Zuletzt aktualisiert: 22. Juni 2026
Wer Google Ads vor fünf Jahren aktiv gemanagt hat, erkennt viele Accounts heute kaum wieder. Früher ging es stärker um Keyword-Listen, manuelle Gebote, Anzeigentests und Suchbegriffsberichte. Heute sind viele Entscheidungen in Richtung Smart Bidding, Broad Match, Performance Max, automatisch erstellte Assets, Consent-Mode-Modellierung und AI Max gewandert.
Das ist nicht nur ein Tool-Update. Es verändert die Rolle von Performance-Marketern. Der Job ist weniger „jeden Hebel manuell drehen“ und mehr „ein lernendes System mit guten Signalen, guten Grenzen und guten Reviews versorgen“.
Das klingt nach weniger Arbeit. In der Praxis ist es eher andere Arbeit.
In diesem Artikel
- wie sich KI in Google Ads in den letzten fünf Jahren entwickelt hat
- welche Automationsbereiche heute wichtig sind
- welche Möglichkeiten sich dadurch ergeben
- welche Risiken und Kontrollverluste real sind
- wie ein moderner Google-Ads-Account aufgebaut sein sollte
- wie du KI nutzt, ohne die Account-Steuerung komplett abzugeben
Inhaltsüberblick
- Die Entwicklung: von manueller Steuerung zu KI-Systemen
- Smart Bidding und Conversion-Signale
- Broad Match, DSA, Performance Max und AI Max
- Creative Automation und automatisch erstellte Assets
- Messung, Consent Mode und modellierte Conversions
- Neue Möglichkeiten für Marketer
- Nachteile und Risiken
- Setup-Plan für moderne Google-Ads-Accounts
- Drei Praxisbeispiele
- Frag deinen Agent / dein LLM direkt
- Weiterführende Links
1. Die Entwicklung: von manueller Steuerung zu KI-Systemen
Die grobe Entwicklung lässt sich in vier Phasen lesen.
Phase 1: Manuelle Kontrolle dominiert
Viele Accounts waren stark keywordzentriert. Exakt passende Keywords, manuelle oder halbautomatische Gebote, einzelne Anzeigengruppen und regelmäßige Suchbegriffsberichte waren der Kern der Arbeit.
Der Vorteil: hohe Nachvollziehbarkeit. Der Nachteil: langsam, granular, oft schwer skalierbar.
Phase 2: Smart Bidding wird Standard
Mit Ziel-CPA, Ziel-ROAS und Conversion-Wert-Optimierung wurde die Gebotssteuerung stärker algorithmisch. Marketer mussten weniger einzelne Gebote justieren, dafür aber Conversion-Daten und Wertsignale sauberer pflegen.
Phase 3: Performance Max erweitert die Automationsfläche
Performance Max brachte kanalübergreifende Ausspielung, Asset-Gruppen und stärkere Automatisierung. Der Account wurde weniger nach klassischen Kanalgrenzen gedacht und stärker nach Zielen, Signalen und Assets.
Phase 4: Search selbst wird KI-lastiger
Broad Match wurde stärker mit Smart Bidding verzahnt. Automatically Created Assets kamen dazu. Jetzt verschieben AI Max und die DSA-Migration auch Search weiter Richtung KI-Matching, dynamische Texte und Landingpage-Auswahl.
2. Smart Bidding und Conversion-Signale
Smart Bidding war der große Rollenwechsel. Nicht mehr der Mensch entscheidet für jede Auktion, welches Gebot passt. Das System nutzt viele Signale, um pro Auktion zu entscheiden.
Das funktioniert nur, wenn die Zielsignale stimmen.
Ein Account mit sauberem Umsatztracking, Offline-Conversion-Importen und realistischen Conversion-Werten kann Smart Bidding sinnvoll nutzen. Ein Account, der jede Newsletter-Anmeldung genauso behandelt wie eine qualifizierte Anfrage, füttert das System mit falschen Prioritäten.
Operativer Tipp: Prüfe regelmäßig, welche Conversion-Aktionen als „Primary“ zählen. Viele Accounts haben dort historisch gewachsene Altlasten: alte Events, doppelte Formulare, weiche Mikroziele oder falsch gewichtete Leads.
3. Broad Match, DSA, Performance Max und AI Max
KI in Google Ads zeigt sich besonders dort, wo Matching nicht mehr nur über exakt gebuchte Keywords läuft.
