KI in Paid Ads: Wo sie uns wirklich hilft – und wo (noch) nicht

„Nutzt ihr eigentlich schon KI für eure Kampagnen?“ Diese Frage hören wir im Kundengespräch mittlerweile fast wöchentlich. Die ehrliche Antwort: Ja, aber längst nicht überall dort, wo es der Hype vermuten lässt.

Wir haben unser SEA-Team gefragt: Wofür sie ChatGPT, Claude & Co. tatsächlich einsetzen, wo sie bewusst die Finger davonlassen und was ihre besten und schlechtesten Erfahrungen waren.

KI unterstützt, der Mensch behält die Kontrolle.

Wofür wir KI im SEA-Alltag tatsächlich nutzen

Recherche & Analyse

KI hilft uns vor allem dort, wo es um erste Einordnung und Zeitersparnis geht: Zielgruppenanalysen, erste Keyword-Recherche (insbesondere für Synonyme und verwandte Begriffe), Wettbewerber- und Standortlisten oder die Zusammenfassung von Landingpages hinsichtlich bestimmter Aspekte. Auch Landingpage-Audits lassen sich mit einem gut aufgebauten Prompt inzwischen deutlich strukturierter durchführen als noch vor einigen Monaten.

Ein größerer Anwendungsfall ist der SEA-Audit eines kompletten Kontos: Wir geben eine Analysestruktur vor, lassen die KI die einzelnen Punkte anhand des echten Kontos durcharbeiten und nutzen den Output als ersten Entwurf für Kundenpräsentationen. Das funktioniert inzwischen so gut, dass regelmäßig belastbare Entwürfe entstehen, die wir aber immer selbst gegenprüfen.

Wie Du Dich in den Tiefen des Werbeanzeigenmanagers zurechtfindest, erklärt Dir meinen Kollegin Tamara in ihrem Blogpost.

Texterstellung

Bei Anzeigentexten für SEA und Paid Social, ersten Textentwürfen auf Basis bestehender Anzeigen und Blogposts sparen wir nachweislich am meisten Zeit im gesamten Team. Besonders bei Blogposts hat sich das Niveau in den letzten Monaten spürbar verbessert, wenn man der KI genug Kontext, bestehende Textbeispiele und Best Practices mitgibt. Wichtig bleibt aber: Es handelt sich immer um einen Entwurf, kein fertiges Produkt (dazu gleich mehr im Abschnitt zu den Grenzen).

Strategie & Konzeption

Wir nutzen KI im SEA bewusst als „Zweitmeinung“ bei Kampagnenstrategien – wie einer meiner Kollegen es treffend formuliert hat – mit Bedacht. Konkret heißt das: Wir lassen uns eine strategische Einschätzung geben, vergleichen diese mit unserer eigenen Einschätzung und nutzen Abweichungen als Anlass, noch einmal genauer hinzuschauen. Zusätzlich dient KI als eine Art zweites Gehirn für die erste Ideensammlung bei neuen Kundenprojekten. Diese Ideen gleichen wir dann mit unseren eigenen strategischen Konzepten ab.

Auch für Abschlussanalysen am Ende eines Projekts, inklusive Ausblick auf weitere strategische Empfehlungen für SEA und Paid Social, setzen wir mittlerweile regelmäßig KI ein, gerade wenn viele historische Daten strukturiert aufbereitet werden müssen.

Operative Aufgaben

Die vielleicht unglamouröseste, aber alltagsrelevanteste Kategorie: die Datenextraktion aus HTML, Sheets oder Screenshots, das Neu-Zusammenstellen von Daten aus mehreren Quellen, das Strukturieren von Negativlisten, Regelprompts für Feed-Management-Tools wie Channable (vor allem für Regex-Funktionen) oder das Zusammenfassen langer, wichtiger E-Mails. Auch schnelle Erklärungen zu neuen Features oder allgemeinen Fragen, etwa zu Tracking-Themen, holen wir uns inzwischen oft zuerst per KI, bevor wir tiefer in die Dokumentation einsteigen.

Reporting

Ein Bereich, der bislang oft unterschätzt wird, aber im Alltag enorm viel Zeit spart: das Reporting. Über MCP-Konnektoren – bei Meta inzwischen direkt verfügbar – lässt sich Claude live mit dem Werbekonto verbinden. Statt sich mühsam durch die Kontostruktur zu klicken, reicht eine einfache Anfrage in Textform, und die aktuellen Zahlen werden direkt aus dem Konto gezogen und aufbereitet. Für laufende Kundenreportings ist das ein echter Effizienzgewinn, weil das lästige manuelle Zusammensuchen von Kennzahlen entfällt.

