Google Ads AI Max testen: So behalten lokale KMU Budget und Standort im Griff
Dieser Beitrag wurde mit KI-Unterstützung erstellt und redaktionell geprüft.
Google erweitert AI-Max-Tests für Search-Kampagnen. So prüfen lokale KMU Budget, ROI-Ziele und Standortvorgaben mit einem belastbaren A/B-Workflow.
Google rollt im September neue Test- und Planungsfunktionen für AI Max aus. Für lokale kleine und mittlere Unternehmen ist daran nicht nur die KI interessant. Entscheidend ist, ob sich Budget, Standortvorgaben und Geschäftsergebnis so vergleichen lassen, dass am Ende eine belastbare Entscheidung entsteht.
Wer mehrere Kampagnen gleichzeitig verändert, kann schnell mehr Daten produzieren – aber nicht automatisch mehr Klarheit. Ein sauberer A/B-Test braucht deshalb vor dem Start eine konkrete Hypothese, eine unveränderte Ausgangslage und eine verantwortliche Person für die spätere Freigabe.
Was Google am 20. August 2026 angekündigt hat
Google beschreibt drei Erweiterungen, die für Search-Kampagnen relevant sind:
- Ab September sollen sich unterschiedliche Budgets und ROI-Ziele über mehrere Search-Kampagnen in einem A/B-Test prüfen lassen.
- AI-Max-Experimente sollen auch mit vorhandenen Marken- oder Standortvorgaben möglich sein.
- Der Performance Planner zeigt mögliche Auswirkungen von Gebots- oder Budgetzielen und kann vorgeschlagene Änderungen direkt auf Kampagnen anwenden.
Das ist für KMU praktisch, weil eine regionale Kampagne selten isoliert betrachtet wird. Mehrere Filialen, Leistungsgebiete oder saisonale Angebote teilen sich oft ein begrenztes Budget. Gleichzeitig erhöht die neue Nähe zwischen Prognose, Experiment und direkter Anwendung das Risiko, drei unterschiedliche Dinge zu vermischen.
Ein Forecast ist keine gemessene Wirkung. Ein Experiment ist noch keine Freigabe. Und ein technisch möglicher Klick auf „Änderungen anwenden“ ersetzt keine betriebliche Entscheidung.
Was AI-Max-Experimente tatsächlich vergleichen
Die Google-Ads-Hilfe beschreibt AI-Max-Experimente als Ein-Klick-Test für Search-Kampagnen. Dabei lassen sich unter anderem Suchbegriffabgleich und Asset-Optimierung prüfen. Der vorhandene Traffic wird zwischen Ausgangs- und Testvariante geteilt, damit beide Varianten im selben Zeitraum vergleichbar sind.
Für ein lokales Unternehmen kann die Kernfrage zum Beispiel lauten:
Erzielt AI Max bei unverändertem regionalem Zuschnitt und gleichem qualifiziertem Conversion-Ziel mehr wertvolle Anfragen als die bisherige Kampagneneinstellung?
Diese Formulierung ist besser als „Funktioniert AI Max?“. Sie benennt Ziel, Vergleich und Guardrails. Außerdem verhindert sie, dass zusätzliche Reichweite automatisch als Erfolg gilt. Ein Handwerksbetrieb braucht nicht möglichst viele Klicks aus einem großen Gebiet, sondern passende Anfragen aus seinem tatsächlichen Einsatzradius. Eine Praxis braucht keine steigende Formularzahl, wenn Termine nicht zu Leistung, Standort oder Kapazität passen.
Der Unterschied zwischen Experiment und Performance Planner
Beide Werkzeuge helfen bei Entscheidungen, beantworten aber verschiedene Fragen.
Der Performance Planner erstellt Prognosen. Google erläutert, dass die Vorhersagen täglich aktualisiert werden und typischerweise die vergangenen sieben bis zehn Tage, saisonale Effekte, Wettbewerb und Landingpages berücksichtigen. Damit lässt sich modellieren, wie sich andere Budgets oder Ziele möglicherweise auswirken.
Ein Experiment vergleicht dagegen Varianten im laufenden Betrieb. Google empfiehlt dafür eine klare Hypothese, nur eine veränderte Variable und vorab ausgewählte Erfolgskennzahlen. Änderungen an der Basiskampagne während des Tests erschweren die Auswertung, weil sich die Ursache eines Ergebnisses dann nicht mehr sauber zuordnen lässt.
