Von 3x zu 6x ROAS: eine Lead-Gen-Fallstudie aus der Bürobranche

Ein ROAS von 3x fühlt sich oft wie ein respektables Ergebnis an. Man erhält drei Euro zurück für jeden in Google Ads investierten Euro – das ist besser als eine Nullrunde. Doch in der Bürobranche, wo durchschnittliche Auftragswerte hoch sind und der Verkaufszyklus länger dauert, ist 3x selten die Obergrenze. Es ist meistens erst der Ausgangspunkt. In dieser Fallstudie zeigen wir, wie ein phasenweiser, KI-gesteuerter Ansatz eine Lead-Gen-Kampagne in der Bürobranche in vier Quartalen – ohne Budgeterhöhung – von 3x auf mehr als 6x ROAS gebracht hat.

Der Ausgangspunkt: ein solides Fundament, aber das Wachstum hatte sich festgefahren

Die Kampagne, die wir übernahmen, war nicht schlecht aufgebaut. Das Konto hatte eine klare Struktur, Anzeigen waren mit relevanten Erweiterungen ausgestattet, und der Werbetreibende hatte bereits Erfahrung mit Smart Bidding. Dennoch stagnierte der ROAS seit drei Monaten bei etwa 3,1x. Jeder Versuch, die Performance durch manuelle Gebotsanpassungen oder neue Anzeigentexte zu verbessern, erzeugte vorübergehende Spitzen, aber kein strukturelles Wachstum.

Dieses Muster ist in dienstleistungsorientierten Branchen, einschließlich der Bürobranche, weit verbreitet. Google Ads funktioniert, aber ohne die richtigen Dateneingaben, die richtigen Signale und einen kontinuierlichen Optimierungszyklus gerät das System in eine Stagnation. Die Kampagne läuft auf einem lokalen Optimum, während das wahre Potenzial deutlich höher liegt.

Die Analyse ergab drei zentrale Probleme. Erstens waren die Conversion-Signale unvollständig: Das Tracking war clientseitig implementiert, sodass ein Teil der tatsächlichen Lead-Einreichungen nicht in Google Ads zurückgemeldet wurde. Zweitens wurde die Suchanfragenanalyse einmal pro Woche manuell durchgeführt, was bedeutete, dass irrelevante Begriffe tagelang Budget verbrennen konnten, bevor sie als negative Keywords hinzugefügt wurden. Drittens waren die Responsive Search Ads (RSAs) seit Monaten unverändert geblieben, mit Ad Strength-Werten von „Durchschnittlich" oder schlechter.

Phase 1: Stärkung der Conversion-Signale mit server-side tracking

ROAS-Entwicklung pro Quartal

Lead-Gen-Kampagne Bürobranche — vor und nach KI-Optimierung (2026)

Q1 — Ausgangspunkt (manuell)

3,1x

Q2 — Nach Strukturoptimierung

4,2x

Q3 — Nach Smart Bidding-Umstellung

5,1x

Q4 — Vollständig KI-gesteuert

6,3x

Der erste Schritt bestand darin, das Tracking-Problem zu beheben. Mithilfe unserer eigenen server-side GTM-Infrastruktur (sGTM) wurden alle Conversion-Momente mit Enhanced Conversions und First-Party-Datenanreicherung neu aufgebaut. Das bedeutet, dass Google Ads jetzt reichhaltigere Signale darüber erhält, wer tatsächlich eine Angebotsanfrage einreicht: gehashte E-Mail-Adresse, geografische Daten und Gerätetyp werden alle zusammen mit dem Conversion-Ereignis übermittelt.

Der direkte Effekt war unmittelbar spürbar: Innerhalb von zwei Wochen nach der Implementierung wurden 28 % mehr conversions erfasst als zuvor. Das waren keine neuen Leads – es waren Leads, die schon immer vorhanden waren, aber zuvor nicht gemessen wurden. Dies beeinflusst Smart Bidding direkt, weil der Algorithmus mehr Daten erhält, aus denen er lernen kann. Stärkere Signale führen zu besseren Bidding-Entscheidungen, was wiederum die Kosten pro Lead (CPL) senkt und den ROAS erhöht.

