Sieben Jahre KI in Google Ads - was wir gelernt haben

Kurz: Wir nutzten 2018 ein deutsches KI-Tool, das automatisch Gebote nach Ort und Uhrzeit anpasste - bevor Google selbst Smart Bidding stabil im Markt hatte. Sieben Jahre später haben wir den Übergang von externer KI zu Google-eigener KI begleitet, in mehr als 400 Kundenkonten. Das Muster ist konstant geblieben: das Problem in den meisten Konten ist nicht die KI, sondern was man ihr füttert.

📋 Inhaltsverzeichnis

• Wie Smart Bidding schrittweise übernahm - was wir dabei lernten
• Performance Max - Daten-Multiplier statt Wundermittel
• Der Mental-Model-Wechsel: vom CPC-Steuern zum Ziel-Definieren
• Daten-Pflicht-Setup vor PMax-Start
• Asset-Gruppen-Architektur (4 Jahre Praxis-Beobachtung)
• Drift-Korrektur - das geplante Re-Tuning der KI-Ziele
• Change Discipline - eine Major-Änderung pro 14 Tage
• Search Themes - Wegweiser oder Killer
• Search Term Insights nutzen - die Wahrheit über Ihre Audience
• Der typische KMU-Fehler
• Häufige Fragen zur KI in Google Ads
• Fazit: Die KI ist nie das Problem

Wir nutzten 2018 schon ein deutsches KI-Tool, das automatisch Klickpreise nach Ort und Uhrzeit anpasste. Google brachte Smart Bidding kurz danach. Sieben Jahre später machen die meisten Werbetreibenden noch den gleichen Fehler: sie steuern KI-Werbung wie sie früher manuell gesteuert haben.

Dieser Beitrag macht etwas anderes als die meisten Performance-Max-Anleitungen. Er erklärt nicht "5 Tipps für bessere PMax-Kampagnen". Er zeigt was sieben Jahre KI-Praxis im Online-Marketing aus über 400 Kundenkonten gelehrt haben. Und warum die Lessons aus 2018 heute genauso gelten wie damals.

Was 2018 wirklich los war - wir nutzten ein deutsches Tool, Google hatte das noch nicht

Vor Smart Bidding gab es keine KI-Steuerung in Google Ads. Wer Anpassungen an Geboten machen wollte, machte das per starrer Regel. Etwa: "Wenn Standort gleich Klagenfurt, dann Gebot plus 20 Prozent." Solche Regeln waren statisch. Sie reagierten nicht auf das was real passierte.

Wir nutzten damals ein externes Tool aus Berlin: Adspert. Es passte schon vor sieben Jahren automatisch Klickpreise nach Standort, Wochentag und Uhrzeit an. Das Tool analysierte die historischen Conversion-Daten unserer Kunden. Es entschied dann selbständig: "An diesem Standort, zu dieser Uhrzeit, an diesem Wochentag konvertieren Suchanfragen überdurchschnittlich gut. Also setze die Gebote 30 Prozent höher." Und umgekehrt drehte es die Gebote zurück, wenn die Conversion-Wahrscheinlichkeit niedrig war.

Wir setzten das ein, weil Google das damals nicht hatte. Googles eigene KI-Steuerung wurde erst Ende 2018 schrittweise eingeführt. Bis es in der Breite stabil arbeitete, war es bereits 2019.

Ein konkretes Beispiel aus dieser Zeit: Ein Sanitär- und Heizungsbetrieb in Graz lief mit Adspert. Das Tool erkannte nach drei Monaten ein Muster, das wir manuell nie gefunden hätten. Dienstag und Mittwoch zwischen 16 und 19 Uhr hatten in den Bezirken Graz-Umgebung und Graz-Stadt eine Conversion-Rate, die fast doppelt so hoch war wie der Konto-Durchschnitt. Adspert hob die Gebote in genau diesem Korridor um 60 bis 80 Prozent an. Das senkte den Cost-per-Lead in dieser Kampagne um 34 Prozent in zwei Monaten.

Diese Art von Mustererkennung war 2018 für die meisten Werbetreibenden noch unerreichbar. Heute macht Performance Max das in größerem Maßstab und über alle Google-Inventarien hinweg. Die Logik ist die gleiche geblieben.

