Google Ads Update: Asset Studio, KI und die Zukunft des Trackings
Geschätzte Lesezeit: ca. 8 Minuten
Google entwickelt seine Werbeplattform in einem so hohen Tempo weiter, dass es für Werbetreibende zunehmend anspruchsvoll wird, mit allen Neuerungen Schritt zu halten. Im fünfunddreißigsten Interview des NSG-Kanals spricht Zac mit einem erfahrenen Google-Ads-Experten über die aktuellsten Änderungen bei Google, von neuen Tools zur Asset-Erstellung über verbessertes YouTube-Tracking bis hin zu weitreichenden KI-Funktionen und der wachsenden Bedeutung von Kundenwert-Prognosen.
Das Gespräch liefert einen kompakten, aber inhaltlich dichten Überblick über die wichtigsten Entwicklungen. Der folgende Beitrag ordnet diese Neuerungen fachlich ein und erklärt, warum sie für Werbetreibende relevant sind.
Inhaltsverzeichnis
- Warum Google-Ads-Updates so schnell aufeinander folgen
- Neu im Google Ads Center: Das Asset Studio
- Warum die direkte Asset-Erstellung ein großer Schritt ist
- Wie Unternehmen mit Beta-Funktionen grundsätzlich umgehen sollten
- Produktbilder aus dem Merchant Center direkt nutzen
- Der große rote Faden: Googles Fokus auf Visuals
- Ein technischer Fortschritt mit spürbarem Effekt: YouTube-Kampagnen wandern in Demand Gen
- Warum das Tracking-Problem bei YouTube-Kampagnen so gravierend war
- KI als iterativer Zielgruppenfinder: Search Themes und PMax
- Warum KI-Funktionen nicht bei jedem Kunden gleich gut funktionieren
- Die wachsende Vernetzung mit Drittanbieter-Daten
- Warum weiche Conversions die Prognosequalität verbessern
- Vom reinen Tracking zur echten Vorhersage
- Der Blick nach vorn: Customer-Lifetime-Value-Prognosen statt reiner Neukundengewinnung
- Warum diese Entwicklung besonders spannend ist
- Warum ständiger Austausch mit Google einen echten Wissensvorsprung schafft
- Was Unternehmen aus diesen Entwicklungen mitnehmen sollten
- Praxistipps im Umgang mit aktuellen Google-Ads-Entwicklungen
- Fazit
Warum Google-Ads-Updates so schnell aufeinander folgen
Der Gesprächspartner beschreibt gleich zu Beginn, dass Google nahtlos an die Entwicklungen des Vorjahres anknüpft, mit den Schwerpunkten Künstliche Intelligenz und Video als zentrale Treiber. Diese Kontinuität zeigt, dass es sich bei den aktuellen Neuerungen nicht um isolierte Einzelmaßnahmen handelt, sondern um die konsequente Fortführung einer bereits länger verfolgten strategischen Ausrichtung der Plattform.
Neu im Google Ads Center: Das Asset Studio
Als konkrete Neuerung nennt der Gesprächspartner das sogenannte Asset Studio, mit dem sich direkt innerhalb von Google Ads Bilder bearbeiten, Videos erstellen, Hintergründe entfernen und sogar Voiceovers generieren lassen. Im Kern lassen sich damit Assets für Performance-Max- und Demand-Gen-Kampagnen erstellen, für die früher separate, externe Software notwendig war.
Warum die direkte Asset-Erstellung ein großer Schritt ist
Diese Integration ist aus praktischer Sicht bedeutsam, da sie den Workflow für Werbetreibende erheblich vereinfachen könnte. Statt Inhalte in unterschiedlichen, voneinander getrennten Tools zu erstellen und anschließend in Google Ads zu importieren, ließe sich der gesamte Prozess der Asset-Erstellung künftig direkt innerhalb der Werbeplattform abwickeln. Der Gesprächspartner räumt allerdings ein, dass sich das Tool aktuell noch in einer Beta-Phase befindet und noch Schwachstellen aufweist. Diese Einschränkung ist bei neu eingeführten Funktionen typisch: Erste Versionen decken häufig noch nicht das volle Funktionsspektrum ab und werden erst im Laufe der Zeit schrittweise ausgereift.
