Google Ads & Performance

Performance Max Lernphasen — Warum Kampagnen am Anfang schlecht performen

PMax-Kampagnen durchlaufen vier Phasen. Wer die Mechanik versteht, trifft bessere Entscheidungen und verbrennt weniger Budget. Ein Praxisleitfaden.

EARNST · 13. März 2026 · 10 min Lesezeit

Tag 1 bis 3 sieht alles fantastisch aus. Tag 5 bricht alles zusammen. Tag 7 wird das Budget halbiert. Das ist der häufigste und teuerste Fehler im Performance Max Management — und er passiert nicht aus Unwissenheit, sondern aus einer nachvollziehbaren Panikreaktion auf ein systemisches Verhalten von Googles Algorithmus.

Das ist kein Einzelfall. Jede PMax-Kampagne durchläuft dieses Muster. Wer die Mechanik dahinter versteht, trifft bessere Entscheidungen, wartet an den richtigen Stellen, greift an den richtigen Stellen ein, und verbrennt weniger Budget.

Das Exploration-Exploitation-Dilemma

Google's Bidding-Algorithmus steht bei jedem Kampagnenstart vor einem fundamentalen Problem: Er hat keine Daten. Keine Conversion-Signale, keine Audience-Insights, kein Wissen darüber, welche Asset-Kombination bei welcher Zielgruppe funktioniert.

In der Informatik ist das als Multi-Armed Bandit Problem bekannt. Stellen Sie sich einen Raum mit hundert Spielautomaten vor. Jeder hat eine andere Auszahlungsquote, aber Sie kennen keine davon. Die einzige Möglichkeit herauszufinden, welche Automaten sich lohnen, ist: spielen und beobachten.

Genau das tut der Algorithmus. Er verteilt Impressionen breit, misst Reaktionen, und schärft seine Strategie mit jedem Datenpunkt. Jede "verschwendete" Impression in den ersten Tagen ist kein Bug — es ist das System, das lernt. Exploration ist keine Fehlfunktion, sondern eine notwendige Investition.

Die vier Phasen einer PMax-Kampagne

Phase 1: Honeymoon (Tag 1–3)

Die ersten Tage sehen fast immer gut aus. Der CPA liegt deutlich unter dem Zielwert, die Conversion-Rate wirkt beeindruckend. Aber die Zahlen lügen.

Google bedient sich zuerst bei den einfachsten Zielgruppen: Brand-Queries, den bestehenden Retargeting-Pool, und Nutzer die Ihren Audience Signals am stärksten entsprechen. Diese Conversions sind Low-Hanging Fruits — ein Großteil davon wäre auch ohne PMax zustande gekommen.

Google zeigt Ihnen das Beste zuerst. Das ist kein Zufall, sondern Teil der Systemlogik: Ein sofort enttäuschendes Dashboard würde dazu führen, dass Werbetreibende die Kampagne abschalten, bevor der Algorithmus überhaupt anfangen kann zu arbeiten.

Phase 2: Crash (Tag 4–7)

Die Low-Hanging Fruits sind abgeerntet. Jetzt beginnt die echte Prospecting-Arbeit, und das Bidding-Modell schaltet von "zeigen was geht" auf "systematisch testen". Der CPA steigt oft auf das Drei- bis Fünffache des Zielwerts.

Gleichzeitig wirkt der Conversion-Delay: Nutzer die an Tag 1 bis 3 geklickt haben, konvertieren erst jetzt — während die Klicks von Tag 4 bis 7 noch keine Conversions generiert haben. Das Dashboard zeigt einen scheinbaren Totalausfall, obwohl die Pipeline voll ist.

Das ist der Moment, in dem die meisten Fehler passieren.

Phase 3: Recovery (Tag 8–21)

Der Algorithmus hat mittlerweile genug positive und negative Signale gesammelt. Die Recovery ist ein Filterprozess, kein Aufbauprozess. Google lernt nicht primär, wen es ansprechen soll — es lernt, wen es ausschließen muss.

