Rajeev Butani, CEO von MediaMint – Interview-Serie

Rajeev Butani, CEO von MediaMint, bringt über drei Jahrzehnte Führungserfahrung in globaler Technologie, Medien und digitaler Transformation mit. Bevor er zu MediaMint kam, war er CEO und Vorstandsmitglied bei HeadSpin, wo er Innovationen im Bereich Performance-Intelligence für digitale Erfahrungen vorantrieb. Zuvor verbrachte Butani fast 27 Jahre bei Accenture, wo er transformative Initiativen als Group Technology Officer für Communications, Media & Technology leitete und Strategien und Partnerschaften im Bereich aufstrebender Technologien wie künstlicher Intelligenz und maschinellem Lernen überwachte. Seine Führungsrollen bei Accenture umfassten die Verwaltung von Beziehungen zu großen Kunden wie Google (GOOGL ), Facebook (META ) und Microsoft (MSFT ), was seine tiefen Kenntnisse im Bereich Technologie, Strategie und Wachstum unterstreicht.

MediaMint wurde 2010 gegründet und ist ein globaler Partner für digitale Betriebsabläufe, der umfassende Unterstützung in den Bereichen Ad-Operations, kreative Produktion, Datenanalyse und Kampagnenmanagement bietet. Mit Hauptsitz in Hyderabad und Büros in den USA und Polen ermöglicht MediaMint es Medienunternehmen, Agenturen und Plattformen, durch eine Kombination aus menschlicher Expertise und Technologie effizient zu skalieren. Das Unternehmen konzentriert sich auf die Bereitstellung von hochwertiger operativer Exzellenz, Flexibilität und Transparenz, um Kunden dabei zu helfen, ihre Workflows zu optimieren, Kosten zu reduzieren und sich auf Innovation in einem zunehmend komplexen digitalen Ökosystem zu konzentrieren.

Was hat Ihre Übergang von Accenture zu MediaMint inspiriert, und wie hat Ihre Erfahrung im Consulting Ihre Herangehensweise an AI-getriebene Betriebsabläufe geprägt?

Mein Wechsel war ein Schritt aus dem Beratungszimmer in den Operatorenstuhl. Nach Jahren bei Accenture, in denen ich Unternehmen half, Transformationsstraßenkarten zu entwerfen, sah ich eine klare Marktnachfrage nach einer Lösung, bei der ich nicht nur für Straßenkarten, sondern auch für Ergebnisse mit Haut und Haar verantwortlich sein konnte.

Da die Adoption von künstlicher Intelligenz zunimmt, fordern Kunden Partner, die Ergebnisse und Ergebnisse durch die Übernahme von End-to-End-Arbeiten liefern können, anstatt nur Teile davon. Meine Erfahrung im Consulting hat unsere Herangehensweise geprägt, um diese Nachfrage zu erfüllen, und ich bin nicht weniger begeistert von der Reise, die vor uns liegt, um führende Unternehmen in den Bereichen Medien, Unterhaltung und Technologie bei ihren Front-Office-Betriebsabläufen zu unterstützen.

Das Brechen von Silos mit Agentic AI: Wir wenden das strategische, cross-funktionale Denken des Consulting direkt durch unsere Agentic-AI-Plattform an. Agentic AI ermöglicht es uns, die funktionalen Silos – Vertrieb, AdOps, Finanzen – zu durchbrechen, gegen die größeren Unternehmen gezwungen sind zu arbeiten. Unsere Agilität ermöglicht es uns, End-to-End-Lösungen zu entwerfen und bereitzustellen, die Agentic AI und menschliche Agenten kombinieren, um Ergebnisse im großen Maßstab zu erzielen.

MediaMint wurde 2010 gegründet und hat sich seitdem erheblich entwickelt. Wie haben sich die Mission und Fähigkeiten des Unternehmens entwickelt, insbesondere mit dem Launch von MediaMint Labs?

MediaMint war immer an der Spitze der Medien- und Marketing-Operations. Wir begannen damit, hochwertige, von Menschen geführte Dienstleistungen für große Verleger, Plattformen, Agenturen und Marken bereitzustellen. Unsere Mission war es, der vertrauenswürdige operative Partner zu sein, der es unseren Kunden ermöglicht, ihre Umsätze zu skalieren und betriebliche Effizienzen aufzubauen.

