Warum Performance Max für B2B-Unternehmen eine eigene Logik braucht
Performance Max ist seit der Einführung 2021 zur dominanten Kampagnenform in Google Ads geworden. 2026 verarbeitet Google nach eigenen Angaben über 80 Prozent aller Conversions im Such-, Display- und YouTube-Inventar über KI-gesteuerte Bietstrategien — und ein wachsender Anteil davon läuft über Performance Max. Für B2B-Unternehmen wirkt das auf den ersten Blick wie eine Befreiung: Eine Kampagne, ein Budget, ein KI-Algorithmus, der den Rest erledigt. Die Realität sieht anders aus.
Der Algorithmus von Performance Max ist auf Volumen und schnelle Konversionen trainiert. Im B2C-Bereich, wo ein Kauf in Stunden oder Tagen erfolgt, funktioniert das hervorragend. Im B2B-Kontext hingegen entstehen Conversions oft über Wochen oder Monate, beteiligen mehrere Entscheider und folgen einem völlig anderen Funnel-Muster. Wenn ein Anbieter von ERP-Software einen Lead aus einem Industrieunternehmen gewinnt, sind dafür typischerweise mehrere Touchpoints, mehrere Personen und ein Entscheidungszeitraum von drei bis sechs Monaten nötig. Eine KI, die auf Quick-Wins optimiert, verkennt diese Dynamik systematisch.
Genau deshalb scheitern viele B2B-Unternehmen bei ihrem ersten Performance-Max-Versuch — nicht weil die Technologie versagt, sondern weil sie nicht für ihren Anwendungsfall konfiguriert wurde. In den Beratungsgesprächen, die wir bei Visiqs mit über 70 aktiven Google-Ads-Kunden führen, sehen wir immer wieder das gleiche Muster: hohe Klickzahlen, viele “Conversions” — aber keine echten Leads, kein Pipeline-Umsatz. Der Algorithmus optimiert auf das, was ihm als Erfolg signalisiert wird, und im B2B ist diese Signal-Definition fast immer das Problem.
Performance Max ist also kein Set-and-forget-Werkzeug. Es ist ein leistungsfähiges Instrument, das im B2B-Kontext eine sehr bewusste Konfiguration und kontinuierliche Steuerung braucht. Die folgenden Hebel sind aus unserer Praxis die wirksamsten — und gleichzeitig die, die in der Standardeinrichtung am häufigsten falsch gesetzt werden.
Conversion-Definitionen: Warum jedes B2B-Setup hier beginnt
Der entscheidende Hebel in jeder Performance-Max-Kampagne ist die Definition dessen, was als Conversion gemessen wird. Der Algorithmus optimiert ausschließlich auf diese Conversion-Signale — und wenn die Signale falsch oder zu schwach sind, optimiert er auf das Falsche. Im B2B-Kontext ist die häufigste Fehlkonfiguration, dass alle Conversions gleich gewichtet werden: Ein Newsletter-Abonnent zählt genauso viel wie eine Demo-Anfrage, und eine Whitepaper-Download genauso viel wie eine Erstberatung. Aus Sicht der KI ist das ein chaotisches Signal — die Folge sind Kampagnen, die viele billige, aber irrelevante “Conversions” produzieren.
Die Lösung liegt in einer abgestuften Conversion-Strategie. Definieren Sie eine primäre Conversion (in der Regel die kommerziell wertvollste Aktion — etwa eine qualifizierte Anfrage oder ein Demo-Termin) und konfigurieren Sie diese als einzige Optimierungsbasis. Sekundäre Conversions wie Whitepaper-Downloads oder Newsletter-Anmeldungen sollten als “Beobachten” gekennzeichnet sein, nicht als “Optimieren” — Sie sehen die Zahlen weiterhin, aber der Algorithmus richtet sich nicht nach ihnen.
Noch wirkungsvoller ist die Implementierung von wertbasierten Conversions. Anstatt jede Anfrage gleich zu zählen, vergeben Sie unterschiedliche monetäre Werte je nach Lead-Qualität. Eine Anfrage aus einem Unternehmen mit über 100 Mitarbeitern bekommt einen Wert von 500 Euro, eine Anfrage aus einem KMU 150 Euro, eine Anfrage aus einem unpassenden Branchen-Segment 0 Euro. Mit dieser Daten-Granularität kann der Algorithmus tatsächlich lernen, wo qualitative Leads herkommen — und Sie ziehen den Hebel von Click-Optimierung zu echter Wertoptimierung.
