KI für Google Ads Management: Was sie kann – und wer entscheidet

Stand: 27. August 2026

KI im Google Ads Management bewertet Auktionen, prüft grosse Datenmengen und bearbeitet wiederkehrende Muster in einem Rhythmus, den ein Team nicht dauerhaft von Hand halten muss. Wie viel Zeit das gegenüber Ihrer heutigen Arbeitsweise spart, hängt vom Konto ab. Festlegen kann KI die Geschäftsstrategie nicht, und sie weiss nicht verlässlich, welche Conversion wirtschaftlich wertvoll ist. Reviews in festen Abständen prüfen eine Stichprobe; die Workflows von maitiq laufen in einem eigenen Rhythmus und legen je Vorschlag Massnahme, Begründung und Datenbasis offen. Der Leitfaden zeigt die drei Ebenen, sieben Kontrollen und einen read-only Pilotbogen.

Welche drei Ebenen muss man trennen?

Die drei Ebenen unterscheiden sich nicht im Grad der Automatisierung, sondern in der Frage, wer etwas verantwortet und wer etwas verändern darf.

Ebene 1 – Google AI in der Werbeplattform. Sie erhält Ziele, Budgets, Gebotsvorgaben, Signale und Assets und entscheidet daraus Gebot und Ausspielung. Sie ist Teil des Werbeprodukts und wird von Google weiterentwickelt, auch ohne Ihr Zutun.

Ebene 2 – externe Analyse- und Operations-Workflows. Sie lesen Kontodaten, führen wiederkehrende Prüfungen aus, verbinden Signale über Kontoebenen hinweg und erzeugen Vorschläge mit Begründung und Evidenz. Sie verändern das Konto nur im Rahmen einer ausdrücklich erteilten Autorisierung.

Ebene 3 – menschliche Governance. Sie definiert Geschäftsziel, gültige Conversion, Marken- und Rechtsgrenzen, Budgetverantwortung, Freigaben und Stoppregeln. Sie trägt die Verantwortung, während Risiken in allen drei Ebenen entstehen.

Zwischen den Ebenen fliessen vor allem zwei Dinge: Evidenz in Richtung Governance, Vorgaben und Autorisierungen in Richtung Ausführung. Entscheidend ist, dass sichtbar bleibt, welche Ebene liest, welche entscheidet und welche autorisierte Änderungen ausführt.

Ebene 2 lohnt sich nur, wenn sie eine Betriebsaufgabe übernimmt, die die Plattform nicht löst: Signale über Konten und Kampagnentypen zusammenführen, Prüfungen nach festem Zeitplan ausführen, Empfehlungen mit Quelle und Begründung verbinden, Geschäftsregeln und Schutzbegriffe berücksichtigen, menschliche Entscheide sichtbar machen und autorisierte Änderungen nachvollziehbar halten. Ob Sie dafür eine Lizenz oder einen betreuten Service brauchen, klärt der Vergleich Software oder betreuter Service.

Welche KI steckt bereits in Google Ads?

Google AI ist bereits aktiv, bevor ein externer Anbieter dazukommt. Smart Bidding setzt Gebote je Auktion und umfasst die Strategien Ziel-CPA, Ziel-ROAS, Conversions maximieren und Conversion-Wert maximieren; Google beschreibt dazu Auktionssignale wie Gerät, Standort, Tageszeit, Suchanfragetext, Browser oder Saisonalität. Performance Max ist ein zielbasierter Kampagnentyp über YouTube, Display, Suche, Discover, Gmail und Maps; Sie liefern Conversion-Ziele, Budget, Assets, Zielgruppensignale und optional einen Produktfeed und steuern über Suchthemen, ausschliessende Keywords, Markenausschlüsse und die Final-URL-Erweiterung.

Für Anzeigen in der KI-gestützten Suche nennt Google andere Hebel: Gebotsstrategie und CPA- oder ROAS-Zielwerte, Budget, Auswahl der Conversion-Aktion, Conversion-Wertregeln, benutzerdefinierte Ziele, Datenausschlüsse, Saisonalitätsanpassungen, ausschliessende Keyword-Listen und das Anpinnen von Anzeigenelementen. Verwechseln Sie die Ebenen nicht: Suchthemen steuern Performance Max; Markenausschlüsse gelten dagegen auch für Suchkampagnen und für AI Max. Prüfen Sie je Hebel, auf welche Kampagnenart er sich bezieht.

