Drafts and Experiments: sichere Testumgebung für Live-Kampagnen im Jahr 2026

Jede Änderung, die direkt an einer Live-Kampagne vorgenommen wird, ist ein kalkuliertes Risiko. Sie passen eine Einstellung an und stellen erst im Nachhinein fest, ob die Auswirkung positiv oder negativ war. Für kleinere Werbetreibende ist dieses Risiko begrenzt, doch bei Kampagnen mit erheblichen Tagesbudgets können nicht validierte Änderungen die Performance deutlich beeinträchtigen. Genau deshalb hat Google Ads Drafts and Experiments entwickelt: eine vollständig integrierte Testumgebung, mit der Sie Kampagnenänderungen sicher validieren können, bevor diese live gehen. Dieser Artikel erklärt, was Drafts and Experiments sind, wie Sie sie effektiv einsetzen und wie AdBrains seine eigene KI-Technologie nutzt, um diesen Testprozess zu automatisieren und zu beschleunigen.

Was sind Drafts and Experiments in Google Ads?

Ein Draft ist eine Konzeptversion einer bestehenden Kampagne. Sie erstellen eine Kopie Ihrer Live-Kampagne, nehmen innerhalb dieser Kopie Änderungen vor und entscheiden dann, ob Sie diese Änderungen direkt auf die Live-Kampagne anwenden oder zunächst über ein Experiment validieren möchten. Ein Draft hat keinerlei Auswirkungen auf die Live-Kampagne; er ist rein ein sicherer Bearbeitungsbereich ohne Konsequenzen.

Ein Experiment ist der nächste Schritt: Sie aktivieren den Draft als parallele Kampagne, die einen Teil des Live-Traffics erhält. Dieser Traffic wird durch einen Traffic-Split aufgeteilt, bei dem Sie festlegen, welcher Prozentsatz der Nutzer die experimentelle Variante sieht und welcher Prozentsatz weiterhin die originale Kampagne angezeigt bekommt. Der am häufigsten verwendete Split ist 50/50, obwohl auch 70/30 oder 80/20 möglich sind, je nachdem, wie vorsichtig Sie die bestehende Performance schützen möchten.

Der große Vorteil dieses Ansatzes ist die Reinheit der Testumgebung. Da der Traffic-Split auf Cookie-Ebene erfolgt, sieht jeder Nutzer konsequent dieselbe Variante während seiner gesamten Sitzung und jeder anschließenden Retargeting-Periode. Dies verhindert, dass Ergebnisse dadurch verzerrt werden, dass derselbe Nutzer zu unterschiedlichen Zeitpunkten verschiedene Varianten sieht, was die Ergebnisse statistisch zuverlässiger macht als ein einfacher Wochenvergleich.

Was können Sie mit einem Experiment testen?

Google Ads Experiments sind auf eine breite Palette von Kampagnenelementen anwendbar. Die wertvollsten praktischen Anwendungen umfassen Folgendes:

• Smart Bidding-Strategie: Erwägen Sie den Wechsel von Target CPA zu Target ROAS oder von manuellem CPC zu einer automatisierten Smart Bidding-Strategie? Testen Sie es über ein Experiment, bevor Sie sich vollständig auf den Wechsel einlassen.
• Anzeigentext (RSA): Schalten Sie zwei Sets von Responsive Search Ads nebeneinander mit unterschiedlichen Headlines oder Beschreibungen, um festzustellen, welches den höchsten CTR und die höchste Conversion-Rate erzielt.
• Zielseiten-URL: Testen Sie, ob eine spezifische Produktseite, Kategorieseite oder dedizierte Landingpage für dieselben Keywords besser konvertiert.
• Keyword-Match-Type: Vergleichen Sie die Performance von broad match gegenüber phrase match oder exact match für dieselben Keywords, einschließlich der Auswirkungen auf Suchvolumen, CPC und Conversion-Qualität.
• Audience-Targeting: Fügen Sie der experimentellen Variante eine RLSA-audience hinzu und messen Sie, ob Gebotsanpassungen auf Basis früherer Website-Besuche den ROAS verbessern.
• Kampagnenstruktur: Testen Sie eine andere Anzeigengruppen-Organisation, beispielsweise stärker spezialisierte Anzeigengruppen pro Thema gegenüber breiteren, kombinierten Anzeigengruppen.