Für Lead-Gen-Kampagnen ist dieser Effekt noch bedeutsamer als im E-Commerce, da Conversion-Werte nicht immer sofort im Pixel sichtbar sind. Indem wir jeder Angebotseinreichung einen modellierten Wert zugewiesen haben – basierend auf der historischen Abschlussquote und dem durchschnittlichen Vertragswert – konnten wir Target ROAS als Bidding-Strategie anstelle des einfacheren Maximize Conversions aktivieren. Das gibt dem System ein klareres Ziel und macht die Optimierung erheblich präziser.

Phase 2: tägliches Search-Term-Mining und negative Keywords

Parallel zu den Tracking-Verbesserungen begann das automatisierte Search-Term-Mining. Wo zuvor einmal pro Woche manuell ein Suchanfragenbericht überprüft wurde, analysiert unsere KI jetzt täglich alle eingehenden Suchanfragen. Irrelevante Begriffe werden sofort erkannt und als negative Keywords hinzugefügt – oft innerhalb von 24 Stunden nach ihrem ersten Auftreten.

Im ersten Monat des automatisierten Minings wurden mehr als 140 einzigartige Suchanfragen als negative Keywords hinzugefügt, die bei manueller Verwaltung mindestens eine Woche lang Budget verbrannt hätten. Beispiele sind Begriffe wie „kostenlose Büromöbel", „gebrauchte Bürostühle" oder informationsbezogene Anfragen wie „Was kostet eine Bürorenovierung im Durchschnitt" – Begriffe, die Klicks generieren, aber selten zu ernsthaften Angebotsanfragen führen.

Das freigewordene Budget wurde auf die leistungsstärksten Suchanfragen umverteilt, die zunächst sicher über unseren Keyword Incubator in einer separaten Inkubatorkampagne getestet wurden, bevor sie in die Produktionskampagne überführt wurden. So wird sichergestellt, dass nur bewährt konvertierende Keywords die volle Budgetzuteilung erhalten.

• Der durchschnittliche Quality Score stieg bei allen aktiven Keywords von 6,2 auf 7,8
• Der durchschnittliche CPC sank um 18 % dank verbesserter Anzeigenrelevanz und Suchanfragenübereinstimmung
• Der Anteil irrelevanter Klicks fiel von etwa 22 % auf unter 6 %
• Das gesamte Lead-Aufkommen stieg um 31 % ohne Budgeterhöhung
• Der ROAS erreichte in Q2 4,2x – eine Verbesserung von 35 % gegenüber dem Ausgangspunkt

Phase 3: RSA-Optimierung und Verbesserung der Anzeigenleistung

Lead-Gen-Conversion-Funnel Bürobranche

Durchschnittlicher Ablauf nach KI-Optimierung (Benchmarks 2026)

Impressions

Gezielte impressions über Search und PMax

Klicks

Durchschnittliche CTR 7 % nach RSA-Optimierung

Lead-Seite besucht

38 % der klickenden Besucher erreichen die Angebotsformular-Seite

Angebot eingereicht

18 % conversion rate auf der Landing Page

Kosteneffiziente Leads über KI-gesteuertes Smart Bidding

In der dritten Phase konzentrierte sich die KI-Optimierung auf die Anzeigentexte selbst. Die vorhandenen RSAs wiesen beim Audit größtenteils einen Ad Strength von „Durchschnittlich" oder sogar „Schlecht" auf. Das signalisiert, dass Google die Kombinationen aus Überschriften und Beschreibungen für die anvisierten Suchanfragen nicht als optimal betrachtet.

Unser RSA-Verbesserungssystem analysiert automatisch die Ad Strength-Werte pro Anzeigengruppe und generiert neue Überschriften und Beschreibungen auf Basis der leistungsstärksten Kombinationen in der Branche, ergänzt durch Signale von der Landing Page. Anzeigen mit dem Status „Schlecht" werden automatisch neu geschrieben und zur Genehmigung eingereicht, bevor sie live gehen.