Zusätzlich hat Google mit AI Max for Search campaigns einen eigenen Funktionsblock aus verbessertem Suchbegriff-Matching, Textanpassung und Final-URL-Erweiterung eingeführt und stellt geeignete Kampagnen automatisch darauf um. Diese Umstellung hat zwei verschiedene Termine, und wer sie zusammenzieht, plant den falschen Stichtag:

• Ab September 2026 betrifft die automatische Umstellung Kampagnen mit automatisch erstellten Assets (ACA) sowie die kampagnenweite Broad-Match-Einstellung.
• Ab Februar 2027 beginnt der Ausstieg aus Dynamic Search Ads (DSA) und deren automatische Umstellung auf AI Max.

Quelle ist Googles aktualisierte Ankündigung «DSA upgrade to AI Max»; Google hat den DSA-Termin im Juni 2026 von September 2026 auf Februar 2027 verschoben. Prüfen Sie beide Termine vor der Planung direkt im Konto und in der Ankündigung: Google verschiebt solche Fenster. Eine plattformseitige Umstellung ist ein Governance-Ereignis — sie verändert Matching und Assets, ohne dass jemand in Ihrem Team einen Entscheid getroffen hat. Halten Sie je Termin fest, wer sie bemerkt, wer sie bewertet und welche Kontrollen danach neu gesetzt werden. Wie Sie Auto-Apply, Smart Bidding und externe Werkzeuge in einem Register führen, prüfen und stoppen, beschreibt der Leitfaden Automatisierung mit Leitplanken kontrollieren.

Keine dieser Seiten verspricht ein Ergebnis. Automatisierung entfernt die Verantwortung für Messung und Zielwahl nicht. Ein Conversion-Ziel bündelt Conversion-Aktionen; mehrere primäre Aktionen können gleichzeitig gültig sein, und sekundäre Aktionen lassen sich in einem benutzerdefinierten Ziel für die Gebotsabgabe nutzen. Entscheidend sind Identität, Bedeutung, Zählweise und Zeitfenster jeder Aktion – und dass mehrstufige Abläufe nicht doppelt gezählt werden. Ist eine als primär markierte Aktion geschäftlich wertlos, optimiert ein System sehr effizient auf das falsche Ziel.

Welche Entscheidungen darf KI nicht allein treffen?

Diese Fragen brauchen eine benannte verantwortliche Person: Welche Geschäftsziele haben Vorrang? Welche Conversion ist wirklich qualifiziert? Wie werden Marge, Verfügbarkeit und Kundennutzen gewichtet? Welche Marken- oder Rechtsgrenzen gelten? Welche Budgetänderung ist wirtschaftlich tragbar? Ist eine ungewöhnliche Datenbewegung real oder ein Messfehler? Welche Empfehlung passt zur aktuellen Vertriebs- oder Produktstrategie? Wer akzeptiert das verbleibende Risiko?

KI kann Evidenz zu diesen Fragen strukturieren. Die Unternehmensverantwortung kann sie nicht übernehmen.

Welche sieben Kontrollen braucht KI-gestütztes Management?

Fehlende Evidenz ist kein Erfolg. Ein System muss zwischen nicht beobachtet, beobachtet null und positiv beobachtet unterscheiden; Datenlücken sind Grenzen.

Wie maitiq die drei Ebenen umsetzt

So arbeitet maitiq: Ebene 2 läuft als Workflows nach einem festen Zeitplan – Budget-Pacing, Ziel-CPA, Prüfung von Suchbegriffen und auszuschliessenden Keywords mit Konfliktprüfung, Anzeigen- und Keyword-Vorbereitung sowie Reporting. Nicht jeder Workflow läuft täglich; der Zeitplan richtet sich nach Aufgabe und Konto. Jeder Vorschlag nennt Massnahme, Begründung und Datenbasis; einen alten und neuen Wert führt er soweit anwendbar mit. Ebene 3 bleibt bei Ihnen, im Managed-Modell begleitet von einem Client Success Manager. Menschen setzen Ziele, Regeln und Autorität; innerhalb einer ausdrücklich konfigurierten stehenden Freigabe werden geeignete Vorschläge angenommen und automatisch umgesetzt – davon zu unterscheiden ist der ausdrückliche, protokollierte Ausschluss-Entscheid zu den benannten Wettbewerber-Keywords: Er autorisiert die zugehörige Ausschliessung ebenfalls, ohne zweite Freigabe. Alle übrigen Vorschläge warten auf einen Entscheid, und jede Umsetzung läuft über den geschützten, protokollierten Anwendungspfad. maitiq offeriert das Managementhonorar nach eigener Angabe zur Hälfte dessen, was eine klassische Google-Ads-Agentur für einen vergleichbaren Leistungsumfang verrechnet; das Mediabudget bleibt davon unberührt.

