SMX Munich 2026 ist eine dieser Konferenzen, bei denen man mit einer Handvoll Fragen hineingeht und mit einer längeren Liste wieder herauskommt. Das ist kein Kritikpunkt — genau darum geht es hier.

Zwei Tage, sieben parallele Tracks, mehr als 65 Sessions, mehr als 90 Speaker und die Art von Gesprächen auf dem Flur, die am Ende oft genauso nützlich sind wie alles auf der Agenda.

Unser eigener Fred Vallaeys, Founder & CEO, und Aaron Levy, Evangelist, waren dieses Jahr beide bei der SMX. Fred leitete am Day 0 den Advanced Google Ads Workshop und führte einen zweitägigen Workshop zu Vibe Coding durch, während Aaron eine Session leitete, in der es darum ging, was mit KI tatsächlich funktioniert und was nicht. Kurz gesagt: Wir haben sehr genau hingehört.

Hier ist unsere ehrliche Einschätzung der wichtigsten Themen, die aus der Konferenz hervorgegangen sind.

Der Marketing-Engpass ist nicht die Technologie, sondern die Adoption

Wenn es in München einen roten Faden durch fast jede Session gab, dann diesen: Der Engpass im Marketing ist derzeit nicht die Technologie selbst, sondern ihre Adoption. Genauer gesagt ist es die Lücke zwischen dem, was KI-Tools in einer Demo können, und dem, was sie tatsächlich leisten, wenn man sie in einen realen Workflow mit echten Konsequenzen und echten Menschen einbindet, die dem Output vertrauen müssen, bevor sie darauf reagieren.

Boaz Ashkenazys Eröffnungs-Keynote machte das sehr konkret. Als Senior Director of AI Infrastructure bei Redapt und mit seiner langjährigen Erfahrung aus Enterprise-KI-Implementierungen in den Bereichen Recht, Medizin und Finanzen argumentierte er, dass die meisten KI-Tools nicht deshalb scheitern, weil sie nicht funktionieren, sondern weil sie kein Vertrauen aufbauen. Die Formel, auf die er immer wieder zurückkam, war einfach: Damit ein Tool tatsächlich genutzt wird, muss es einerseits mühsame Arbeit erleichtern und andererseits das Gefühl von Handlungsfähigkeit beim Nutzer stärken.

Wie er es formulierte: “Vertrauen ist kein Feature, das man am Ende einfach dazupackt; es ist tatsächlich das Produkt.”

Dieses Vertrauensproblem zeigt sich in PPC-Accounts genauso wie bei Enterprise-Software-Implementierungen. Sam Tomlinson, Executive VP bei Warschawski, brachte dieses Argument in seiner Session über die Entwicklung vom Campaign Manager zum, wie er es nannte, “Growth Architect” auf die Karriereebene.

Die taktischen Fähigkeiten, die vor fünf Jahren einen starken PPC-Praktiker ausmachten — Bid Management, Keyword-Architektur, Match-Type-Strategie — werden heute größtenteils von der Plattform übernommen, und allein auf diesen Fähigkeiten zu konkurrieren ist ein Spiel mit sinkendem Ertrag. Die eigentliche Arbeit besteht heute darin zu entscheiden, worauf die Maschine optimiert, welche Daten sie sehen darf, wie das Creative-Ökosystem aufgebaut ist und wo die Leitplanken gesetzt werden. Diese Art von Urteilskraft lernt man schwer aus einer Zertifizierung und noch viel schwerer lässt sie sich automatisieren.

Matt Beswick, Co-Founder von aira, führte diesen Gedanken in seiner Session zur Zukunftssicherung der PPC-Karriere noch weiter aus. Der klassische T-förmige Marketer mit tiefem Fachwissen in einem Kanal und Überblick über andere ist heute tatsächlich gefährdet, weil KI Wissenslücken schneller schließt, als Menschen sie aufbauen können.

