Similar Audiences und Lookalikes nach der Abschaltung: Neue Zielgruppen finden in 2026

Im Jahr 2023 hat Google Similar Audiences dauerhaft aus Google Ads entfernt – eines der meistgenutzten Targeting-Features der Plattform. Für viele Werbetreibende fühlte sich das an wie der Verlust eines entscheidenden Wettbewerbsvorteils: die Fähigkeit, automatisch neue Nutzer zu erreichen, die ihren bestehenden Kunden stark ähneln. Im Jahr 2026 hat sich die Lage beruhigt, und die Realität ist differenzierter als viele damals befürchtet hatten. Robuste Alternativen existieren, erfordern jedoch ein anderes Mindset, eine stärkere Investition in First-Party-Daten und eine intelligentere Nutzung von Smart Bidding und audience signals. Dieser Artikel erklärt, was sich verändert hat, welche Strategien heute am besten funktionieren und wie AdBrains seine eigene KI-Technologie einsetzt, um die durch Similar Audiences hinterlassene Lücke automatisch zu schließen.

Was waren Similar Audiences und warum wurden sie abgeschaltet?

Similar Audiences, auch Lookalike Audiences genannt, waren ein Google Ads-Feature, das automatisch neue Nutzer identifizierte, die Besuchern oder Kunden in einer bestehenden remarketing-Liste stark ähnelten. Werbetreibende luden eine Kundenliste hoch oder verbanden eine Website-Zielgruppe als „Seed", und Google generierte eine vergleichbare Zielgruppe auf Basis von Verhaltensmustern, Suchanfragen und demografischen Daten. Dies machte Prospecting – also das Erreichen von Menschen, die die Marke noch nicht kannten – deutlich einfacher.

Die Abschaltung im Jahr 2023 war für Branchenkenner keine Überraschung. Wachsender Druck durch Datenschutzgesetzgebung, die Abkehr von Third-Party-Cookies und Googles eigene Privacy-Sandbox-Initiativen machten die Pflege solcher Audience-Modelle aus technischer und regulatorischer Sicht zunehmend komplex. Google entschied sich, die Logik hinter Similar Audiences in umfassendere automatisierte Systeme wie Performance Max (PMax) und Optimized Targeting zu integrieren, anstatt sie als eigenständige, transparente Audience-Schicht anzubieten.

Für Werbetreibende, die ihre Prospecting-Strategie stark auf Similar Audiences stützten, bedeutete dies eine erhebliche Umstellung. Die aktuellen Alternativen bieten jedoch – richtig konfiguriert – mehr Reichweite und Präzision als die alten Lookalikes jemals konnten.

Die besten Alternativen zu Similar Audiences im Jahr 2026

Damals vs. heute: Zielgruppenstrategie in Google Ads

Von Similar Audiences zu KI-gesteuerten Alternativen

Vor der Abschaltung (bis 2023)

• Similar Audiences als fertige Segmente
• Manuelle Zuweisung von Listen zu Kampagnen
• Beschränkt auf First-Party-Seed-Liste
• Statische Audience-Segmente
• Kein automatisches Profil-Refreshing
• Abhängig von Third-Party-Cookies

Nach der Abschaltung: KI-Alternativen (2026)AdBrains AI

• Optimized Targeting & audience signals in PMax
• Smart Bidding gesteuert durch Conversion-Profil
• Customer Match mit First-Party-Daten als Signal
• Dynamische, selbstlernende Audience-Segmente
• Automatisch wöchentlich aktualisierte Zielgruppen
• Server-side First-Party-Signal-Anreicherung

Die Abschaltung von Similar Audiences zwang Werbetreibende dazu, ihre Zielgruppenstrategie grundlegend zu überdenken. Wer den Übergang intelligent gestaltet hat, profitiert heute von einem robusteren Ansatz, der weniger von Cookies abhängt und stärker von eigenen Daten und Machine Learning getrieben wird. Die wirkungsvollsten Alternativen sind nachfolgend aufgeführt.