Für jede getestete Variable gilt dasselbe Prinzip: Die Live-Kampagne läuft ungestört weiter, während die experimentelle Version mit einem geteilten oder aufgesplitteten Budget parallel läuft. Sobald das Experiment statistisch signifikante Daten gesammelt hat, können Sie problemlos entscheiden, ob Sie die gewinnende Variante auf die Live-Kampagne anwenden oder das Experiment stoppen und die aktuellen Einstellungen beibehalten möchten.

Wann und für wen sind Experiments am wertvollsten?

Experiments sind besonders wirkungsvoll, wenn der Einsatz hoch und die Unsicherheit groß ist. Denken Sie an Kampagnen mit erheblichen Tagesbudgets, bei denen eine falsche Entscheidung unmittelbar den Cost-per-Lead oder den ROAS beeinflusst. Sie sind auch unverzichtbar bei der Einführung neuer Google Ads-Funktionen, beispielsweise beim Übergang zu einer Performance Max-Kampagne neben einer bestehenden Search-Kampagne, wo ein Experiment die nötige Sicherheit bietet, um verantwortungsvoll zu skalieren.

Für E-Commerce-Werbetreibende wie ToetsJeKennis.nl ist das Testen von Smart Bidding-Strategien über Experiments ein äußerst effektiver Ansatz. Wenn die Kampagne beispielsweise aktuell auf Target CPA mit stabilen Conversion-Kosten läuft, aber die Frage besteht, ob Target ROAS für einen Produktmix mit unterschiedlichen Margen besser geeignet sein könnte, kann ein Experiment diese Frage beantworten, ohne die bestehende stabile Performance zu gefährden. Für Lead-Generation-Kampagnen wie jene von Clima-Active.nl für Klimaanlagen- und Wärmepumpen-Installationen sind Experiments wertvoll, um die richtige Bidding-Strategie für qualitativ hochwertige Angebotsanfragen zu finden. Bei höherem CPL und erheblichen Margen pro Installation kann selbst eine kleine Verbesserung der Conversion-Rate einen großen Einfluss auf die Rentabilität haben.

So richten Sie ein Experiment korrekt ein

Die Einrichtung eines zuverlässigen Experiments erfordert einen strukturierten Ansatz. Die folgenden Schritte helfen Ihnen, einen vertrauenswürdigen Test zu erstellen:

1. Definieren Sie eine Testvariable: Testen Sie niemals mehrere Elemente gleichzeitig in einem Experiment. Wenn Sie sowohl die Bidding-Strategie als auch den Anzeigentext ändern, können Sie hinterher nicht mehr feststellen, welche Änderung die Ergebnisse beeinflusst hat.
2. Wählen Sie eine repräsentative Laufzeit: Ein Experiment benötigt mindestens zwei bis vier Wochen, um ausreichend Daten zu sammeln, abhängig vom Conversion-Volumen der Kampagne. Kürzere Tests liefern statistisch unzuverlässige Ergebnisse.
3. Legen Sie eine relevante primäre Kennzahl fest: Entscheiden Sie im Voraus, welcher KPI den Gewinner bestimmt: CPA, ROAS, CTR oder Conversion-Rate. Ändern Sie dieses Kriterium nicht während des Tests.
4. Verwenden Sie einen fairen Traffic-Split: Ein 50/50-Split ist am gerechtesten und erreicht am schnellsten statistische Signifikanz. Wenn Sie das Risiko für die Live-Kampagne begrenzen möchten, verwenden Sie 70 % Original und 30 % experimentelle Variante, beachten Sie jedoch, dass der Test länger braucht, um Signifikanz zu erreichen.
5. Stellen Sie genaues conversion tracking sicher: Experiments sind nur zuverlässig, wenn das conversion tracking korrekt eingerichtet ist. Verwenden Sie Enhanced Conversions und ziehen Sie server-side tracking in Betracht, um alle conversions so vollständig wie möglich zu erfassen.
6. Dokumentieren Sie Ihre Hypothese im Voraus: Halten Sie fest, warum Sie erwarten, dass die Variante besser abschneidet. Dies fördert klares Denken und hilft Ihnen, unabhängig vom Ergebnis aus dem Test zu lernen.