Für KMU folgt daraus eine einfache Regel: Die Planung liefert eine begründete Erwartung; erst der kontrollierte Test liefert eigene Beobachtungen. Beides bleibt eine Entscheidungshilfe und kein Leistungsversprechen.
Sieben Schritte für einen belastbaren lokalen A/B-Test
1. Geschäftsziel vor der Kampagnenmetrik festlegen
Beginnen Sie nicht mit Klickrate oder Impressionen. Formulieren Sie zuerst das betriebliche Ziel: qualifizierte Terminanfragen, verkaufte Leistungen, Reservierungen oder Anrufe innerhalb der Öffnungszeiten. Daraus folgen ein oder zwei Kennzahlen, die vor dem Start feststehen.
2. Standortgrenzen und Markenregeln dokumentieren
Halten Sie fest, welche Orte, Regionen, Ausschlüsse, Markennamen und Zielseiten unverändert bleiben müssen. Google kündigt ausdrücklich an, dass AI-Max-Experimente mit Marken- und Standortvorgaben einfacher werden. Gerade deshalb sollten die tatsächlich aktiven Einstellungen vor dem Test exportiert oder nachvollziehbar protokolliert werden.
3. Nur eine zentrale Hypothese testen
Verändern Sie nicht gleichzeitig Budget, ROI-Ziel, Landingpage, Conversion-Definition und Werbemittel. Google empfiehlt, jeweils eine Variable zu isolieren. Soll der neue kampagnenübergreifende Test verschiedene Budget- oder ROI-Varianten untersuchen, müssen alle anderen entscheidenden Bedingungen möglichst stabil bleiben.
4. Messqualität und Kapazität prüfen
Vor dem Start müssen Conversion-Ziele, Tracking, Einwilligungslogik und Nachlaufzeit plausibel sein. Ebenso wichtig ist die reale Kapazität: Kann das Team zusätzliche Anfragen bearbeiten? Ist der beworbene Service am Standort verfügbar? Eine statistisch bessere Variante kann betrieblich schlechter sein, wenn sie unpassende Nachfrage erzeugt.
5. Ausgangslage manipulationssicher festhalten
Dokumentieren Sie Startdatum, Kampagnen, Budgets, Gebotsziele, regionale Vorgaben, Landingpages, Conversion-Ziele und verantwortliche Person. Ergänzen Sie bekannte Sondereffekte wie Urlaub, Baustelle, Preisänderung oder ungewöhnliche Nachfrage. So bleibt später erkennbar, ob das Ergebnis vom Test oder vom Umfeld beeinflusst wurde.
6. Test nicht durch Zwischenänderungen entwerten
Google warnt davor, die Basiskampagne während eines Experiments zu verändern, wenn diese Änderungen nicht synchronisiert werden. Für KMU heißt das: dringende operative Korrekturen sind möglich, müssen aber als Ereignis dokumentiert werden. Wird der Vergleich dadurch unbrauchbar, sollte er nicht künstlich als eindeutiger Gewinner interpretiert werden.
7. Ergebnis fachlich freigeben und nachbeobachten
Google nennt für noch unklare Ergebnisse häufig einen längeren Beobachtungszeitraum; in der Experiments-Hilfe werden vier bis sechs Wochen als Orientierung genannt, wenn noch keine belastbare Empfehlung vorliegt. Entscheidend bleibt die eigene Datenlage. Nach Testende werden Ergebnis, Unsicherheit und betriebliche Qualität gemeinsam bewertet. Erst danach wird eine Änderung bewusst übernommen oder verworfen.
Ein Beispiel aus einem regionalen Dienstleistungsbetrieb
Ein Installationsbetrieb betreibt Search-Kampagnen für drei Bezirke. Das Team möchte prüfen, ob AI Max zusätzliche qualifizierte Notdienstanfragen bringt. Vor dem Test werden Einsatzgebiet, Ausschlüsse, Telefonnummern, Öffnungszeiten und die Conversion „bestätigter Auftrag“ festgehalten.
Die Hypothese lautet nicht, dass mehr Automatisierung grundsätzlich besser ist. Sie lautet: Bei unveränderten Standortgrenzen steigt die Zahl bestätigter Aufträge, ohne dass Kosten pro Auftrag oder unpassende Anfragen deutlich zunehmen.
Während des Tests protokolliert das Team Änderungen und besondere Ereignisse. Nach Ablauf werden nicht nur Google-Ads-Conversions betrachtet, sondern auch tatsächlich angenommene Aufträge und abgelehnte Anfragen außerhalb des Einsatzgebiets. Erst diese Verbindung macht das Resultat für den Betrieb nutzbar.
