Vijay Kumar, Gründer und CEO von Mile – Interviewreihe

Vijay KumarDer Gründer und CEO von Mile hat sich in seiner Karriere darauf spezialisiert, digitalen Publishern zu helfen, durch fortschrittliches maschinelles Lernen und datengetriebene Optimierung einen höheren Mehrwert aus programmatischer Werbung zu generieren. Seit der Gründung von Mile im Jahr 2013 hat er die Strategie und Produktvision des Unternehmens mit dem Ziel entwickelt, die Performance von Open-Exchange-Plattformen zu verbessern, Systeme zu entwickeln, die die Preisgestaltung dynamisch steuern, Auktionsmechanismen optimieren und die Signalqualität verbessern, um messbare Umsatzsteigerungen zu erzielen und gleichzeitig die operative Komplexität für Publisher zu reduzieren.

Meile Mile ist ein in New York ansässiges Ad-Tech-Unternehmen, das als KI-gestützte Ertragsoptimierungsschicht auf der „letzten Meile“ der Monetarisierung agiert – dort, wo die Auktionsdynamik letztendlich die Einnahmen der Publisher bestimmt. Die Plattform integriert sich in bestehende programmatische Infrastrukturen und bietet dynamische Preisuntergrenzen, Traffic Shaping, Gebotsoptimierung und Echtzeit-Analysen. Dadurch können Publisher ihre Auslastungsraten und TKPs durch intelligente Automatisierung maximieren. Indem Mile sich auf präzise Optimierung anstatt auf zusätzliche Komplexität im Ad-Stack konzentriert, hilft das Unternehmen Publishern, den Wert ihres bereits vorhandenen Inventars optimal zu nutzen.

Sie gründeten Mile im Jahr 2013, lange bevor KI in der Werbetechnologie zum Schlagwort wurde. Was haben Sie aus erster Hand in Bezug auf die Monetarisierung von Publishern und die Dynamik offener Werbebörsen beobachtet, das Sie davon überzeugt hat, dass das System grundlegend fehlerhaft war und einen Neuaufbau wert war?

Als Mile startete, wuchs der offene Börsenmarkt rasant, doch die Marktinformationen der Publisher hielten nicht Schritt. Die meisten Entscheidungen auf der Verkäuferseite waren statisch – manuelle Untergrenzen, grobe Regeln, seltene Änderungen –, während das Käuferverhalten zunehmend dynamischer und strategischer wurde.

Auffällig war von Anfang an, dass Auktionen nicht aufgrund mangelnder Nachfrage ineffizient waren, sondern weil den Verlagen eine wirksame Kontrollinstanz fehlte. Die Preisfindung wurde faktisch an Käufer und Vermittler ausgelagert, und die Verlage reagierten erst im Nachhinein.

Das System war nicht im eigentlichen Sinne „kaputt“ – es war unausgewogen. Mit zunehmender Komplexität der Auktionen benötigten Verlage adaptive, datengestützte Entscheidungsfindung auf ihrer Seite. Diese Lücke machte eine grundlegende Überarbeitung des Systems notwendig.

Mile fungiert heute als KI-Optimierungsschicht, die auf bestehenden Publisher-Infrastrukturen aufsetzt. Wie würden Sie das Kernproblem beschreiben, das die Plattform aktuell für Publisher löst?

Das Kernproblem ist die Koordination.

Publisher nutzen bereits komplexe Technologie-Stacks – Prebid, Amazon, AdX, mehrere SSPs –, aber jede Komponente arbeitet unabhängig. Es gibt kein integriertes System, das Auktionen übergreifend durchsucht und folgende Fragen stellt: Wie sollte dieser Lagerbestand angesichts des aktuellen Marktverhaltens bepreist und verteilt werden?

Mile fungiert als Intelligenzschicht oberhalb des bestehenden Stacks. Wir ersetzen weder Prebid noch die bestehende Nachfrage. Wir unterstützen Publisher dabei, mithilfe von Auktionsergebnissen als Feedback bessere Preis- und Zulassungsentscheidungen in Echtzeit zu treffen.

In der Praxis bedeutet das, den Wert zu schützen, wenn Wettbewerb besteht, und unnötige Einschränkungen zu vermeiden, wenn kein Wettbewerb besteht – und das alles, ohne die Lieferfähigkeit zu destabilisieren.