• Customer Match: Laden Sie First-Party-Kundendaten (E-Mail-Adressen, Telefonnummern, Postadressen) in Google Ads hoch. Google gleicht diese Daten mit eingeloggten Nutzern ab und kann das Signal als Input für Smart Bidding und Optimized Targeting verwenden. Je umfangreicher und aktueller Ihre Kundenliste, desto stärker das Signal.
• Optimized Targeting in Performance Max: PMax nutzt Googles gesamte Machine-Learning-Kapazität, um neue konvertierende Nutzer über die angegebenen audience signals hinaus zu finden. Das System lernt, welche Profile am wertvollsten sind, basierend auf tatsächlichen conversions – ähnlich wie Similar Audiences, aber vollständig automatisiert und datenschutzkonform.
• Broad match kombiniert mit Smart Bidding: Broad-match-Keywords geben Googles Bidding-Algorithmus die Freiheit, relevante Anfragen zu erreichen, die phrase match oder exact match verpassen würden. In Kombination mit Target ROAS oder Target CPA optimiert Smart Bidding auf Wert statt auf Volumen.
• RLSA (Remarketing Lists for Search Ads): Das Verknüpfen von remarketing-Listen mit Suchanzeigen ermöglicht es, Gebote und Anzeigentexte für Nutzer anzupassen, die die Marke bereits kennen – ohne neue Zielgruppen aufbauen zu müssen.
• In-market- und Affinity-Zielgruppen: Googles eigene Audience-Segmente auf Basis aktuellen Suchverhaltens stehen weiterhin als Targeting-Schicht für Display-, YouTube- und Discovery-Kampagnen zur Verfügung.
• Server-side tracking und Enhanced Conversions: Bessere conversion signals geben Smart Bidding zuverlässigere Daten zur Optimierung, was indirekt auch die Audience-Optimierung stärkt.

Der Schlüssel liegt nicht in einer einzigen Alternative, sondern in der Kombination. Werbetreibende, die Customer Match, Optimized Targeting und Smart Bidding in eine kohärente Strategie integrieren, erzielen die stärksten Ergebnisse. Das erfordert kontinuierliche Datenaktualisierung, ein korrektes Tracking-Setup und ein gutes Verständnis davon, welche Signale dem Algorithmus zugeführt werden.

Wirksamkeit im Vergleich: Welche Strategie funktioniert am besten?

Wirksamkeit von Zielgruppenstrategien nach der Abschaltung

Durchschnittliche Verbesserung der Conversion Rate vs. keine Zielgruppenstrategie

Customer Match + Smart Bidding

34%

Optimized Targeting (PMax)

29%

RLSA + broad match Kombination

26%

In-market audiences (manuell)

18%

Nur demografisches Targeting

9%

Benchmark-Daten von Werbetreibenden, die nach der Abschaltung von Similar Audiences aktiv verschiedene Strategien getestet haben, zeigen, dass Customer Match kombiniert mit Smart Bidding die stärksten Ergebnisse liefert – mit einer durchschnittlich 34% höheren Conversion Rate im Vergleich zu Kampagnen ohne jegliche Zielgruppenstrategie. Optimized Targeting innerhalb von PMax folgt mit einer Verbesserung von 29%, während die Kombination aus RLSA und broad match für eine um 26% höhere Conversion Rate sorgt. Demografisches Targeting allein, ohne jegliche Audience-Schicht, schneidet am schlechtesten ab.

Dies unterstreicht einen grundlegenden Wandel: Die beste Zielgruppenstrategie im Jahr 2026 besteht nicht mehr darin, manuell auszuwählen, wen man erreichen möchte, sondern darin, der Plattform die reichhaltigsten möglichen Signale bereitzustellen, damit der Algorithmus selbst die wertvollsten Nutzer identifiziert. Similar Audiences waren im Wesentlichen eine frühe, manuelle Annäherung an das, was heute vollständig automatisiert und effektiver funktioniert.

