Metas Ads-MCP-Server im Databricks Marketplace: Anbindung an Genie möglich

Von der Datenübergabe zum einzigen Gespräch

Databricks beschreibt ein bekanntes Problem großer Werbetreibender: Datenteams bauen Abwanderungsmodelle, Scores zum Customer Lifetime Value (LTV) und Attributionsdaten, während Media-Teams Budgets anhand der Zahlen im Meta Ads Manager anpassen. Die Erkenntnisse gelangen oft nur per CSV-Export, über eine individuelle Marketing-API-Integration, die jemand pflegen muss, oder über einen wöchentlichen Abgleich in die Kampagnen.

MCP, das Model Context Protocol, ist ein offener Standard, mit dem KI-Agenten mit Tools und Datenquellen interagieren können. Laut Databricks stellt der Ads-MCP-Server von Meta mehr als 25 Tools für den gesamten Kampagnenlebenszyklus bereit. Dazu gehören das Anlegen von Kampagnen und Anzeigengruppen, das Ändern von Budgets und Geboten, das Definieren von Zielgruppen, die Verwaltung von Creatives und Katalogen, der Abruf von Performance-Daten und die Diagnose der Signalqualität.

Marketer arbeiten bereits in Genie One, stellen dort Fragen und erhalten Antworten, die auf dem Unternehmenskontext beruhen, darunter von Datenteams kuratierte Kennzahlen und Definitionen. Mit dem Meta-Server fließen Kampagnenreporting und Werbetools in dieselbe Unterhaltung ein. Die Veröffentlichung folgt auf den Start der Meta Conversions API im Databricks Marketplace, die Werbetreibenden hilft, First-Party-Conversion-Signale aus Databricks an Meta zu übermitteln.

Was Marketer damit tun können

Databricks nennt mehrere Beispiele. In Genie One könnte ein Marketer etwa eingeben: "Nutze unseren Churn-Risk-Score, um wertvolle Kunden mit Abwanderungsrisiko zu identifizieren, und starte eine Retention-Kampagne mit einem Tagesbudget von 8.000 US-Dollar." Genie One sucht dann die passenden Daten, findet relevanten Kontext in den angebundenen Tools und Systemen und legt die Kampagne an.

• Budgetverteilung: Die Bruttomarge pro Bestellung liegt in Databricks, Ausgaben und Auslieferungskennzahlen bei Meta. Ein Agent mit Zugriff auf beides kann empfehlen, Budget zu Anzeigengruppen zu verschieben, die profitablen Umsatz erzielen.
• Signaldiagnose: Für Werbetreibende, die Conversions bereits über die Conversions API senden, können Agenten auf Ereignisvolumen, Event Match Quality und Datenaktualität zugreifen. So lässt sich klären, ob Kaufereignisse zurückgingen, weil der Absatz nachließ oder weil sich eine Pipeline verändert hat.
• Wöchentliches Reporting: Die Frage, welche Kampagnen in der vergangenen Woche unterdurchschnittlich abschnitten und wie das im Vergleich zum internen Umsatz aussieht, wird zu einem einzigen Prompt statt zu zwei Tools, die auf einer Folie zusammengeführt werden.

Governance und Kontrollen

Die naheliegende Sorge ist, dass ein Agent in einem produktiven Werbekonto teure oder falsche Aktionen ausführt. Laut Databricks steuern Administratoren den Zugriff auf die Meta-Verbindung über Unity Catalog, während Unity Gateway die Tool-Aufrufe regelt und Nutzung sowie Audit-Logs protokolliert. Unternehmensdaten unterliegen weiterhin den bestehenden Berechtigungen in Databricks.

Auf Meta-Seite legen Werbetreibende in den Business-Einstellungen Regeln fest, etwa die Sperrung jeder Budgeterhöhung über 20 % oder das Verbot, in einem bestimmten Konto Kampagnen anzulegen. Laut Databricks prüft der Server jeden Tool-Aufruf vor der Ausführung anhand dieser Regeln. Ein Aufruf, der gegen eine Regel verstößt, wird blockiert, und ein strukturierter Fehler teilt dem Agenten den Grund mit. Databricks zufolge wird dies serverseitig durchgesetzt und gilt daher unabhängig vom verwendeten Modell. Dieselben Regeln lassen sich über die Marketing API verwalten, was laut Databricks für Teams mit Hunderten von Werbekonten wichtig ist.

Einstieg und Bedeutung

Zum Start suchen Nutzer den Ads-MCP-Server von Meta im Databricks Marketplace und richten eine Verbindung mit einem Meta-Nutzerzugriffstoken und den erforderlichen Berechtigungen ein. Databricks empfiehlt, dem Agenten Zugriff auf relevante Marketingdaten zu geben und mit einer Frage zu beginnen, die das Team ohnehin jede Woche stellt.

Stephen Orban, SVP Product Partnerships and Ecosystem bei Databricks, sagte, Kunden wünschten sich "einen direkteren Weg, ihre Investitionen in Daten und KI in den Entscheidungen einzusetzen, die Wachstum antreiben". Databricks verweist außerdem auf CustomerLake, eine nativ in Databricks gebaute Agentic CDP, als Teil desselben Fokus auf Customer Intelligence.

Für Teams, die bereits Modelle in Databricks haben und deren Media-Team mit dem Reporting der Plattformen arbeitet, sieht Databricks die Integration als kürzesten Weg zwischen vorhandenen Daten und einer Kampagne, die diese widerspiegelt.