Definition Real-Time-Bidding (RTB)

Real-Time-Bidding (RTB) ist ein automatisiertes Auktionsverfahren im programmatischen Display-Marketing, bei dem Werbeflächen auf Webseiten und in Apps für jede einzelne Ad Impression in Echtzeit versteigert werden – individuell für jeden Nutzer, der eine Seite aufruft. Das Ergebnis: Der Höchstbietende erhält den Werbeplatz, und seine Anzeige wird dem Nutzer angezeigt. Der gesamte Prozess findet innerhalb von 80–120 Millisekunden statt – schneller als ein Lidschlag.

Der Ablauf im Detail: Wenn ein Nutzer eine Webseite aufruft, sendet der Publisher (Websitebetreiber) über seine Supply-Side-Platform (SSP) eine Bid Request an verfügbare Ad Exchanges. Diese Bid Request enthält Informationen über den verfügbaren Werbeplatz (Format, Position, URL) und – sofern vorhanden und eingewilligt – anonymisierte Daten über den Nutzer (Demografie, Interessen, Standort, Gerät). Alle angeschlossenen Demand-Side-Platforms (DSPs) der Advertiser erhalten die Bid Request, bewerten den Werbeplatz anhand ihrer Kampagnenziele und Zielgruppenparameter und geben innerhalb von Millisekunden ein Gebot ab. Der Ad Exchange ermittelt den Höchstbietenden, meldet das Ergebnis zurück, und die Anzeige des Gewinners wird im Browser des Nutzers geladen – noch während die Seite aufgebaut wird.

Das RTB-Ökosystem besteht aus mehreren spezialisierten Technologieplattformen, die auf der Käufer- (Demand) und der Verkäuferseite (Supply) zusammenwirken:

• Publisher (Supply-Seite): Der Betreiber einer Website oder App, der Werbeflächen zur Verfügung stellt. Publisher monetarisieren ihr Inventar, indem sie es über eine SSP für den RTB-Markt öffnen. Ziel: maximale Erlöse aus dem verfügbaren Inventar bei minimalen Streuverlusten durch schlechte Anzeigenqualität.
• Supply-Side-Platform (SSP): Die Technologieplattform des Publishers, die das Inventar verwaltet, Bid Requests aussendet und Gebote entgegennimmt. Die SSP vertritt die Interessen des Publishers und versucht, den höchstmöglichen CPM (Cost per Mille) für jede Impression zu erzielen. Bekannte SSPs: Google Ad Manager, Magnite, Xandr, Index Exchange, OpenX.
• Ad Exchange: Der zentrale Marktplatz, auf dem SSPs und DSPs zusammengeführt werden. Der Ad Exchange empfängt Bid Requests von SSPs, leitet sie an alle angeschlossenen DSPs weiter, verarbeitet die eingehenden Gebote und ermittelt den Gewinner. Bekannte Ad Exchanges: Google Display & Video 360 (DV360), The Trade Desk, Amazon DSP, Xandr Invest.
• Demand-Side-Platform (DSP): Die Technologieplattform der Advertiser und Agenturen, die Gebote in Echtzeit berechnet und abgibt. Die DSP wertet Bid Requests aus, prüft sie gegen die Kampagnenziele (Zielgruppe, Gebot, Budget, Frequenz) und gibt ein Gebot ab. Die Gebotslogik basiert heute fast ausschließlich auf KI-Algorithmen. Bekannte DSPs: The Trade Desk, DV360 (Google), Amazon DSP, Xandr, Criteo.
• Data Management Platform (DMP): Eine Datenverwaltungsplattform, die Nutzerprofile aus verschiedenen Datenquellen (First-Party-Daten, Third-Party-Datensegmente) aggregiert und der DSP für die Gebotslogik zur Verfügung stellt. In der Post-Cookie-Ära werden DMPs zunehmend durch Customer Data Platforms (CDPs) mit First-Party-Datenfokus ersetzt.
• Yield-Optimierer: Intermediäre, die im Auftrag von Publishern mehrere SSPs und direkte Deals gleichzeitig managen, um den Gesamtertrag des Publisher-Inventars zu maximieren – durch Header Bidding und dynamische Bodenpreissteuerung.