Was sie nach wie vor nicht kann, ist Marketing-Aktivitäten mit echten Geschäftsergebnissen zu verknüpfen, bei unklaren Daten mit Urteilskraft zu handeln oder Empathie zu zeigen, um Kundenbeziehungen zu erhalten. Genau darauf sollte man sich umso stärker konzentrieren, auch wenn automatisierte Systeme im Einsatz sind.

Fred brachte Vibe Coding auf die Hauptbühne

Frederick Vallaeys’ Vortrag über “Vibe Coding: How Marketers Build Tools That Build Themselves” war eine der praxisnäheren Sessions der Konferenz (wenn wir das selbst sagen dürfen!).

Die Grundidee ist, dass die Nutzung von Natural-Language-Prompts zur Generierung funktionsfähiger Software über Tools wie Lovable den Engineering-Engpass beim Bau individueller Marketing-Tools beseitigt hat. Was früher eine detaillierte Spezifikation, Wochen an Entwicklerzeit und einen langen Debugging-Zyklus erforderte, kann heute in einem einzigen Abend des Promptings entstehen.

Wie Fred es formulierte: “Software ist nicht länger etwas, das man kauft. Es ist etwas, das man sich vorstellt, und es wird genau für das gebaut, was man braucht.”

Er machte das greifbar, indem er Dinge durchging, die er in den Wochen vor und während der Konferenz tatsächlich gebaut hatte.

• Das erste war eine App zum Teilen von Konferenznotizen auf notedtalk.com, die er in ungefähr sechs Stunden nach seiner Ankunft in Deutschland gebaut hat. Sie ermöglicht es Teilnehmenden, Audio-Notizen aufzuzeichnen, wichtige Momente zu markieren und automatisch Blogbeiträge aus Session-Transkripten zu generieren. [Dieser Blog wurde ebenfalls mit den auf notedtalk.com gesammelten Informationen erstellt!]
• Das zweite war ein SEO-Audit-Tool, das er zusammenstellte, nachdem er während einer Keynote auf einer Speaker-Folie einen detaillierten SEO-Prompt für die KI-Ära entdeckt hatte. Er fotografierte die Folie, fütterte sie mit einer KI und hatte bis zum Mittag eine funktionierende Web-App, die Domains aus einer AI-Search-Perspektive analysiert.
• Er zeigte außerdem einen PPC Advent Calendar aus einer jüngsten Holiday-Kampagne, inklusive täglicher Enthüllungen, gesponserter Preise und einer Wordle-Variante mit PPC-Thema, bei der die rechtliche Prüfung für das Gewinnspiel tatsächlich länger dauerte als der Bau der Website selbst.
• Ein weiteres war ein internes Social-Media-Ad-Generator-Tool, das ein Produktbild, Brand Guidelines und kuriose tägliche Feiertage kombiniert, um automatisch markenkonforme Posts zu erstellen.
• Und natürlich unser eigenes Optmyzr’s Sidekick, ein chatbasiertes KI-Assistenten-Tool, das direkt in Ihrem Account lebt und komplexe Performance-Probleme diagnostizieren kann (wie PMax-Kannibalisierung oder Budgetrestriktionen), versteckte Optimierungsmöglichkeiten identifizieren kann (wie isolierte Top-Performing Assets oder hohen Spend-Waste) und diese sofort in vollständig ausgearbeitete, direkt einsetzbare Strategien und Automationen verwandelt.

Die Prinzipien hinter diesem Ansatz sind in Freds LinkedIn-Post in voller Länge lesenswert, aber die Kurzfassung lautet: Beschreiben Sie das gewünschte Ergebnis statt der technischen Methode, wissen Sie, wo die Risikogrenze liegt, und verbinden Sie vibe-codierte Tools mit Plattformen, die bereits über eine bestehende Business-Logik verfügen, statt zu versuchen, diese Logik von Grund auf neu zu bauen.