Diese Logik setzt allerdings voraus, dass Ihre Lead-Qualifizierung sauber zurück in Google Ads gespielt wird. Über Offline-Conversion-Imports oder einer direkten CRM-Integration werden gewonnene Deals, Pipeline-Stadien oder Lead-Scores an Google zurückgemeldet. Wer diesen Closed-Loop nicht implementiert, lässt den vielleicht wichtigsten Performance-Max-Hebel ungenutzt — denn ohne Qualitäts-Feedback bleibt der Algorithmus auf Volumen-Optimierung stehen.
Asset-Strategie: Was die KI im B2B-Kontext wirklich braucht
Performance Max kombiniert Texte, Bilder, Videos und Logos in nahezu beliebigen Kombinationen — der Algorithmus testet, welche Asset-Kombinationen für welche Suchanfrage am besten konvertieren. In dieser Mechanik liegt der größte Hebel zur Outperformance: Die Qualität und Breite Ihrer Asset-Bibliothek ist der wichtigste Faktor, den Sie direkt kontrollieren können.
Die Standard-Empfehlung von Google lautet: Liefern Sie für jede Asset-Gruppe mindestens 5 Headlines, 5 Long Headlines, 5 Descriptions, 20 Bilder und ein Logo. Diese Mindestmengen reichen für B2C, aber für B2B sind sie eindeutig zu niedrig. Wer im B2B-Bereich seriös testen will, sollte pro Asset-Gruppe 15 Headlines, 15 Descriptions und 30 Bilder bereitstellen — und davon mindestens drei Videos. Ohne Videos läuft Performance Max nur eingeschränkt, weil das gesamte YouTube-Inventar mit dynamisch erstellten Videos arbeitet, die deutlich schlechter performen als von Ihnen kuratiertes Material.
Inhaltlich gilt eine simple Regel: Asset-Diversität schlägt Asset-Quantität. Statt fünf Variationen des gleichen Verkaufsversprechens sollten Ihre Headlines drei verschiedene Wertbeiträge adressieren — etwa Zeitersparnis, Kostenreduktion und Compliance-Sicherheit. Jeder dieser Wertbeiträge spricht eine andere Käuferpersona im Buying Center an, und der Algorithmus kann nur dann optimieren, wenn ihm diese Varianten zur Verfügung stehen. Eine homogene Asset-Bibliothek macht jeden Performance-Max-Algorithmus blind für Zielgruppen-Differenzierung.
Beim Bildmaterial im B2B-Bereich gilt: Generische Stock-Fotos sind nahezu wertlos. Authentische Aufnahmen aus Ihrem Unternehmen, von Ihren Teams oder Ihren Produkten in echten Kundenumgebungen schneiden in unseren Tests durchschnittlich 60 bis 80 Prozent besser ab als Stock-Material. Das gilt auch dann, wenn die Stockfotos technisch professioneller aussehen — denn Authentizität ist im B2B-Kaufprozess ein eigenes Vertrauenssignal, das der Algorithmus über Engagement-Metriken indirekt misst.
Audience-Signale: Wie Sie der KI sagen, wen sie suchen soll
Audience-Signale sind das am stärksten unterschätzte Feature in Performance Max. Anders als bei klassischen Kampagnentypen schließen sie keine Zielgruppen aus — sie geben dem Algorithmus stattdessen einen Hinweis, wo er starten soll. In den ersten ein bis zwei Wochen einer neuen Kampagne nutzt der Algorithmus diese Signale stark, danach lernt er zunehmend selbst. Genau diese Anfangsphase entscheidet aber, ob die Kampagne in eine sinnvolle oder eine kontraproduktive Richtung lernt.
Im B2B-Kontext sind drei Audience-Signal-Typen besonders wertvoll. Erstens: Customer-Match-Listen Ihrer besten Bestandskunden. Wenn Sie eine Liste von 1.000 E-Mail-Adressen Ihrer Top-Accounts hochladen, hat der Algorithmus eine konkrete Vorstellung davon, wer Ihre profitabelste Zielgruppe ist. Zweitens: Lookalike-Audiences basierend auf Website-Besuchern, die bereits Conversions ausgelöst haben. Und drittens: Custom Segments aus Suchanfragen, die mit Ihrer Lösung verwandt sind — etwa “ERP für Maschinenbau”, “Cybersecurity für Mittelstand” oder vergleichbare branchen-spezifische Long-Tail-Queries.