Wie Unternehmen mit Beta-Funktionen grundsätzlich umgehen sollten
Der Hinweis, dass sich das Asset Studio noch in einer Beta-Phase mit erkennbaren Schwachstellen befindet, verdient eine grundsätzlichere Einordnung. Große Plattformen wie Google rollen neue Funktionen häufig zunächst in einer eingeschränkten, noch nicht vollständig ausgereiften Form aus, um frühzeitig Nutzerfeedback zu sammeln und die Funktion iterativ zu verbessern, bevor sie allen Werbetreibenden in vollem Umfang zur Verfügung gestellt wird. Für Unternehmen bedeutet das, dass der Zeitpunkt der ersten Verfügbarkeit einer neuen Funktion nicht zwangsläufig der ideale Zeitpunkt für eine vollständige Umstellung der eigenen Arbeitsweise ist.
Gleichzeitig kann es sich lohnen, neue Beta-Funktionen frühzeitig zumindest testweise auszuprobieren, um ein Gefühl für deren Potenzial und aktuelle Grenzen zu entwickeln, ohne bereits vollständig auf sie zu setzen. Diese Doppelstrategie aus früher Exploration und vorsichtiger, schrittweiser Integration ermöglicht es, von neuen Entwicklungen zu profitieren, ohne das Risiko einzugehen, sich zu früh auf eine noch unausgereifte Lösung zu verlassen.
Produktbilder aus dem Merchant Center direkt nutzen
Eine weitere Neuerung betrifft die engere Verzahnung zwischen Google Ads und dem Merchant Center: Bereits im Merchant Center bearbeitete oder im Produktfeed hochgeladene Produktbilder lassen sich künftig direkt innerhalb von Google Ads nutzen, etwa für Demand-Gen-Kampagnen mit Produktfeed. Der Gesprächspartner bezeichnet dies als smartes Feature, dessen tatsächliche Wirkung sich jedoch erst durch entsprechende Tests im Zeitverlauf zeigen werde.
Der große rote Faden: Googles Fokus auf Visuals
Sowohl das Asset Studio als auch die engere Verzahnung mit dem Merchant Center verdeutlichen einen übergeordneten Trend, den der Gesprächspartner explizit benennt: Google legt seinen strategischen Fokus derzeit sehr stark auf visuelle Inhalte, sowohl auf Grafiken und Bilder als auch auf Video. Diese Entwicklung führt konsequent fort, was bereits im Vorjahr durch Google angestoßen wurde und bereits an anderer Stelle im Zusammenhang mit der wachsenden Bedeutung von Videoinhalten im Online-Marketing beschrieben wurde.
Ein technischer Fortschritt mit spürbarem Effekt: YouTube-Kampagnen wandern in Demand Gen
Eine besonders praxisrelevante Änderung betrifft die Integration klassischer YouTube-Kampagnenformate, insbesondere In-Stream-Kampagnen, in die neueren Demand-Gen-Kampagnen. Diese Umstellung adressiert laut dem Gesprächspartner ein langjähriges Problem: mangelhaftes Tracking bei klassischen YouTube-Kampagnen. In eigenen Tests habe man je nach Anwendungsbereich teilweise fünfzig Prozent Tracking-Verlust beobachtet, ein Wert, der sich seit der Integration in Demand-Gen-Kampagnen merklich reduziert habe.