Schwankungen werden kleiner, der CPA nähert sich dem Zielwert. Aber die Performance erreicht nie das Honeymoon-Niveau. Das war nie der echte Wert der Kampagne.

Phase 4: Steady State (ab Tag 21–28)

Der Algorithmus hat konvergiert. Die Performance pendelt um den tatsächlichen Wert der Kampagne. Wenn dieser Wert unter dem Ziel liegt, ist das Problem nicht die Lernphase — sondern das Fundament: Budget, Assets, Landing Pages, oder die Audience-Strategie.

Die drei Bottlenecks der Lernphase

Drei Faktoren bestimmen, wie lange die Lernphase dauert und wie stabil das Ergebnis wird.

Conversion-Volumen. 30 bis 50 Conversions in 30 Tagen sind das Minimum für stabile Bidding-Modelle. Wer unter dieser Schwelle bleibt, hält den Algorithmus in einer permanenten Lernphase. Zu wenig Budget ist der häufigste Grund dafür.

Signal-Dimensionalität. Audience mal Kanal mal Asset mal Gerät mal Tageszeit mal Geografie — das ergibt hunderttausende Kombinationen. Je mehr Variablen der Algorithmus gleichzeitig optimieren muss, desto mehr Daten braucht er. Asset Groups thematisch sauber zu trennen reduziert die Komplexität erheblich.

Conversion-Delay. Je länger der Kaufentscheidungsprozess, desto länger fliegt der Algorithmus blind. Bei einem Onlineshop mit Impulskäufen sind es Stunden. Bei Hotels oder B2B-Dienstleistungen können 7 bis 28 Tage zwischen Erstkontakt und Conversion liegen. In dieser Zeit fehlt dem Modell das Feedback, das es zum Lernen braucht.

Die größte Falle: Panik-Reaktionen

Was 90 % der Werbetreibenden in Phase 2 tun: Budget halbieren. Assets austauschen. Bidding-Strategie ändern. Kampagne pausieren und neu starten.

Jede einzelne dieser Aktionen setzt den Algorithmus auf Tag 0 zurück. Das erzeugt eine Endlosschleife: Honeymoon, Crash, Panik, Reset, Honeymoon, Crash. Die Kampagne kommt nie über Phase 2 hinaus, und das gesamte Budget fließt in Exploration — ohne je in die Exploitation-Phase zu gelangen, in der tatsächliche Optimierung stattfindet.

Die einzig richtige Reaktion in Phase 2: nichts tun. Frühestens nach Tag 14 auf Trends schauen — nicht auf einzelne Tage. Tagesbasierte Entscheidungen bei PMax sind wie Börsenhandel auf Basis des 5-Minuten-Charts: technisch möglich, praktisch ruinös.

Wann ist eine PMax-Kampagne wirklich tot?

Nicht jede schlechte Performance ist eine Lernphase. Es gibt klare Kriterien, wann Abschalten die richtige Entscheidung ist.

Harte Kill-Kriterien — eines reicht

6+ Wochen mit unter 30 Conversions total. Der Algorithmus hat nicht genug Daten zum Konvergieren. Entweder das Budget reicht nicht, oder das Conversion-Event ist zu weit unten im Funnel.
CPA nach 4+ Wochen noch über dem Dreifachen des Zielwerts. Die Kampagne hat konvergiert — nur nicht dort, wo Sie es brauchen.
90 %+ des Budgets fließt in Display und Discover statt in Search und Shopping. Das ist die Display-Falle: PMax nutzt günstige Display-Impressionen, um Conversion-Zahlen aufzublähen.
Brand-Kannibalisierung über 50 % der Conversions. PMax schreibt sich Conversions zu, die ohnehin über Brand Search gekommen wären. Das ist keine Neukundengewinnung, sondern Buchhaltungstrick.

