Wesentliche Erkenntnisse
- PPC ist trotz wiederholter Vorhersagen seit 2017 nicht gestorben; stattdessen hat KI grundlegend verändert, wer die Arbeit erledigt und welche Fähigkeiten im Jahr 2026 am wichtigsten sind.
- Während die Kosten pro Klick im letzten Jahrzehnt etwa doppelt so hoch geworden sind, haben sich die Kosten pro Lead und die Effizienz der Konversion deutlich verbessert, was verborgene Ineffizienzen statt eines Rückgangs des Kanals aufzeigt.
- AI Overviews und AI Mode haben den oberen Bereich des Suchtrichters stark beeinflusst, doch die Konversionen im unteren Trichter bleiben bei richtigen Strategien stabil.
- KI-Tools eignen sich hervorragend zum Setzen von Geboten, zur Erstellung von Variationen der Anzeigentexte und zur Entdeckung von Long-Tail-Keywords; strategische Entscheidungen über den Konversionswert bleiben jedoch klar Menschensache.
- Erfolg mit moderner Suchwerbung erfordert korrektes Conversion-Tracking, Integration von Offline-Daten, nach Intent sortierte Keyword-Auswahl und kontinuierliche Überwachung der Traffic-Qualität.
- Das PPC-Fähigkeitsspektrum hat sich vom taktischen Hebelziehen zu strategischer Aufsicht entwickelt; die Branche benötigt weniger Einstiegspositionen, aber weiterhin Experten, die die Grundlagen verstehen und Ergebnisse erzielen können.
PPC vs. KI: Was 10 Jahre im PPC-Bereich gezeigt haben
PPC wurde im letzten Jahrzehnt ungefähr 27 Mal für tot erklärt. Die erste Erklärung gab es 2017, als Google nahe Varianten bei genau passenden Keywords einführte. Ein Kunde erhielt einen Blogbeitrag, der einen strategischen Wechsel zu SEO vorschlug. Das Konto wurde jedoch nicht umgelenkt. In diesem Jahr erzielte der Kunde seine bisher beste Leistung.
Als 2025 Beiträge mit dem Titel „KI hat PPC getötet“ in professionellen Netzwerken aufkamen, war die erste Reaktion skeptisch. Die zweite Reaktion fiel differenzierter aus. Dieses Mal fühlte es sich anders an. Nutzer stellen ChatGPT Fragen, die sie früher bei Google suchten, und Google beantwortet viele häufige Suchanfragen, bevor jemand zu einer Anzeige scrollt. Gleichzeitig schreiben die Werbeplattformen nun die Anzeigen, wählen die Suchanfragen aus und bestimmen die Landingpage.
Die berechtigte Frage lautete: Wie sehr hat KI die PPC-Leistung tatsächlich verändert?
Die Antwort erfordert eine Untersuchung, wie sich die Plattformen entwickelt haben, was Praktiker berichten und was die strukturellen Veränderungen tatsächlich für die Endergebnisse bedeuten. Es zeigt sich, dass die Arbeit, wie sie 2016 ausgeübt wurde, weitgehend verschwunden ist. PPC selbst jedoch nicht.
Was hat sich tatsächlich geändert?
Innerhalb von achtzehn Monaten traten bedeutende Entwicklungen auf. Um sie zu verstehen, muss man die Zeitleiste durchgehen.
Googles Ankündigung und Einführung von AI Max
Google kündigte AI Max für Suche im Mai 2025 an und stellte es im April 2026 allgemein zur Verfügung. Das Tool baut auf Standard-Suchkampagnen auf und erweitert automatisch die Keyword-Zuordnungen, schreibt Überschriften basierend auf dem Text der Zielseite um und wählt manchmal eine andere finale URL als die angegebene aus. Diese Automatisierung verlagert die strategische Verantwortung von der Kampagnenerstellung hin zu übergeordneten Entscheidungen zu Conversion-Wert und Tracking-Genauigkeit.
KI-Übersichten und KI-Modus
Gleichzeitig erschienen Anzeigen in KI-Übersichten und im KI-Modus. Diese Platzierungen können nicht direkt gezielt werden. Kampagnen, die ausschließlich strenge exakte und Phrasen-Keywords ohne AI Max einsetzen, qualifizieren sich typischerweise nicht für die umfassenderen Fragen, die im KI-Modus und in KI-Übersichten erscheinen. Dies scheint beabsichtigt.
Die praktische Auswirkung auf bezahlte Suche ist bedeutend. Informationsabfragen; die „Wie“- und „Was ist“-Fragen, die traditionell das Volumen angetrieben haben, zeigen nun häufig KI-generierte Antworten vor jeglichen bezahlten Ergebnissen. Dies hat sichtbar Druck auf die Klickrate bei diesen Suchanfragen ausgeübt.