Welche Daten überschreiten welche Grenze?

«Read-only» beschreibt, dass keine Kampagnenänderung ausgeführt wird. Es beschreibt nicht, welche Daten Ihr Konto, Ihr Land oder Ihre Rechtsordnung verlassen. Das sind zwei verschiedene Fragen, und seriöse Anbieter beantworten beide getrennt.

Fragen Sie jeden Anbieter – auch uns – schriftlich:

1. Welche Felder werden für eine KI-Inferenz übermittelt: nur aggregierte Kennzahlen, oder auch Kontokennungen, Kampagnen- und Anzeigengruppen-IDs, Keyword-Texte, Website-URL, Markenbegriffe oder Freitext aus Ihren Vorgaben?
2. Findet vor der Übermittlung eine Anonymisierung oder Pseudonymisierung statt, und wie ist sie technisch belegt und getestet?
3. Welcher Inferenzanbieter wird eingesetzt, in welchem Land verarbeitet er, und auf welcher vertraglichen Grundlage?
4. Wo liegen Anwendung, Datenbank und Backups, und wer betreibt die Infrastruktur?
5. Wie werden OAuth-Zugangsdaten gespeichert, rotiert und beim Widerruf ungültig?
6. Welche Aufbewahrungsfristen gelten je Datenart, und wie wird gelöscht?
7. Löst das kostenlose Audit selbst schon eine externe Inferenz aus?

Verlangen Sie Antworten, die zu einer Konfiguration passen, die Sie prüfen können. maitiq beantwortet diese sieben Fragen im Gespräch und in den Vertragsunterlagen – kontospezifisch, mit Stand und benannter verantwortlicher Person. Fordern Sie dieselbe Genauigkeit von jedem Anbieter ein: Eine Antwort, die «read-only» und «Datengrenze» in einen Satz zieht, beantwortet nur eine der beiden Fragen.

Wie bewertet man Herstellerzahlen?

Plattformanbieter veröffentlichen aggregierte Verbesserungswerte für eigene KI-Funktionen. Solche Zahlen stammen typischerweise aus interner Auswertung des Anbieters, betreffen ein ausgewähltes Segment und sind veröffentlichte Anbieterdurchschnitte; eine Zusage folgt daraus nicht. Prüfen Sie Quelle, Zeitraum, Segment, Vergleichsbasis und ob die Zahl überhaupt für Ihre Kampagnenstruktur gilt. Übernehmen Sie eine Herstellerzahl nie als Planungsgrösse und nie als Budgetbegründung. Dasselbe gilt für Aussagen von Dienstleistern über sich selbst.

Wie sollte ein KI-Pilot aufgebaut sein?

Ein guter Pilot beginnt read-only und beantwortet eine konkrete Betriebsfrage, etwa: «Liefert der Prozess relevante Suchanfragen- oder Budgethinweise mit nachvollziehbarer Evidenz früher, ohne Änderungen auszuführen?»

Bewerten Sie Evidenzqualität, Abdeckung, eingesparte Arbeitszeit und Entscheidungsnutzen getrennt von kurzfristiger Werbeperformance. Legen Sie die Erfolgskriterien vor dem Start fest; ein Pilot darf nicht durch nachträglich gewählte Kennzahlen «gewinnen».

Im maitiq Audit ist dieser read-only Start der Normalfall: Geprüft wird ein vereinbartes verbundenes Konto; native Berichte werden separat bereitgestellt und in einem gesondert arrangierten Durchgang geprüft, einen Self-Service-Upload gibt es nicht. Jede Prüfung wird als vollständig, eingeschränkt oder übersprungen mit Grund ausgewiesen. Eine begrenzte Vorabklärung zeigt, welche Paid-Media-Aufgaben maitiq heute in Google Ads belegt unterstützt und welche angrenzenden Kanäle eine separate Implementierungsprüfung brauchen.

Was verbessert KI wirklich – und was nicht?

KI kann mehr Kontobereiche häufiger prüfen, Muster systematisch anwenden und Hinweise früher vorlegen. Das verbessert die Voraussetzungen für Entscheidungen. Ob sich die Werbeleistung verbessert, hängt zusätzlich von Auktionen, Tracking, Angebot, Preisen, Kreation, Landingpages, Markt und menschlichen Entscheiden ab.