Bei Google Ads sieht das aktuell noch anders aus: Da es dort (noch) keinen vergleichbar unkomplizierten Konnektor gibt, haben wir uns intern mit einer Lösung in Form eines Skripts in Kombination mit automatisiertem Mailversand beholfen, um ein ähnliches Prinzip abzubilden. Das verdeutlicht die unterschiedlichen Entwicklungsstände der einzelnen Plattformen beim Thema KI-Anbindung – und zeigt, dass sich mit etwas Kreativität auch ohne offizielle Schnittstelle ein großer Teil des Effizienzgewinns realisieren lässt.

Schnelle Analysen aus Google Ads-Rohdaten

Ein kleiner, aber wirkungsvoller Kniff, um ohne Google Ads-Konnektor schnell Analysen durchzuführen: Im Google-Ads-Konto lässt sich unter „Berichte“ ein Bericht für die letzten 30 Tage anlegen. Dieser kann nach Tag segmentiert werden und enthält die Kennzahlen Impressionen, Klicks, Kosten, Conversions und Conversion-Wert. Ergänzt Du dazu noch den Änderungsverlauf der letzten 30 Tage als Download, hast Du zwei kompakte Dateien, die Du direkt in die KI laden kannst. Die KI kann dann Auffälligkeiten, Trends und Zusammenhänge zwischen Änderungen im Konto und Performance-Schwankungen deutlich schneller herausarbeiten, als dies manuell durch Scrollen und Vergleichen möglich wäre. Dies ist ein einfacher, aber sehr praktischer Workaround, solange Google Ads noch keinen vergleichbaren Live-Konnektor wie Meta bietet. Natürlich lässt sich dies auch auf jede kleinere Ebene wie Adgroups, Keywords oder Negatives (auszuschließende Keywords) herunterbrechen.

Welche Tools wir im SEA nutzen

ChatGPT ist bei uns bislang noch das Arbeitspferd für den Alltag – für schnelle Aufgaben, Blogposts und alles, was viel Iteration braucht. Claude gewinnt aber spürbar an Boden, gerade für komplexere, strukturierte Analysen und Kontoaudits. Ein Grund dafür: Claude fragt bei größeren, komplexeren Prompts gezielt nach, zum Beispiel: „So würde ich es angehen, passt das für Dich?“ Anstatt einfach drauflos zu antworten und im Zweifel am eigentlichen Ziel vorbeizuarbeiten, fragt Claude nach. Diese Funktion haben wir unternehmensweit in den Einstellungen von Claude hinterlegt, genauso wie bei der Anlage einer Status.md.

Für Creatives nutzen wir zusätzlich die KI-Tools direkt in Google Ads, etwa Nano Banana für die Bildgenerierung. Hier hat oft trotzdem ChatGPT die Nase vorn. Die Qualität der Bilder ist meist sehr gut. Von den KI-Bild-Features bei Meta raten wir aktuell noch ab, dazu aber weiter unten mehr.

Interessant ist außerdem, wie die einzelnen Tools im Team ganz unterschiedlich eingesetzt werden: So dient ChatGPT manchen eher als „therapeutischer Berater“ für Kommunikationsfragen, etwa wenn es darum geht, wie man eine unangenehme Botschaft freundlicher formuliert. Claude wird dagegen zunehmend für die fachlich anspruchsvolleren, strukturierten Aufgaben genutzt.

Wo wir bewusst Grenzen ziehen

Hier wird es aus unserer Sicht am spannendsten, denn genau hier trennt sich sinnvoller KI-Einsatz von Wunschdenken. Diese Grenzen wurden uns oft erst durch die eigenen Erfahrungen klar, nicht durch die Werbeversprechen der Tool-Anbieter.

Keyword-Sets aus der KI sind mit Vorsicht zu genießen

Detaillierte Keyword-Vorschläge klingen oft überzeugend, haben aber in der Regel kein echtes Suchvolumen. Das gilt für ChatGPT genauso wie für Claude. Besonders auffällig wird das bei nischigen Themen, bei denen die KI mangels echter Daten häufig frei erfindet, was plausibel klingt. Unser Learning: KI eignet sich hervorragend fürs Brainstorming und für erste Ideen, aber nicht als fertiges, direkt einsatzbereites Keyword-Set. Suchvolumen und Wettbewerbsdaten müssen weiterhin über echte Tools verifiziert werden.