Warum das Tracking-Problem bei YouTube-Kampagnen so gravierend war
Ein Tracking-Verlust in dieser Größenordnung bedeutet, dass die Hälfte der tatsächlich erzielten Ergebnisse einer Kampagne im Reporting schlicht nicht sichtbar war. Für datengetriebene Optimierungsentscheidungen ist ein solches Ausmaß an fehlenden Daten äußerst problematisch, da Kampagnen auf Basis unvollständiger Informationen optimiert werden, was leicht zu systematisch falschen Schlussfolgerungen führen kann. Die berichtete Verbesserung des Trackings im Rahmen der Demand-Gen-Integration ist deshalb technisch bedeutsamer, als es auf den ersten Blick erscheinen mag, da sie die Grundlage für alle nachfolgenden Optimierungsentscheidungen direkt verbessert.
| Kurz erklärt: Tracking-Verbesserung bei YouTube • Klassische In-Stream-Kampagnen litten unter teils 50% Tracking-Verlust • Integration in Demand-Gen-Kampagnen reduziert diesen Verlust merklich • Bessere Datenbasis verbessert alle nachfolgenden Optimierungsentscheidungen |
KI als iterativer Zielgruppenfinder: Search Themes und PMax
Im Bereich Künstliche Intelligenz beschreibt der Gesprächspartner, wie hinterlegte Suchthemen bei Performance-Max-Kampagnen lediglich als Ausgangspunkt für die KI dienen. Ausgehend davon probiert das System iterativ verschiedene Ausrichtungen aus, bis es diejenige Zielgruppe identifiziert hat, bei der die Kaufwahrscheinlichkeit oder allgemeiner die Wahrscheinlichkeit einer Conversion am höchsten ist.
Diese Funktionsweise unterscheidet sich grundlegend vom klassischen, statischen Keyword-Ansatz: Statt eine feste Zielgruppendefinition unverändert beizubehalten, passt das System seine Ausrichtung kontinuierlich an neu gewonnene Daten an. Diese dynamische, lernende Herangehensweise kann potenziell Zielgruppen identifizieren, die bei rein manueller Steuerung möglicherweise übersehen worden wären.
Warum KI-Funktionen nicht bei jedem Kunden gleich gut funktionieren
Bemerkenswert ehrlich räumt der Gesprächspartner ein, dass eine Funktion wie AI Max for Search bei manchen Kundenkonten hervorragend funktioniert, bei anderen hingegen überhaupt nicht. Man befinde sich deshalb weiterhin in einer intensiven Testphase, um herauszufinden, unter welchen Bedingungen diese Funktion besonders gut funktioniert.
Diese Transparenz ist fachlich wertvoll, da sie einer verbreiteten Fehlannahme entgegenwirkt, wonach neue KI-Funktionen automatisch für jedes Konto gleichermaßen gut funktionieren. Tatsächlich hängt die Wirksamkeit KI-gestützter Funktionen stark von kontospezifischen Faktoren ab, etwa der Datenqualität, dem verfügbaren Datenvolumen oder der Branche. Eine sorgfältige, kontospezifische Testphase ist deshalb unerlässlich, bevor eine neue Funktion breit ausgerollt wird.
Die wachsende Vernetzung mit Drittanbieter-Daten
Ein weiterer wichtiger Trend betrifft die zunehmende Vernetzung von Google Ads mit externen Datenquellen, sogenannten Third-Party-Daten. Über wachsende Schnittstellen zu Systemen wie HubSpot oder Shopify lassen sich zunehmend nicht nur harte Conversion-Daten, sondern auch sogenannte Soft Conversions in das Google-Ads-Konto einspeisen.
Warum weiche Conversions die Prognosequalität verbessern
Diese Erweiterung der Datenbasis ist strategisch bedeutsam, da der zugrunde liegende Algorithmus dadurch deutlich mehr Datenschnittpunkte erhält, um fundierte Prognosen darüber zu treffen, welche Kundinnen und Kunden für ein bestimmtes Produkt tatsächlich geeignet sind. Weiche Conversions, wie etwa Newsletter-Anmeldungen, längere Verweildauern oder wiederholte Website-Besuche, liefern zusätzliche Signale über Kaufinteresse, die über die reine Erfassung abgeschlossener Verkäufe hinausgehen. Je vielfältiger und differenzierter die verfügbaren Datensignale sind, desto präziser lassen sich Kaufwahrscheinlichkeiten im Vorfeld einschätzen.