Was wir aus diesen Jahren gelernt haben: Automatische Gebots-Optimierung lebt von zwei Dingen. Erstens sauberem Conversion-Tracking - jede Lücke vergiftet die Optimierung. Zweitens ausreichendem Volumen - unter 30 Conversions pro Monat lernt das System nicht stabil. Diese zwei Lektionen gelten heute genauso für Performance Max.

Wie Smart Bidding schrittweise übernahm - was wir dabei lernten

Als Google's Smart Bidding stabil wurde, bauten wir unsere eigenen Bidding-Tools schrittweise zurück. Nicht weil wir mussten, sondern weil Googles Modell mit dem internen Auktionsdaten-Vorteil schneller lernte als ein externes System je könnte.

Der Übergang lief in drei Phasen:

Phase 1 (2018-2019): Hybrid-Setup. Adspert lief weiter, parallel testeten wir Googles eigene Smart-Bidding-Logik in einzelnen Kampagnen. Smart Bidding war zu Beginn unzuverlässig. Wir sahen Konten, in denen Googles automatische Steuerung in zwei Wochen 40 Prozent CPL-Reduktion brachte. Und Konten, in denen sie das Budget in einer Woche zerlegte.

Phase 2 (2019-2020): Migration. Wo das Conversion-Volumen reichte und das Tracking sauber war, migrierten wir auf Googles Smart Bidding. Wo nicht, behielten wir die Steuerung über Adspert. Diese Phase lehrte uns die wichtigste Lektion: KI-Werbung funktioniert nicht für jedes Konto gleich gut. Die Daten-Vorbedingungen entscheiden.

Phase 3 (ab 2021 mit Performance Max): Voll-Migration. Performance Max kam Q3 2021 als Vereinheitlichung. Eine Kampagne, die Smart Bidding nutzt und über alle Google-Inventarien ausspielt. Wir betreuen seither über 150 PMax-Konten und sehen die gleichen Daten-Lektionen wieder, jetzt nur in größerem Maßstab.

Performance Max - Daten-Multiplier statt Wundermittel

Hier kommt die wichtigste Erkenntnis aus sieben Jahren Praxis: Performance Max multipliziert das, was reingeht. Saubere Daten plus durchdachte Architektur skalieren. Schlechte Daten plus schlampige Architektur skalieren auch. Nur in die andere Richtung.

Das klingt banal. In der Praxis ist es nicht. Geschäftsführer fragen uns regelmäßig, warum Performance Max bei ihnen nicht die versprochenen Resultate bringt. Die Antwort liegt fast immer in einer der drei Schichten.

Schicht 1: Conversion-Tracking. Tracking-Lücke von 20 Prozent reicht aus, um die KI-Optimierung um 30 bis 50 Prozent abzuschwächen. In rund 70 Prozent der Konten, die zu uns kommen, finden wir Tracking-Lücken über 20 Prozent.

Schicht 2: First-Party-Daten. Customer Match Lists, Conversion-Werte, Audience-Signale. Ohne diese Eingaben optimiert die KI auf demographischen Standard-Profilen statt auf Ihren echten Kunden.

Schicht 3: Asset-Architektur. Asset-Gruppen, Search Themes, Final URL Expansion. Wer hier kunterbunt sortiert, gibt der KI widersprüchliche Signale.

Wer einen strukturierten Plan für die ersten 90 Tage sucht: der 90-Tage-Plan aus dem Buch ist kostenlos als PDF verfügbar. Er zeigt, welche Routinen ein KI-Projekt tatsächlich produktiv halten.

Der Mental-Model-Wechsel: vom CPC-Steuern zum Ziel-Definieren

Manuelles Bidding funktioniert nach einem klaren Modell: Sie bestimmen den maximalen CPC, der Algorithmus versucht möglichst viele Klicks zu diesem Preis zu liefern. Sie haben die Hand am Steuer für jeden einzelnen Klickpreis.