Der Launch von MediaMint Labs markiert unsere nächste Phase, die Formalisierung, wie wir künstliche Intelligenz nutzen, um nicht nur Effizienz, sondern auch Wachstum zu treiben. Wir konzentrieren uns nun darauf, künstliche Agenten über MediaMint Labs zu schaffen, die nicht nur Aufgaben ausführen, sondern auch strategische Beschleuniger für unsere Kunden werden. Der Erwerb von DataBeat war auch ein wichtiger Teil dieser Entwicklung, der unsere Fähigkeiten im Bereich Datenengineering, Analyse und Yield-Management vertieft. Dies ist eine grundlegende Änderung, die uns von einem vertrauenswürdigen Dienstleister zu einem AI-getriebenen Wachstumspartner macht.

MediaMint Labs konzentriert sich auf gemeinsam erstellte künstliche Agenten, Optimierer und Beschleuniger, die MediaMint nicht nur entwickelt, sondern auch besitzt und betreibt. Welchen strategischen Vorteil bietet dieses Hands-on-Eigentumsmodell den Kunden?

Dieses Hands-on-Eigentumsmodell ist unser Kern-Strategiedifferenzierer. Wir haben gelernt, dass künstliche Agenten, die übergeben und dann ignoriert werden, scheitern, sobald reale Komplexität auftritt. Unsere Kunden erhalten zwei große Vorteile:

Erstens, schnelle Entwicklung und Sicherheit. Unsere interne, modellunabhängige Entwicklungsumgebung ermöglicht es uns, Agenten für eine Vielzahl von Wachstumsszenarien sicher und im großen Maßstab zu entwerfen, bereitzustellen und zu betreiben. Mit vordefinierten Laufzeiten und einer-ein-Klick-Umgebungsprovisionierung können wir neue Agenten in Wochen, nicht Monaten, live schalten. Die Plattform übernimmt die Governance, Datenresidenz und Sicherheit standardmäßig, so dass Kunden sich nicht um die Komplexität der Verwaltung von maßgeschneiderten KI-Infrastrukturen kümmern müssen.

Als zweites, kontinuierliche Verbesserung und Stabilität. Wir behalten die operative Verantwortung, was bedeutet, dass wir für die kontinuierliche Leistung des Agenten verantwortlich sind. Wir verfolgen die Leistung in Echtzeit über ein zentrales Nachverfolgungssystem, so dass jede Aktion verantwortlich und jedes Ergebnis über die Zeit verbessert wird.

Sie haben vor den Fallstricken gewarnt, künstliche Agenten an Kunden ohne kontinuierliche Betreuung zu übergeben. Warum ist das Modell von MediaMint, bei dem Sie die operative Verantwortung behalten, effektiv?

Das Übergeben eines künstlichen Agenten ist wie das Übergeben eines Hochleistungsrennwagens ohne Pit-Crew. Es mag am ersten Tag perfekt laufen, aber ohne konstante Wartung und Pflege wird es scheitern. Der Kern-Fallstrick ist der Verfall – Die Leistung des Agenten verschlechtert sich, wenn der zugrunde liegende Kunden-Workflow oder die Plattform-API ändert.

Warum operative Verantwortung funktioniert: Unser Modell ist effektiv, weil wir die operative Verantwortung übernehmen und den Agenten nicht als Produkt, sondern als garantierten Service behandeln. Dies bietet zwei wichtige Vorteile:

1. Kontinuierliche Verbesserung

Wir behalten die Verantwortung für die kontinuierliche Leistung des Agenten. Unser zentrales Nachverfolgungssystem und unsere Bewertungssuiten ermöglichen es uns, den Agenten kontinuierlich zu überwachen und zu optimieren, durch unseren Human-in-the-Loop-Prozess gegen die Live-Geschäftsregeln des Kunden. Dieses Modell stellt sicher, dass die Leistung der Lösung nicht verfällt, sondern besser und robuster wird. Diese kontinuierliche Betreuung ist es, wie wir garantieren, dass der Agent immer sicher und verantwortungsvoll arbeitet, was kritische Umsatz- und Compliance-Risiken für den Kunden eliminiert.

2. Strategische Urteilsfähigkeit und Schutz vor Randfällen

Der Mensch im Schleife ist nicht für grundlegende Aufgaben da; er ist unser “Pit-Crew” für hochriskante Szenarien. Diese Expertise ist entscheidend für: Strategische Urteilsfähigkeit: Das Handhaben von Situationen, die der KI noch nie begegnet sind, wie größere regulatorische Änderungen oder neue Plattformstarts. Schutz vor Randfällen: Die Auflösung von mehrdeutigen Ausgaben und komplexen Fehlern, die Umsatz oder Compliance beeinträchtigen könnten.

Diese kontinuierliche Betreuung übersetzt sich direkt in Wert. Wir liefern ein garantiertes Leistungsergebnis, was eine erhebliche Reduzierung kritischer Fehler und eine konstant hohe Kundenzufriedenheit bedeutet, nicht nur ein Stück Software.