Broad Match mit Smart Bidding
Broad Match ist nicht mehr das alte „alles passt irgendwie“-Monster. In Kombination mit Smart Bidding kann es sehr leistungsfähig sein, weil Gebotslogik und Intent-Signale zusammenarbeiten. Trotzdem bleibt es riskant, wenn Negatives, Conversion-Ziele und Suchbegriffsreviews fehlen.
Dynamic Search Ads
DSA nutzte Website-Inhalte, um passende Suchanfragen und Landingpages zu finden. Das war lange ein guter Catch-all-Mechanismus. Mit AI Max wandert diese Logik nun in eine umfassendere Search-Automation.
Performance Max
PMax hat viele Accounts gelehrt, dass Asset-Qualität, Produktfeeds, Audience Signals, Brand-Ausschlüsse und Conversion-Werte wichtiger werden als einzelne Kanaltricks.
AI Max
AI Max bringt diese Denke tiefer in klassische Search-Kampagnen: mehr Matching, mehr Textanpassung, mehr Landingpage-Dynamik, aber auch mehr Bedarf an Kontrollen.
4. Creative Automation und automatisch erstellte Assets
In den letzten Jahren hat Google immer stärker versucht, Anzeigenassets automatisch zu generieren oder anzupassen. Das ist praktisch, aber heikel.
Praktisch, weil es Varianten schneller erzeugt, Suchintentionen dynamischer bedient und Teams mit wenig Ressourcen entlasten kann.
Heikel, weil automatisch erzeugte Texte nicht automatisch strategisch richtig sind. Sie können austauschbar klingen, zu aggressiv verkaufen oder Aussagen aus Landingpages übernehmen, die nie als Anzeigenclaim gedacht waren.
Darum braucht Creative Automation einen Review-Prozess:
- Welche automatisch erstellten Assets wurden ausgeliefert?
- Passen Claims und CTAs zur Marke?
- Gibt es rechtliche oder fachliche Übertreibungen?
- Welche Varianten liefern nicht nur Klicks, sondern qualifizierte Conversions?
5. Messung, Consent Mode und modellierte Conversions
Parallel zur KI-Entwicklung wurde Messung schwieriger. Datenschutz, Consent-Banner, Browser-Restriktionen und fragmentierte Customer Journeys haben dazu geführt, dass Google stärker modelliert.
Das heißt: Moderne Google-Ads-Performance ist nicht nur „was wurde gemessen“, sondern auch „was wurde modelliert“. Das kann nützlich sein, aber es macht saubere Tagging- und Consent-Setups wichtiger.
Ein modernes Setup braucht:
- Google Tag Manager oder saubere serverseitige Implementierung
- Consent Mode v2 korrekt eingebunden
- klare Conversion-Aktionen
- Enhanced Conversions, wo passend
- Offline-Conversion-Importe für Leadqualität
- regelmäßige Plausibilitätschecks zwischen CRM, Analytics und Google Ads
6. Neue Möglichkeiten für Marketer
6.1 Schnellere Skalierung
KI-Systeme können schneller neue Suchanfragen, Placements, Creatives und Zielseiten testen als ein Mensch. Das ist besonders wertvoll bei großen Shops, komplexen B2B-Angeboten oder internationalen Accounts.
6.2 Bessere Nutzung von First-Party-Daten
Wenn CRM-Daten, Conversion-Werte und Offline-Signale sauber importiert werden, kann Google Ads stärker auf echte Geschäftsergebnisse optimieren.
6.3 Schnellere Creative- und Landingpage-Hypothesen
Automatische Assets und dynamische Landingpage-Auswahl können Hinweise geben, welche Nutzenargumente und Seitenstrukturen funktionieren.
6.4 Mehr Fokus auf Strategie statt Mikromanagement
Gute Marketer verbringen weniger Zeit mit Einzelgeboten und mehr Zeit mit Angebot, Funnel, Tracking, Datenqualität, Testing und Business-Kontext.
7. Nachteile und Risiken
7.1 Weniger Transparenz
Je mehr Google automatisiert, desto schwieriger wird es, jede Entscheidung nachzuvollziehen. Das betrifft Suchanfragen, Asset-Kombinationen, Kanalverteilung und Gebotsentscheidungen.
7.2 Schlechte Daten skalieren schlechte Ergebnisse
KI verstärkt vorhandene Signale. Wenn die falschen Conversions zählen, wird das System auf die falschen Ziele optimieren.
7.3 Kontrollverlust bei Marke und Botschaft
Automatisch erstellte Assets und dynamische Zielseiten können von der gewünschten Positionierung abweichen.
7.4 Vendor-Lock-in der Optimierungslogik
Je stärker ein Account auf Google-interne Automationslogik setzt, desto wichtiger werden eigene Datenexports, Reporting-Strukturen und unabhängige Plausibilitätschecks.