OpenAI betritt den Werbemarkt
OpenAI startete im Februar 2026 Anzeigen in ChatGPT mit einem CPM von 60 $. Bis April sank der CPM auf etwa 25 $, mit Klickkostenoptionen zwischen 3 und 5 $. Im Mai 2026 wurde Self-Service-Zugang in den gesamten USA ohne Mindestbudget eingeführt.
Dies stellt einen völlig neuen Kanal dar, nicht einen Ersatz für die Google-Suche. Frühe Tests deuten darauf hin, dass er sich anders verhält – eher wie Entdeckungswerbung als Suche, was unterschiedliche Messansätze und Erwartungen an Zielgruppen erfordert.
Metas Automatisierungsinitiativen
Im Jahr 2025 kündigte Meta Pläne an, bis Ende 2026 eine vollständig automatisierte Werbung zu erreichen. Das vorgeschlagene System benötigt nur ein Produktbild und Budget; die Plattform trifft alle anderen Entscheidungen.
Das Muster aller Plattformen ist klar: Menschliche Bediener werden vollständig aus taktischen Entscheidungen entfernt.
Was sagen die Zahlen wirklich aus?
Die Daten erzählen eine komplexere Geschichte, als es Befürworter oder Skeptiker typischerweise anerkennen.
Die Realität der Kosten pro Klick
Die Kosten pro Klick sind im letzten Jahrzehnt deutlich gestiegen. Dies ist real und in jedem Konto sichtbar. Die verborgene Geschichte ist jedoch ebenso wichtig: Die Kosten pro Lead und Kosten pro Akquise haben sich in vielen Konten verbessert, und die Konversionsraten sind allgemein gestiegen. Das zeigt etwas Wichtiges: Das Effizienzproblem bestand bereits vor der KI. Die Kanäle haben schon immer für Traffic mit geringer Kaufabsicht bezahlt. Die KI-Automatisierung legt lediglich offen, welcher Traffic Budget verdient und welcher nicht.
Die Konten, die die stärksten Leistungseinbußen verzeichneten, waren typischerweise diejenigen, die stark in informationsorientierte Keywords investierten – die Anfragetypen, die jetzt von KI-Übersichten dominiert werden. Diese Konten wurden nicht durch KI Max geschädigt. Sie wurden durch Budgetallokationsentscheidungen belastet, die schon immer ineffizient waren.
Die Herausforderung der informationsorientierten Suche ist real
Informationsanfragen, die mit „wie“, „was“, „warum“ beginnen, stehen unter erheblichem Druck. KI-Übersichten beantworten viele dieser Fragen jetzt direkt, wodurch der Anreiz verringert wird, auf ein Ergebnis zu klicken. Für Konten, die stark auf diese Art von Traffic angewiesen sind, stellt dieser Wandel eine bedeutende Herausforderung dar.
Die Lösung besteht jedoch nicht darin, Paid Search aufzugeben. Die Lösung ist anzuerkennen, dass informationsorientierte Keywords schon immer eine geringe Konversionsrate hatten. Konten, die ihr Budget auf Keywords mit hoher Kaufabsicht und transaktionale Keywords verlagerten, verbesserten ihre Leistung deutlich.
Der Effekt der Marktstabilisierung
Der Markt für Paid Search hat sich um ein neues Gleichgewicht stabilisiert. Die Plattformen trainieren KI-Modelle bereits seit Jahren; die Volatilität der Jahre 2024–2025 hat sich weitgehend gelegt. Paid Search hat sich als einer der berechenbareren Kanäle erwiesen, insbesondere für Konten mit klarer Konversionsverfolgung und intentbasierter Keyword-Strategie.
Entscheidend ist, dass KI-Übersichten bei rund einem Drittel der informationsorientierten Suchanfragen erscheinen, aber nur etwa bei 5 % der transaktionalen Suchanfragen. Die Kanalstruktur ist nicht zerstört. Sie ist anders.
Monetarisierung und Preisgestaltung
Die Werbeplattformen testen weiterhin Monetarisierungsansätze für neue Formate wie AI Mode-Platzierungen. Historische Beispiele aus dem Wandel zum Mobile-Bereich und der Werbung mit Sprachassistenten zeigen, dass sich neuer Inventar in der Regel zunächst zu niedrigeren Raten monetarisieren lässt und sich dann verbessert, sobald die Plattformen optimieren. Dies ist ein vorübergehender Preiszyklus, kein dauerhafter Rabatt.