Zeichenlängen müssen immer manuell kontrolliert werden

Trotz klarer Vorgabe im Prompt, zum Beispiel „maximal 30 Zeichen für die Headline“, verzählt sich die KI bei Anzeigentexten regelmäßig oder überzieht die vorgegebene Länge. Das kostet zwar nur wenige Sekunden Nachkontrolle pro Text, summiert sich aber bei größeren Textmengen.

Viele kennen dieses Beispiel wahrscheinlich: Die KI (hier ChatGPT) tut sich manchmal mit dem Erkennen von Buchstaben sehr schwer. Es könnte daran liegen, dass manche Wörter im Hintergrund (zusätzlich) übersetzt werden.

Bei E-Mails braucht es oft mehrere Korrekturschleifen

Gerade bei größeren Textstrukturen fällt uns auf, dass ChatGPT den eigenen Textaufbau teilweise fast 1:1 übernimmt, obwohl explizit „kürzen“ oder „in eine bessere Reihenfolge bringen“ gefordert wird. Oft musst Du dann konkret nachsteuern oder wiederholt „kürzer“ sagen, bis das Ergebnis passt. Zeit sparst Du trotzdem, wenn auch nicht ganz so viel, wie Du es Dir anfangs erhofft hast.

Bei technischen Tool-Fragen ist besondere Vorsicht geboten

Wenn es um das Auffinden einer Funktion in Merchant Center, Channable oder anderen Tools geht, liefert vor allem ChatGPT immer wieder Fehlinformationen oder erfindet Einstellungen, die es so gar nicht gibt. Auch beim Troubleshooting funktioniert es nicht immer im ersten Anlauf.

Auffällig dabei: KI versucht oft erst auf kompliziertem Weg, die richtige technische Bezeichnung oder den richtigen Selektor zu erraten, anstatt sich beispielsweise einfach den Seitenquellcode oder einzelne Elemente direkt auslesen zu lassen. Der naheliegende, einfache Weg wird nicht automatisch als Erstes gewählt.

Der Wissensstand der KI ist nicht automatisch aktuell

Viele KI-Tools greifen standardmäßig nicht live auf das Internet zu, sondern beantworten Fragen auf Basis der Informationen, die beim Training in ihr „Gehirn“ eingeflossen sind – mit einem festen Stichtag, dem sogenannten Wissens-Cutoff. Das führt dazu, dass ganz aktuelle Entwicklungen, neue Plattform-Features oder kurzfristige Änderungen bei Google Ads, Meta & Co. schlicht noch nicht bekannt sind, sofern die KI keine gezielte Websuche einbindet.

Für uns heißt das: Bei allem, was mit aktuellen Produkt-Updates, neuen Funktionen oder sich schnell ändernden Richtlinien zu tun hat, fragen wir gezielt nach, ob die KI im jeweiligen Moment tatsächlich das Internet durchsucht hat oder nur aus ihrem trainierten Wissen antwortet. Bei zeitkritischen Themen verlassen wir uns lieber auf die offizielle Dokumentation der Plattformen.

Oft hilft es auch, einen offiziellen Link zur Dokumentation mit in den Prompt zu geben und darauf hinzuweisen, dass es sich um eine neue Anpassung handelt.

Auch Plattform-Automatisierung verändert Creatives eigenmächtig

Das betrifft zwar nicht direkt KI-Tools wie ChatGPT oder Claude, gehört aus unserer Sicht aber trotzdem in dieses Kapitel, weil es dasselbe Grundproblem zeigt: Wenn Automatisierung im Hintergrund Entscheidungen trifft, muss regelmäßig kontrolliert werden, was tatsächlich ausgespielt wird. Kürzlich kursierte der Fall eines Meta-Bugs, der statische Anzeigen und Videos eigenmächtig in dynamische Produktanzeigen umwandelte und dabei Produkte einblendete, die inhaltlich nichts mehr mit dem eigentlichen Anzeigentext zu tun hatten. Im Kreativ-Setup selbst sah dabei alles unauffällig aus, obwohl im Hintergrund längst etwas anderes lief.

Wir hatten einen ähnlichen Fall bei uns: Creatives wurden automatisiert verändert, Namen ausgetauscht, Daten und Themen frei erfunden – ohne dass das auf den ersten Blick im Konto erkennbar war. Die Konsequenz für uns: Regelmäßige, manuelle Stichproben der tatsächlich live ausgespielten Creatives gehören für uns fest zum Standard-Monitoring, unabhängig davon, was die Einstellungen im Backend vermeintlich anzeigen.

Auf den ersten Blick wirkt hier alles stimmig, bis man feststellt, dass die Referentin Luisa und nicht Luisi heißt. Metas KI hat selbstständig einen neuen Namen erfunden.