KI-Bidding funktioniert komplett anders: Sie bestimmen das Ziel - ein Cost-per-Acquisition oder ein ROAS-Wert. Der Algorithmus bestimmt selbst, wie der CPC pro einzelner Auktion aussehen muss um dieses Ziel zu erreichen. Manchmal sind das 0,40 Euro, manchmal 4,00 Euro, je nach erwarteter Conversion-Wahrscheinlichkeit.

Werbetreibende mit manuellem Mindset machen drei vorhersagbare Fehler:

1. Sie ziehen panisch das tCPA-Ziel runter, sobald die Kosten kurzzeitig steigen. Damit ziehen sie der KI den Lernteppich unter den Füßen weg. Algorithmus muss neu lernen, Performance bricht ein.

2. Sie deaktivieren teure Suchbegriffe per Negative Keywords. Manchmal ist genau dieser teure Suchbegriff der mit dem höchsten Lifetime-Value. Die KI hatte das verstanden, der Werbetreibende nicht.

3. Sie misstrauen schwankenden CPCs und schalten zurück auf manuell. Ein normaler CPC-Korridor in Smart Bidding kann Faktor 5 zwischen niedrigster und höchster Auktion sein. Im manuellen Modus wäre das eine Katastrophe. Im Smart-Bidding-Modus ist das gesundes Verhalten.

Das richtige Mental-Model: Sie definieren das Ziel und die Leitplanken. Die KI optimiert innerhalb dieser Leitplanken. Ihre Aufgabe ist es, gute Leitplanken zu setzen - nicht jedes Auto zu lenken.

Daten-Pflicht-Setup vor PMax-Start

Wer Performance Max startet ohne diese sechs Punkte vorab geklärt zu haben, bezahlt Googles Lernkurve mit eigenem Budget.

1. Conversion-Tracking auf Server-Side-Niveau. Browser-Tracking allein reicht 2026 nicht mehr. iOS-Restriktionen, Cookie-Banner und Ad-Blocker reißen Lücken von 15 bis 35 Prozent. Server-Side-Tracking via Google Tag Manager Server Container oder Custom-Setup schließt diese Lücke auf unter 5 Prozent.

2. Conversion-Werte realistisch berechnen und hinterlegen. Eine Conversion ohne hinterlegten Wert ist für die KI eine Conversion mit Wert null. Sie wird breit ausspielen aber nicht wert-orientiert optimieren. Die meisten KMU setzen Lead-Werte nach Bauchgefühl: "Ein Lead ist 50 Euro wert." Das ist Kaffeesatzlesen. Die saubere Berechnung lautet: durchschnittlicher Lifetime Value eines Kunden multipliziert mit der Lead-zu-Kunde-Conversion-Rate. Beispiel: Wenn ein Kunde über die Geschäftsbeziehung 3.000 Euro Deckungsbeitrag bringt und 20 Prozent der Leads zu Kunden werden, ist ein Lead echte 600 Euro wert - nicht 50. Wer der KI Phantom-Werte hinterlegt, optimiert auf Phantom-Profite. Wer die echten Werte hinterlegt, optimiert auf echten Deckungsbeitrag.

3. First-Party-Customer-Match-Lists. Bestehende Kunden, hochwertige Leads, ungenutzte Newsletter-Empfänger. Diese Daten als Customer Match in Google Ads laden. Sie liefern der KI die echte Profil-Charakteristik ihrer wertvollsten Zielgruppe - statt der Standard-Demografik.

4. Audience-Signale pflegen. Performance Max akzeptiert Audience-Signale als Hinweise. Diese Hinweise werden nicht hart angewandt - die KI kann darüber hinausgehen wenn sie bessere Performance findet. Aber die Lernphase wird massiv beschleunigt wenn gute Signale am Start liegen.

5. Asset-Gruppen-Plan vor Setup-Start. Welche Produkte oder Services bilden eine thematische Einheit? Welche brauchen eigene Asset-Gruppen weil der Conversion-Wert oder die Zielgruppe sich unterscheiden? Diese Architektur-Entscheidungen sind später schwer zu korrigieren.

