PMax Audience Signals: wie man die KI in die richtige Richtung lenkt

Performance Max ist der ambitionierteste Kampagnentyp, den Google je eingeführt hat. Die KI verwaltet eigenständig bidding, Platzierungen, audiences und Creative-Kombinationen mit einem einzigen Ziel: die conversions innerhalb deines Budgets zu maximieren. Doch diese Autonomie hat ihren Preis. Ohne die richtige Steuerung kann die KI wochenlang damit verbringen, herauszufinden, wer deine tatsächlichen Kunden sind. Genau hier kommen audience signals ins Spiel. Sie sind kein Targeting im klassischen Sinne, sondern ein Ausgangspunkt – ein Kompass, der der KI sagt: „Beginne deine Suche hier." In diesem Artikel erfährst du, was audience signals sind, welche Typen den größten Einfluss haben, wie du sie strategisch für E-Commerce und Lead-Generierung aufbaust und wie AdBrains diesen Prozess automatisiert und kontinuierlich verbessert.

Was sind audience signals in Performance Max?

Audience signals sind Vorschläge, die du der Google KI beim Einrichten einer PMax-Kampagne gibst. Sie teilen dem Algorithmus mit, welche Nutzergruppen am wahrscheinlichsten konvertieren. Entscheidend ist dabei: Google ist nicht verpflichtet, deinen signals zu folgen. Der Algorithmus nutzt sie als Ausgangspunkt für die Lernphase und expandiert anschließend eigenständig über diese signals hinaus, wenn dies mehr conversions bringt.

Dieser Unterschied macht audience signals grundlegend verschieden vom klassischen audience targeting in Search oder Display. Mit signals schließt du niemanden aus; du gibst der KI einen Vorsprung. Je relevanter und größer deine signals sind, desto schneller verläuft die Lernphase und desto niedriger ist der CPA in den ersten Wochen einer Kampagne. Advertiser mit starken First-Party-audience-signals erleben typischerweise eine Lernphase von ein bis zwei Wochen, während Kampagnen ohne signals bis zu vier bis acht Wochen benötigen, bevor der Algorithmus conversion-bereite Muster entdeckt.

Eine PMax-Kampagne ohne audience signals ist wie ein neuer Mitarbeiter, der seinen ersten Arbeitstag ohne jedes Briefing beginnt. Er wird irgendwann herausfinden, was funktioniert, aber die Lernkurve kostet Zeit und Geld. Starke signals geben diesem Mitarbeiter eine Akte mit deinen besten Kunden, eine Liste der häufigsten Fragen und zwölf Monate Conversion-Historie. Das macht vom ersten Tag an einen messbaren Unterschied.

Die sieben Typen von audience signals und ihr Mehrwert

Nicht alle audience signals sind gleich. Es gibt eine klare Hierarchie in der Steuerungsqualität, die jeder Typ bietet. Die wirkungsstärksten signals basieren auf deinen eigenen verifizierten Conversion-Daten. First-Party-Daten übertreffen Third-Party-Segmente bei der Steuerung der PMax-KI in Richtung der richtigen Nutzerprofile durchgängig.

Customer Match, das deine eigene CRM-E-Mail-Liste nutzt, und Listen bestehender Konvertierer (Käufe oder abgeschlossene Leads) stehen an der Spitze der Hierarchie. Sie geben der KI das klarstmögliche Bild davon, wer bereits konvertiert hat und – im Umkehrschluss – wer sonst noch konvertieren könnte. Website-remarketing-audiences, insbesondere segmentierte Gruppen wie Produktseiten-Besucher oder Nutzer mit abgebrochenem Warenkorb, folgen dicht dahinter. Custom Segments auf Basis aktivem Suchverhalten – beispielsweise Nutzer, die kürzlich nach Begriffen gesucht haben, die direkt mit deinem Produkt zusammenhängen – fügen eine wichtige Ebene hinzu, um neue potenzielle Kunden zu erreichen, die deine Website noch nicht besucht haben.

In-market audiences und affinity audiences, die von Google vorkonfiguriert werden, bieten einen breiteren und weniger präzisen Ausgangspunkt. Sie können als ergänzende Ebene nützlich sein, sollten aber nie das primäre signal sein. Demografische signals sind am wenigsten spezifisch und werden am besten als sekundärer Filter eingesetzt, wenn deine Zielgruppe klar durch Alter, Geschlecht oder Haushaltseinkommen definiert ist.

Audience signals für E-Commerce und Lead-Generierung aufbauen

Für eine E-Commerce-Plattform wie ToetsJeKennis.nl, die Online-Prüfungen und Kurse verkauft, wird die stärkste audience-signal-Struktur in Schichten aufgebaut. Die erste Schicht ist eine Customer-Match-Liste aller Personen, die in den vergangenen zwölf Monaten eine Prüfung oder einen Kurs gekauft haben. Die zweite Schicht besteht aus remarketing-audiences von Produktseiten-Besuchern, die mehr als dreißig Sekunden auf einer Kursdetailseite verbracht haben, ohne zu konvertieren. Die dritte Schicht ist ein Custom Segment auf Basis hochintentionaler Suchbegriffe wie „Online-Theorieprüfung" oder „Lebensmittelhygienekurs online".