Lange, im Verlauf verfeinerte Prompts vergessen frühere Anweisungen

Wird ein Prompt im Laufe eines Gesprächs immer weiter angepasst und ergänzt, kann es passieren, dass ältere Instruktionen – obwohl sie eindeutig im Prompt standen – einfach unter den Tisch fallen. Das ist ein bekanntes, modellübergreifendes Verhaltensmuster von Sprachmodellen, das Du beim Prompten mitdenken solltest: Lieber kompakte, klare Prompts statt über Zeit gewachsener Monster-Prompts. Wiederhole lieber wichtige Anweisungen bei Bedarf am Ende noch einmal. Dass dabei ohnehin selten der Prompt allein über gute KI-Ergebnisse entscheidet, zeigt auch der Beitrag meiner Kollegin Franzi „KI-Content im Team: Warum der Prompt das kleinste Problem ist.“

Noch besser: Immer wieder neue Chats starten und den Prompt abspeichern. Idealerweise speicherst Du ihn zum Beispiel als Skill in Claude, um ein schnelles Abrufen zu ermöglichen. Lange Chats fressen Ressourcen und kosten Dich am Ende, weil die KI immer wieder den gesamten Verlauf analysieren muss.

Einige Kundenbeispiele aus der Praxis

Bei einem unserer B2B-Kunden haben wir kürzlich ein komplettes KI-gestütztes Kontoaudit vorbereitet. Zunächst haben wir uns von Claude eine sinnvolle Analysestruktur vorgeben lassen. Anschließend haben wir die einzelnen Punkte anhand des echten Kontos von Claude durcharbeiten lassen und schließlich auch den ersten Entwurf der Kundenpräsentation von Claude erstellen lassen. Das Ergebnis war ein guter Ausgangspunkt, der uns spürbar Zeit gespart hat. Den finalen Feinschliff, die strategische Einordnung ins Gesamtbild des Kunden und sämtliche Zahlen haben wir aber wie gewohnt noch einmal selbst geprüft, bevor die Präsentation rausging.

Ein zweites Beispiel aus dem Performance Marketing: Bei einem Projektabschluss im SEA- und Social-Bereich haben wir die komplette Abschluss-Analyse inklusive des Ausblicks für weitere strategische Empfehlungen mit Claude auf Basis der historischen Kampagnendaten erstellt. Auch hier war der generierte Output ungewöhnlich gut nutzbar – ein Hinweis darauf, dass Claude gerade bei datenbasierten, strukturierten Analysen aktuell einen echten Vorteil gegenüber ChatGPT bietet.

Warum Differenzierung wichtig ist

Der öffentliche Diskurs rund um KI in Paid Ads bewegt sich oft zwischen zwei Extremen: Auf der einen Seite die Vorstellung, dass KI-Agenten schon bald komplette Google Ads- und Meta-Konten autonom steuern. Auf der anderen Seite die Sorge, KI sei im Performance Marketing nur ein teures Spielzeug ohne echten Mehrwert.

Unsere Erfahrung zeigt: Beides trifft die Realität nicht. KI übernimmt bei uns heute schon einen relevanten Teil der Recherche-, Text- und Analysearbeit. Überall dort, wo es um verlässliche Daten, exakte Vorgaben oder technisches Spezialwissen geht, bleibt der Mensch die letzte und wichtigste Kontrollinstanz.

Fazit: Sinnvoller Einsatz statt Autopilot

KI spart uns im SEA-Alltag nachweislich Zeit – bei der Recherche, ersten Textentwürfen, der Strukturierung von Daten und als Zweitmeinung bei strategischen Fragen. Gleichzeitig zeigt das gesammelte Feedback unseres Teams deutlich: Überall dort, wo es um belastbare Suchvolumen-Daten, exakte Zeichenlimits oder technisches Tool-Wissen geht, braucht es weiterhin den geschulten Blick eines Menschen. Genau diese Kombination aus KI-gestützter Effizienz und menschlicher Fachkontrolle macht für uns den Unterschied zwischen sinnvollem KI-Einsatz und riskantem Autopiloten aus.

KI in Paid Ads ist für uns aktuell ein Werkzeug für einzelne Arbeitsschritte – kein Ersatz für die Person, die am Ende die Verantwortung für das Kundenkonto trägt. Und genau das dürfte sich, allen Fortschritten zum Trotz, in absehbarer Zeit auch nicht grundlegend ändern.

Wenn Du Unterstützung bei der Steuerung Deiner Paid Ads benötigst oder mehr über die effiziente Nutzung von KI-Tools für bezahlte Werbung erfahren willst, dann nimm gern Kontakt mit uns auf.