschied zwischen 15x-Sales-Lift und 15x-Streuverlust macht.
Was Pre-Testing mit KI im Alltag verändert
Drei Effekte sehen wir konsistent bei DACH-Agenturen, die KI-Pretesting integriert haben:
- Validierungs-Frequenz steigt: Statt 2 bis 3 Pretests pro Jahr läuft ein Test pro Kampagnen-Sprint, oft mehrmals pro Woche.
- Konzept-Trichter wird steiler: 8 bis 12 Konzeptvarianten kommen rein, 1 bis 2 gehen ins Media-Buying. Vorher waren es 2 bis 3 Konzepte mit 1 zu 1 Quote.
- Bauchgefühl wird Decision Security: Strategen können vor dem Kunden argumentieren, warum Variante B in den Markt geht, mit Datenpunkten statt mit Geschmack.
Twin-Konsens 4/5: In einer internen neuroflash-Befragung unter DACH-Strategen halten 4 von 5 KI-Pretesting für Pflicht bei jedem Media-Invest ab 100k Euro. Die Begründung war einheitlich: Bei steigenden CPMs und sinkenden Aufmerksamkeitsspannen ist eine schwache Kreation der teuerste Fehler im Marketing-Mix.
neuroflash Digital Twins für Kampagnen-Pretesting
neuroflash Digital Twins sind KI-basierte Zielgruppen-Personas, die auf 1.000.000+ realen Befragungsprofilen aus der DACH-Region basieren[12]. Jeder Twin ist mit 68 bis 255 Datenpunkten kalibriert und liefert Antworten, die in der Praxis 85 bis 95% Übereinstimmung mit echten Umfrageergebnissen erreichen[12].
Für Pretest-Use-Cases heißt das konkret:
- 1.000.000+ reale Menschenprofile als Datenbasis, seit 2017 gesammelt
- 85-95% Vorhersagegenauigkeit gegenüber realen Umfragen, gegenüber rund 55% bei generischen KI-Tools
- Ergebnisse in Minuten statt 4-8 Wochen für klassische Pretest-Panels
- 20 vordefinierte DACH-Segmente plus benutzerdefinierte Zielgruppen
- Validiert durch 80+ akademische Studien und im Einsatz bei Fortune-500-Marken
Headline-Tests, Visual-Vergleiche und ganze Konzept-Pretests laufen über die gleiche Twin-Befragung. Du bekommst Decision Security, also die Sicherheit zu wissen, welche Variante funktioniert, bevor das Mediabudget fließt.
FAQ
Wie genau ist KI-Pretesting im Vergleich zu klassischen Panel-Tests?
Spezialisierte Digital-Twin-Anbieter wie neuroflash erreichen 85 bis 95% Übereinstimmung mit realen Umfrageergebnissen, generische KI-Tools liegen eher bei 55%[12]. Für die meisten Pretest-Use-Cases, also Konzept- und Kreativ-Bewertung, ist das mehr als ausreichend, weil Entscheidungen relativ getroffen werden (Variante A gegen B).
Welche Assets kann ich mit KI pretesten?
Headlines, Subheads, Visuals, Key Visuals, Claims, Slogans, ganze Ad-Konzepte, Landingpages, Hooks und ganze Kampagnen-Storylines. Alles, was sich als Text oder Bild beschreiben lässt, kann gegen die Twin-Audience laufen.
Wann lohnt sich KI-Pretesting?
Sobald der Media-Invest in der Größenordnung sechsstellig oder höher liegt. Bei einem Pretest von wenigen Hundert Euro gegen ein Risiko von 100.000 Euro Streuverlust ist die Rechnung eindeutig. Kantar dokumentiert 15x Sales Lift zwischen Top- und Bottom-Drittel der Kreationen[3].
Ersetzt KI-Pretesting komplett die klassische Marktforschung?
Nein, es ergänzt sie. Für strategische Großentscheidungen wie Re-Branding oder Markteintritt bleiben echte Panels wertvoll. Für die täglichen 100 Kampagnen-Entscheidungen ist KI-Pretesting schlicht das einzig praktikable Werkzeug, das schnell und DSGVO-konform skaliert.
Wie integriere ich KI-Pretesting in agentic AI Media-Pipelines?