Wie sehen Sie die Zukunft von Agentic AI, wenn es Elemente des SaaS-Modells ergänzt oder ersetzt? Welche Faktoren bestimmen, ob eine Lösung besser als Agentic AI oder traditionelles SaaS bereitgestellt wird?

Die aktuelle Debatte verfehlt den Punkt: Agentic AI ist nicht hier, um den gesamten SaaS-Stack zu ersetzen; es ist hier, um die Ökonomie der operativen Arbeit zu stören. Der Kern-Unterschied ist der Wechsel von der Bereitstellung eines Tools zur Garantie eines Ergebnisses. Agentic AI wird SaaS auf zwei unterschiedliche Weise beeinflussen:

Ersetzung: Der Workflow-Crunch. Agenten werden transaktionale, workflow-getriebene SaaS-Plattformen ersetzen – die Plattformen, die ausschließlich dazu dienen, Daten zu bewegen oder Routine-Schritte zu automatisieren. Der Wert liegt nicht mehr in der Benutzeroberfläche; er liegt in autonomer Aktion. Wir bewegen uns von “Tool-as-a-Service” zu “Action-as-a-Service”.

Komplement: Die Augmentations-Schicht. Agenten werden nicht strategische Plattformen wie Salesforce oder große Mediensysteme ersetzen. Stattdessen wird unser Agentic-AI-System auf ihnen arbeiten, komplexe, Echtzeit-Optimierungen ausführend. Sie nehmen passive Systeme der Aufzeichnung und verwandeln sie in aktive Systeme der Intelligenz, die menschliche Fähigkeiten erweitern.

Der Schlüsselfaktor, der unsere Herangehensweise bestimmt, ist Zuverlässigkeit. Im Gegensatz zu Consumer-LLM-Tools sind unsere Agenten so konzipiert, dass sie zuverlässige Arbeiter sind. Sie sind so konzipiert, dass sie detaillierte SOPs genau befolgen, Richtlinien einhalten und nie von ihnen abweichen, über Hunderte von Läufen. Dieses Engagement für Governance und Vertrauen – nicht nur Kreativität – ist es, was es uns ermöglicht, P&L-kritische Workflows zu verwalten, was traditionelles SaaS und Consumer-AI nicht können.

MediaMint betont einen hybriden Ansatz mit Menschen im Schleife. Warum ist menschliche Aufsicht im Zeitalter von Agentic AI immer noch entscheidend, und wie verbessert sie die Ergebnisse?

Menschen bieten zwei Dinge, die ein künstlicher Agent nicht kann: Urteilsfähigkeit und Strategie. Während ein künstlicher Agent einen Medienplan erstellen oder eine Pacing-Anomalie korrigieren kann, ist ein menschlicher Strategie-Experte erforderlich, um die Geschäftsziele zu setzen, kreative Richtlinien zu geben und nuancierte Entscheidungen zu treffen, die Marken-Sicherheit, Marktsentiment oder unerwartete externe Faktoren beinhalten.

Unsere Plattform unterstützt dieses hybride Modell per Design. Unsere Agenten sind so konzipiert, dass sie zuverlässige Partner sind, die die Arbeit konsistent erledigen, Lauf für Lauf, den Richtlinien folgend und den SOPs genau. Dies stellt sicher, dass der menschliche Gouverneur Echtzeit-Anleitung und Feedback geben und als notwendiger Human-in-the-Loop (HITL) agieren kann, um sicherzustellen, dass sie als verantwortungsvolle, richtlinienkonforme Arbeiter arbeiten. Der Agent übernimmt die monotonen, hochvolumigen Aufgaben, wie das Erstellen von Berichten oder das Markieren von Problemen, was zu einer durchschnittlichen Reduzierung der Anstrengung um 40 % für unsere Teams geführt hat. Dies ermöglicht es dem Menschen, sich auf hochwertige, strategische Arbeit zu konzentrieren. Menschliche Aufsicht verbessert nicht nur die Ergebnisse; sie stellt sicher, dass sie mit den umfassenderen, strategischen Zielen des Unternehmens übereinstimmen.

Viele AI-Implementierungen scheitern, weil sie zu isoliert sind. Wie stellt MediaMint sicher, dass AI-Lösungen holistisch über Workflows und Abteilungen integriert werden?