Innerhalb von sechs Wochen wurden alle RSAs in der Kampagne auf mindestens „Gut" angehoben, wobei ein erheblicher Anteil „Ausgezeichnet" erreichte. Dies wirkt sich direkt auf den Ad Rank und damit auf die Position der Anzeige in der Auktion aus. Ein höherer Ad Rank bei gleichem oder niedrigerem CPC ist das ideale Szenario für ROAS-Verbesserungen.

Parallel zu den RSA-Verbesserungen wurde auch die audience-Strategie automatisiert. Über unser audience-Management-System wurden RLSA-audiences automatisch erstellt und wöchentlich aktualisiert: Besucher der Angebotsformular-Seite, die nicht konvertiert hatten, erhielten ein erhöhtes Gebot, während bereits konvertierte Besucher aus der Kampagne ausgeschlossen wurden. Das reduziert Streuverluste weiter und erhöht die Qualität der erreichten audience.

Wie AdBrains AI dies strukturell handhabt

Was diese Fallstudie verdeutlicht, ist, dass die Verdoppelung des ROAS nicht das Ergebnis einer einzigen magischen Maßnahme ist, sondern eines Satzes von kontinuierlich laufenden Optimierungsprozessen, die im Zusammenspiel wirken. Genau dafür ist die proprietäre KI-Technologie von AdBrains entwickelt worden.

Das Fundament bildet unser Multi-Agenten-Verifizierungssystem. Jede Optimierungsentscheidung – ob eine Gebotsanpassung, ein negatives Keyword oder eine RSA-Änderung – wird von vier unabhängigen KI-Agenten überprüft, bevor sie ausgeführt wird. Dadurch werden Fehler vermieden, die bei manueller Verwaltung oder Einzel-Agenten-KI-Systemen auftreten. Ein Agent, der eine Suchanfrage als negatives Keyword hinzufügen möchte, wird markiert, wenn ein anderer Agent signalisiert, dass derselbe Begriff in einer anderen Kampagne historisch konvertiert hat. Das verhindert Konflikte, die bei manueller Verwaltung zu erheblicher Budgetverschwendung führen.

Auf diesem Verifizierungssystem läuft die automatische tCPA/tROAS-Optimierung: Bidding-Strategien pro Kampagne werden täglich basierend auf dem aktuellen Conversion-Volumen und den pro Kunde festgelegten Margenzielen angepasst. Wenn eine Kampagne vorübergehend unter den Mindest-Conversion-Schwellenwert fällt, wechselt unser Strategie-Wechselsystem automatisch zu einer sichereren Bidding-Strategie, um Qualitätsverluste zu verhindern, und reaktiviert die ursprüngliche Strategie, sobald der Datenfluss sich erholt hat.

Der Keyword Incubator spielt eine entscheidende Rolle beim sicheren Wachstum. Neue Keywords, die über das Search-Term-Mining als potenziell vielversprechend erkannt werden, werden zunächst in einer kontrollierten Inkubatorkampagne mit begrenztem Budget platziert. Erst wenn sie ausreichend Conversion-Daten aufgebaut haben, migrieren sie automatisch in die Produktionskampagne und schützen so jederzeit die Performance der Hauptkampagne.

Schließlich sorgt unsere serverseitige Signalanreicherung dafür, dass die Conversion-Signale, die Google erhält, stets so reichhaltig und vollständig wie möglich sind. Über unsere eigene sGTM-Infrastruktur werden First-Party-Datenpunkte wie CRM-Signale, Lead-Qualitätswerte und Customer-Lifetime-Values als Enhanced Conversions in Google Ads zurückgespielt. Das gibt Smart Bidding das detaillierteste mögliche Bild davon, welche Klicks wirklich wertvolle Kunden generieren – was sich direkt positiv auf die Target ROAS-Optimierung auswirkt.

