Anwendungsbereich

• Primär: Konten mit aktiver AI-Ads-Pipeline (Make-AI-Agent mit Gemini/OpenAI, Google Ads API)
• Output-Typ: AI-Anzeigenalternativen für RSAs und Asset Groups – auf pausiert hochgeladen, manuell aktiviert
• Voraussetzung: „Conversion-Wert maximieren“ als Gebotsstrategie, idealerweise mit CRM-Offline-Conversion-Export
• Rhythmus: Monatlich – als Teil des Pipeline-Prozesses

Strategische Begründung

Warum Frameworks überhaupt?

Ohne Frameworks reproduziert ein AI-Agent die Vergangenheit. Die Pipeline produziert Monat für Monat Varianten desselben Themas. Frameworks zwingen den Agenten in jeweils klar definierte Perspektiven – jede Perspektive liefert systematisch andere Anzeigentexte und damit echte Variation.

Sechs Cluster statt unzähliger Frameworks

In der Praxis haben sich sechs Obercluster als die wirkungsvollsten herauskristallisiert. Jeder Cluster bildet einen eigenen Strang in der Pipeline.

Scoring-Pre-Selection als Qualitätsfilter

Jeder Framework-Strang produziert nicht direkt die finale Anzeige, sondern lässt den Agenten zuerst mehrere Varianten bilden (10 Angles, 10 Hooks, 10 Sub-Audiences). Diese werden mit Score 1–10 bewertet. Nur die Top-Variante geht in die finale Asset-Generierung. Ohne expliziten Konservativ-Prompt bewerten Agenten ihre eigenen Outputs immer mit 9/10 oder 10/10.

Übersicht der sechs Framework-Cluster

Nr.	Cluster	Kern-Perspektive
01	Business Frameworks	Strukturelle Verkaufsmodelle (PAS, MVP Pivots, Blue Ocean) und psychologische Typologien (DISG, Big Five / OCEAN)
02	Copywriting Frameworks	Headline-Typen: Vorteil, Beweis, Dringlichkeit, Paradox, Neugier, Einzigartigkeit, Frage
03	Market Sophistication	Vorwissens-Niveau der Zielgruppe – passende Tiefe der Ansprache je Lifecycle Stage
04	Lifecycle Stages	Direkte Ansprache von MQL, SQL, Opportunity, Customer aus dem CRM – inkl. Upsell
05	Angles	Customer Pain Point × Solution Frame – aus Angles-Detection-SOP
06	Sub-Audiences	Unterzielgruppen pro Offer – jede Sub-Audience erhält eigene Ansprache

Detail-Setup pro Framework-Cluster

01 – Business Frameworks

• PAS (Problem, Agitate, Solution): Top-Performer – Problem benennen, verstärken, lösen
• MVP Pivots: Minimal-Variation des Kern-Offers
• Blue Ocean Strategy: Unbesetzte Marktpositionen
• DISG-Grundtypen: Verhaltenstypen (dominant, initiativ, stetig, gewissenhaft)
• Big Five / OCEAN: Persönlichkeitsdimensionen
• Hinweis: Nur lizenzfreie Frameworks verwenden

02 – Copywriting Frameworks

• Vorteilsüberschrift: Konkreten Nutzen ins Zentrum
• Beweisüberschrift: Daten, Zahlen, Referenzen
• Dringlichkeitsüberschrift: Zeitliche Knappheit
• Paradoxüberschrift: Erwartungsbruch
• Neugierüberschrift: Lücke öffnen
• Einzigartigkeitsüberschrift: Was es nur hier gibt
• Fragehook: Direkte Frage an den Nutzer
• Praxiswert: Frage- und Vorteilshooks am prominentesten, Dringlichkeit an dritter Stelle

03 – Market Sophistication

• Niedrig: Erklärt Grundbegriffe – Top-of-Funnel
• Mittel: Setzt Basiswissen voraus, vergleicht Lösungen – Middle-of-Funnel
• Hoch: Spricht Branchen-Insider an – Bottom-of-Funnel und Customer-Reaktivierung

04 – Lifecycle Stages

• Lead / Prospect: Erste Ansprache, Pain Point benennen
• MQL: Vertiefung, Solution vorstellen
• SQL: Vertrauen, Sicherheit, nächster Schritt
• Opportunity: Aktive Kaufphase, Hindernisse adressieren
• Customer: Upsell, Cross-Sell, zusätzliche Offers
• Praxiswert: MQLs und Prospects sind die am stärksten ansprechbaren Stages

05 – Angles

• 10 neue Angles pro Offer und Monat (aus Angles-Detection-SOP)
• Beispiele Immobilienbewertung: „Preiskorrekturen prüfen“, „Nicht unter Wert verkaufen“, „Bewertung für Erbschaftsplanung“, „Bauvorhaben in der Nachbarschaft“
• Praxiswert: Preiskorrekturen-Angle hat in Immobilien am stärksten performt

06 – Sub-Audiences

• Beispiele: Vermögensplaner, Erbschaftler, Familiengründer, Kapitalanleger, Selbstnutzer
• Wohneigentümer in Metropolregionen, verkaufsbereite Eigentümer
• Praxiswert: Wohneigentümer in Metropolregionen und verkaufsbereite Eigentümer als stärkste Sub-Audiences in Immo-Leadgenerierung