First-Party-Daten als neues Fundament

Die Abschaltung von Similar Audiences macht eines unmissverständlich klar: Werbetreibende, die in First-Party-Daten investieren, sind im Jahr 2026 in einer grundlegend stärkeren Position. First-Party-Daten – Informationen, die Sie selbst über Ihre Website, Ihr CRM, Ihre E-Mail-Plattform oder Ihr Kundenportal sammeln – sind zum wertvollsten Asset in einer cookiefreien Werbewelt geworden.

Für einen E-Commerce-Anbieter wie ToetsJeKennis.nl bedeutet das, dass jeder Kunde, der ein Online-Prüfungspaket oder einen Kurs kauft, zu einem Datenpunkt wird, der über Customer Match zurück in Google Ads eingespeist werden kann. Durch das regelmäßige Hochladen aktualisierter Kundensegmente – beispielsweise alle, die in den letzten 90 Tagen einen Kauf getätigt haben – gibt man Smart Bidding ein starkes Signal darüber, welcher Nutzertyp konvertiert. Google nutzt dies nicht nur für remarketing, sondern auch als Ankerpunkt, um innerhalb von PMax-Kampagnen ähnliche neue Nutzer zu finden.

Für einen Lead-Generation-Kunden wie Clima-Active.nl, der im Bereich Klimaanlagen- und Wärmepumpeninstallationen tätig ist, gilt dasselbe Prinzip. Kontaktdaten von Personen, die eine Angebotsanfrage gestellt haben, werden über Customer Match zurück in Google Ads gespiegelt. Das Ergebnis: Smart Bidding lernt, welches Such- und Klickverhalten einer hochwertigen Angebotsanfrage vorausging, und bietet in neuen Kampagnen aggressiver auf ähnliche Signale.

Wie AdBrains KI dies automatisiert

Der manuelle Ansatz im Audience-Management – Listen hochladen, Segmente erstellen, RLSA-Verbindungen pflegen, Customer-Match-Dateien aktuell halten – ist zeitaufwendig und fehleranfällig. Genau hier macht AdBrains' eigene KI-Technologie einen strukturellen Unterschied.

AdBrains hat ein vollständig automatisiertes Audience-Management-System entwickelt, das PROD-Audiences, Incubator-Audiences und RLSA-Audiences wöchentlich automatisch erstellt, aktualisiert und mit den richtigen Kampagnen verknüpft. Neue Besucher, Käufer und Leads werden kontinuierlich auf Basis von Verhalten und Conversion-Status segmentiert, ohne dass Account Manager manuellen Aufwand investieren müssen. Dies gewährleistet stets aktuelle Audience-Listen, die als starke Signale für Smart Bidding dienen.

Darüber hinaus setzt AdBrains eine eigene sGTM-Infrastruktur für die serverseitige Signalanreicherung ein. Diese reichert conversion signals mit First-Party-Daten an – wie CRM-Informationen und Kundenwert – bevor sie an Google Ads übermittelt werden. Werbetreibende, die Enhanced Conversions über AdBrains' server-side-Setup nutzen, verzeichnen im Durchschnitt 28% mehr getrackte conversions, was Smart Bidding ein deutlich reichhaltigeres Signal zur Optimierung liefert.

AdBrains' Multi-Agent-Verifizierungssystem stellt sicher, dass jede Änderung in der Audience-Konfiguration – ob eine neue RLSA-Verknüpfung, ein Customer-Match-Upload oder eine Anpassung von audience signals in PMax – von vier unabhängigen KI-Agenten geprüft wird, bevor sie live geht. Dies verhindert strukturell Fehler wie das versehentliche Ausschließen einer wertvollen Audience-Schicht oder die Verknüpfung der falschen Liste mit einer Kampagne.