Das Fazit: PPC am unteren Trichter performt besser als Branchenkommentare vermuten lassen. Konten, die die Hälfte ihres Budgets auf informationsorientierte Keywords gesetzt haben, erlitten sichtbare Verluste, doch dies deckte Ineffizienzen auf, die schon zuvor existierten. Die KI hat die Schwäche nicht geschaffen; sie hat sie aufgedeckt.
Was die Leute an der Basis sagen
Die Perspektiven variieren je nachdem, aus welcher Quelle die Erkenntnisse stammen. Unternehmensblogs suggerieren, dass KI PPC mühelos gemacht hat. PPC-Community-Foren hingegen berichten, dass es dadurch unmöglich geworden sei. Die Realität zeigt sich meist in weniger polierten Quellen.
Die häufigste Beschwerde betrifft mit großem Abstand das Blackbox-Problem. Jeder Thread über Automatisierung stößt auf dieselbe Schwierigkeit: Wohin ist das Budget geflossen und warum hat sich die Performance von Monat zu Monat verändert? Dieses Problem besteht bereits vor der KI-Automatisierung und bleibt für Marketingfachleute, die automatisierte Systeme betreuen, eine anhaltende Herausforderung.
Die Analyse von KI-Automatisierungstestergebnissen innerhalb der Community zeigt interessante Muster. Bei E-Commerce-Konten erhöht sich typischerweise der Conversion-Wert, aber auch die Kosten pro Akquise steigen, wobei nur ein Teil der Konten ihre ROAS-Ziele erreicht. Lead-Generierungskonten zeigen variablere Ergebnisse, wobei die Leistung stark von der Implementierungsweise und der Konfiguration des Trackings abhängt.
Ein weiteres Muster zeichnet sich ab: Ungültiger Traffic nimmt häufig nach Aktivierung der Automatisierung in Konten ohne angemessene Überwachung der Traffic-Qualität zu. Dies ist kein Automatisierungsproblem, sondern ein Überwachungsproblem. Konten mit wöchentlichen Überprüfungsroutinen behoben die Probleme mit ungültigem Traffic schnell. Konten ohne diese Disziplin erlebten anhaltende Ineffizienz.
Ein klares Muster zeigt sich: Fachleute, deren Mehrwert hauptsächlich darin besteht, taktische Stellhebel zu bedienen, äußern die größte Frustration. Fachleute mit fundiertem Wissen zu Kundenspannen, Lead-Qualität und Conversion-Wert berichten, den Übergang erfolgreich zu meistern.
Wo die Maschine gewinnt und wo sie wirklich nicht gewinnt
KI-Automatisierung hat echte Stärken und beständige Grenzen.
Wo Algorithmen glänzen
Smart Bidding setzt effektivere Gebote als manuelle Ansätze. Das System bewertet Geräte-, Standort-, Zeit- und Zielgruppen-Signale in jeder einzelnen Auktion – Eingaben, die ein menschlicher Operator nicht gleichzeitig verarbeiten kann. Die KI-Tools erzeugen zudem glaubwürdige Anzeigentext-Variationen in Sekundenschnelle und identifizieren Long-Tail-Suchanfragen, die umfangreiche manuelle Recherchen erfordern würden. Bei gut strukturierten Konten steht der Widerstand gegen diese Fähigkeiten meist mehr für Ego als für strategische Notwendigkeit.
Die Maschine ist bei taktischer Optimierung tatsächlich besser, wenn der strategische Rahmen stimmt.
Die entscheidende Begrenzung
Der Algorithmus verfolgt das Ziel, das als Erfolg definiert wurde. Er hinterfragt niemals, ob diese Definition korrekt war. Werden fehlerhafte Formularübermittlungen als Leads gezählt, findet das System mehr fehlerhafte Leads. Werden ROAS-Ziele ohne Produktmarge gesetzt, skaliert der Algorithmus fröhlich die Produkte mit der niedrigsten Marge. Wenn das Conversion-Tracking unvollständige Transaktionen einschließt, optimiert das System für unvollständige Conversions.
Das System kann nicht wissen, was dem Unternehmen tatsächlich wichtig ist, es sei denn, jemand gibt diese Informationen in die Plattform ein.
Lead-Generierung blieb in jedem Automatisierungstest die Schwachstelle. Das liegt daran, dass Erfolg bei der Lead-Generierung von qualitativen Einschätzungen der Lead-Qualität abhängt, die KI ohne explizite menschliche Anweisung nicht nachvollziehen kann. Ein „Lead“ ist nur dann wertvoll, wenn er spezifische Kriterien erfüllt – Branche, Unternehmensgröße, Entscheidungsbefugnis, Budget. Diese Definition muss der Algorithmus vom Menschen erhalten.