6. Brand Exclusions aktivieren. Performance Max bietet ohne Einschränkung auf Ihre eigene Marke mit. Das Resultat: Sie zahlen für Conversions, die auch ohne Ihre Werbung gekommen wären. Diese Auto-Conversions verzerren zusätzlich die Lernphase, weil die KI denkt: "Hier konvertiert es super, ich gebe mehr Gas." In Wahrheit konvertierten die Suchanfragen wegen Markentreue, nicht wegen der Anzeige. Brand Exclusions sind seit 2024 verfügbar. Sie sollten Standard sein, sind es aber in den meisten KMU-Konten nicht. Wer Brand-Suchen sauber abgrenzt, gewinnt zwei Dinge: weniger sinnlos verbranntes Budget und ein klareres Lernsignal für die KI.

Asset-Gruppen-Architektur (4 Jahre Praxis-Beobachtung)

Performance Max kennt zwei Sortier-Logiken für Asset-Gruppen: nach Audience-Segmenten oder nach Produkt- bzw. Service-Linien. Wir haben beide intensiv getestet.

Audience-Sortierung sieht in Theorie sauber aus: Eine Asset-Gruppe für junge Kaufkraft, eine für reife Entscheider, eine für Bestandskunden. Probelm in der Praxis: die KI bekommt widersprüchliche Conversion-Signale weil dieselben Produkte über mehrere Asset-Gruppen ausgespielt werden. Die Lernphase verlängert sich, der ROAS pendelt.

Thematische Sortierung nach Produkt- oder Service-Linie performt langfristig stabiler. Eine Asset-Gruppe = ein klares Angebot mit eigener Conversion-Definition. Die Audience-Steuerung erfolgt über Audience-Signale innerhalb der Gruppe, nicht über separate Gruppen.

Faustregel aus 150+ Konten: drei bis sieben Asset-Gruppen pro Account. Weniger heißt zu generisch, mehr heißt zu zerklüftet für stabile Lernphasen. Bei E-Commerce-Konten mit großem Sortiment lieber Shopping-Kampagnen für Long-Tail nutzen und PMax auf Produktkategorien begrenzen.

Drift-Korrektur - das geplante Re-Tuning der KI-Ziele

Hier ist eine Erkenntnis, die in keinem der gängigen Performance-Max-Guides steht. Smart-Bidding-Ziele driften über Zeit. Wer einmal tCPA oder tROAS einstellt und dann sechs Monate nichts ändert, optimiert auf ein Ziel das längst nicht mehr stimmt.

Wie der Drift entsteht: Smart Bidding optimiert in Richtung des gesetzten Ziels. Wenn die KI das Ziel locker erreicht, dreht sie sukzessive höher (mehr Volumen) und nutzt die Toleranz nach oben aus. Wenn sie das Ziel mit Mühe erreicht, dreht sie konservativer und ihr ROAS wird zur tatsächlichen Decke. Beide Richtungen sind technisch korrekt. Beide kosten Geld wenn man nicht hinschaut.

Was wir in 4 Jahren Performance Max gesehen haben: Konten ohne aktives Re-Tuning driften systematisch. Innerhalb von 6 Monaten weichen die Ziele typischerweise um 15 bis 30 Prozent vom ursprünglichen Wert ab. Manchmal Richtung "günstiger als geplant aber zu wenig Volumen". Manchmal Richtung "Volumen passt aber CPA explodiert". Beide sind korrigierbar - aber nur wenn man sie sieht.

Routine die wir mit unseren Kunden fahren: Quartalsweise Re-Tuning der tCPA/tROAS-Werte. Auf Basis der letzten 90 Tage Performance + dem aktuellen Geschäftsumfeld. Bei größeren Verschiebungen (z.B. neue Saison, neuer Markteintritt, neue Wettbewerber) auch außerplanmäßig. Wer das nicht macht, fährt eine KI-Kampagne mit veralteter Zielsetzung und wundert sich warum die Performance nicht mehr passt.

Change Discipline - eine Major-Änderung pro 14 Tage

Der zweite häufige Fehler bei der Pflege von Performance-Max-Kampagnen ist Hyperaktivität. Marketing-Manager ändern fünf Sachen gleichzeitig - neue Asset-Gruppe, anderes Ziel, höheres Budget, neue Audience-Signale, neue Final URL. Dann wundern sie sich warum die Performance bricht.