Für E-4motion.com, den Online-Shop für neue elektrische Faltfahrräder, bedeutet das in der Praxis: Besucher, die eine bestimmte Fahrzeugkategorie durchgesehen haben, werden automatisch in dynamische RLSA-Listen segmentiert. Personen, die eine Probefahrt angefragt haben, werden in eine separate Audience für die Lead-Generation-Optimierung eingruppiert, während frühere Käufer als Customer-Match-Signal für PMax-Kampagnen genutzt werden, die neue Kunden mit einem ähnlichen Profil ansprechen. All das geschieht ohne manuelle Eingriffe und wird wöchentlich automatisch durch die AdBrains KI aktualisiert.

AdBrains KI-Audience-Management: wichtige KPIs

Durchschnittliche Ergebnisse für Kunden mit automatisiertem Audience-Management

+34%

höhere Conversion Rate mit Customer Match + Smart Bidding

Wöchentlich

automatisches Refresh von PROD-, Incubator- und RLSA-Audiences

+28%

mehr getrackte conversions nach serverseitiger Signalanreicherung

4x

schnellerer Aufbau von Zielgruppen per KI vs. manuelles Management

Praktische Schritte für Werbetreibende ohne AdBrains-Automatisierung

Verwalten Sie Ihr Google Ads-Konto noch manuell? Dies sind die Schritte, die Sie jetzt unternehmen müssen, um die fehlenden Similar Audiences so effektiv wie möglich zu kompensieren.

1. Audit Ihrer First-Party-Datenquellen: Welche Kunden- oder Lead-Daten haben Sie in Ihrem CRM, Ihrer E-Mail-Plattform oder Ihrem POS-System verfügbar? Ermitteln Sie, welche Daten Sie für Customer Match exportieren können.
2. Customer Match einrichten und Listen aktuell halten: Laden Sie monatlich, idealerweise wöchentlich, eine aktualisierte Kundenliste in Google Ads hoch. Maximieren Sie die Match Rate, indem Sie E-Mail-Adressen, Namen und Postleitzahlen einbeziehen.
3. Optimized Targeting in PMax aktivieren: Stellen Sie sicher, dass Ihre PMax-Kampagnen audience signals auf Basis Ihrer Customer-Match-Listen und remarketing-Zielgruppen enthalten. Dies hilft dem System, schneller die richtigen Profile zu finden.
4. Broad match mit Target ROAS oder Target CPA kombinieren: Geben Sie Smart Bidding durch den Einsatz von broad match den Spielraum, neue Nutzer zu finden, steuern Sie aber durch das Setzen einer konkreten Bidding-Strategie auf Wert.
5. Enhanced Conversions implementieren: Übermitteln Sie First-Party-Conversion-Daten (gehashte E-Mail-Adressen bei Kauf oder Formularabgabe) an Google Ads für ein reichhaltigeres conversion signal.
6. Suchbegriffe aktiv überwachen: Ohne den Schutz von Similar Audiences als definierte Audience-Schicht ist ein proaktives Negativ-Keyword-Management wichtiger denn je, um zu verhindern, dass Budget in irrelevante Anfragen fließt.

Vergleich: Lookalikes versus moderne Alternativen

Die Tabelle zeigt, dass moderne Alternativen die ursprünglichen Similar Audiences in nahezu jeder Dimension übertreffen – vorausgesetzt, der Werbetreibende ist bereit, in hochwertige First-Party-Daten und ein korrektes technisches Setup zu investieren. Der Übergang erfordert anfänglichen Aufwand, aber die langfristigen Performance-Gewinne machen ihn absolut lohnenswert.

Die Rolle von Performance Max in der neuen Zielgruppenstrategie

Performance Max ist im Jahr 2026 der zentrale Kampagnentyp, innerhalb dessen Googles Lookalike-Logik weiterlebt – wenn auch vollständig automatisiert und für den Werbetreibenden unsichtbar. PMax-Kampagnen analysieren kontinuierlich, welche Nutzerprofile konvertieren, und erweitern ihre Reichweite auf ähnliche Profile durch Googles eigene Audience-Modelle. Dies ist im Wesentlichen eine fortschrittlichere Version von Similar Audiences, angetrieben von mehr Daten und ausgefeiltererem Machine Learning.