Bewerten Sie deshalb getrennt, was besser wird: Analyseabdeckung und Entscheidungsgrundlage einerseits, Werbeergebnis andererseits. Ein bestimmtes Werbeergebnis wird nicht garantiert – weder von einer Plattformfunktion noch von einem Dienstleister.

Für die Messung brauchen Sie vor dem Start eine Baseline, ein dokumentiertes Conversion-Ziel mit seinen Aktionen und ein Änderungsprotokoll. Halten Sie je Aktion Identität, Bedeutung, Zählweise und Zeitfenster fest und zählen Sie mehrstufige Abläufe nicht doppelt. Vergleichen Sie keine beliebigen Zeiträume und schreiben Sie Bewegungen nicht automatisch der KI zu.

Passt KI-Management zu einem grossen Schweizer Konto?

Für die Eignung zählen vier Voraussetzungen: Komplexität der Kontostruktur, Datenqualität, interne Rollen und Risikogrenzen. Ein Team mit starker interner SEA-Funktion entscheidet anders als ein Team ohne operative Kapazität. In beiden Fällen bleiben Menschen für Geschäftsziele und Autorität verantwortlich; maitiq liefert die wiederkehrende Analyse und führt Entscheide nur im Rahmen der erteilten Autorität aus.

Wie ordnet man KI-Funktionen über Plattformen hinweg ein?

Plattformübergreifend gilt dieselbe Ausgangsfrage: Welche Funktion entscheidet was, auf welcher Datengrundlage und mit welcher Kontrollmöglichkeit? Die Einordnung lässt sich auf native KI-Funktionen anderer Werbeplattformen übertragen. Für Google Ads bleibt es bei der Trennung von Betrieb, Freigabe und Nachkontrolle; für andere Plattformen geht es um die Einordnung, nicht um Betriebsverfahren.

«KI-gestützt» bedeutet in Paid Media nicht überall dasselbe. Eine Plattform kann damit Zielgruppenempfehlungen, Creative-Entwürfe, Ausspielung, Budgetvorschläge, Anzeigenranking oder eine Assistenz im Interface bezeichnen. Wer nur die Produktetiketten vergleicht, stellt deshalb scheinbar gleiche Funktionen nebeneinander, obwohl sie andere Signale sehen, andere Entscheide treffen und andere Aktionen auslösen. Ein brauchbarer Vergleich beginnt mit sechs Grenzen: Ziel, Signal, Entscheidung, Aktion, Autorität und Vergleichbarkeit der Ergebnisse.

Ein Inventar statt einer gemeinsamen KI-Kategorie

Erfassen Sie zuerst jede native Funktion mit ihrem offiziellen Namen, der Plattform, dem Konto oder Markt und dem Datum der Prüfung. «Automatische Kampagne» oder «AI Creative» ist als Eintrag zu ungenau. Der Name muss zu einer sichtbaren Produktfläche oder aktuellen offiziellen Dokumentation führen. Funktionen, die in einem Konto nicht verfügbar sind, werden nicht aus einem globalen Hilfetext als aktiv abgeleitet.

Danach wird die Funktion klassifiziert. Unterstützt sie die Einrichtung, empfiehlt sie eine Zielgruppe, erzeugt sie einen Entwurf, priorisiert sie Ausspielung, schlägt sie ein Budget vor, trifft sie eine Auktionsentscheidung oder erklärt sie einen Bericht? Mehrere Aufgaben können in einem Funktionspaket oder Produktbereich stecken. Das macht daraus keine einzige Entscheidung. Jede Aufgabe erhält eine eigene Zeile, damit ihre Grenze sichtbar bleibt.

Sechs Felder machen Funktionen vergleichbar

Das Ziel beschreibt, worauf die Funktion laut Konfiguration hinarbeitet. Ein Plattformziel ist noch kein gemeinsames Geschäftsziel. Zwei ähnlich benannte Ziele können andere Ereignisse, Zeiträume oder Zählregeln verwenden.

Das Signal benennt die Informationen, die der Funktion zur Verfügung stehen: beispielsweise plattforminterne Interaktionen, ein vom Werbetreibenden geliefertes Ereignis, ein Asset, eine URL oder eine Zielgruppenvorgabe. «Nutzt Daten» reicht nicht. Herkunft, Definition und Plattformgrenze müssen erkennbar sein.