Vom reinen Tracking zur echten Vorhersage
Der Gesprächspartner bringt diesen Zusammenhang treffend auf den Punkt: Klassisches Tracking erfasst grundsätzlich nur, was bereits erfolgreich funktioniert hat, während das eigentliche Ziel darin besteht, bereits vorher möglichst genau zu wissen, was funktionieren wird, um Streuverluste zu vermeiden und das Werbebudget von Beginn an sinnvoll einzusetzen.
Diese Unterscheidung zwischen retrospektivem Tracking und vorausschauender Prognose markiert einen wichtigen konzeptionellen Fortschritt im datengetriebenen Marketing. Während klassisches Tracking ausschließlich vergangenheitsbezogen ist und lediglich dokumentiert, was bereits geschehen ist, zielt eine gute Prognosefähigkeit darauf ab, zukünftiges Verhalten mit ausreichender Genauigkeit vorherzusagen, um Ressourcen von vornherein effizienter einzusetzen, statt Fehlallokationen erst im Nachhinein zu korrigieren.
Der Blick nach vorn: Customer-Lifetime-Value-Prognosen statt reiner Neukundengewinnung
Auf die abschließende Frage, auf welche Entwicklung er sich persönlich am meisten freue, nennt der Gesprächspartner die Möglichkeit, Daten mithilfe von KI sinnvoll auszuwerten, um gezielt Bestandskundinnen und -kunden mit hohem Customer Lifetime Value zu identifizieren, statt sich ausschließlich auf die Neukundengewinnung zu konzentrieren. Eine solche Auswertung sei früher kaum praktikabel gewesen, da sie erhebliche Zeit und Aufwand erfordert habe, sei mittlerweile jedoch deutlich besser umsetzbar.
Warum diese Entwicklung besonders spannend ist
Diese Verschiebung des Fokus von reiner Neukundengewinnung hin zu einer differenzierten Betrachtung des langfristigen Kundenwerts ist strategisch bedeutsam, da sie ein bereits an anderer Stelle beschriebenes Prinzip aufgreift: Nicht jeder Neukunde ist wirtschaftlich gleich wertvoll. Kann ein Unternehmen mithilfe von KI-gestützten Prognosen gezielt jene Bestandskundinnen und -kunden identifizieren, die langfristig besonders wertvoll sind, lässt sich das eigene Werbebudget deutlich zielgerichteter einsetzen, als wenn ausschließlich auf kurzfristige, isolierte Erstkäufe optimiert wird.
Warum ständiger Austausch mit Google einen echten Wissensvorsprung schafft
Ein Detail am Rande des Gesprächs verdient besondere Beachtung: Der Gesprächspartner erwähnt, dass NSG im ständigen Austausch mit Google steht, sowohl bei Veranstaltungen in Dublin als auch am Berliner Google-Standort. Dieser direkte, regelmäßige Kontakt zur Plattform selbst ist angesichts der beschriebenen Geschwindigkeit neuer Entwicklungen kein bloßes Detail, sondern ein struktureller Vorteil, der bereits an anderer Stelle im Zusammenhang mit Google-Partnerprogrammen beschrieben wurde.
Wer Informationen zu neuen Funktionen wie dem Asset Studio oder den Veränderungen bei Demand-Gen-Kampagnen erst über öffentlich zugängliche Quellen erhält, reagiert zwangsläufig später als Agenturen, die direkten Zugang zu vorab kommunizierten Informationen und Testmöglichkeiten haben. In einem Umfeld, in dem sich zentrale Funktionen der Werbeplattform mehrmals jährlich grundlegend verändern, kann dieser zeitliche Vorsprung einen erheblichen Unterschied für die Wettbewerbsfähigkeit einer Kampagne ausmachen.
