Wie Aron lernt: Ein Blick in den Maschinenraum von AI AdBase

Ein Agent, der Gebote ändert, muss beweisen, dass es etwas bringt

Stell dir vor, jemand verändert jeden Morgen still und leise die Gebote in deinem Werbekonto. Ein paar Cent hier, ein kleiner Schritt beim Ziel-CPA dort. Die Frage, die du dir sofort stellen würdest, ist nicht „Was hat er gemacht?“, sondern: „Hat es etwas gebracht?“ Genau diese Frage war für uns der Ausgangspunkt, als wir Aron gebaut haben – unseren Optimierungs-Agenten für ChatGPT Ads.

Aron befindet sich aktuell in der Testphase. Er läuft ausschließlich in den Konten unserer Administratoren und ist noch nicht für alle Mitglieder freigeschaltet. Gerade deshalb möchten wir dir schon jetzt einen ehrlichen Blick in den Maschinenraum geben: Wie Aron arbeitet, wie er seine eigenen Entscheidungen überprüft und wie aus vielen kleinen Messungen ein gemeinsames Wissen entsteht, von dem später alle profitieren.

Denn ein Agent, der nur ändert, aber nie misst, ist im besten Fall Glückssache und im schlechtesten Fall teuer. Aron soll das Gegenteil sein: ein Agent, der aus jeder einzelnen Änderung lernt – nachvollziehbar, vorsichtig und anonym.

Ein Agent, der nur ändert, aber nie misst, ist Glückssache. Aron soll aus jeder einzelnen Änderung lernen.

Das Grundproblem: Ein Wochenvergleich sagt nicht, was gewirkt hat

Der naheliegende Weg wäre, jede Woche die gesamte Kampagne mit der Vorwoche zu vergleichen. Mehr Abschlüsse? Super. Weniger? Schade. Das Problem: In einer Woche passieren oft mehrere Dinge gleichzeitig. Ein Klickpreis wurde erhöht, eine Anzeige pausiert, ein Feiertag lag dazwischen, die Konkurrenz hat ihr Budget verändert. Welcher dieser Punkte war jetzt verantwortlich?

Ein reiner Wochenvergleich der ganzen Kampagne kann diese Frage nicht beantworten. Er zeigt nur, dass sich etwas verändert hat – nicht warum. Deshalb misst Aron auf zwei Ebenen: einmal pro einzelner Änderung und einmal pro Kampagne und Woche. So sieht man sowohl, ob eine bestimmte Änderung selbst gewirkt hat, als auch, ob sie der Kampagne insgesamt genützt hat.

Die Vorher-Nachher-Messung: 7 Tage davor, 7 Tage danach

Jede Änderung, die Aron vornimmt – ein höheres oder tieferes Gebot, eine pausierte Anzeige, neue Anzeigentexte, ein erhöhtes Tagesbudget nach deinem „Ja“ –, bekommt automatisch eine eigene Messung. Aron hält die Kennzahlen der betroffenen Anzeigengruppe für die sieben Tage vor der Änderung fest: Kosten, Klicks, Impressionen, Abschlüsse und den Preis pro Abschluss. Sieben Tage später kommen die sieben Tage danach dazu.

Warum genau sieben Tage, egal an welchem Wochentag? Weil eine volle Woche jeden Wochentag genau einmal enthält. Montags-Effekte oder ruhige Wochenenden gleichen sich so aus. Reichen die Daten trotzdem nicht – zum Beispiel weniger als 30 Klicks und weniger als drei Abschlüsse auf beiden Seiten –, verlängert Aron die Messung automatisch auf 14 Tage und vergleicht mit den 14 Tagen davor. Reicht es auch dann nicht, lautet das Urteil ehrlich: „unklar, zu wenig Daten“. Lieber keine Aussage als eine falsche.

Ein Beispiel mit erfundenen Zahlen: Eine Anzeigengruppe bringt in sieben Tagen 4 Abschlüsse für insgesamt 60 Euro, also 15 Euro pro Abschluss. Aron erhöht den maximalen Klickpreis von 0,25 auf 0,30. In den sieben Tagen danach kommen 7 Abschlüsse für 91 Euro – 13 Euro pro Abschluss. Mehr Abschlüsse zu einem günstigeren Preis: ein klarer Fall für „besser“.