Was Sie ausdrücklich vermeiden sollten, ist die Verwendung breiter, demografischer Affinity-Audiences ohne klaren B2B-Bezug. Eine Affinity-Audience wie “Business & Industry Enthusiasts” mag groß klingen, ist aber in der Praxis so unspezifisch, dass sie dem Algorithmus mehr schadet als nützt — er wird auf eine Konsumenten-ähnliche Logik gelenkt. Im B2B brauchen Sie tendenziell engere, präzisere Signale.
Eine zusätzliche Maßnahme, die in der Standard-Konfiguration oft fehlt, ist die Implementierung von Brand-Exclusion-Listen. Performance Max bedient standardmäßig auch markenbezogene Suchanfragen, was das Reporting verzerrt und budget-ineffizient ist. Über die Brand-Lists-Funktion können Sie Ihren eigenen Markennamen und den Ihrer wichtigsten Wettbewerber ausschließen — und sicherstellen, dass Ihr Performance-Max-Budget für tatsächliche Akquise und nicht für Brand-Cannibalization eingesetzt wird.
Steuerung über Bidding-Strategien und Ziel-Werte
Die Wahl der Bidding-Strategie ist die nächste Stellschraube, die häufig falsch gesetzt wird. Performance Max bietet zwei sinnvolle Modi für B2B: Maximize Conversions mit einem Cost-per-Acquisition-Ziel (Ziel-CPA) und Maximize Conversion Value mit einem Return-on-Ad-Spend-Ziel (Ziel-ROAS). In der Praxis ist die zweite Variante fast immer die bessere Wahl — vorausgesetzt, Sie haben die wertbasierte Conversion-Strategie umgesetzt, die wir im vorigen Abschnitt beschrieben haben.
Der häufigste Fehler bei der Ziel-Konfiguration ist, die Werte zu aggressiv zu setzen. Ein zu niedriges Ziel-CPA oder ein zu hohes Ziel-ROAS führt dazu, dass der Algorithmus die Auslieferung drosselt, weil er die Ziele nicht erreichen kann. Die Kampagne läuft dann auf Sparflamme, Conversions bleiben aus, und das Reporting suggeriert ein Problem mit dem Kanal — obwohl tatsächlich nur die Steuerung zu eng ist. Beginnen Sie mit einem Ziel-CPA, der etwa 20 bis 30 Prozent über Ihrem historischen Durchschnitt liegt, und straffen Sie es schrittweise, sobald die Kampagne stabile Conversion-Volumen liefert.
Eine besondere Komponente in B2B-Setups ist der Umgang mit langen Conversion-Lags. Wenn Ihre durchschnittliche Lead-to-Sales-Zeit drei Monate beträgt, kann der Algorithmus erst nach mehreren Monaten verlässlich lernen, welche Klicks zu welchen Abschlüssen geführt haben. Bis dahin müssen Sie ihm Proxy-Signale geben — etwa MQL- oder SQL-Stadien aus dem CRM, die deutlich schneller eintreten als der endgültige Abschluss. Wer hier kein Proxy-Setup aufbaut, betreibt seine Performance-Max-Kampagne im Dunkeln.
Ebenfalls oft unterschätzt: Saisonale Anpassungen. Im B2B gibt es deutliche Buchungszyklen — Q4-Budgetfreigaben, Sommerloch, Messe-Wochen. Saisonalitäts-Anpassungen in Google Ads erlauben es, dem Algorithmus für zeitlich begrenzte Phasen einen Hinweis zu geben, dass die Conversion-Wahrscheinlichkeit höher oder niedriger als üblich ist. Eine 30-tägige Saisonalitäts-Anpassung um plus 30 Prozent während einer Branchen-Messe oder eines Produktlaunch-Fensters kann den Unterschied zwischen einer guten und einer überragenden Kampagne machen.