Wie geembee den Prozess unterstützen kann
geembee verwaltet nicht automatisch Google-Ads-Gebote oder Budgets. Die Stärke liegt in der strukturierten Verbindung von Standortwissen, Kampagnenplanung, Inhalten und Freigaben.
Für einen AI-Max-Test kann geembee den lokalen Kontext bereitstellen:
- Welche Leistungen und Aussagen gelten für den jeweiligen Standort?
- Welche Landingpage, Öffnungszeiten und Kontaktwege gehören zur Kampagne?
- Welche Inhalte wurden während des Testzeitraums veröffentlicht?
- Welche Person verantwortet Prüfung und Freigabe?
- Welche Erkenntnis soll für die nächste Kampagne beibehalten, verändert oder verworfen werden?
Damit entsteht ein nachvollziehbarer Workflow rund um das Experiment, ohne eine Prognose oder KI-Empfehlung ungeprüft in eine Live-Kampagne zu übernehmen. Die bereits geplanten geembee-Bausteine für Zielwert-Preflight und Kampagnen-Lernprotokoll passen genau zu dieser Aufgabe: Ausgangslage sichern, Entscheidung begründen und Erkenntnisse kontrolliert weiterverwenden.
Häufige Fehler bei AI-Max-Tests
Mehr Reichweite mit besserer Wirkung verwechseln
Zusätzliche Impressionen oder Klicks können interessant sein. Für lokale KMU zählt jedoch, ob daraus passende Kontakte, Termine oder Umsätze im bedienten Gebiet entstehen.
Den Forecast wie ein Ergebnis behandeln
Der Performance Planner simuliert mögliche Entwicklungen. Markt, Wettbewerb, Datenqualität und tatsächliches Verhalten können davon abweichen. Prognosen sollten als Szenario mit Datum und Annahmen gespeichert werden.
Mehrere Änderungen gleichzeitig aktivieren
Wenn Budget, Zielwert, Landingpage und Assets zugleich wechseln, bleibt unklar, welche Änderung die Wirkung verursacht hat. Ein Experiment braucht eine klar begrenzte Fragestellung.
Die direkte Anwendung ohne Vier-Augen-Prinzip nutzen
Google ermöglicht, Vorschläge aus dem Performance Planner direkt anzuwenden. Diese technische Abkürzung sollte nicht die interne Prüfung ersetzen. Vor einer Live-Änderung gehören betroffene Kampagnen, neue Werte, erwartete Wirkung, Rückfallplan und verantwortliche Freigabe in ein kurzes Änderungsprotokoll.
Checkliste vor dem Start
- Ist die Hypothese konkret und an ein Geschäftsziel gebunden?
- Bleiben Standort- und Markenvorgaben im Test erhalten?
- Wird nur eine zentrale Variable verändert?
- Sind Conversion-Ziel, Datenqualität und Nachlaufzeit geprüft?
- Sind Budget, Zielwert, Landingpages und Ausgangszeitraum dokumentiert?
- Gibt es eine verantwortliche Person für Start, Auswertung und Übernahme?
- Werden echte Anfragen oder Umsätze zusätzlich zu Plattformmetriken betrachtet?
- Ist geklärt, wie Zwischenänderungen und besondere Ereignisse dokumentiert werden?
- Erfolgt die Anwendung des Ergebnisses erst nach menschlicher Freigabe?
Fazit
Die neuen AI-Max-Funktionen können kampagnenübergreifende Tests für lokale KMU aussagekräftiger machen. Der Nutzen entsteht aber nicht durch den schnellsten Klick, sondern durch ein sauberes Versuchsdesign: eine überprüfbare Hypothese, stabile Standortregeln, verlässliche Messung und eine dokumentierte Entscheidung.
Wer Forecast, Experiment und Freigabe trennt, kann Automatisierung nutzen, ohne die Kontrolle über Budget und lokale Relevanz abzugeben. geembee unterstützt dabei den Prozess rund um Standortkontext, Inhalte und nachvollziehbare Freigaben – die Google-Ads-Änderung selbst bleibt eine bewusste fachliche Entscheidung.
Quellen
Google Business Profile mit KI planen
geembee hilft KMU dabei, Beiträge, Kampagnen und lokale Sichtbarkeit strukturierter umzusetzen. Im Dashboard kannst du Inhalte planen, generieren und veröffentlichen.
geembee ausprobieren