Die praktische Aufteilung
Die Maschine übernimmt Gebotssteuerung, Anzeigentexte in großem Umfang und die Entdeckung von Suchanfragen. Menschen legen fest, was eine wertvolle Conversion ist, integrieren Offline-Datenquellen, verteilen das Budget zwischen Kampagnen, optimieren Landingpages und Angebote und erklären die Ergebnisse der Finanzführung.
Eine Kontoanalyse, die 2026 durchgeführt wurde, zeigte dieses Prinzip deutlich. Die KI-Automatisierung zeigte auf jedem Dashboard starke Kennzahlen. Der Umsatz aus bezahlter Suche hatte sich seit sechs Monaten nicht verändert. Das System funktionierte genau wie vorgesehen. Niemand hatte definiert, was „Erfolg“ tatsächlich bedeutete.
Was ein Praktiker morgen mit einem Konto tun würde
Wenn Ihnen morgen früh ein Google Ads-Konto zur Verfügung gestellt wird, lautet die empfohlene Reihenfolge:
Erste Priorität: Richtiges Tracking einrichten
Offline-Conversions und qualifizierte Lead-Stufen zurück ins System einspeisen. Auf Wert statt auf reine Conversion-Zahlen bieten. Definieren, was eine wertvolle Conversion ausmacht, nicht nur irgendeine Conversion. Alle weiteren Entscheidungen basieren auf dieser Grundlage.
Zweite Priorität: Keywords nach Intent sortieren
Marken- und Keywords mit hoher Kaufabsicht benötigen Schutz und Investition. Informationsorientierte Begriffe müssen tatsächliche Conversion-Historie nachweisen; die meisten qualifizieren sich nicht für weitere Ausgaben. Das Konto nach Suchintention kategorisieren, bevor Automatisierungsentscheidungen getroffen werden.
Dritte Priorität: AI Max strategisch testen
AI Max als kontrolliertes Experiment laufen lassen, nicht einfach am Freitagnachmittag umstellen. Die Kern-Keywords mit exakter Übereinstimmung und Phrase Match beibehalten. Wöchentlich Suchbegriffberichte und ungültigen Traffic überwachen.
Vierte Priorität: In kreative Qualität investieren
Bei automatisierter Ausrichtung bestimmen Texte, Bilder und Videos die Differenzierung. Jeden von der Automatisierung generierten Titel vor der Veröffentlichung prüfen. Die Maschine erzeugt Varianten; Menschen entscheiden, welche geschaltet werden.
Fünfte Priorität: Einladung zum SEO-Meeting erhalten
In AI-Übersichten zitiert zu werden, hängt von Content-Autorität und Domain-Expertise ab. Das korreliert auch mit der Performance im bezahlten Suchmarketing. Konten, deren Markeninhalte ranken und zitiert werden, schneiden in beiden Kanälen besser ab.
Sechste Priorität: Neue Plattformen gezielt testen
ChatGPT-Anzeigen verdienen kleine Budgettests für alle Unternehmen, deren Kunden vor dem Kauf nachdenken. Ergebnisse wie bei Discovery-Werbung bewerten, nicht wie bei Suchanzeigen. Unterschiedliche Conversion-Muster und längere Entscheidungszyklen erwarten.
Siebte Priorität: Die richtigen Fähigkeiten für das nächste Jahrzehnt aufbauen
Für Berufsanfänger bleiben Grundlagenkenntnisse unverzichtbar. Zu verstehen, wie Systeme funktionieren, ermöglicht richtige Audits. Danach Fokus auf Analytics, CRM-Integration, Conversion-Definition und Testdesign legen. Diese Fähigkeiten werden vom Markt gefragt sein.
Also, PPC vs. KI?
Die Darstellung als Konflikt war wahrscheinlich von Anfang an falsch. KI wurde zum Motor von PPC. Diejenigen, die die Funktionen dieses Motors ausführten, wurden in Fahrerrollen umpositioniert, unabhängig davon, ob sie eine Beförderung anstrebten oder nicht.
Die Ergebnisse sprechen eine klare Sprache. Klicks sind teurer als 2016. Leads sind günstiger. Die Reichweite im oberen Funnel hat sich verändert. Die Leistung im unteren Funnel hat sich stabilisiert. Googles neueste Anzeigenplätze sind ausschließlich automatisiert. Das klingt nicht nach dem Ende eines Kanals, sondern nach einer Verlagerung dessen, wer was tut.
Im nächsten Jahrzehnt werden die Stellenangebote im PPC-Bereich für Einstiegspositionen wahrscheinlich weiter zurückgehen. Die Branche wird weiterhin Menschen brauchen, die die strategische Seite verstehen. Sie wird aber keine Personen mehr benötigen, die die taktischen Rollen von 2016 ausführen.