Das Auktionsprinzip im RTB hat sich seit seiner Einführung in mehreren Dimensionen weiterentwickelt. Die wichtigsten Auktionsmodelle und technischen Mechanismen:

• Second-Price Auction (Vickrey-Auktion, historisch dominant): Der Gewinner der Auktion zahlt nicht sein eigenes Höchstgebot, sondern das zweithöchste Gebot plus einen Cent. Dieses Modell galt als besonders fairgebot-freundlich, weil es für Bieter rational ist, ihr tatsächliches Wertempfinden zu bieten statt strategisch zu unterbieten. Bis 2019 war die Second-Price Auction das dominante Modell der meisten Ad Exchanges.
• First-Price Auction (heute Standard): Der Gewinner zahlt sein eigenes abgegebenes Gebot. Google Ad Manager und die meisten großen Ad Exchanges haben 2019 auf First-Price Auctions umgestellt, da sie für Publisher ertragsstärker sind. Für Advertiser bedeutet das höhere Anforderungen an die Gebotsoptimierung – DSPs müssen strategisch unterbieten (Bid Shading), um nicht zu viel zu zahlen.
• Bid Shading: Eine KI-gestützte Technik der DSPs, um in First-Price-Auktionen wettbewerbsfähig zu bieten ohne zu viel zu zahlen. Der Algorithmus lernt aus historischen Auktionsdaten, wie viel ein Inventarsegment typischerweise kostet, und bietet einen optimierten Wert zwischen dem tatsächlichen Wert und dem Clearing Price.
• Header Bidding: Eine technische Innovation (ab ca. 2015), bei der Publisher-seitig mehrere SSPs und Käufer gleichzeitig und parallel um eine Impression bieten – bevor der Ad-Server des Publishers entscheidet, wem die Impression zugeschlagen wird. Im Gegensatz zum klassischen Wasserfall-Modell, bei dem SSPs nacheinander gefragt wurden, erhöht Header Bidding den Wettbewerb und damit die Erlöse für Publisher erheblich. Heute ist Prebid.js (Open-Source-Library) der De-facto-Standard für clientseitiges Header Bidding; serverseitiges Header Bidding reduziert die Ladezeit-Auswirkungen auf den Browser.
• Private Marketplace (PMP) und Programmatic Guaranteed: Alternativen zur offenen RTB-Auktion: Im PMP erhalten ausgewählte Advertiser exklusiven Zugang zu Premium-Inventar eines Publishers zu vorab vereinbarten Mindestpreisen (Deal ID). Bei Programmatic Guaranteed werden Volumen und Preis vorab fixiert – kein Bieterwettbewerb, aber volle Planungssicherheit für beide Seiten.

Der entscheidende Vorteil von RTB gegenüber klassischer Buchung von Werbeflächen ist die Möglichkeit, für jeden Nutzer individuell zu entscheiden, wie viel die Impression wert ist – auf Basis von Zielgruppeninformationen. Das reduziert Streuverluste drastisch:

• Behavioral Targeting über Nutzerprofile: DSPs werten Nutzerdaten aus, die über Cookies oder Login-IDs verfügbar sind – Surfverhalten, Kaufhistorie, Kategorie-Interessen –, und bewerten jede Impression danach, ob der Nutzer zur gewünschten Zielgruppe gehört. Passt das Nutzerprofil, wird ein hohes Gebot abgegeben; passt es nicht, wird gar nicht geboten oder mit minimalem Gebot teilgenommen.
• Re-Targeting: Nutzer, die die Website des Advertisers bereits besucht haben (z. B. Warenkorbabbrecher), werden in einer Re-Targeting-Liste geführt. Sobald sie auf einer anderen Seite eine RTB-Impression auslösen, bietet die DSP des Advertisers bevorzugt auf diese Impression – mit einem angepassten Werbemittel und oft einem höheren CPM-Gebot.
• Soziodemografisches Targeting, Geo-Targeting und Technisches Targeting: Impressionen werden nach Standort (bis auf PLZ-Ebene), Gerättyp (Smartphone vs. Desktop), Betriebssystem, Browser und Tageszeit qualifiziert. Advertiser können Gebote für irrelevante Kontexte auf null setzen oder für besonders wertvolle Kontexte deutlich erhöhen.
• Contextual Targeting: Der Inhalt der Seite, auf der die Impression erscheint, wird als Qualitätssignal genutzt – unabhängig von Nutzerprofilen. Besonders relevant in einer cookiearmen Zukunft: Impressionen auf inhaltlich passenden Seiten werden höher bewertet als kontextfremde Platzierungen.
• Streuverluste im Vergleich: Klassische Direktbuchung von Werbeflächen (z. B. Banner auf einer bestimmten Website) erreicht alle Besucher dieser Seite – unabhängig davon, ob sie zur Zielgruppe gehören. RTB ermöglicht es, nur die relevante Teilmenge der Besucher anzusprechen und das Budget auf die wertvollsten Impressionen zu konzentrieren. Das reduziert Streuverluste und erhöht den Return on Ad Spend (ROAS).

