PPC freelancer vs. AI – „kann alles“, ersetzt aber nicht zwangsläufig

Ich schreibe einen Blog voller Artikel darüber, wie mir AI Stunden an Arbeit spart. Automatisierung, MCP, Kampagnengenerierung aus Prompts. Warum schreibe ich also einen Artikel darüber, dass AI PPC-Experten nicht ersetzen wird? Ist das kein Widerspruch?

Nein. Und es ist vielleicht das Wichtigste, was ich über AI in der Werbung weiß: AI ist heute ein unglaublich mächtiges Werkzeug – und genau deshalb ist es gefährlich, es in die Hände von jemandem zu geben, der nicht erkennt, wann AI Unsinn empfiehlt. Denn sie empfiehlt Unsinn selbstbewusst und schön formuliert, genau wie sie die genialen Dinge empfiehlt.

Wir hören es von allen Seiten: AI kann Kampagnen erstellen, optimieren, Anzeigen schreiben, Creatives generieren, Kontostrukturen vorschlagen. Und es stimmt – sie kann es, und oft besser als ein Junior. Aber ihr fehlt eine Sache, die man nicht durch einen Prompt wettmachen kann: langjährige Erfahrung aus realen Märkten. Ich habe aufgeschrieben, warum dies Werbetreibenden gleich zwei Probleme bereitet, wo genau ein AI-Rat die Kampagnenleistung in den Keller treibt und warum die PPC-Optimierung niemals ein universelles Funktionsszenario haben wird.

Inhalt

Was AI in PPC heute wirklich kann (und das ist viel)

Ich beginne fair, damit kein Zweifel besteht, dass dies kein Artikel eines verbitterten Gegners ist. AI leistet heute im Bereich PPC Beeindruckendes:

  • Erstellt Kampagnenstrukturen aus einem Briefing — ad groups, Keywords, RSA-Varianten, sitelinks, callouts. In Minuten. (Ich selbst nutze dafür die Generierung von PMax-Importen für den Editor.)
  • Schreibt Dutzende Anzeigen in verschiedenen Tonalitäten, mit Variationen von USP und CTA.
  • Generiert Creatives — Banner, Visuals für Meta, Produktfotos, sogar Videos.
  • Findet Muster in den Daten — Suchbegriffe mit hohem Spend und null conversion, leistungsschwache ad groups, Anomalien im täglichen Spend.
  • Erklärt Ihnen alles — was tCPA ist, wie Smart Bidding funktioniert, warum Ihr Quality Score gesunken ist.
  • Erstellt Reports in einem Bruchteil der Zeit.

All das nutze ich tagtäglich. AI übertrifft heute in vielen Teilaufgaben einen Junior-PPC-Spezialisten — sie ist schneller, vergisst nichts, macht keine Tippfehler und kennt die Dokumentation auswendig. Würde ich „AI vs. Junior mit einem halben Jahr Erfahrung“ in Bezug auf Geschwindigkeit und Wissensbreite vergleichen, würde die AI gewinnen.

Und genau hier wird es tückisch.

Zwei Probleme für Werbetreibende

Wenn ein Unternehmen hört: „AI übernimmt PPC“, stellt es sich meist vor, dass es ausreicht, die AI zu starten, und die Kampagnen sich von selbst optimieren. Die Realität stößt jedoch auf zwei Mauern.

Problem Nr. 1 – KI ohne Markterfahrung

KI beherrscht alles, was beschrieben, dokumentiert und aus Texten erlernbar ist. Aber PPC findet zum Großteil in Bereichen statt, die nicht dokumentiert sind — im spezifischen Verhalten eines konkreten Marktes, der Saison, des Wettbewerbs und der Zielgruppen.

Die KI weiß nicht, dass:

  • In Ihrer Branche die CPC Mitte November um 40 % steigen, da E-Shops mit Black-Friday-Budgets in die Auktion drängen — und dass es sich lohnt, bereits einige Wochen zuvor günstig Daten zu sammeln, anstatt erst während des Ansturms.
  • Ihr spezifischer Kunde ein Produkt anbietet, das eine lange Entscheidungsphase erfordert, sodass die Last-Click-Attribution die oberen Phasen des Funnels systematisch unterbewertet und die KI Ihnen empfiehlt, genau die Impulse abzuschalten, die den Entscheidungsprozess einleiten, weil sie fälschlicherweise nur die letzten 30 Tage statt eines 90-Tage-Zeitfensters betrachtet.
  • Eine bestimmte Zielgruppe in einer bestimmten Region völlig anders auf Rabatte reagiert als auf Qualität — und was bei einem Kunden in derselben Branche funktioniert hat, beim zweiten scheitern wird.

