Was ist Machine Learning?
Stell dir vor, du müsstest einem Programm erklären, welche Website-Besucher wahrscheinlich kaufen. Mit festen Regeln wirst du nie fertig. Machine Learning dreht den Spieß um: Du zeigst der Software tausende Beispiele, und sie findet die Muster selbst.
Google beschreibt ML als den Prozess, eine Software — das Modell — so zu trainieren, dass sie nützliche Vorhersagen trifft. Das Modell lernt aus Daten der Vergangenheit und wendet das Gelernte auf neue Fälle an.
Es gibt drei Grundarten, wie ein Modell lernt:
- Überwachtes Lernen: Die Daten enthalten die richtige Antwort. Beispiel: Diese 10.000 Klicks führten zum Kauf, jene nicht.
- Unüberwachtes Lernen: Keine Antworten, das Modell sucht selbst Gruppen. Beispiel: Kunden-Segmente nach Kaufverhalten.
- Bestärkendes Lernen: Das Modell probiert aus und lernt über Belohnung und Strafe.
Wo Machine Learning im Marketing steckt
Vermutlich nutzt du ML schon, ohne es so zu nennen. Die großen Werbeplattformen haben ihre Kernfunktionen darauf umgebaut:
Funktion
Was das Modell tut
Smart Bidding
Setzt in jeder Auktion das Gebot neu.
Lookalike Audiences
Findet Leute, die deinen Kunden ähneln.
GA4-Prognosen
Schätzt Kauf- und Abwanderungswahrscheinlichkeit.
Shop-Empfehlungen
Schlägt passende Produkte vor.
Bei Smart Bidding wertet Google laut eigener Hilfe Signale wie Gerät, Standort, Tageszeit und Browser aus und passt das Gebot bei jeder einzelnen Auktion an. GA4 berechnet für Kauf und Abwanderung jeweils die Wahrscheinlichkeit für die nächsten 7 Tage, einmal täglich neu.
In Deutschland nutzten 2024 laut Statistischem Bundesamt 20 % der Unternehmen ab 10 Beschäftigten KI, ein Jahr davor waren es 12 %. Ein Drittel davon setzt sie in Marketing oder Vertrieb ein.
Was die Plattformen versprechen
Die Zahlen stammen von den Anbietern selbst, aus ihren eigenen Daten. Sie zeigen die Richtung, sind aber keine Garantie für dein Konto.
Fall A · Google Ads
Performance Max
+27 %
Conversions oder Wert
30
Conversions für die Bewertung
Laut Google im Schnitt bei ähnlichen Kosten pro Conversion, weltweite Daten Oktober bis November 2023
Für eine faire Auswertung einer Smart-Bidding-Strategie empfiehlt Google rund einen Monat und mindestens 30 Conversions.
Fall B · Meta
Neues Ranking-Modell GEM
+5 %
Conversions Instagram
+3 %
Conversions Facebook
Laut Meta im zweiten Quartal 2025 durch ein besseres Modell, ohne Zutun der Werbetreibenden
Wenige Prozent klingen klein — über Millionen Anzeigen sind sie riesig.
Häufige Fehler
Fehler 1 · ML mit ChatGPT gleichsetzen
Sprachmodelle sind nur ein Zweig. Die meiste ML-Arbeit im Marketing ist unsichtbar: Gebote, Prognosen, Zielgruppen. Kein Chatfenster, trotzdem Machine Learning.
Fehler 2 · Zu wenig Daten füttern
Modelle brauchen Masse. Für Ziel-ROAS rät Google zu 50 Conversions, für die GA4-Prognosen braucht es je 1.000 wiederkehrende Nutzer mit und ohne Kauf. Klaviyo berechnet Kundenwert-Prognosen erst ab 500 Kunden mit Bestellung und 180 Tagen Historie.
Fehler 3 · Das falsche Ziel melden
Ein Modell optimiert stur auf das, was du ihm als Erfolg meldest. Zählst du jeden Newsletter-Klick als Conversion, bekommst du viele Newsletter-Klicks. Schlechtes Tracking macht aus guter KI schlechte Kampagnen.
Fehler 4 · Mitten in der Lernphase umbauen
Jede größere Änderung an Budget, Ziel oder Zielgruppe schickt das Modell zurück auf Los. Wer wöchentlich alles umwirft, lässt es nie fertig lernen.
So nutzt du Machine Learning richtig
- Tracking zuerst: Saubere Conversions mit echtem Wert sind das Futter für jedes Modell.
- Daten bündeln: Lieber eine Kampagne mit genug Conversions als fünf kleine, die nie aus der Lernphase kommen.
- Geduld einplanen: mindestens vier Wochen, bevor du urteilst.
- Herstellerzahlen gegenprüfen: mit eigenen Tests statt mit Folien.
Häufige Fragen
Was ist der Unterschied zwischen KI, Machine Learning und Deep Learning?
KI ist der Oberbegriff für Systeme, die Aufgaben mit scheinbar menschlicher Intelligenz lösen — auch regelbasierte. Machine Learning ist der Teil, der aus Daten lernt. Deep Learning ist ML mit vielschichtigen neuronalen Netzen und steckt hinter Sprach- und Bildmodellen.
Ist ChatGPT Machine Learning?
Ja. ChatGPT basiert auf einem großen Sprachmodell, das per Deep Learning mit riesigen Textmengen trainiert wurde. Es ist damit eine besondere, generative Form von Machine Learning.
Lohnt sich ML für kleine Unternehmen?
Du musst kein eigenes Modell bauen. Die Werbeplattformen bringen ML mit, und das nutzt du, sobald du automatische Gebote einschaltest. Entscheidend ist, dass genug saubere Conversions zusammenkommen.
Wie viele Daten braucht Machine Learning?
Das hängt vom Werkzeug ab. Google empfiehlt für Smart Bidding mindestens 30 Conversions in rund einem Monat, für Ziel-ROAS 50. GA4-Prognosen brauchen je 1.000 wiederkehrende Nutzer mit und ohne Kauf.