Das Twin-Output, also die priorisierten Kreativ-Assets samt vorhergesagtem Sales Lift, fließt als Input in die Media-Agenten. Diese routen Budget dann auf die validierten Top-Assets statt auf ungetestete Varianten. So bekommt der Autopilot die Sensor-Kalibrierung, die ihn überhaupt erst sinnvoll macht.
Mein Fazit
Der Coca-Cola-Pitch ist kein Einzelfall, sondern der Startschuss für eine ganze Welle. Wenn der größte Werbungtreibende der Welt seine Mediaplanung auf agentic AI umstellt, folgen die nächsten 50 Brands binnen 18 Monaten. Wer heute keine Pretest-Pipeline aufbaut, wird in 12 Monaten Kreationen in Echtzeit-Auktionen schicken, ohne zu wissen, ob die Story überhaupt sitzt. Mein Tipp: Such dir eine Kampagne in der Pipeline, leg 5 Headline-Varianten und 3 Visual-Varianten gegen einen Digital Twin und sieh dir das Delta in der Kaufabsicht an. Du wirst die Logik nicht wieder verlassen, denn die nächste Mediaplanungs-Generation funktioniert nur mit kalibriertem Input.
Quellenverzeichnis
[1] MediaPost (2026): „Coca-Cola Co. Launches Media Review, Pits Two Main Incumbents.“ https://www.mediapost.com/publications/article/415547/coca-cola-co-launches-media-review-pitting-two-ma.html
[2] Kantar (2025): „LINK+ early-stage ad testing supercharges creative ROI.“ https://www.kantar.com/inspiration/agile-market-research/how-earlier-ad-testing-supercharges-creative-roi
[3] Kantar (2025): „Can ad testing really predict sales impact?“ 15x Sales Lift Top- vs. Bottom-Third. https://www.kantar.com/north-america/inspiration/advertising-media/can-ad-testing-really-predict-sales-impact
[4] Kantar (2025): „The art of proof: How creative quality drives profit.“ 30% ROI-Lift, 4x mehr Profit. https://www.kantar.com/inspiration/advertising-media/the-art-of-proof-how-creative-quality-drives-profit
[5] Gartner (2026): „Gartner Predicts 60% of Brands Will Use Agentic AI to Deliver Streamlined One-to-One Interactions by 2028.“ https://www.gartner.com/en/newsroom/press-releases/2026-01-15-gartner-predicts-60-percent-of-brands-will-use-agentic-ai-to-deliver-streamlined-one-to-one-interactions-by-2028
[6] Campaign Asia (2026): „Coca-Cola launches global media review as WPP and Publicis go head to head.“ https://www.campaignasia.com/article/coca-cola-launches-global-media-review-as-wpp-and-publicis-go-head-to-head/4x2c484f4hd303rtbcx10pmmmd
[7] Digiday (2026): „Ahead of global agency review, Coca-Cola’s CFO focuses on data matching.“ https://digiday.com/media-buying/one-of-our-core-areas-ahead-of-global-agency-review-coca-colas-cfo-focuses-on-data-matching/
[8] Horizont (2026): „Mega-Etat & KI-Pläne: Coca-Cola sagt sich von traditioneller Mediaplanung los.“ https://www.horizont.net/agenturen/nachrichten/mega-etat–ki-plaene-coca-cola-sagt-sich-von-traditioneller-mediaplanung-los-undlaesst-pitchen-234602
[9] ADZINE (2026): „Agentic AI macht Media effizienter, aber für wen eigentlich?“ https://www.adzine.de/2026/03/agentic-ai-macht-media-effizienter-aber-fuer-wen-eigentlich/
[10] Street Journal (2025): „Synthetic Audiences: Using Digital Twins to Pressure-Test Your Digital Marketing Strategy.“ https://www.streetjournal.co.uk/synthetic-audiences-using-digital-twins-to-pressure-test-your-digital-marketing-strategy/
[11] Gartner (2025): „Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026.“ https://www.gartner.com/en/newsroom/press-releases/2025-08-26-gartner-predicts-40-percent-of-enterprise-apps-will-feature-task-specific-ai-agents-by-2026-up-from-less-than-5-percent-in-2025
[12] neuroflash (2026): „Digital Twins by neuroflash: Market Research with AI.“ https://neuroflash.com/de/digital-twins