Dieses Wissen findet sich in keinem Datensatz. Es entsteht durch jahrelange Beobachtung dutzender Konten, durch Vergleiche und Fehler, die Sie etwas gekostet haben. Die KI verfügt nicht darüber, weil sie es nirgendwo sammeln konnte — und was noch schlimmer ist: Sie sagt Ihnen nicht „das weiß ich nicht“, sondern gibt Ihnen seelenruhig Empfehlungen, als ob sie es wüsste, da sie ihr Wissen vom gesamten Markt bezieht und nicht aus dem Kontext des Kunden.

Problem Nr. 2 – AI ist nur so gut wie ihr Anwender

Das ist das am häufigsten übersehene Problem. AI schöpft ihr Potenzial nicht aus, wenn sie von jemandem gesteuert wird, der PPC nicht versteht.

Das Prompting von PPC-Kampagnen bedeutet nicht „schreibe mir eine gute Kampagne“. Es bedeutet:

  • Wissen, wonach man überhaupt fragen muss — welche Fragen man stellt, welche Metriken man verfolgt, welche Hypothesen man testet.
  • Den Kontext und die Skills festlegen zu können — ohne die richtigen Vorgaben (target CPA, ausgeschlossene Netzwerke, Brand vs. Non-Brand Trennung, Business-Modell des Kunden) erstellt Ihnen die AI eine generische Kampagne nach Lehrbuch, nicht nach der Realität.
  • Zu erkennen, wann das Ergebnis nicht passt. Die AI schlägt Ihnen selbstbewusst eine Struktur vor, die theoretisch korrekt aussieht, aber für das jeweilige Budget und den Markt unsinnig ist. Wenn Sie das nicht erkennen, setzen Sie es um.

Es entsteht ein Paradoxon: AI in den Händen einer unerfahrenen Person schöpft entweder nicht einmal einen Bruchteil des Potenzials aus oder schadet aktiv — weil ein Laie die erste selbstbewusste Empfehlung übernimmt und umsetzt. Ein Junior ahnt zumindest, dass er etwas nicht weiß. Ein Laie mit AI hat das Gefühl, alles zu wissen.

AI steigert nicht die Qualität der Arbeit. AI verstärkt das Niveau der Person, die sie steuert. Seniorer Input → seniorer Output. Laienhafter Input → laienhafter Output, eingesetzt mit falscher Gewissheit.

Wo KI die Performance ruiniert

Das sind keine theoretischen Bedenken. Hier sind konkrete Empfehlungen, die die AI üblicherweise gibt – und die ohne erfahrenen Filter die Kampagnenleistung zerstören:

  • „Aktivieren Sie Display Network, Search Partners, AI Max für mehr Reichweite.“ Default Google Ads, die AI wird dies bereitwillig bestätigen. Bei einer Search-Kampagne bedeutet dies meist eine Flut an günstigen, nicht konvertierenden Impressionen und Klicks. Die „conversion“ werden formal steigen, die Wirtschaftlichkeit bricht ein. Ähnliche Empfehlungen erhalten Sie auch direkt vom Google-Support, und es sind keine guten Ratschläge.
  • „Setzen Sie den tCPA auf 150 Kč, um günstige conversion zu erhalten.“ Wenn der reale CPA bei 400 Kč liegt, wird dieses Ziel die Kampagne abschnüren — Smart Bidding bietet nicht mehr mit, die Kampagne verliert an Volumen und wird durch „learning limited“ blockiert.
  • „Fügen Sie mehr Keywords hinzu, Sie haben zu wenig Traffic.“ Wenn das eigentliche Problem in der landing page oder dem Angebot liegt, wird mehr Traffic nur die Verschwendung ausweiten, nicht aber die conversion steigern. Der AI fehlt der Kontext zur Bewertung der landing page.
  • „Führen Sie die Kampagnen zusammen, vereinfachen Sie die Struktur.“ Das klingt vernünftig. Doch damit setzen Sie die historischen Daten auf Null zurück, auf denen Smart Bidding basierte — und die Kampagne lernt über Wochen hinweg wieder bei Null.
  • „Wechseln Sie zu broad match, Smart Bidding wird es schon richten.“ Ohne ausreichendes Volumen an conversion-Daten wird broad match das Budget verbrennen, bevor die AI überhaupt eine Grundlage zum Lernen hat.
  • „Dieses Keyword hat einen hohen CPA, schalten Sie es aus.“ Doch in einer Multi-Touch-Journey ist es genau dieses Wort, das den Kauf auslöst, auch wenn die conversion formal einem anderen Kanal zugeschrieben wird. Schalten Sie es aus, bricht Ihnen der gesamte obere Funnel weg.