Der AdBrains KI-Ansatz: automatisiertes Experiment-Management

Bei AdBrains verwalten wir Google Ads-Kampagnen nicht manuell, sondern durch unsere eigene KI-Technologie, die täglich Dutzende von Optimierungsentscheidungen trifft und umsetzt. Experiments bilden dabei keine Ausnahme. Unsere KI integriert das Testen über Drafts and Experiments als strukturellen Bestandteil des Kampagnen-Lebenszyklus und liefert nachweislich schnellere und zuverlässigere Ergebnisse als ad-hoc-Tests durch einen menschlichen Kampagnenmanager.

Der Prozess beginnt mit unserem Multi-Agent-Verifizierungssystem. Jede Optimierungsentscheidung, einschließlich der Frage, ob ein Experiment gestartet werden soll, wird von vier unabhängigen KI-Agenten bewertet, bevor etwas ausgeführt wird. Dies verhindert, dass Experiments auf Basis unzureichender Daten oder einer falschen Hypothese eingerichtet werden. Die Agenten prüfen, ob das Conversion-Volumen für ein statistisch zuverlässiges Experiment hoch genug ist, ob die geplante Laufzeit realistisch ist und ob die Testvariable tatsächlich von anderen Kampagnenänderungen isoliert ist.

Unsere automatisierte tCPA/tROAS-Optimierung nutzt Experiments aktiv, um Wechsel der Bidding-Strategie sicher zu validieren. Wenn unsere KI erkennt, dass eine Kampagne bereit ist, von Target CPA zu Target ROAS zu skalieren, wird die Produktionskampagne nicht direkt geändert. Stattdessen wird automatisch ein Draft erstellt, ein Experiment mit einem vorher festgelegten Traffic-Split aktiviert und die Ergebnisse werden täglich überwacht. Sobald statistische Signifikanz erreicht ist und die experimentelle Variante die festgelegten Performance-Standards erfüllt, wendet unsere KI die gewinnende Variante automatisch auf die Live-Kampagne an. Große strategische Wechsel werden damit auf Basis von Daten, nicht von Intuition, durchgeführt.

Für den Keyword Incubator gilt eine ähnliche Logik. Neue Keywords werden zunächst sicher in einer separaten Inkubatorkampagne getestet, bevor sie in die Produktionskampagne übernommen werden. Dies ist im Wesentlichen ein Experiment auf Keyword-Ebene: Wenn neue Keywords hinsichtlich CPA oder ROAS ausreichend performen, werden sie automatisch übertragen. Wenn ein Keyword unterdurchschnittlich abschneidet, wird es pausiert oder als negatives Keyword hinzugefügt. Dies reduziert das mit der Einführung neuer Keywords verbundene Risiko erheblich.

Für Kunden wie E-4motion.com, dem Webshop für neue elektrische Faltfahrräder, und LeroyBrouwer.nl bedeutet dies, dass Kampagnen-Experiments nicht von der Verfügbarkeit oder Expertise eines menschlichen Kampagnenmanagers abhängig sind. Die KI läuft kontinuierlich, identifiziert Testmöglichkeiten, führt diese strukturiert durch, interpretiert die Ergebnisse und wendet sie auf Basis von Daten an oder verwirft sie. Dies schafft einen schnelleren Iterationszyklus und damit eine schnellere Kampagnenverbesserung, ohne die Risiken nicht validierter Live-Änderungen.

Häufige Fehler beim Einsatz von Experiments

Trotz der Stärke dieses Tools tauchen in der Praxis immer wieder dieselben Fehler auf, die den Wert von Experiments untergraben. Die häufigsten sind nachfolgend aufgeführt:

• Laufzeit zu kurz: Ein fünftägiges Experiment liefert selten statistisch signifikante Ergebnisse, insbesondere für Kampagnen mit bescheidenem Conversion-Volumen. Geduld ist eine Grundvoraussetzung.
• Mehrere Variablen gleichzeitig testen: Wenn Sie sowohl die Bidding-Strategie als auch die Landingpage in der experimentellen Variante ändern, ist es unmöglich festzustellen, welches Element den Unterschied verursacht hat.
• Keine vordefinierten Erfolgskriterien: Ohne vorab festgelegte KPIs und Schwellenwerte besteht eine starke Versuchung, das Experiment zu stoppen, sobald die gewünschte Richtung erkennbar ist, auch wenn diese statistisch nicht belegt ist.
• Experiments nicht überwachen: Ein Experiment, das Monate nach Erreichen der Signifikanz weiterläuft, verschwendet Budget und verzögert die Umsetzung von Verbesserungen.
• Fehlende Dokumentation: Ohne die Aufzeichnung von Hypothese, Ergebnissen und Schlussfolgerungen lernt das Team nichts aus dem Test, und es besteht das Risiko, dass derselbe Test in der Zukunft erneut durchgeführt wird.