Was Unternehmen aus diesen Entwicklungen mitnehmen sollten
Aus den im Interview beschriebenen Entwicklungen lassen sich mehrere praktische Konsequenzen für Unternehmen ableiten: Neue KI-gestützte Funktionen sollten grundsätzlich kontospezifisch getestet werden, statt pauschal übernommen zu werden. Die Anbindung zusätzlicher Datenquellen, einschließlich weicher Conversions, kann die Prognosequalität und damit die Effizienz von Kampagnen deutlich verbessern. Und schließlich lohnt sich ein bewusster strategischer Blick über die reine Neukundengewinnung hinaus, hin zu einer differenzierten Betrachtung des langfristigen Kundenwerts.
Praxistipps im Umgang mit aktuellen Google-Ads-Entwicklungen
| Praxistipps auf einen Blick • Neue Funktionen wie das Asset Studio zunächst kontrolliert testen • Tracking-Qualität bei Umstellung auf Demand-Gen-Formate aktiv vergleichen • KI-Funktionen wie AI Max for Search kontospezifisch prüfen • Schnittstellen zu CRM- und E-Commerce-Systemen für zusätzliche Daten nutzen • Fokus von reiner Neukundengewinnung auf Customer Lifetime Value erweitern |
Fazit
Das Gespräch zwischen Zac und seinem Gesprächspartner zeigt, wie schnell sich Google Ads aktuell weiterentwickelt, angetrieben von einem klaren Fokus auf visuelle Inhalte, verbessertes Tracking und zunehmend leistungsfähige KI-Funktionen. Von der direkten Asset-Erstellung im Asset Studio über deutlich verbessertes YouTube-Tracking bis hin zu KI-gestützten Prognosen des langfristigen Kundenwerts zeichnet sich ab, dass Werbetreibende zunehmend datenreichere, aber auch komplexere Werkzeuge zur Verfügung haben. Unternehmen, die diese Entwicklungen aufmerksam verfolgen, kontospezifisch testen und ihre eigene Datenbasis kontinuierlich erweitern, können von diesen Fortschritten deutlich stärker profitieren als jene, die neue Funktionen unreflektiert oder gar nicht nutzen. Wer sich dabei zusätzlich auf eine Agentur mit direktem Draht zu Google verlassen kann, verschafft sich einen zusätzlichen zeitlichen Vorsprung gegenüber Wettbewerbern, die neue Entwicklungen erst über öffentliche Quellen erfahren.
Schaut euch das ganze Interview im Video an
Häufig gestellte Fragen (FAQ)
Was ist das Google Asset Studio?
Ein neues Tool direkt in Google Ads, mit dem sich Bilder bearbeiten, Videos erstellen, Hintergründe entfernen und Voiceovers generieren lassen, aktuell noch in der Beta-Phase.
Warum wurden klassische YouTube-Kampagnen in Demand Gen integriert?
Um das Tracking zu verbessern, das bei klassischen In-Stream-Kampagnen teilweise einen Verlust von bis zu 50 Prozent aufwies.
Funktioniert AI Max for Search bei jedem Google-Ads-Konto gleich gut?
Nein. Die Wirksamkeit hängt stark von kontospezifischen Faktoren ab und muss individuell getestet werden.
Was sind Soft Conversions?
Weiche Signale für Kaufinteresse wie Newsletter-Anmeldungen oder wiederholte Website-Besuche, die zusätzlich zu harten Conversion-Daten in die KI-gestützte Prognose einfließen können.
Warum wird Customer Lifetime Value für Google Ads wichtiger?
Weil KI-gestützte Auswertungen es zunehmend ermöglichen, gezielt Bestandskundinnen und -kunden mit hohem langfristigem Wert zu identifizieren, statt sich nur auf Neukundengewinnung zu konzentrieren.