Die Entscheidung ist die konkrete Auswahl des Systems. Es kann Inhalte vorschlagen, eine wahrscheinliche Zielgruppe bestimmen, Anzeigen ordnen oder eine Verteilung wählen. Die Aktion ist das, was daraus sichtbar folgt: ein Entwurf im Interface, eine ausgelieferte Anzeige, eine Platzierung oder eine Empfehlung. Entscheidung und Aktion werden getrennt notiert, weil ein Vorschlag keine Ausspielung und eine Ausspielung kein Creative-Entwurf ist.

Die Autorität zeigt, welche Vorgaben ein Werbetreibender setzen, prüfen oder ausschliessen kann und was die Plattform innerhalb dieser Vorgaben selbst bestimmt. Sie ist keine pauschale Aussage über «menschliche Kontrolle», sondern eine Liste sichtbarer Grenzen für genau diese Funktion.

Die Vergleichbarkeit der Ergebnisse beantwortet schliesslich, ob ein Resultat ausserhalb der Plattform vergleichbar ist. Ein gleich lautender Messwert kann eine andere Definition, ein anderes Fenster oder eine andere modellierte Komponente enthalten. Ohne abgestimmte Definition bleibt er plattformlokale Evidenz.

Vier Plattformen zeigen vier verschiedene Landkarten

Google gruppiert seine aktuellen AI Essentials in vier Bereiche: AI Data Strength, AI Content Strength, AI Performance Strength und Agentic capabilities. Diese Einteilung ist nützlich, um verschiedene Rollen innerhalb von Google Ads nicht unter einem einzigen «Google AI»-Feld zu verstecken. Sie ist aber eine Google-eigene Produktlandkarte, keine neutrale Norm für Paid Media.

Meta beschreibt in seiner aktuellen Unternehmens- und Produktkommunikation wiederum KI-Rollen bei Werbeassistenz, Creative-Erzeugung und plattformseitigem Anzeigenranking. Ranking, Creative-Herkunft und sichtbare Kennzeichnung sind drei unterschiedliche Grenzen. Eine Kennzeichnung belegt weder Richtigkeit noch Rechteklärung oder Wirkung.

LinkedIn Campaign Manager listet Auto-Targeting, «Draft with AI», vorgeschlagene Budgets und Maximum Delivery als getrennte Funktionen. Damit lässt sich direkt sehen, warum ein KI-Inventar nicht nur Produktnamen sammeln darf: Zielgruppenempfehlung, Entwurf, Planungshinweis und Auktionslogik beantworten verschiedene Fragen. Ein Produktname allein ist deshalb kein stabiler Vergleichsschlüssel.

TikTok beschreibt die aktualisierte Smart+-Erfahrung als Spektrum zwischen manueller, teilweiser und vollständiger Automation. Die Dokumentation trennt unter anderem Zielgruppen und Placements, Budget, Creative, Kampagnenstruktur und Reporting. Auch hier ist «Smart+ aktiv» keine ausreichende Beschreibung. Entscheidend ist, welche Teilfunktion in welcher Ausprägung verwendet wird und welche Einstellung im konkreten Konto sichtbar ist.

Diese Beispiele sind kein Produktranking. Sie zeigen, dass vier Anbieter ihre native KI entlang unterschiedlicher Ebenen und Produktbereiche erklären. Die Gemeinsamkeit liegt nicht im Namen, sondern in den sechs Fragen, die für jede Funktion neu beantwortet werden müssen.

Produktnamen und Verfügbarkeit sind zeitabhängig

Plattformen verschieben Funktionen, vereinheitlichen Oberflächen und stellen Kampagnentypen ein; TikToks aktualisierte Smart+-Erfahrung ist ein aktuelles Beispiel. Eine Tabelle, die nur einmal erstellt wird, veraltet deshalb still. Jeder Eintrag braucht Prüfdatum, Dokumentationslink und einen Status wie «im Konto sichtbar», «nur dokumentiert», «eingeschränkt verfügbar» oder «abgekündigt».

Bei einem Namenswechsel wird nicht automatisch angenommen, dass Ziel, Signal, Entscheidung, Aktion und Kontrollmöglichkeiten identisch geblieben sind. Die alte und die neue Ausprägung werden zunächst als zwei Versionen geführt. Erst eine dokumentierte Feld-für-Feld-Prüfung erlaubt die Zusammenführung. So bleibt ein Produktupdate als Evidenzgrenze sichtbar.

Plattformberichte nicht zu einer Scheinwahrheit addieren

Eine gemeinsame Übersicht darf plattformlokale Beobachtungen nebeneinanderstellen, aber nicht ungeprüft verrechnen. «Conversion», «Lead», «View», «Engagement» oder «KI-generiert» können andere Auslöser und Geltungsbereiche haben. Auch eine plattformseitige Prognose, Empfehlung oder Qualitätsanzeige ist zuerst eine Aussage innerhalb ihres Systems.