Scoring-Pre-Selection (Pflicht-Mechanismus)

Ablauf der Pre-Selection

1. Generierung: Agent produziert 10 Varianten

2. Konservative Bewertung: Agent bewertet jede Variante mit Score 1–10, explizit streng

3. Auswahl: Variante mit dem höchsten Score wird ausgewählt

4. Finale Generierung: Auf Basis der Top-Variante wird die AI-Anzeige erstellt

Konservativitäts-Prompt (Pflicht-Formulierung)

> „Bewerte die folgenden Varianten so streng und konservativ, als hinge das Schicksal des Unternehmens von dieser Bewertung ab. Vergib nur in absoluten Ausnahmefällen Werte über 8.“

Ohne expliziten Konservativ-Hinweis bewerten AI-Agenten ihre eigenen Outputs durchgehend mit 9 oder 10 von 10 – das macht die Pre-Selection wertlos.

Voraussetzungen

• Make-AI-Agent mit Gemini oder OpenAI verbunden
• Google Ads API für Pull der Bestandsanzeigen UND Push der pausierten Alternativen
• Conversion-Wert-Hierarchie aktiv
• CRM-Offline-Conversion-Export aktiv (für Lifecycle-Stages-Cluster)
• Angles-Detection-Output als Input
• Review-Workflow: Anzeigen IMMER auf pausiert hochladen, manuelle Aktivierung
• Naming-Convention: Framework-Name UND Top-Score-Variante im Asset-Namen
• Konversations-Verlauf des Agenten verfügbar (vermeidet Wiederholungen)

Prozessablauf

Schritt 1 – Input-Material zusammenstellen

• Bestandsanzeige via Google Ads API pullen
• Freigegebene Angles aus Angles-Detection übernehmen
• Conversion-Wert-Hierarchie und CRM-Lifecycle-Stages laden
• Konversations-Verlauf der Vormonate aktivieren

Schritt 2 – Framework-Cluster pro Lauf festlegen

• Pro Monatslauf alle sechs Cluster aktivieren – nicht nur einer
• Jeder Cluster bekommt eigene Systeminstruktion

Schritt 3 – Pre-Selection pro Cluster

• Agent generiert 10 Varianten
• Konservativer Scoring-Prompt aktivieren
• Top-Variante wird ausgewählt

Schritt 4 – Finale Asset-Generierung

• Auf Basis der Top-Variante: Headlines, Descriptions, Long Headlines
• Zeichenlimits: 30 Headlines, 90 Descriptions
• Naming-Convention setzen

Schritt 5 – Upload als pausiert (Pflicht)

• Agent stellt Anzeigenalternative via API auf pausiert
• Niemals automatisch live setzen

Schritt 6 – Review & Aktivierung

• Markenkonformität, Faktentreue, rechtliche Compliance prüfen
• Geprüfte Varianten aktivieren

Schritt 7 – Aggregation nach 14 Tagen

• Performance pro Cluster auswerten
• Welcher Cluster lieferte die meisten/günstigsten Leads?
• Erkenntnisse pro Branche dokumentieren

Schritt 8 – Übergabe an Budget-Shifting

• Top-Performer-Cluster identifizieren
• Übergabe an Budget-Shifting-SOP

Aggregations-Logik

Über Monate entsteht eine wachsende Wissensbasis:

• Pro Cluster: Welche Top-Variante hat im Monat X gewonnen?
• Pro Branche: Welche Cluster sind typischerweise stark? (z. B. PAS in Immobilien)
• Pro Konto: Welche Sub-Audiences haben am besten konvertiert?
• Nutzung: Aggregation fließt im Folgemonat als Kontext zurück

Qualitätskriterien

• Alle sechs Cluster aktiv – kein Auslassen
• Pre-Selection mit Konservativ-Prompt: Pflicht in jedem Cluster
• Pausiert-Upload: Niemals automatische Aktivierung
• Konversations-Verlauf vorhanden
• Naming-Convention sauber
• Aggregation dokumentiert
• Verzahnung mit Pipeline: Input von Angles Detection, Output an Budget-Shifting

Troubleshooting

Problem	Lösung
Pipeline liefert ähnliche Anzeigen wie im Vormonat	Konversations-Verlauf prüfen, alte Outputs als Negativliste
Scoring vergibt durchgehend 9–10 von 10	Konservativ-Prompt fehlt – Pflicht-Wortlaut einsetzen
Anzeigen wurden versehentlich aktiviert	API-Anweisung muss zwingend auf „paused“ stehen
Lifecycle-Stages-Cluster produziert nichts	CRM-Offline-Conversion-Export prüfen
Performance pro Cluster nicht zuordenbar	Naming-Convention im Asset-Namen sichtbar machen
Business-Frameworks wirken schablonenhaft	Prompt schärfen – Anzeige konkret durch das Framework durchführen lassen
Sub-Audiences immer dieselben	Online-Suche / Grounding-Modul aktivieren