Was Performance Max nicht zeigt — und wie Sie trotzdem den Überblick behalten
Eine der größten Frustrationen vieler Marketing-Teams ist die Black-Box-Natur von Performance Max. Der Standard-Reporting-View zeigt aggregierte Conversions, Kosten und Asset-Performance — aber er zeigt nicht, welche konkreten Suchbegriffe zu Klicks geführt haben, welche Placements auf YouTube oder im Display-Netzwerk Performance liefern, und welche Zielgruppen-Cluster der Algorithmus tatsächlich bedient. Diese Intransparenz ist kein Bug, sondern Designentscheidung — Google möchte verhindern, dass Werbetreibende den Algorithmus durch granulare Eingriffe ausbremsen.
In den letzten zwölf Monaten hat Google jedoch einige Reporting-Funktionen nachgereicht, die diese Black Box ein Stück weit öffnen. Über den Insights-Bericht in der Google-Ads-Oberfläche können Sie inzwischen Search-Term-Insights einsehen, Audience-Insights nach Demografie und Kategorien abrufen und Asset-Performance auf Gruppenebene analysieren. Wer diese Daten konsequent auswertet, erhält ein deutlich besseres Bild davon, was im Kampagnen-Inneren passiert.
Eine zusätzliche Transparenzschicht erhalten Sie über das eigene Web-Analytics-Setup. Verknüpfen Sie Performance Max mit GA4 und konfigurieren Sie Custom Channels, die Sie zwischen Search-, Display- und YouTube-Traffic unterscheiden lassen. So sehen Sie, welche Anteile Ihrer Performance-Max-Conversions tatsächlich aus dem hochintentionalen Such-Inventar kommen und welche aus den breiteren Display- oder Video-Placements. Das ist wichtig, weil die Standard-Annahme “Performance Max funktioniert” sich oft auflöst, wenn man feststellt, dass 80 Prozent der gezählten Conversions aus Display-Klicks kommen, die in Wahrheit auch ohne Anzeige zustande gekommen wären.
Bei Visiqs zeigen wir unseren Kunden diese Performance-Daten inzwischen in Echtzeit direkt im Kundenportal — Impressionen, Klicks, Kosten, Conversions und CPA sind ohne separate Login-Wege jederzeit einsehbar. Transparenz ist im Performance-Max-Kontext keine Komfort-Funktion, sondern Grundvoraussetzung für sinnvolle Steuerung. Wer die Zahlen erst beim Monatsreport sieht, optimiert immer einen Monat zu spät.
Optimierung als kontinuierlicher Prozess statt einmaliges Setup
Performance Max ist keine Kampagne, die man einmal einrichtet und dann laufen lässt. Der KI-Algorithmus lernt fortlaufend — und je nach Eingaben lernt er entweder in eine sinnvolle Richtung oder in eine, die Ihre Budgets verbrennt. Die Unternehmen, die mit Performance Max im B2B-Bereich nachhaltig Erfolg haben, behandeln ihre Kampagne wie ein Produkt: mit kontinuierlicher Pflege, regelmäßigen Hypothesen-Tests und einem strikten Performance-Review-Rhythmus.
Konkret bedeutet das: Wöchentlich die Performance gegen die KPIs prüfen, monatlich die Asset-Bibliothek mit neuen Variationen anreichern, vierteljährlich die Audience-Signale und Conversion-Wertungen anhand realer Lead-Qualifizierung überarbeiten. Ohne diese Disziplin verfällt jede Performance-Max-Kampagne über die Zeit — entweder weil die KI auf die falschen Signale optimiert oder weil die Asset-Bibliothek “ausbrennt” und die Klickraten sinken.
Die guten Nachrichten: Wer diese Disziplin etabliert und die in diesem Artikel beschriebenen Hebel sauber bedient, erreicht im B2B-Kontext mit Performance Max regelmäßig zwei- bis dreifach bessere Ergebnisse als mit klassischen Such-Kampagnen — bei gleichem oder niedrigerem Budget. Die Voraussetzung ist nicht ein größeres Marketing-Team, sondern ein klares Verständnis dafür, was die KI braucht, um in Ihre Richtung zu lernen. Performance Max ist ein Werkzeug, das den Mittelstand mit den großen Werbebudgets gleichzieht — vorausgesetzt, das Werkzeug wird mit Verstand bedient.