Miles KI wird vor der Aktivierung mit den jeweiligen Auktionsdaten jedes Publishers trainiert. Warum ist standortspezifisches Training in Live-Programmatic-Umgebungen so wichtig?

Weil programmatische Märkte stark lokal geprägt sind.

Zwei Verlage mit ähnlichen Zielgruppen können sich hinsichtlich Nachfrageelastizität, Bieterüberschneidung, Latenzprofilen und Umsatzsensitivität stark unterscheiden. Generische Modelle, die mit gepoolten Daten trainiert werden, neigen dazu, Durchschnittswerte zu ermitteln, die in der Praxis nicht existieren.

Indem Mile anhand der Auktionshistorie eines Verlags trainiert, lernt er, wie ihr Die Nachfrage reagiert auf Preis, Wettbewerb und Marktsegmentierung. Dadurch kann das System dort konservativ agieren, wo es nötig ist, und dort, wo die Signalstärke es rechtfertigt, proaktiv.

Standortspezifische Schulungen sind kein nettes Extra – sie sind die Voraussetzung dafür, dass KI in Live-Auktionen eingesetzt werden kann, ohne Risiken einzugehen.

Mile nutzt maschinelles Lernen, um die Mindestpreise für Anzeigen in Echtzeit kontinuierlich anzupassen und so auf Nachfragesignale zu reagieren, ohne die Auslastung zu beeinträchtigen. Warum ist diese Art der adaptiven Preisgestaltung in der programmatischen Werbung so schwer umzusetzen?

Weil Preisfehler asymmetrisch sind.

Wenn Sie Ihre Lagerbestände zu niedrig bepreisen, bleiben die Kosten verborgen. Bepreisen Sie sie zu hoch, sind die Folgen sofort spürbar: Lieferengpässe, Umsatzeinbußen und Vertrauensverlust. Daher sind die meisten Preissysteme entweder übermäßig aggressiv oder permanent vorsichtig.

Hinzu kommt, dass Auktionen dynamisch sind. Käuferstrategien ändern sich im Laufe des Tages, je nach Region und in Reaktion auf die allgemeinen Marktbedingungen. Statische Regeln verlieren schnell an Bedeutung.

Adaptive Preisgestaltung funktioniert nur, wenn das System Unsicherheiten versteht, sichere Tests durchführt und weiß, wann kein Frontalunterricht. Handeln. Dabei geht es weniger um die Maximierung der CPMs, sondern vielmehr darum, Stabilität zu wahren und gleichzeitig Aufwärtspotenzial zu nutzen, wenn die Bedingungen es zulassen.

Vertrauen ist entscheidend, wenn KI Preisentscheidungen beeinflusst. Wie beurteilen Sie Transparenz und Kontrolle für Publisher, die Mile nutzen?

KI sollte Verlage unterstützen, nicht ersetzen.

Bei Mile definieren die Publisher die Rahmenbedingungen – Verkaufsflächen, Inventarumfang, Rollout-Tempo und Leistungsschwellenwerte. Das System arbeitet innerhalb dieser Vorgaben und bietet klare Transparenz darüber, was sich ändert und wie sich dies auf die Ergebnisse auswirkt.

Wir vermeiden bewusst intransparente Automatisierung. Publisher können jederzeit segmentieren, pausieren oder Änderungen rückgängig machen und sehen, wie sich Preisentscheidungen auf Gewinnraten, TKP und Umsatz auswirken.

Vertrauen entsteht durch Beobachtbarkeit und Kontrolle, nicht dadurch, dass man Verlage auffordert, „dem Modell zu vertrauen“.

Durch Ihre Arbeit mit Prebid und dem IAB Tech Lab bewegen Sie sich an der Schnittstelle von KI und Ad-Tech auf Verlagsseite. Wie prägen diese Perspektiven die Entwicklung und Steuerung der Technologie von Mile?

Die enge Zusammenarbeit mit Prebid und dem IAB Tech Lab unterstreicht die Bedeutung eines Ökosystem-orientierten Denkens.

Kurzfristige Optimierungen, die Auktionen verzerren oder Sonderfälle ausnutzen, wirken sich meist kontraproduktiv aus. Langfristiger Wert entsteht durch die Stärkung offener, transparenter Systeme, in denen die Herausgeber die Kontrolle behalten.

Diese Perspektive prägt sowohl die Architektur als auch die Governance bei Mile. Wir integrieren uns nahtlos in bestehende Systeme, respektieren die Auktionsmechanismen und vermeiden Logiken, die versteckte Vorteile schaffen oder das Vertrauen in den offenen Markt untergraben würden.