Doch Aron geht noch einen Schritt weiter und macht eine Gegenprobe. Er schaut, wie sich der Rest derselben Kampagne im gleichen Zeitraum entwickelt hat. Wenn dort ebenfalls alles um 70 Prozent nach oben ging – etwa wegen einer saisonalen Nachfragespitze –, dann war wohl nicht die Gebotsänderung der Grund. Die Änderung zählt nur dann als Erfolg, wenn die Gruppe spürbar besser lief als der Rest der Kampagne.

Feste Formel statt KI-Laune

Ein Punkt ist uns besonders wichtig: Ob eine Änderung „besser“, „schlechter“ oder „unklar“ war, entscheidet bei Aron keine künstliche Intelligenz, sondern eine feste, nachvollziehbare Formel. Mehr Abschlüsse bei gleichem oder günstigerem Preis pro Abschluss gelten als besser. Weniger Abschlüsse oder ein deutlich teurerer Preis pro Abschluss bei ähnlichen Ausgaben gelten als schlechter. Gab es im Messzeitraum eine zweite Änderung an derselben Gruppe, ist das Ergebnis unklar – denn dann lässt sich die Wirkung nicht mehr sauber zuordnen.

Die KI kommt erst danach ins Spiel, und zwar nur für Sprache: Sie formuliert eine kurze Begründung, warum etwas besser wurde, oder schlägt vor, was man beim nächsten Mal anders machen könnte. Zahlen erfindet sie nie. Alle Werte stammen direkt aus der Messung. So bleibt jedes Urteil überprüfbar, und niemand muss einer Blackbox vertrauen.

Klein, mittel, heftig: Nur die wirklich wichtigen Fälle landen beim Menschen

Wenn Aron in vielen Konten jeden Tag Änderungen vornimmt, entstehen schnell Hunderte Messungen. Würde jede davon von einem Administrator geprüft werden müssen, stünde Aron bald still – er würde schlicht auf Freigaben warten. Deshalb teilt Aron jedes Ergebnis in drei Stufen ein. Auch diese Einstufung folgt einer festen Formel.

Die 48-Stunden-Regel sorgt dafür, dass Aron nie blockiert ist: Reagiert ein Administrator bei einem heftigen Fall nicht innerhalb von zwei Tagen, übernimmt Aron den vorgeschlagenen Lösungsweg trotzdem. Die Entscheidung bleibt aber jederzeit umkehrbar. Ein Administrator kann eine Lösung später mit „Immer so machen“ fest bestätigen, durch eine eigene Lösung ersetzen oder mit „Nicht mehr anwenden“ stoppen.

Fall-Muster: Wie aus einzelnen Messungen gemeinsames Wissen wird

Das eigentlich Spannende beginnt, wenn sich Fälle wiederholen. Aron fasst gleichartige Situationen zu sogenannten Fall-Mustern zusammen. Ein Muster beschreibt etwa: „Klickpreis um einen Schritt erhöht, bei einer Gruppe, die bisher günstiger als der Kampagnen-Schnitt war und wenig Auslieferung hatte – Ergebnis: deutlich mehr Abschlüsse.“

Diese Muster entstehen kontoübergreifend, aber vollständig anonym. Gespeichert werden ausschließlich die Art der Änderung, die grobe Lage der Gruppe (günstig oder teuer, viel oder wenig Auslieferung, Klickpreis oder Ziel-CPA) sowie Zähler: wie oft das Muster aufgetreten ist und in wie vielen Konten. Keine Kampagnennamen, keine Anzeigentexte, keine Beträge einzelner Kunden.

Im Administrationsbereich gibt es dafür ein eigenes „Lernbuch“ mit zwei Spalten: „Hat geholfen“ und „Hat geschadet“. Jede Karte zeigt, ob ein Muster einmal oder vielleicht schon zehnmal in sieben verschiedenen Konten aufgetreten ist, dazu die Begründung und die vorgeschlagene Lösung. Entscheidet ein Administrator, dass eine Lösung richtig ist, gilt sie ab diesem Moment für alle Konten – auch für die bereits offenen gleichartigen Fälle. Danach muss niemand mehr nachfragen: Aron wendet sie selbstständig an.