Warum das über den Neuigkeitswert hinaus wichtig ist, zeigt die Frage, mit der Fred abschloss: Anstatt zu fragen, wie man eine Aufgabe erledigt, sollte man sich fragen, ob man nicht 30 Minuten damit verbringen könnte, ein Tool zu bauen, das diese Aufgabe dauerhaft für einen übernimmt.

Fred moderierte außerdem an Day 2 einen zweiteiligen praktischen Deep Dive, bei dem vorab registrierte Teilnehmende während der Session selbst vom Prompt zum funktionierenden Produkt kamen. Einige verließen den Raum mit Tools, die sie in der folgenden Woche tatsächlich einsetzen wollten.

PMax ist immer noch kompliziert, immer noch frustrierend und immer noch lohnenswert

Das knüpft direkt an die Diskussion über Setup und Leitplanken aus den früheren Sessions an. Mike Ryan, Head of Ecommerce Insights bei Smarter Ecommerce, hielt eine datenintensive Präsentation über Googles Power Pack. Er betonte, dass die Art und Weise, wie man Kampagnen strukturiert, wichtiger ist, als viele Praktiker denken.

Mike stützte sich auf eine Analyse von mehr als 41 Milliarden Impressions über PMax, Demand Gen und AI Max. Als das Umsatzwachstum von PMax sich abflachte, führte Google einen Multi-Campaign-Ansatz ein, um verschiedene Funnel-Phasen abzudecken:

• PMax für direkte Performance,
• Demand Gen für den Mid-Funnel über YouTube, Discover und Gmail sowie
• AI Max, das synthetisches Keyword-Targeting auf Standard Search aufsetzt, um die konversationellen Suchanfragen zu erfassen, die traditionelle Keywords zunehmend verpassen.

In der Theorie ergänzen sie sich. In der Praxis gibt es jedoch erhebliche Überschneidungen zwischen PMax und Demand Gen auf Placements wie Discover und Gmail, und Dynamic-Search-Ads-ähnliche Technologie läuft inzwischen gleichzeitig über alle drei Formate, was die Attribution tatsächlich schwer entwirrbar macht.

Das Problem der Selbstkonkurrenz in hybriden PMax- und Standard-Shopping-Setups wurde in seinen Daten sehr deutlich. Wenn beide parallel laufen, steigen die CPCs tendenziell, und Googles offizielle Position, dass die Kampagnen nicht gegeneinander bieten, hält einer Analyse auf Account-Ebene nicht stand.

Seine Empfehlung war, Demand Gen für Top- und Mid-Funnel-Arbeit zu nutzen und es von conversion-nahen Placements fernzuhalten, wo es mit PMax konkurriert.

Dieser Mangel an Kontrolle ist ein echtes Ärgernis, und die Daten aus dem Global State of PPC 2026 bestätigten, dass das nicht nur eine laute Minderheit so sieht.

Während ihrer Live-Session auf der SMX Munich werteten Fred und Wijnand Meijer, CEO von TrueClicks, die Daten von 1.306 Praktikern aus und zeigten, dass erstaunliche 53% der Fachleute Google Ads inzwischen als schwieriger empfinden als noch vor zwei Jahren.

Dieses “Complexity Creep” wird vor allem von denselben automatisierten Black Boxes angetrieben, die Mike Ryan analysiert hat, wobei 48% der Praktiker den Mangel an granularer Kontrolle als ihre größte PMax-Frustration nennen. Um die von Mike diskutierten Leitplanken durchzusetzen, ergab der Report, dass 37% der Werbetreibenden inzwischen hybride Setups fahren (Standard Shopping neben PMax), um manuelle Kontrolle zu behalten, während 17% auf Feed-only-Setups ausgewichen sind, um gezielt einzuschränken, wo ihre Anzeigen erscheinen.