Jede dieser Empfehlungen klingt logisch und wäre in einem bestimmten Kontext sogar richtig. Das Problem ist, dass die AI diesen spezifischen Kontext nicht sieht — und wer sie ohne Erfahrung steuert, liefert diesen Kontext nicht mit.

Warum es kein 100 % funktionierendes Szenario gibt

Hier liegt der Kern der Sache. Die Leute wollen von PPC eine „Anleitung, die funktioniert“. Sie wollen AI als Maschine für diese Anleitung. Doch PPC-Optimierung besteht zu einem großen Teil aus Kleinigkeiten und Experimenten – und es gibt kein universelles Erfolgsszenario.

Was bei einem Kunden den ROAS um ein Drittel steigert, funktioniert bei einem anderen in derselben Branche überhaupt nicht. Dieselbe Kampagnenstruktur, dieselben bidding-Strategien und das Ergebnis ist gegenteilig – weil sich Angebot, Marge, Website, Saison, Zielgruppe, Wettbewerbsdruck, Produktqualität und Markenbekanntheit unterscheiden. Es gibt Dutzende von Variablen, die auf eine Weise interagieren, die sich nicht im Voraus berechnen lässt.

Die eigentliche Arbeit eines PPC-Spezialisten besteht daher nicht darin, das „richtige Szenario anzuwenden“. Sie besteht aus:

  1. Stellen Sie eine vernünftige Hypothese auf (basierend auf der Erfahrung, was funktionieren könnte).
  2. Testen Sie diese mit einem kleinen Budget.
  3. Messen, auswerten, anpassen.
  4. Wiederholen – endlos, da sich der Markt ständig verändert.

Dies ist ein iteratives Handwerk, das auf Urteilsvermögen basiert, kein deterministischer Algorithmus. AI ist ein hervorragender Helfer in jedem dieser Schritte – sie schlägt Hypothesen vor, berechnet Ergebnisse, findet Muster. Aber die Entscheidung, welche Hypothese es wert ist, getestet zu werden, und wann man dem Ergebnis vertrauen kann, basiert auf Erfahrung, die weder die AI noch ein Laie als Operator besitzt.

Übrigens – das gleiche Prinzip „schrittweise ändern und testen, nicht blindlings“ gilt auch für Website-Migrationen und Redesigns, wo eine blinde Änderung noch größeren Schaden anrichten kann als in einer einzelnen Kampagne.

Wie ich mit KI arbeite

Um konkret zu werden – KI ist in meiner Praxis kein Autopilot, sondern ein Co-Pilot:

  • KI schlägt vor, ich entscheide. Jede Empfehlung durchläuft meinen Filter: „Ergibt das bei diesem Kunden und in diesem Zeitraum Sinn?“. Einen Großteil der Vorschläge verwerfe ich oder passe sie an.
  • KI übernimmt Routine, ich das Urteil. Datenerfassung, der erste Entwurf der Struktur, Reporting – KI. Die Entscheidung, was damit zu tun ist, welche Hypothese getestet wird, wann eingegriffen wird – ich.
  • Keine Kontoänderung ohne Kontrolle. Die KI bereitet mir einen Entwurf vor, ich genehmige ihn oder schreibe ihn um, erst dann wird er übernommen. (Darüber habe ich im článku o MCP stacku geschrieben – mein gesamtes Setup basiert auf dem Prinzip „Vorschlag zeigen → genehmigen → eintragen“.)
  • Den Kontext liefere ich. Geschäftsmodell des Kunden, Margen, saisonale Muster, Kontohistorie, was funktioniert hat und was nicht. Das ist der Treibstoff, ohne den die KI im Leerlauf läuft.