Für einen ehrlichen Vergleich hält jede Zeile fest, ob Definition, Zeitfenster, Zuordnung, Währung, Markt und Datenstatus abgestimmt wurden. Fehlt eine Bedingung, lautet das Ergebnis nicht «schlechter» oder «besser», sondern «nicht portabel». Kausale Wirkung und kanalübergreifende Attribution gehören in eine eigene Messfrage.

Vier typische Fehlvergleiche früh markieren

Der erste Fehlvergleich setzt ein Funktionspaket mit einer Funktion gleich. Ein Kampagnentyp kann Zielgruppe, Creative und Verteilung zugleich beeinflussen; ein anderswo ähnlich benannter Assistent erstellt vielleicht nur einen Entwurf. Beide tragen ein KI-Label, besitzen aber keine gemeinsame Entscheidungseinheit.

Der zweite Fehlvergleich setzt eine Empfehlung mit einer maschinellen Auswahl gleich. Ein angezeigter Budgethinweis ist ein Output zur Prüfung. Ein Plattformmodell, das während der Ausspielung Anzeigen ordnet, trifft dagegen fortlaufend eine native Auswahl. Die sichtbaren Kontrollpunkte und die benötigte Evidenz sind verschieden.

Der dritte Fehlvergleich behandelt manuell, teilautomatisiert und automatisiert als stabile Stufen über Anbieter hinweg. Diese Wörter sagen ohne Feldliste nicht, wer Zielgruppe, Placement, Budget, Creative oder Auslieferung bestimmt. Die Abgrenzungsübersicht übernimmt deshalb nie eine Stufenbezeichnung allein, sondern erfasst die Autorität je Funktion.

Der vierte Fehlvergleich macht eine Transparenzanzeige zum Qualitätsurteil. Eine KI-Kennzeichnung kann Herkunftskontext liefern. Sie bestätigt weder Fakten noch Rechte, Markenfit, Zielgruppeneignung oder Geschäftswirkung. Umgekehrt belegt eine fehlende sichtbare Kennzeichnung nicht, dass keine KI beteiligt war. Die Plattformregel und der konkrete Asset-Kontext müssen separat geprüft werden.

Diese vier Fehler erhalten keine Rangnote. Sie erzeugen einen ungeklärten Punkt und eine zuständige Stelle. Das hält die Übersicht entscheidungsfähig, ohne aus ungleichen Produktmechaniken eine scheinbar präzise Plattformbewertung zu bauen.

Native Plattform-KI und externe Analyse getrennt benennen

Eine native Funktion arbeitet innerhalb der Produkt- und Datengrenzen ihrer Plattform. Eine externe Analyse kann mehrere Exporte oder Berichte lesen, besitzt dadurch aber nicht automatisch eine gemeinsame, vollständig vergleichbare Wahrheit. Sie darf Unterschiede markieren und Fragen an die zuständigen Personen weiterleiten. Sie darf fehlende Definitionen nicht durch einen einheitlichen KI-Score ersetzen.

Auch Autorität ist plattformspezifisch. Ein sichtbarer Schalter, eine Empfehlung und eine plattformseitige Auslieferungsentscheidung sind nicht dieselbe Aktion. Detaillierte Betriebs-, Stopp- oder Änderungsverfahren für Google Ads stehen in den Google-Ads-Leitfäden; Verfahren für andere Plattformen werden hier weder angeboten noch erfunden.

Von der Abgrenzungsübersicht zur zuständigen Stelle

Zeigt eine Zeile ein Google-Ads-spezifisches Verständnisproblem, führt der nächste Schritt zum Leitfaden Automatisierung mit Leitplanken kontrollieren; eine Trackingdiagnose gehört zum Google Ads Conversion Tracking Audit.

Häufige Fragen

Quellen und Einordnung

Die Quellen dieser Seite sind Dokumentation und Veröffentlichungen der Plattform- und Anbieter selbst – keine Aufsichtsbehörden und keine unabhängige Preis- oder Marktforschung. Sie sind entsprechend einzuordnen, nicht als allgemeiner Marktpreis oder Erfolgsnachweis. Die verlinkten Ziele sind englischsprachig. Angaben zur Arbeitsweise von maitiq finden Sie auf maitiq.com.

Lassen Sie Ihren konkreten Fall von maitiq prüfen.