Unser Ziel ist es, die Entscheidungsfindung auf Verlagsseite intelligenter zu gestalten, ohne das System, auf dem sie beruht, zu schwächen.

Viele KI-gestützte Monetarisierungstools versprechen zwar Erfolge, scheitern aber in der Praxis. Was unterscheidet Ihrer Erfahrung nach Systeme, die nachhaltige Ergebnisse liefern, von solchen, die dies nicht tun?

Der Unterschied liegt darin, ob das System für die Produktionsrealität ausgelegt ist.

Viele Tools optimieren auf ein statisches Ziel hin und gehen davon aus, dass die Bedingungen gleich bleiben. In dynamischen Märkten ist das nicht der Fall. Die Nachfrage passt sich an, Strategien ändern sich, und die gestrigen Informationen verlieren ihre Gültigkeit.

Systeme, die Bestand haben, betrachten die Produktion als kontinuierliche Lernumgebung. Sie messen ständig, passen sich vorsichtig an und verhalten sich bei geringem Vertrauen angemessen.

Ebenso wichtig ist Zurückhaltung. Die besten Systeme greifen nicht überall ein – sie handeln selektiv, nur dann, wenn das Signal stark genug ist, um eine Änderung zu rechtfertigen.

Da sich die Datenschutzbestimmungen ändern, Signalverluste auftreten und die Marktvolatilität die programmatische Werbung weiterhin prägen, stellt sich die Frage: Wo bietet KI Publishern heute den größten Nutzen?

Der größte Hebel liegt im Verständnis des Marktverhaltens, nicht in der Identität der Nutzer.

Auch wenn die Adressierbarkeit abnimmt, liefern Auktionen weiterhin aussagekräftige Signale – Gebotsdichte, Preisstreuung, Reaktionsmuster, Wettbewerbsüberschneidungen. Diese Signale sind für Menschen in großem Umfang schwer zu interpretieren, eignen sich aber hervorragend für maschinelles Lernen.

KI ermöglicht es Verlagen, ihre Angebote auf Basis des tatsächlichen Nachfrageverhaltens zu optimieren, anstatt sich auf immer anfälligere Identitätsproxys zu verlassen.

Mile arbeitet mit Premium-Verlagen in mehreren Tier-1-Märkten zusammen. Welche Unterschiede sehen Sie in der Nachfragedynamik oder den Optimierungsstrategien in den verschiedenen Regionen?

Die Grundlagen sind gleich, aber die Risikoprofile unterscheiden sich.

In Nordamerika sind Auktionen tendenziell tiefer und volatiler, was anpassungsfähige Systeme belohnt, die schnell reagieren können, ohne überzureagieren.

Europäische Märkte sind oft restriktiver und stabiler, weshalb Präzision und Konservatismus einen hohen Stellenwert haben.

Im asiatisch-pazifischen Raum sind Fragmentierung und Latenzschwankungen der Grund dafür, dass Schutz vor Verlusten und Lieferstabilität genauso wichtig sind wie die Ertragsoptimierung.

Die einhellige Erkenntnis ist regionsübergreifend, dass starre Logik versagt – adaptive, verlagsspezifische Systeme hingegen besser abschneiden.

Was sollten Publisher, die derzeit KI-Optimierungsebenen evaluieren, über das Angebot von Mile wissen und wann es die größte Wirkung erzielt?

Mile ist kein Ersatz für Ihren Stack und auch keine Abkürzung.

Die größte Wirkung erzielt es, wenn Verlage bereits Nachfrage haben, aber nicht in der Lage sind, diese intelligent und in Echtzeit zu bepreisen und zu koordinieren. Genau dann stoßen manuelle Regeln und statische Mindestumsätze typischerweise an ihre Grenzen.

Verlage sollten Mile als eine Intelligenzschicht betrachten, die sich im Laufe der Zeit weiterentwickelt – indem sie ihren Markt kennenlernt, innerhalb ihrer Rahmenbedingungen agiert und die Qualität ihrer Entscheidungen im Zuge der sich verändernden Bedingungen verbessert.

Wer schnelle Lösungen sucht, ist hier falsch. Wer hingegen auf langfristige Stabilität und Kontrolle setzt, ist mit Mile bestens bedient.

Vielen Dank für das tolle Interview, Leser, die mehr erfahren möchten, sollten vorbeischauen Meile.