Das Ergebnis: Ich arbeite schneller und mehr als früher, aber die Qualität der Entscheidungen bleibt hoch – weil die Entscheidungen weiterhin von einem Menschen getroffen werden, der bereits gesehen hat, wie ähnliche Situationen ausgegangen sind.

Fazit

AI in PPC ist weder eine Bedrohung noch eine Erlösung. Es ist ein außerordentlich mächtiges Werkzeug, dessen Wert davon abhängt, wer es führt. In den Händen eines erfahrenen PPC-Spezialisten ist es ein Produktivitätsmultiplikator. In den Händen von jemandem, der nicht erkennt, wann die AI Unsinn rät, ist es ein schneller Weg zu einem verbrannten Budget — umso gefährlicher, da dieser Unsinn selbstbewusst und ansprechend formuliert präsentiert wird.

Drei Dinge zum Abschluss:

  1. AI kann enorm viel — und rät auch zu Dingen, die eine Kampagne in die roten Zahlen treiben. Der Unterschied zwischen Ersterem und Letzterem ist die Erfahrung der Person, die das Ergebnis liest.
  2. Es gibt kein universelles Erfolgsszenario. Bei jedem Kunden muss etwas anderes ausprobiert werden. Das ist Handwerk, kein Algorithmus.
  3. Das Beste heute ist weder die AI noch der Mensch, sondern der Mensch mit AI — sofern dieser Mensch den Unterschied zwischen gutem und schlechtem Rat erkennt.

Löst PPC AI Ihre Probleme oder benötigen Sie einen Spezialisten?

Ich sage Ihnen ganz offen, wo KI Ihnen Geld spart und wo sie Sie ohne fachkundige Aufsicht teuer zu stehen kommt. Ohne Verkaufsabsicht, ganz ehrlich – selbst wenn sich herausstellt, dass Sie gar keinen Spezialisten brauchen!
Beratung im Klartext

FAQ

  • Soll ich AI in PPC nicht nutzen? Im Gegenteil, nutzen Sie sie. Aber nicht als Ersatz für Erfahrung, sondern als deren Multiplikator. AI ohne erfahrene Aufsicht ist ein Risiko, Erfahrung ohne AI bedeutet Langsamkeit.
  • Ersetzt AI den PPC-Spezialisten bald? Sie wird diejenigen ersetzen, die nicht lernen, sie zu nutzen. Ein erfahrener Spezialist, der AI in seine Arbeit integriert, wird hingegen produktiver und gefragter sein. (Ich habe dies im Artikel über Pricing in der Ära der AI näher erläutert.)
  • Kampagnen mit AI selbst erstellen? Erstellen ja. Die Frage ist, ob Sie erkennen, dass die AI aktivierte Display Network Partner, ein zu niedriges tCPA oder eine Struktur vorgeschlagen hat, die historische Daten zerstört. Das am Spezialisten gesparte Geld kann als Vielfaches an verbranntem Budget zurückkommen.
  • Wann berät die AI falsch? Kurze Antwort: Ohne Erfahrung erkennen Sie es nicht zuverlässig. Das ist der Kern des Artikels. Lange Antwort: Achten Sie auf die Wirtschaftlichkeit (CPA, ROAS, Nettogewinn), nicht auf Vanity-Metriken („Conversions“ können Junk sein). Und wenn ein Tool eine „universelle Optimierung“ verspricht, seien Sie wachsam – diese existiert nicht.
  • Warum nutzen Sie AI so intensiv? Weil ich beides kenne – was sie kann und wo sie lügt. Genau deshalb hole ich das Maximum aus ihr heraus und filtere ihre Fehler. Das ist der Unterschied zwischen einem Werkzeug in der Hand eines Handwerkers und in der Hand eines zufälligen Passanten.