RTB hat die Display-Werbung grundlegend verändert und bietet klare Vorteile gegenüber klassischer Buchung – ist aber auch mit spezifischen Risiken verbunden, die aktives Management erfordern:

• Vorteil – Präzision und Effizienz: Advertiser zahlen nur für Impressionen, die ihren Zielgruppenparametern entsprechen. Das optimiert das Werbebudget und verbessert die Kampagnen-KPIs (CTR, Conversion Rate, CPA) gegenüber undifferenzierter Massenbelegung.
• Vorteil – Reichweite bei gleichzeitiger Relevanz: RTB ermöglicht den Zugang zu Inventar auf tausenden Websites gleichzeitig – mit der Kontrolle, nur für relevante Nutzer zu bieten. Das verbindet die Skalierbarkeit von Massenwerbung mit der Präzision von Direktansprache.
• Vorteil – Echtzeitoptimierung: Kampagnen können kontinuierlich auf Basis von Performance-Daten (CTR, Conversions, CPMs) angepasst werden – Gebote, Zielgruppen und Werbemittel in Echtzeit optimiert, nicht erst nach einer Kampagnenlaufzeit.
• Risiko – Brand Safety: Ohne aktives Brand-Safety-Management können Anzeigen auf Websites mit unangemessenen, extremistischen oder qualitativ minderwertigen Inhalten erscheinen. Werkzeuge: Kategorie-Ausschlüsse, URL-Blocklisten, Brand-Safety-Targeting-Segmente von Drittanbietern (IAS, DoubleVerify, Moat).
• Risiko – Ad Fraud: Ein erheblicher Anteil des Inventars in offenen RTB-Auktionen ist fraudulent – durch Bots generierte Impressionen, die nie von einem echten Menschen gesehen werden. Laut ANA (Association of National Advertisers) kostet Ad Fraud die Branche global geschätzte 100+ Milliarden US-Dollar jährlich. Gegenmaßnahmen: Fraud-Detection-Anbieter (IAS, DoubleVerify), App-Lists statt Open Exchanges, Private Marketplaces mit verifizierten Publishern.
• Risiko – Komplexität und Transparenz: Das RTB-Ökosystem ist für Advertiser oft intransparent: Welche Websites erhalten das Budget tatsächlich? Welche Gebühren nehmen DSP, SSP und Ad Exchange? Die Stärkung der Supply Path Optimization (SPO) – direktere, kosteneffizientere Verbindungen zwischen Advertiser und Publisher – ist eine Antwort darauf.

Das RTB-Ökosystem steht unter gleichzeitigem Druck durch technologische Beschleunigung und regulatorische Restriktion – eine Kombination, die das Marktbild nachhaltig verändert:

• KI in der Gebotsoptimierung: Moderne DSPs setzen vollständig auf KI-Algorithmen für Echtzeit-Gebotslogik. Machine-Learning-Modelle analysieren Millionen von Bid Requests pro Sekunde, berechnen Conversion-Wahrscheinlichkeiten für jeden Nutzerkontext und setzen Gebote präziser als jede regelbasierte Strategie. Predictive Behavioral Targeting ist integraler Bestandteil jeder modernen DSP-Gebotslogik.
• Third-Party-Cookie-Wegfall und Privacy Sandbox: Der schrittweise Wegfall von Third-Party-Cookies entzieht dem klassischen nutzerprofilbasierten RTB seine Datenbasis. Googles Protected Audience API (früher FLEDGE) ermöglicht Interest-Group-basiertes Bidding direkt im Browser – ohne Übertragung personenbezogener Daten an Ad Exchanges. Die Branche testet diese Technologie, aber die vollständige Integration in produktive RTB-Workflows ist noch in Entwicklung.
• Contextual Targeting als Comeback: In der Abwesenheit von Nutzerprofildaten gewinnt kontextuelles Targeting stark an Bedeutung. KI-gestützte Contextual-Targeting-Lösungen (z. B. Peer39, Grapeshot/Oracle Contextual Intelligence) analysieren Seiteninhalt in Echtzeit und ermöglichen präzisere Kontextsegmentierung als frühere Keyword-basierte Ansätze – als datenschutzkonforme RTB-Alternative.
• Supply Path Optimization (SPO): Advertiser und Agenturen bauen direkte, transparentere Verbindungen zu Premium-Publishern auf – mit weniger Intermediären und niedrigeren Gebühren. Das reduziert die Ineffizienz von Open-Exchange-Käufen und verbessert die Qualität und Messbarkeit des eingekauften Inventars.
• Attention Metrics statt Viewability: Die Branche bewegt sich von der reinen Viewability-Messung (wurde die Anzeige angezeigt?) zu Attention-Metriken (hat der Nutzer die Anzeige tatsächlich wahrgenommen?). Eye-Tracking-basierte Attention-Scores von Anbietern wie Lumen Research oder Adelaide (AU) fließen zunehmend in RTB-Gebotslogiken ein – als qualitativerer Maßstab für Impressionswert als CPM allein.