Genau das ist der Hebel: Eine Erkenntnis, die in einem Konto gewonnen wurde, hilft anschließend allen anderen. Je mehr Konten angebunden sind, desto schneller lernt Aron – und desto besser werden seine Entscheidungen für jedes einzelne Mitglied.

Schutz gegen Fehlautomatik

Was passiert, wenn eine übernommene Lösung sich später selbst als schlecht herausstellt? Auch dafür gibt es eine Sicherung. Jede Änderung, die Aron aufgrund eines Musters vornimmt, wird wiederum gemessen. Sinkt die Erfolgsquote einer Lösung unter 40 Prozent, sobald mindestens acht Fälle vorliegen, pausiert Aron die Lösung automatisch und legt sie dem Administrator erneut als heftigen Fall vor.

Damit korrigiert sich das System selbst: Eine Regel, die gestern noch gut aussah, wird nicht blind weiter angewendet, wenn die Zahlen heute etwas anderes sagen. Lernen bedeutet bei Aron eben auch, Fehler zu erkennen und wieder zu verlernen.

Die festen Leitplanken: Was Aron nie tut

So lernfähig Aron auch ist – einige Grenzen sind fest einprogrammiert und lassen sich durch kein Lernmuster aufweichen. Aron verändert Gebote nur in kleinen Schritten: 0,05 beim Klickpreis oder 5 Prozent beim Ziel-CPA. Er erhöht den Klickpreis nie über das Doppelte des durchschnittlichen Klickpreises im Konto. Nach jeder Änderung an einer Anzeigengruppe wartet er mindestens 48 Stunden, bevor er sie erneut anfasst.

Budgets erhöht Aron nie ohne dein ausdrückliches „Ja“ – und selbst dann höchstens auf das Doppelte. Er entfernt nie das letzte Zielland einer Kampagne und schützt Länder, die in einer anderen Anzeigengruppe derselben Kampagne günstige Abschlüsse bringen. Ziel-URLs ändert er grundsätzlich nicht, neue Kampagnen legt er nicht an, und pausierte oder archivierte Objekte lässt er in Ruhe. Alle Gegenmaßnahmen aus dem Lernbuch laufen über genau diese bestehende, geprüfte Aufgabenliste – es gibt keinen zweiten, unkontrollierten Weg ins Werbekonto.

Wochenbericht, Monatsrückblick und sparsamer Umgang mit Daten

Jeden Sonntag schreibt Aron für jedes Konto einen kurzen Wochenbericht: die letzten sieben Tage im Vergleich zu den sieben Tagen davor, pro Kampagne, mit einer positiven Seite (was hat geholfen?) und einer negativen Seite (was hat geschadet?). Am Ersten jedes Monats folgt ein Monatsrückblick als Kontrollblick. Er ist besonders wertvoll für ruhige Konten, in denen eine einzelne Woche zu wenig Abschlüsse liefert, um klare Aussagen zu treffen.

Dabei sammeln wir nicht endlos Daten. Messungen und Berichte sind klein – pro Änderung nur wenige Zahlen –, und sie werden nach festen Fristen automatisch gelöscht. Bevor eine Messung verschwindet, ist ihr Ergebnis bereits in die Zähler der Fall-Muster eingeflossen. Das Wissen bleibt, die Rohdaten gehen.

Was das für dich bedeutet

Für dich als Mitglied heißt das: Wenn Aron nach der Testphase für alle startet, kommt er nicht als unerfahrener Neuling. Er bringt bereits Erfahrung aus vielen geprüften Fällen mit – und jede Änderung in deinem Konto ist mit einem grünen, roten oder grauen Punkt nachvollziehbar, inklusive Vorher-Nachher-Zahlen. Du siehst nicht nur, was Aron gemacht hat, sondern auch, ob es funktioniert hat.

Und weil die Muster anonym über alle Konten entstehen, profitierst du von den Erfahrungen der gesamten Community, ohne dass jemand deine Daten sieht. Das ist dieselbe Idee, die schon hinter unseren Benchmarks steckt: gemeinsam schneller lernen, einzeln geschützt bleiben.

Wann genau Aron für alle verfügbar ist, hängt von der laufenden Testphase ab. Wir möchten ihn erst freigeben, wenn das Lernbuch genügend geprüfte Fälle enthält. Den aktuellen Stand findest du jederzeit auf seiner Profilseite unter /agenten/aron.