Ergebnisse: von 3x auf 6x in vier Quartalen

Manuelle Verwaltung vs. AdBrains AI

Kampagnen-Performance-Vergleich Lead-Gen Bürobranche

Manuelle Verwaltung

• ROAS: 3,1x (Stagnation nach 3 Monaten)
• Wöchentliche manuelle Suchanfragenüberprüfung
• Statische Bidding-Strategie (Maximize Clicks)
• RSAs selten aktualisiert
• Negative Keywords reaktiv hinzugefügt
• Keine audience-Segmentierung
• Einfache Conversion-Signale (clientseitig)
• Kampagnenerweiterung: monatlich, manuell

AdBrains AIEmpfohlen

• ROAS: 6,3x (Wachstum jedes Quartal)
• Tägliches automatisiertes Search-Term-Mining
• Dynamisches Target ROAS über Smart Bidding
• RSA-Verbesserungssystem (automatische Korrektur bei POOR-Status)
• Negative Keywords täglich proaktiv hinzugefügt
• Automatisiertes RLSA- und audience-Management
• Serverseitige Signalanreicherung (Enhanced Conversions)
• Automatische Kampagnenerweiterung basierend auf Wachstumsdaten

Die kombinierte Wirkung aller Optimierungsphasen zeigt sich in den Quartalszahlen. Ausgehend von einem ROAS von 3,1x in Q1 wuchs die Kampagne nach den Tracking- und Suchanfragenverbesserungen in Q2 auf 4,2x. In Q3 brachte die Smart Bidding-Umstellung in Kombination mit den RSA-Verbesserungen den ROAS auf 5,1x. Am Ende von Q4, mit dem vollständig automatisierten System auf voller Kapazität, erreichte die Kampagne einen ROAS von 6,3x.

Um dies in einen Lead-Gen-Kontext zu stellen: Für jeden Euro Werbeausgaben wurden am Ende des Prozesses 6,30 Euro Pipeline-Wert generiert. Bei einem konstanten Monatsbudget bedeutete das mehr als doppelt so viele qualifizierte Angebotsanfragen – ohne zusätzliche Kosten. Der CPL sank im gleichen Zeitraum um 41 %, während die durchschnittliche Lead-Qualität (gemessen über CRM-Daten und Abschlussquoten) nachweislich gestiegen ist.

Dieses Muster ist bei anderen Lead-Gen-Kunden konsistent, wie etwa Clima-Active.nl, das Klimaanlagen- und Wärmepumpeninstallationen anbietet. Im HVAC-Sektor, genau wie in der Bürobranche, sind Angebotsanfragen das primäre Conversion-Ziel, und die Auftragswerte sind hoch genug, um Target ROAS als praktikable Bidding-Strategie zu machen. Der phasenweise KI-Ansatz liefert bei dieser Art von Kampagne konstant stärkere Ergebnisse als manuelle Verwaltung oder generische Automatisierung.

Die folgende Tabelle fasst die wirkungsvollsten Unterschiede zwischen manueller Verwaltung und dem AdBrains AI-System im Kontext von Lead-Gen zusammen:

Die Tabelle macht deutlich, dass die ROAS-Verdoppelung kein Zufall ist: Sie ist das logische Ergebnis von Dutzenden kleiner, täglich angewendeter Verbesserungen, während die manuelle Verwaltung bei jeder dieser Dimensionen konsequent hinterherhinkt.

Was manueller Verwaltung strukturell fehlt

Der Kontrast zwischen manueller Kampagnenverwaltung und KI-gesteuerter Optimierung ist in der Bürobranche besonders ausgeprägt. Die Gründe dafür sind vielfältig:

• Langsame Reaktionszeit: Manuelle Optimierung findet wöchentlich oder zweiwöchentlich statt. In einer Echtzeit-Google Ads-Auktion ist das zu langsam, um auf Verschiebungen im Suchverhalten oder Wettbewerbsdruck zu reagieren.
• Unvollständige Datenanalyse: Ein menschlicher Account-Manager kann nicht täglich Tausende von Suchanfragen, Hunderte von Anzeigenkombinationen und Dutzende von audience-Segmenten analysieren. KI tut dies kontinuierlich.
• Suboptimales Bidding: Manuelles Bid-Management führt zu Anpassungen auf Basis von Intuition oder begrenzten Datensätzen, anstatt auf allen verfügbaren Conversion-Daten zu basieren.
• Reaktiv, nicht proaktiv: Negative Keywords werden manuell hinzugefügt, nachdem Budget bereits verschwendet wurde; unser System erkennt und blockiert irrelevante Begriffe täglich, bevor sie nennenswerte Ausgaben verursachen.
• Keine Skalierungseffizienz: Eine Kampagne manuell zu erweitern erfordert zusätzliche Zeit und Ressourcen; mit AdBrains AI skaliert die Optimierung automatisch mit dem Kampagnenwachstum.