Warum das bricht: Jede signifikante Änderung an einer Performance-Max-Kampagne setzt die Lernphase teilweise oder ganz zurück. Die KI muss neu kalibrieren - welches Signal ist relevant, welches nicht? Wenn fünf Änderungen gleichzeitig kommen, weiß die KI nicht welche der Änderungen den Effekt verursacht hat. Sie probiert breit aus, und das kostet.

Faustregel aus der Praxis: Maximal eine Major-Änderung pro 14 Tage. Major bedeutet: Budget-Änderung über 20 Prozent, neue Asset-Gruppe, Ziel-Änderung über 10 Prozent, Wechsel der Bidding-Strategie. Minor-Änderungen (neue Anzeigen-Variante, ergänzende Audience-Signale, kleine Asset-Updates) sind unkritisch.

Diese Disziplin fühlt sich für Werbetreibende falsch an. Wer aus dem manuellen Bidding kommt, ist es gewohnt schnell zu reagieren. Im KI-Bidding ist Geduld die wirtschaftlichste Eigenschaft. Wer eine Änderung macht und 14 Tage wartet bevor er die nächste fährt, gibt der KI Zeit zu lernen welcher Hebel was bewirkt hat.

Search Themes - Wegweiser oder Killer

Search Themes sind seit Q4 2023 in Performance Max verfügbar. Sie sagen der KI: "Diese Suchbegriffe sind für mich relevant." Theoretisch ein Wegweiser, der die Lernphase beschleunigt.

In der Praxis ist es komplizierter. Wir haben Search Themes in über 80 Konten getestet und sehen ein klares Muster:

Wann Search Themes helfen: Konten mit breitem Suchvolumen und hoher Such-Diversität. Hier helfen Themes der KI bei der Eingrenzung auf relevante Search-Cluster. Ergebnis: schnellere Lernphase, stabilere Performance.

Wann Search Themes schaden: Konten in der frühen Lernphase oder mit schmalem Conversion-Volumen. Hier zerstückeln zu spezifische Themes die ohnehin dünnen Daten. Die KI bekommt zu wenig Signale pro Theme um stabil zu lernen.

Praxis-Regel: Search Themes erst einsetzen wenn die Kampagne mindestens drei Monate stabile Performance zeigt. Nicht zum Start. Und nicht zu spezifisch - lieber drei breite Themes als zwölf enge.

Search Term Insights nutzen - die Wahrheit über Ihre Audience

Seit 2024 zeigt Performance Max in den Insights die echten Suchbegriffe an, die zu Anzeigenausspielungen geführt haben. Das ist Gold und 90 Prozent der Werbetreibenden ignorieren diese Daten.

Warum die Daten so wertvoll sind: Sie zeigen, wofür die KI Ihre Anzeigen tatsächlich ausspielt. Manchmal sehen Sie Suchbegriffe, an die Sie nie gedacht hätten. Manchmal sehen Sie auch Suchbegriffe, die offensichtlich nicht zu Ihrem Angebot passen. Die ersten sind Goldminen für die Content-Strategie. Die zweiten sind Negativ-Keywords-Kandidaten.

Konkretes Beispiel aus einem unserer Konten: Ein B2B-Software-Anbieter wunderte sich über schwache Lead-Qualität. Ein Blick in die Search Term Insights zeigte: 30 Prozent des Budgets ging auf generische Suchanfragen wie "Software günstig" oder "kostenlose Software". Die KI optimierte korrekt auf Conversions, aber die Conversions waren Studenten und Hobbyisten - keine Geschäftskunden. Mit gezielten Negativ-Keywords haben wir das Budget auf qualifizierte Suchanfragen umgelenkt. Die Lead-Qualität verdoppelte sich, der Lead-Wert stieg um 80 Prozent.

Routine die sich bewährt: Monatlicher Review der Search Term Insights pro Asset-Gruppe. Negativ-Keywords aus Müll-Suchanfragen ableiten. Goldgrube-Suchanfragen für eigene Search-Themen oder zusätzliche Search-Kampagnen mitnehmen. Das kostet 30 Minuten pro Monat und hat über die Jahre Konten gerettet, in denen sonst das Budget langsam in falsche Richtungen abgeflossen wäre.