Für einen Lead-Generierungs-Advertiser wie Clima-Active.nl, der Angebotsanfragen für Klimaanlage- und Wärmepumpeninstallationen generiert, verschiebt sich die signal-Strategie in Richtung Kaufintentionszyklen. Das stärkste signal ist eine Customer-Match-Liste früherer Angebotsanfragesteller und konvertierter Kunden, ergänzt durch eine remarketing-audience von Nutzern, die die Angebotsformularseite besucht, aber nicht ausgefüllt haben. Custom Segments, die rund um Suchbegriffe wie „Wärmepumpe Angebot" und „Klimaanlage Kosten" aufgebaut sind, erschließen neue audiences mit klarer Kaufabsicht.

Der gemeinsame Nenner in beiden Fällen ist derselbe: Je näher das signal am verifizierten Conversion-Verhalten liegt, desto effektiver steuert es die PMax-KI vom ersten Kampagnentag an.

Wie AdBrains das audience-signal-Management automatisiert und verbessert

Audience signals manuell aufzubauen und zu pflegen ist zeitaufwendig und fehleranfällig. Kundenlisten veralten, remarketing-audiences schrumpfen, wenn der Website-Traffic zurückgeht, und Custom Segments werden nach dem Launch einer Kampagne selten überprüft. Genau hier schafft AdBrains' eigene KI-Technologie einen strukturellen Vorteil.

Das audience-Management-Automatisierungssystem von AdBrains erstellt und pflegt wöchentlich drei Arten von audiences: PROD-audiences auf Basis aktueller Konvertiererlisten, Incubator-audiences auf Basis engagierter Nicht-Konvertierer mit starken Intent-Signalen sowie RLSA-audiences für parallel laufende Search-Kampagnen. Jede audience wird wöchentlich mit den aktuellsten Daten aktualisiert, sodass PMax-signals niemals veralten oder zu klein werden.

Server-side-signal-Anreicherung spielt eine ebenso wichtige Rolle. AdBrains baut und verwaltet für jeden Kunden eine dedizierte server-side Google Tag Manager-Infrastruktur. Über Enhanced Conversions werden First-Party-Daten – darunter gehashte E-Mail-Adressen, Bestellwerte und Kunden-IDs – angereichert und direkt an die Google Ads API gesendet. Das bedeutet, dass die als audience signals verwendeten Customer-Match-Listen mit hochwertigeren conversion-tracking-Signalen gespeist werden, als es standardmäßiges browserbasiertes Tracking leisten kann. Das Ergebnis: Die PMax-KI erhält vom Start der Kampagne an reichhaltigere und genauere Profildaten.

Das Multi-Agent-Verifikationssystem von AdBrains prüft jede Änderung der audience-signal-Konfiguration, bevor sie live geht. Vier unabhängige KI-Agenten bewerten, ob die vorgeschlagenen signals mit der Conversion-Strategie, dem Kampagnentyp und dem verfügbaren Conversion-Volumen übereinstimmen. Nur wenn alle vier Agenten einen Konsens erreichen, wird die Änderung umgesetzt. Das verhindert den häufigen Fehler von signals, die zu eng sind und die KI unnötig einschränken, oder zu breit, was die Lernphase verlängert statt verkürzt.

Für E-Commerce-Kunden wie E-4motion.com, das neue elektrische Faltfahrräder verkauft, bedeutet dieser Ansatz, dass PMax-Kampagnen nie von Null anfangen müssen. Die Kombination aus angereicherten Customer-Match-Daten, aktiven remarketing-audiences von Produktseiten-Besuchern und Custom Segments rund um Suchbegriffe wie „Elektro-Faltrad kaufen" und „kompaktes E-Bike" gibt der KI einen Vorsprung. Der Algorithmus weiß vom ersten Tag an, welches Nutzerprofil am wahrscheinlichsten konvertiert – das verkürzt die Lernphase und verbessert den ROAS in den entscheidenden ersten Wochen der Kampagne.

Häufige Fehler beim Einrichten von PMax audience signals

Trotz der relativen Einfachheit des Hinzufügens von audience signals in Google Ads tauchen immer wieder dieselben Fehler auf. Am häufigsten ist das Hinzufügen nur einer einzigen generischen audience, beispielsweise „alle Website-Besucher", was der KI zu wenig Informationen zum Handeln gibt. Ein mehrschichtiger Ansatz mit mindestens drei verschiedenen signal-Typen ist immer wirkungsvoller.