Die Qualität Ihrer PMax-Kampagnen hängt jedoch vollständig von der Qualität der audience signals ab, die Sie bereitstellen. Eine Kampagne ohne Signale lernt langsam und kann während der Lernphase erhebliches Budget für nicht konvertierende Nutzer verschwenden. Eine Kampagne mit umfangreichen Customer-Match-Listen und conversion-fokussierten RLSA-Audiences als Signale lernt exponentiell schneller und erreicht die richtigen Profile deutlich früher.

Für HACCP-cursus.com, das Online-Lebensmittelsicherheitskurse anbietet, bedeutet das: Eine PMax-Kampagne, die mit Customer-Match-Daten früherer Kursteilnehmer gefüttert wird – kombiniert mit audience signals auf Basis von In-market-Segmenten für berufliche Weiterbildung – findet neue relevante Käufer deutlich schneller als eine Kampagne, die von Grund auf neu startet.

Häufige Fragen zu Similar Audiences und den Alternativen

Sind Similar Audiences dauerhaft aus Google Ads verschwunden?

Ja. Google hat Similar Audiences im August 2023 dauerhaft aus allen Kampagnentypen in Google Ads entfernt. Bestehende Audiences wurden automatisch deaktiviert. Die zugrunde liegende Logik ist seitdem vollständig in Optimized Targeting innerhalb von Performance Max und in Smart-Bidding-Algorithmen aufgegangen – als eigenständiges, sichtbares Audience-Segment existieren Similar Audiences jedoch nicht mehr.

Ist Customer Match ein vollständiger Ersatz für Similar Audiences?

Customer Match ist kein direkter Eins-zu-Eins-Ersatz, funktioniert aber als leistungsstarke Alternative, wenn es mit Smart Bidding und PMax kombiniert wird. Während Similar Audiences automatisch ein Lookalike-Segment generierten, nutzen Sie Customer Match als Signal, das es dem Algorithmus ermöglicht, ähnliche Nutzer selbst zu identifizieren und zu erreichen. Die Ergebnisse sind vergleichbar oder besser, erfordern jedoch aktuelle und reichhaltige First-Party-Daten vom Werbetreibenden. Je häufiger Sie Ihre Listen aktualisieren und je höher die Match Rate, desto stärker das Signal.

Ersetzt Optimized Targeting in PMax Lookalikes?

Ja, Optimized Targeting ist der direkteste funktionale Nachfolger von Similar Audiences. Das System sucht aktiv über die angegebenen audience signals hinaus nach neuen Nutzern, die wahrscheinlich konvertieren – basierend auf Verhaltensmustern und Conversion-Daten. Der Vorteil gegenüber den alten Lookalikes besteht darin, dass Optimized Targeting kontinuierlich lernt und sich an aktuelle conversion signals anpasst, während Similar Audiences ein eher statisches Profil verwendeten. Der Nachteil ist, dass Sie weniger direkten Einfluss darauf haben, wen das System anspricht.

Wie stelle ich sicher, dass meine Smart-Bidding-Strategie ohne Similar Audiences die richtigen Zielgruppen findet?

Der effektivste Ansatz basiert auf drei Säulen. Erstens: Sorgen Sie für reichhaltige und aktuelle conversion signals durch korrektes conversion tracking, Enhanced Conversions und idealerweise server-side tracking. Zweitens: Laden Sie regelmäßig aktualisierte Customer-Match-Listen hoch, damit Smart Bidding ein starkes Profil davon hat, wie Ihr wertvoller Kunde aussieht. Drittens: Nutzen Sie audience signals in PMax auf Basis Ihrer besten Kundensegmente und remarketing-Listen. Kombinieren Sie dies mit broad match für Suchanzeigen, damit der Algorithmus ausreichend Spielraum hat, neue relevante Anfragen zu entdecken und zu konvertieren.