Weiche Warnsignale — drei oder mehr bedeuten: kritisch

ROAS stagniert unter dem Zielwert nach Woche 4
Impression Share in parallelen Search-Kampagnen sinkt
Asset-Performance zeigt kaum "Best"-Ratings
Audience Signals werden vom Algorithmus komplett ignoriert
Starke Schwankungen nach 6+ Wochen (der Algorithmus hat nicht konvergiert)
Conversion-Qualität ist schlecht (Bounce-Rate über 70 %)

AI Max for Search — dasselbe Pattern, andere Ebene

Seit Mai 2025 ist AI Max for Search verfügbar, seit Februar 2026 global mit Text Guidelines. Die Bidding-Engine ist identisch mit PMax — und damit auch der Honeymoon-Crash-Zyklus.

Der Unterschied liegt im Risikoprofil. PMax expandiert kanalübergreifend: Das größte Risiko ist, dass Budget stillschweigend in Display-Platzierungen abfließt. AI Max expandiert queryübergreifend: Das größte Risiko ist Final URL Expansion. Google schickt Nutzer auf Seiten, die nie als Landing Page gedacht waren — die Karriereseite für ein Produkt-Keyword, die Datenschutzerklärung für eine Service-Anfrage.

Die Empfehlung: Nutzen Sie den 50/50 Experiment-Split, den Google anbietet. Und schränken Sie Final URL Expansion ein — oder deaktivieren Sie sie komplett, bis Sie genug Daten haben, um die Auswirkungen zu beurteilen.

Die richtige Funnel-Architektur

PMax ist ein Conversion-Optimierer. Kein Awareness-Kanal. Die Display- und YouTube-Impressionen die PMax ausspielt, sind Abfallprodukt der Exploration — keine gesteuerte Reichweite.

Awareness-Pool gezielt aufbauen funktioniert besser über Demand Gen (YouTube, Discover) oder Meta (Facebook, Instagram). Diese Audiences dann als First-Party Signals in PMax einspeisen. Die Kette sieht so aus:

Demand Gen und Meta bauen den Awareness-Pool (15 bis 20 % des Ad-Spends). Diese Audiences werden als Signals in PMax eingespeist. PMax konvertiert den warmen Traffic — und arbeitet deutlich effizienter, weil der Algorithmus mit qualifizierten Signalen statt mit kaltem Traffic startet. Search fängt den organischen Intent — Nutzer die aktiv nach Ihrem Produkt oder Ihrer Dienstleistung suchen.

Wer PMax ohne vorgelagerten Awareness-Funnel einsetzt, zwingt den Algorithmus dazu, gleichzeitig Awareness zu schaffen und Conversions zu generieren. Das kann funktionieren, kostet aber systematisch mehr und dauert länger.

Was Sie morgen anders machen können

Fünf Punkte für den nächsten PMax-Launch:

Budget für mindestens 30 Conversions pro Monat einplanen. Unter dieser Schwelle bleibt der Algorithmus in der Lernphase. Wenn das Budget nicht reicht, definieren Sie Micro-Conversions als Zwischenziel.
Audience Signals auf First-Party-Daten aufbauen. Kundenlisten, Website-Besucher, Engagement-Audiences. Je stärker die Eingangssignale, desto schneller konvergiert der Algorithmus.
Asset Groups thematisch sauber trennen. Eine Asset Group pro Produktkategorie oder Dienstleistung. Keine Mischgruppen, die den Algorithmus verwirren.
Micro-Conversions als Zwischenziel definieren. Newsletter-Anmeldung, Produktseite besucht, Konfigurator gestartet. Das gibt dem Algorithmus schnelleres Feedback, besonders bei langem Conversion-Delay.
Vier Wochen Hände weg. Frühestens dann auf Trends schauen — nicht auf einzelne Tage. Wer in Phase 2 eingreift, bezahlt die Lernphase doppelt.

Wenn Sie nach vier Wochen feststellen, dass die Kill-Kriterien zutreffen, ist Abschalten die richtige Entscheidung. Aber treffen Sie diese Entscheidung auf Basis von Daten — nicht auf Basis von Tag-5-Panik.