Weitere häufige Fehler sind das Versäumnis, Customer-Match-Listen regelmäßig zu aktualisieren, wodurch veraltete Daten entstehen, die das aktuelle Kundenprofil nicht mehr widerspiegeln. Listen sollten mindestens monatlich, idealerweise wöchentlich über die Google Ads API, aktualisiert werden. Das Hochladen von Customer Match ohne aktivierte Enhanced Conversions ist eine weitere verpasste Chance: Ohne Enhanced Conversions sind die Match-Raten niedriger und die signal-Qualität leidet darunter.

• Verwende immer mindestens drei signal-Ebenen: Konvertierer, Intent-Besucher und ein Custom-Suchverhalten-Segment.
• Setze eine Mindestgröße von 1.000 übereinstimmenden Accounts für Customer-Match-Listen fest, bevor du dich auf sie als primäres signal verlässt.
• Aktiviere Enhanced Conversions, um die Customer-Match-Match-Raten zu erhöhen und die signal-Qualität zu verbessern.
• Weise verschiedene signals pro Asset-Gruppe zu, wenn deine Kampagne mehrere Produkte oder Servicekategorien umfasst.
• Überprüfe und aktualisiere alle audience-signal-Größen mindestens einmal pro Monat.
• Vermeide breite, multi-competitor Custom Segments, da sie das signal eher verwässern als stärken.

Audience signals vs. audience targeting: ein klarer Vergleich

Eine häufig gestellte Frage lautet: Wenn Google deine signals ignorieren kann, warum sollte man sie überhaupt einrichten? Die Antwort liegt in der Lerngeschwindigkeit und Kosteneffizienz der Anfangsphase jeder Kampagne. Signals sind kein hartes Targeting, aber sie bestimmen die Richtung, in die die KI zuerst schaut. Das hat in den ersten Wochen einen messbaren Einfluss.

Der grundlegende Unterschied: Klassisches audience targeting errichtet eine Mauer um deine Zielgruppe, während audience signals in PMax der KI einen Kompass geben. Die KI entscheidet, ob sie innerhalb dieses Kompasses bleibt oder ihn umgeht – je nachdem, wo conversions tatsächlich stattfinden. Für wachstumsorientierte Kampagnen ist diese Flexibilität ein klarer Vorteil, vorausgesetzt, die signals sind stark genug, um sicherzustellen, dass die KI von Anfang an in die richtige Richtung steuert.

Häufig gestellte Fragen zu PMax audience signals

Sind audience signals in Performance Max verpflichtend?

Nein, audience signals sind in PMax technisch gesehen optional. Google erlaubt es, Kampagnen ohne jegliche signals zu starten. Ohne signals beginnt die KI jedoch völlig von vorne, was die Lernphase erheblich verlängert und die anfänglichen Kosten erhöht. In der Praxis sind starke signals zwar nicht vorgeschrieben, aber dringend empfohlen – insbesondere bei der Verwendung von Target CPA oder Target ROAS Smart Bidding-Strategien. Je schneller die KI lernt, desto schneller kann Smart Bidding effektiv optimieren.

Kann ich audience signals in einer laufenden PMax-Kampagne hinzufügen oder ändern?

Ja. Du kannst audience signals in bestehenden PMax-Kampagnen jederzeit auf Ebene der Asset-Gruppe hinzufügen, ändern oder entfernen. Das Hinzufügen starker signals zu einer bereits laufenden Kampagne kann die KI neu stimulieren, genauer zu optimieren, wenngleich der Effekt in der Regel weniger ausgeprägt ist als bei starken signals von Beginn an. Bei Kampagnen, die seit mehreren Monaten laufen und ausreichend Conversion-Daten gesammelt haben, verlässt sich die KI stärker auf ihre eigenen erlernten Muster als auf die bereitgestellten signals.

Was ist der Unterschied zwischen audience signals und negativen audiences in PMax?

Audience signals teilen der KI mit, wen sie als Ausgangspunkt priorisieren soll. Negative audiences, die auf Kontoebene oder über Allowlisting-Anfragen verfügbar sind, schließen bestimmte Gruppen vollständig aus allen Kampagnen aus. Beispiele sind der Ausschluss bestehender Kunden aus einer Neukundenkampagne oder der Ausschluss von Mitarbeitern über die IP-Adresse. Negative audiences sind harte Ausschlüsse; audience signals sind weiche Richtungsweiser. Beide sind nützlich, dienen aber völlig unterschiedlichen Zwecken.

Wie erkenne ich, ob Google meine audience signals tatsächlich verwendet?

In Google Ads kannst du den Insights-Bericht für PMax aufrufen, der eine Aufschlüsselung der audience-Typen zeigt, die zu impressions und conversions beitragen. Wenn du siehst, dass die Kampagne über deine angegebenen signals hinaus konvertiert, bedeutet das, dass die KI eigenständig zusätzliche Muster entdeckt hat. Das ist nicht zwangsläufig ein Problem. Analysiere regelmäßig, ob die neu entdeckten audiences deinem idealen Kundenprofil entsprechen, und passe bei Bedarf mit zusätzlichen signals oder Ausschlüssen nach, um die KI mit deinen Unternehmenszielen in Einklang zu halten.