Das ist eine wichtige Herausforderung, und wir haben unsere gesamte Philosophie entwickelt, um sie zu lösen. Die meisten AI-Projekte scheitern, weil sie als isolierte Punkt-Lösungen gebaut werden, die nie wirklich die Sprache des Unternehmens sprechen. Unsere Lösung ist es, sicherzustellen, dass jeder Agent von Grund auf für die spezifische Workflow- und operative Realität des Kunden entwickelt wird. Wir erreichen diese holistische Integration nicht durch generische SDKs, sondern durch das Agent Runbook – eine maßgeschneiderte operative Blaupause.

Das Agent Runbook ist die Kern-Operationsschrift. Es ist eine maßgeschneiderte Spielanleitung – ein Satz von Anweisungen und Schutzvorkehrungen, der dem Agenten genau sagt, was zu tun ist, wie Ausnahmen zu handhaben sind und wie genau mit externen Systemen zu verbinden ist. Dieser Ansatz löst das Problem der fragmentierten KI direkt, indem er die Integration von vornherein erzwingt: Das Runbook ist auf die SOP des Kunden zugeschnitten, unsere Domänen-Expertise in den Kern einbettend. Darüber hinaus verbindet unsere Connector-Bibliothek diese Agenten nahtlos mit wichtigen Kunden-Systemen wie Salesforce, Google Ad Manager und Snowflake. Dies bedeutet, dass die KI-Lösung modular ist und in verschiedenen Abteilungen bereitgestellt werden kann – beispielsweise kann ein “Media-Plan-Agent” direkt in einen “Creative-QA-Agent” einfließen – und stellt sicher, dass die Lösung nicht nur ein Tool, sondern ein integrierter, holistischer Bestandteil des operativen Rückgrats des Kunden ist.

Sehen Sie Szenarien, in denen mehrere künstliche Agenten über Rollen hinweg zusammenarbeiten und “Agent-zu-Agent”-Systeme schaffen?

Absolut. Wir bauen bereits auf diese Zukunft hin. Die Architektur unserer Plattform, mit ihrer einheitlichen Dienstschicht und Tool-Adaptoren, ist für diese Art von Interoperabilität konzipiert. Die Zukunft wird weniger über einen einzelnen, monolithischen Agenten und mehr über spezialisierte Agenten handeln, die zusammenarbeiten, um ein komplexes Geschäftsproblem zu lösen.

Stellen Sie sich ein Ökosystem vor, in dem ein Anomalie-Erkennungs-Agent einen Rückgang in der Kampagnenleistung erkennt. Er löst einen zweiten Optimierungs-Agenten aus, um eine Gebotsanpassung vorzunehmen. Dieser zweite Agent benachrichtigt dann einen Creative-QA-Agenten, um zu prüfen, ob es Compliance-Probleme mit den Kreativen gibt. Schließlich konsolidiert ein Berichts-Agent all diese Aktionen und Erkenntnisse in eine Echtzeit-Zusammenfassung für den Account-Manager. Unsere MediaMint Labs ermöglichen diese Agent-zu-Agent-Zusammenarbeit, die das Rückgrat der nächsten Generation von Geschäfts-Operations bildet, in der Workflows nicht länger eine lineare Sequenz von menschlichen Aufgaben sind, sondern eine dynamische Orchestrierung von autonomen Agenten.

Für Unternehmen, die Agentic AI erkunden, welche sind Ihre Top-3-Empfehlungen, um eine erfolgreiche Implementierung und langfristigen Wert zu gewährleisten?

Meine Top-3-Empfehlungen wären:

1. Beginnen Sie mit dem richtigen Problem, nicht nur mit einer coolen Technologie. Bauen Sie keinen Agenten, nur weil es möglich ist. Konzentrieren Sie sich auf ein gut definiertes, wiederkehrendes und hochwertiges Problem, wie unsere repräsentativen Anwendungsfälle eines Campaign-Pacing-Co-Piloten oder eines Creative-QA-Agents. Der Wert muss klar und messbar sein, mit einem Ziel, das entweder einer signifikanten Anstrengungsreduzierung (>25%), messbaren Umsatzoptimierung oder quantifizierbaren Umsatzverlustvermeidung entspricht.
2. Planen Sie für operative Betreuung, nicht nur für die Bereitstellung. Übergeben Sie es nicht. Agenten sind lebende Systeme, die kontinuierliche Aufsicht, Bewertung und Sicherheitsverwaltung erfordern. Wählen Sie einen Partner, der ein Modell wie unseres anbietet – bei dem sie die operative Verantwortung behalten, um sicherzustellen, dass Ihre Investition langfristigen Wert liefert und nicht zu einem Wartungs-Albtraum wird.
3. Priorisieren Sie Integration und Governance von Anfang an. Isolierte künstliche Agenten werden scheitern.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten MediaMint besuchen.