Der typische KMU-Fehler

Wir sehen ihn fast wöchentlich. Geschäftsführer aktiviert Performance Max im Konto, ohne das Daten-Pflicht-Setup vorab erledigt zu haben. Marketing-Manager argumentiert "Google lernt noch", als die Performance nach drei Monaten nicht da ist. Sechs Monate später ist das Budget verbrannt.

Was real passiert ist: Die KI hat nicht gelernt - weil der Lernboden fehlte. Sie probiert breit aus, weil sie keine klaren Optimierungs-Signale bekommt. Jeder Klick kostet, der Conversion-Boost bleibt aus.

Das Pattern hat drei Stufen:

Stufe 1: Aktivierung mit Standard-Setup. Conversion-Tracking ist da, aber nicht Server-Side. Asset-Gruppen sind Default. Audience-Signale sind leer. Keine Customer Match Lists.

Stufe 2: Erste Wochen sehen okay aus, weil PMax breit ausspielt und alle alten Search-Conversions mitnimmt. Marketing-Manager ist optimistisch.

Stufe 3: Nach acht bis zwölf Wochen flacht die Performance ab. CPL steigt, ROAS sinkt. Marketing-Manager sagt "Google lernt noch". Drei Monate später ist klar: das System lernt nicht, weil der Input nicht stabil genug ist.

Was hilft: Daten-Audit vor PMax-Aktivierung. Tracking-Lücken schließen, Conversion-Werte hinterlegen, Customer Match Lists laden, Asset-Architektur planen. Erst dann aktivieren. Wir nennen das die "Daten-Pflicht-Stunde" und es ist die wichtigste Stunde im gesamten PMax-Setup. Wer bei der laufenden Google-Ads-Betreuung das Audit als Routine fährt, vermeidet diese Fehler systematisch.

Diese Logik gilt nicht nur für Google Ads. Vergleichbare strukturelle Hürden beschreiben wir in unserer Analyse zu B2B-Marketing. Das Daten-Multiplier-Pattern wiederholt sich. Auch bei KI-Förderung rechnen sich Investitionen nur dann, wenn das Fundament trägt.

Häufige Fragen zur KI in Google Ads

Fazit: Die KI ist nie das Problem

Sieben Jahre KI-im-Bidding-Praxis liefern eine klare Schlussfolgerung: das Problem in den meisten Konten ist nicht die KI. Es ist das, was an Daten reingeht und welche mentalen Modelle die Werbetreibenden anwenden.

Wer Conversion-Tracking sauber führt, First-Party-Daten pflegt und Asset-Architektur durchdenkt, bekommt von Performance Max einen echten Multiplier-Effekt. Wer das nicht tut, bekommt eine teure Erinnerung an einen guten Vorsatz.

Die KI ist 2026 keine Magie mehr und war es 2018 auch nicht. Sie war damals ein experimentelles Werkzeug. Heute ist sie ein durchdachtes Werkzeug mit klaren Voraussetzungen. Wer diese Voraussetzungen versteht und liefert, baut sich einen messbaren Vorteil. Wer sie ignoriert, finanziert Googles Optimierung statt seines eigenen Wachstums.

Eine letzte Beobachtung, die in keinem Performance-Max-Guide steht: Performance Max vereinheitlicht Werbetreibende. Wer nur PMax fährt, bekommt vom Algorithmus weitgehend das Gleiche wie der Wettbewerber, der ebenfalls nur PMax fährt. Der Algorithmus ist neutral, er kennt keine Marken-Loyalität. Differenzierung verlangt etwas, das die KI nicht liefern kann: eigene Marke, eigene Inhalte, eigene Kanäle. Wer Performance Max isoliert betreibt, wird austauschbar. Wer Performance Max als einen Layer in einem System einsetzt, das auch Marke, Content und direkte Kundenbeziehung umfasst, bekommt einen Hebel den der Wettbewerb nicht kopieren kann. Das ist die strategische Wahrheit hinter den taktischen Fragen zur PMax-Optimierung.

1. Google Ads-Hilfe: Smart Bidding Definition und Strategien
2. Google Ads-Hilfe: Smart Bidding und smarte Creative-Lösungen
3. Google Ads-Hilfe: Mit Smart Bidding zum Erfolg