8. Setup-Plan für moderne Google-Ads-Accounts
Schritt 1: Conversion-Aktionen auditieren
Liste alle Conversion-Aktionen auf und markiere:
- Primary oder Secondary?
- hartes Business-Ziel oder Mikro-Event?
- doppelt oder veraltet?
- mit echtem Wert verbunden?
Schritt 2: CRM- und Offline-Signale einbinden
Gerade Lead-Gen-Accounts brauchen mehr als Formularabschlüsse. Importiere Leadstatus, qualifizierte Leads, Opportunities oder Umsatz, wenn möglich.
Schritt 3: Kampagnen nach Risiko clustern
Teile Kampagnen in drei Zonen:
- stabil und wichtig
- testbar mit begrenztem Risiko
- experimentell
Aktiviere neue Automationen zuerst in der mittleren Zone.
Schritt 4: Brand-, URL- und Query-Kontrollen definieren
Dokumentiere vor dem Rollout:
- Brand-Ausschlüsse
- URL-Ausschlüsse
- negative Keyword-Listen
- geografische Grenzen
- sensible Claims
Schritt 5: Reporting gegen die Blackbox bauen
Ein guter Wochenreport zeigt nicht nur CPA und ROAS, sondern auch:
- Suchanfragenqualität
- Asset-Performance
- Landingpage-Verteilung
- Conversion-Qualität
- CRM-Abgleich
Schritt 6: Review-Rhythmus festlegen
KI-Systeme brauchen menschliche Reviews. Plane feste Termine für:
- Suchbegriffe
- Assets
- Zielseiten
- Conversion-Qualität
- Budgetverschiebungen
9. Drei Praxisbeispiele
Beispiel 1: Lead-Gen mit zu weichen Conversions
Ein Beratungsunternehmen optimiert auf Formularabschlüsse. Smart Bidding liefert mehr Leads, aber die Abschlussquote sinkt.
Vorher: Formular = Erfolg. Nachher: Nur qualifizierter Lead oder Opportunity zählt als wichtigeres Signal. Lektion: KI braucht Business-Qualität, nicht nur Event-Menge.
Beispiel 2: E-Commerce mit Performance Max
Ein Shop nutzt PMax mit Produktfeed. Umsatz steigt, aber einzelne Produktgruppen verbrennen Budget.
Vorher: Gesamt-ROAS sieht okay aus. Nachher: Reporting nach Produktgruppen, Margen und Lagerstatus zeigt echte Qualität. Lektion: Automatisierung braucht Feed- und Margin-Disziplin.
Beispiel 3: Search-Kampagne mit AI Max
Eine Search-Kampagne findet neue Longtail-Suchen. Einige sind stark, andere irrelevant.
Vorher: Keyword-Set deckt nur bekannte Nachfrage ab. Nachher: AI Max entdeckt neue Intent-Cluster, aber Negatives und Landingpage-Reviews entscheiden über Profitabilität. Lektion: Entdeckung ist wertvoll, aber nur mit Review-Schleife.
Vorher / Nachher
Vor fünf Jahren: Google Ads Management war stärker manuell, granular und keywordzentriert. Gute Operatoren konnten viel über Struktur, Gebote und Suchbegriffe kontrollieren.
Heute: Die besten Accounts sind signalzentriert. Entscheidend sind Datenqualität, Conversion-Werte, saubere Feeds, sinnvolle Automationsgrenzen, starke Assets und regelmäßige Plausibilitätschecks.
Frag deinen Agent / dein LLM direkt
Ein Agent kann beim Audit helfen, wenn du ihm strukturierte Exporte gibst. Gute Fragen sind:
- „Welche Conversion-Aktionen in diesem Account sind zu weich für Smart Bidding?“
- „Welche Kampagnen eignen sich für mehr Automatisierung, welche nicht?“
- „Welche URL- und Brand-Ausschlüsse sollte ich vor AI Max setzen?“
- „Welche Wochenreports brauche ich, um PMax oder AI Max nicht blind laufen zu lassen?“
Fazit
KI in Google Ads ist kein einzelnes Feature mehr. Sie ist die neue Betriebslogik vieler Accounts. Das macht gute Grundlagen wichtiger, nicht unwichtiger.
Wer saubere Conversion-Daten, klare Landingpages, gute Feeds, starke Assets und regelmäßige Reviews hat, kann von der Automatisierung profitieren. Wer nur hofft, dass Google den Account schon retten wird, bekommt eine sehr elegante Maschine für mittelmäßige Entscheidungen.
