Anwendungsbereich

• Primär: Performance-Max-Kampagnen (Asset Groups)
• Sekundär: Responsive Suchanzeigen (Ad Groups)
• Voraussetzung: Abgeschlossene Angles Detection (Top-Customer-Pain-Points + Solution Frames pro Offer)
• Kampagnenstruktur: Massiv konsolidiert – bei granularer Struktur NICHT anwendbar
• Volumen: Bis zu 2.500 AI Assets pro Bulk Launch, monatlicher Rhythmus

Strategische Begründung

Warum Massen-Assets statt Speerspitzen-Launches?

Statt klassischer Speerspitzen-Launches (1 Kampagne, 1–3 Asset Groups, 1–3 Targetings) liefert die AI-Asset-Strategie deutlich mehr Futter für das algorithmische Lernen. Je breiter die Asset-Basis, desto höher die Wahrscheinlichkeit, Offers zu knacken.

Warum Angles Detection das Fundament ist

Schon ein einziger Angle-Wechsel kann die Lead-Kosten halbieren:

Angle	Lead-Kosten
„Online-Immobilienbewertung“	44,94 € pro Lead
„Preiskorrekturen prüfen für Wohneigentümer“	23,10 € pro Lead

Die Kampagnen-Aufbaulogik: 10 Kampagnen × 20 Asset Groups

Pro Offer wird folgende Architektur aufgesetzt:

• 10 Angles pro Offer: Top-10-Customer-Pain-Point-×-Solution-Frame-Kombinationen
• 1 Kampagne pro Angle: Jedes Angle erhält eine eigene Kampagne
• 20 Asset Groups pro Kampagne: Mit AI-generierten Headlines/Descriptions
• Ergebnis: 10 Kampagnen und 200 Asset Groups im massierten Launch

Eingesetzte Copywriting- & Advertising-Frameworks

Headline-Typen

• Vorteilsüberschrift
• Dringlichkeitsüberschrift
• Beweisüberschrift
• Einzigartigkeitsüberschrift
• Paradoxüberschrift

Advertising Frameworks

• PAS (Problem, Agitate, Solution)
• AIDA (Attention, Interest, Desire, Action)
• MVP Pivots
• Blue Ocean Strategy
• DISG-Grundtypen
• OCEAN-Modell

Voraussetzungen

• Angles Detection abgeschlossen (Top 10 pro Offer)
• Konsolidierte Kampagnenstruktur
• Bestands-Anzeigentexte als Input
• Make-Automatisierung eingerichtet (oder manuelle Produktion)
• AI-Modell-Zugang
• Google-Ads-Editor-kompatible Bulk-Upload-Vorlage
• Manuelles Review der AI-Outputs (Pflichtschritt)
• Conversion-Tracking sauber

Prozessablauf

Schritt 1 – Angles Detection finalisieren

• Top 10 Customer-Pain-Point-×-Solution-Frame-Kombinationen übernehmen
• Pro Angle Kern-Botschaft und Relevanz-Andockpunkt festhalten
• Bestands-Anzeigentexte als Input zusammenstellen

Schritt 2 – Asset Creation via Make-Pipeline

• Make-Automatisierung mit Angles als Input
• AI mit Frameworks (PAS, AIDA, MVP Pivots, Blue Ocean, DISG, OCEAN) und Headline-Typen prompten
• Ziel-Output: 10.000+ Headlines/Descriptions, davon kuratiert bis zu 2.500 finale Assets
• Output strukturiert pro Angle und Asset Group ablegen

Schritt 3 – Review (Pflichtschritt)

• Manuelles Sichten: Markenkonformität, Tonalität, Faktentreue
• Halluzinationen, problematische Formulierungen entfernen
• Rechtliche Aspekte prüfen (Werbeversprechen, Gesundheits-/Finanzclaims)
• Finale Auswahl pro Asset Group festlegen

Schritt 4 – Kampagnenarchitektur aufbauen

• Pro Offer 10 Kampagnen anlegen (eine pro Angle)
• Pro Kampagne 20 Asset Groups einplanen
• Reviewte Assets zu Angle und Asset Group zuordnen
• Zielgruppensignale, Final URLs, Conversion-Ziele setzen

Schritt 5 – Bulk Upload via Google Ads Editor

• Reviewte Assets in Bulk-Upload-Vorlage
• Vorlage im Editor importieren
• Vorschau-Check: Zuordnung verifizieren
• Massierter Launch: 10 Kampagnen, 200 Asset Groups live setzen

Schritt 6 – Lernphase abwarten (14 Tage)

• 14 Tage Lernphase ohne hektische Eingriffe
• Conversion-Werte, Lead-Kosten, Asset-Group-Performance dokumentieren
• Performance pro Angle, Asset Group, Zielgruppensignal auswerten

Schritt 7 – Budget-Shift nach 14 Tagen

• Budget auf Top-Performer-Kampagnen/Asset Groups/Zielgruppensignale verlagern
• Schwächere pausieren oder reduzieren
• Erkenntnisse für nächsten Monatslauf festhalten

Schritt 8 – Monatlicher Rhythmus

• Erkenntnisse fließen in nächste Angles Detection
• Neue Angles, Frameworks, Headline-Varianten
• Bulk Launch monatlich wiederholen

Qualitätskriterien

• Konsolidierte Kampagnenstruktur (Pflicht)
• Angles statt Angebotsvorstellung – klares Pain-Point-Solution-Frame-Profil
• Volumen mit Qualität – jeder Asset hat Review-Filter durchlaufen
• 14-Tage-Disziplin: Keine vorzeitigen Eingriffe
• Budget-Shifting als Pflichtschritt nach 14 Tagen
• Monatlicher Rhythmus
• Lernkurve dokumentieren

Troubleshooting

Problem	Lösung
Pipeline liefert keine Performance-Verbesserung	Kampagnenstruktur prüfen – konsolidiert oder granular?
AI-Assets klingen austauschbar	Prompts schärfen, Angles konkreter, Pain Points spezifischer
Halluzinationen in den AI-Texten	Review verschärfen – keine Zahlen/Garantien ohne Quelle
Asset-Group-Performance nicht zuordenbar	Naming-Convention konsequent (Offer/Angle/Framework/Headline-Typ)
Conversion-Werte schwanken nach Launch	14 Tage Lernphase einhalten – Anfangsschwankungen sind normal
Bulk Upload schlägt fehl	Vorlagenformat prüfen, Zeichenlimits (30 Headlines / 90 Descriptions)
Make-Automatisierung ineffizient	Module-Ketten prüfen, Iterator/Aggregator richtig setzen