Häufig gestellte Fragen zur ROAS-Optimierung in Lead-Gen

Wie lange dauert es, von 3x auf 6x ROAS zu wachsen?

In dieser Fallstudie dauerte der Weg vier Quartale – ein volles Jahr. Die Wachstumsgeschwindigkeit hängt von drei Faktoren ab: der Qualität der bestehenden Kontostruktur, dem verfügbaren Conversion-Volumen (mehr conversions bedeutet schneller lernende Smart Bidding-Algorithmen) und dem Grad der server-side tracking-Implementierung. Bei Kampagnen, die bereits über ein starkes Fundament verfügen, sind signifikante ROAS-Verbesserungen manchmal schon nach zwei Quartalen sichtbar. Der erste Monat ist in der Regel der wirkungsvollste, da Tracking-Verbesserungen und negatives Keyword-Mining sofortige Effekte erzeugen.

Ist Target ROAS als Bidding-Strategie für alle Lead-Gen-Kampagnen geeignet?

Target ROAS funktioniert am besten, wenn ausreichend Conversion-Daten vorhanden sind (Richtwert: mindestens 30–50 conversions pro Monat und Kampagne) und jeder Conversion ein Wert zugewiesen wurde. Für Lead-Gen-Kampagnen bedeutet das, einen modellierten Wert pro Angebotseinreichung auf Basis der historischen Abschlussquote und des durchschnittlichen Vertragswerts zu definieren. Ohne diese Wertzuweisung ist Target Conversions oder Maximize Conversions ein besserer Ausgangspunkt. AdBrains AI hilft dabei, die richtigen Conversion-Werte zu definieren, und wechselt automatisch zwischen Bidding-Strategien basierend auf dem verfügbaren Conversion-Volumen.

Was sind die häufigsten Fehler bei der ROAS-Optimierung in Lead-Gen?

Die größte Falle ist die Optimierung auf Leads statt auf Lead-Qualität. Ein niedriger CPL klingt attraktiv, aber wenn Leads nicht zu Kunden konvertieren, ist der tatsächliche ROAS deutlich niedriger als der gemessene ROAS vermuten lässt. Deshalb ist es essenziell, CRM-Daten in Google Ads zurückzuspielen, damit der Smart Bidding-Algorithmus lernt, auf Leads zu optimieren, die tatsächlich zu Kunden werden. Ein zweiter häufiger Fehler ist das zu schnelle Anheben der Target ROAS-Ziele, was dazu führt, dass das System in einem zu engen Suchvolumen operiert und impressions verliert. AdBrains AI überwacht diesen Schwellenwert automatisch.

Wie funktioniert der Keyword Incubator in der Praxis?

Der Keyword Incubator ist eine separate Kampagne innerhalb des Google Ads-Kontos, die als Testumgebung für neue Keywords dient. Wenn unser Search-Term-Mining einen Begriff erkennt, der potenziell vielversprechend erscheint, aber keine bewährte Conversion-Historie hat, wird dieser Begriff als exact match- oder phrase match-Keyword mit begrenztem Budget zur Inkubatorkampagne hinzugefügt. Sobald er ausreichend Conversion-Daten aufgebaut hat und seine CPA- oder ROAS-Performance den definierten Schwellenwert überschreitet, migriert das Keyword automatisch in die Produktionskampagne. Das schützt die Performance der Hauptkampagne und ermöglicht gleichzeitig ein sicheres, datengesteuertes Wachstum des Keyword-Portfolios.