Ich muss ehrlich sein: Als ich das erste Mal versucht habe, Ad-Texte mit KI zu generieren, waren die Ergebnisse schrecklich. Generisch. Austauschbar. Texte, die jede Agentur auch hätte liefern können.
Das Problem lag nicht bei der KI — es lag an meinem Workflow.
Das eigentliche Problem mit KI-generierten Ad-Texten
Die meisten Marketer behandeln KI wie eine Schreibmaschine: “Schreib mir 10 Google Ads für [Produkt].” Das Ergebnis ist entsprechend: 10 generische Texte, von denen keiner gut genug ist.
Was ich stattdessen gelernt habe: KI ist eine Denkpartnerin, keine Texterin.
Der Unterschied liegt im Einstieg. Bevor ich auch nur einen Prompt schreibe, mache ich drei Dinge:
- Ich exportiere die letzten 90 Tage Suchanfragen-Daten aus Google Ads
- Ich notiere, welche bestehenden Texte die besten CTRs haben — und warum ich glaube, dass sie funktionieren
- Ich definiere die eine Botschaft, die ich testen will
Erst dann öffne ich Claude.
Der Workflow, den ich wirklich benutze
Mein Startprompt sieht ungefähr so aus — nicht als Template zum Kopieren, sondern als Denkansatz:
“Ich verwalte Google Ads für [Instaffo, eine Job-Plattform]. Unsere beste Anzeige hat aktuell eine CTR von X% mit der Botschaft [Y]. Ich will das testen: [neue Hypothese]. Hier sind 5 Suchanfragen, auf die ich biete: [Liste]. Entwickle 8 Headline-Variationen, die spezifisch auf die Suchintention dieser Anfragen eingehen.”
Das Entscheidende: Ich gebe Kontext, nicht nur einen Auftrag. Die KI muss wissen, was bereits funktioniert, damit sie nicht bei null anfängt.
Wo es wirklich Zeit spart
Der größte Zeitgewinn liegt nicht im Schreiben selbst — sondern in der Variation. Was früher bedeutete: 30 Minuten für 30 Headline-Variationen, von denen ich 25 wegwerfe. Heute: 5 Minuten für 50 Variationen, von denen ich 30 wegwerfe und 20 teste.
Die Trefferquote ist ähnlich. Die Geschwindigkeit ist dramatisch anders.
Wo KI noch scheitert
Ich will transparent sein, weil dieser Punkt oft ignoriert wird:
Brand Voice. Wenn ihr Unternehmen einen sehr spezifischen Ton hat — sarkastisch, akademisch, regional — wird KI das ohne intensives Priming nicht treffen. Ich brauche immer eine Editing-Runde.
Wettbewerbssensitive Formulierungen. “Besser als [Konkurrent]” — das macht KI entweder zu zahm oder zu aggressiv. Hier muss ich noch selbst ran.
Lokale Nuancen im DACH-Markt. Was im US-Kontext funktioniert (“Get started for free!”), wirkt im deutschsprachigen Raum oft zu aufdringlich. KI kennt diesen Unterschied theoretisch, aber im Gefühl fehlt noch etwas.
Das Fazit
20 Minuten statt 3 Stunden ist realistisch — wenn der Workflow stimmt. Aber die 20 Minuten sind nicht 20 Minuten Nichtstun. Es sind 20 Minuten intensives Denken, Prüfen und Entscheiden. Die KI übernimmt die Generierung. Das Urteil bleibt bei mir.
Und das ist genau, wie es sein sollte.
Hast du einen anderen Workflow, der für dich funktioniert? Ich bin neugierig — schreib mir.