Übersicht: Was können Sie mit Drafts and Experiments testen?

Die obige Tabelle gibt einen realistischen Überblick über die häufigsten Experiment-Anwendungen in Google Ads Search- und Shopping-Kampagnen. Die Laufzeiten sind Richtwerte; Kampagnen mit hohem Conversion-Volumen erreichen statistische Signifikanz schneller, während Kampagnen mit weniger conversions mehr Zeit benötigen.

Häufig gestellte Fragen zu Drafts and Experiments

Was ist der Unterschied zwischen einem Draft und einem Experiment in Google Ads?

Ein Draft ist eine Konzeptversion einer bestehenden Kampagne und dient als Bearbeitungsbereich ohne jegliche Auswirkung auf die Live-Kampagne. Sie können einen Draft jederzeit erstellen, bearbeiten und löschen, ohne Ihre laufenden Kampagnen zu beeinflussen. Ein Experiment ist die Aktivierung eines Drafts als parallele Kampagnenversion, die einen Teil des Live-Traffics auf die experimentelle Variante umleitet. Die Experiment-Version läuft tatsächlich live, jedoch nur für den konfigurierten Prozentsatz des Traffics. Zusammen bilden beide Tools die strukturierte Test-Infrastruktur von Google Ads.

Wie viel Budget verbraucht ein Experiment?

Bei einem 50/50-Split teilt sich das Experiment das Budget der ursprünglichen Kampagne. Google verteilt das gesamte verfügbare Budget auf beide Varianten gemäß dem konfigurierten Traffic-Split. Das bedeutet, dass Sie kein zusätzliches Budget für ein Experiment reservieren müssen, aber jede Variante im Durchschnitt die Hälfte des normalen Budgets erhält. Bei Kampagnen mit einem begrenzten Budget kann dies die Zeit verlängern, die benötigt wird, um statistische Signifikanz zu erreichen. Erwägen Sie eine vorübergehende Budgeterhöhung während des Experiments oder entscheiden Sie sich für einen kürzeren, aber fokussierteren Test mit einem klar messbaren primären KPI.

Kann ich die gewinnende Variante automatisch übernehmen?

Ja. Nach Abschluss eines Experiments bietet Google Ads die Möglichkeit, die gewinnende Variante direkt auf die ursprüngliche Kampagne anzuwenden. Dies funktioniert reibungslos für die meisten Elementtypen, die über das Draft-Framework getestet werden. Für komplexe Änderungen wie eine vollständige Umstrukturierung von Anzeigengruppen kann eine manuelle Implementierung nach wie vor erforderlich sein. AdBrains AI überwacht kontinuierlich die Experiment-Ergebnisse und initiiert die Übernahme der gewinnenden Variante, sobald statistische Signifikanz erreicht ist, wobei stets eine zusätzliche Verifizierungsrunde durch unser Multi-Agent-System durchgeführt wird, bevor die Änderung dauerhaft angewendet wird.

Wie lange muss ein Experiment laufen, um zuverlässige Ergebnisse zu liefern?

Ein zuverlässiges Experiment benötigt mindestens zwei Wochen, und bei Kampagnen mit geringerem Conversion-Volumen sind vier bis sechs Wochen realistischer. Die Faustregel der Branche besagt, dass Sie mindestens dreißig conversions pro Variante benötigen, um statistische Signifikanz zu erreichen. Google Ads selbst zeigt in der Experiment-Oberfläche einen Hinweis auf die statistische Zuverlässigkeit an, ausgedrückt als Prozentsatz. Erst wenn dieser Prozentsatz 95 % übersteigt, sollten Sie die Ergebnisse als statistisch signifikant betrachten und eine fundierte Schlussfolgerung ziehen. Stoppen Sie ein Experiment niemals vorzeitig auf Basis eines Zwischentrends, da dies zu falsch-positiven Schlussfolgerungen führt.