Und doch berichteten 65% der Befragten in einer bizarren Wendung weiterhin, insgesamt mit ihren Ergebnissen zufrieden zu sein. Das deutet darauf hin, dass das Setup zwar frustrierend ist und die Attribution ein Chaos, die Performance aber — wenn sie sorgfältig strukturiert ist — immer noch hoch genug ist, um den Aufwand zu rechtfertigen.

“Measurement Theater” muss aufhören

Sobald man akzeptiert, dass die Aufgabe weniger darin besteht, an Hebeln zu ziehen, als vielmehr darin, das System zu gestalten, wird die Messfrage unvermeidlich. Wenn man nicht die richtigen Dinge misst, weiß man nicht wirklich, ob das System funktioniert. Zwei Sessions auf der SMX Munich 2026 haben dieses Argument sehr direkt gemacht, und zusammen sollte man sie als Paar betrachten.

Jono Alderson, preisgekrönter Technical-SEO-Berater, brachte dieses Argument sehr klar auf den Punkt. Rankings, Traffic und plattformseitig gemeldete Conversions sind zu dem geworden, was er “Measurement Theater” nannte — sie messen, wie eine Kampagne innerhalb der Plattform performt, nicht ob Marketing für das Unternehmen überhaupt etwas Reales erzeugt. Da KI-Vermittler immer mehr Suchanfragen übernehmen und Antworten synthetisieren, bevor Nutzer überhaupt klicken, werden diese Metriken als Proxy für tatsächliche Geschäftsergebnisse immer schwächer.

Sein vorgeschlagener Ersatz war eine sechsstufige Messhierarchie, die bei technischen und Experience-Grundlagen beginnt und sich über Markendifferenzierung bis hin zu Reputationsstabilität nach oben bewegt. Sein Punkt war, dass die Optimierung isolierter Kennzahlen so ist, als würde man eine einzelne Kachel polieren, ohne jemals einen Schritt zurückzutreten, um das Mosaik zu betrachten.

Sam Tomlinsons Session verstärkte diesen Wandel und plädierte für den Übergang von Durchschnitts- zu inkrementeller Messung. Er argumentierte, dass die Abhängigkeit von Vanity Metrics wie Traffic und Rankings versagt, da KI-Vermittler Antworten zunehmend synthetisieren, bevor Nutzer klicken, wodurch traditionelle Proxys für Business Value an Aussagekraft verlieren.

Um dem entgegenzuwirken, schlug er eine Messhierarchie vor, die bei technischen Grundlagen beginnt und sich bis zu Markendifferenzierung und Reputationsstabilität hocharbeitet. Mit zugänglichen Tools wie Geo-Holdouts und Open-Source-Modellen wie Metas Robyn oder Googles LightweightMMM liegt die Hürde für diese Strenge heute nicht mehr in der technischen Fähigkeit, sondern in der Bereitschaft des Praktikers, gegenüber automatisierten Systemen Urteilskraft auf hohem Niveau einzusetzen.

Genau hier setzte die Session von Inderpaul Rai, Director of Paid Media bei WeDiscover, an. Während Alderson und Tomlinson betonten, was gemessen werden sollte, hob Rais Session hervor, was man der Maschine überhaupt erst zuführen muss.

Sein Konzept des Cobra Effect sollte man verstehen: Es beschreibt, was passiert, wenn ein Algorithmus ein spezifisches Ziel erhält, dieses Ziel aber auf eine Weise erreicht, die dem Geschäft stillschweigend schadet. In Marketplace-Geschäftsmodellen während Lieferengpässen steigen beispielsweise interne Preise, was zu einer Handvoll hochwertiger Conversions führt. Google wertet das als Erfolg und reagiert mit aggressiven Gebotssteigerungen, wodurch eine Feedback-Schleife entsteht, in der man überhöhte CPCs für Umsatz zahlt, der ohnehin eingetreten wäre.

Inderpaul teilte eine Fallstudie, in der sein Team Revenue-Ausreißer in Conversion Values absichtlich deckelte, um algorithmische Verzerrungen zu korrigieren. Dadurch wurde das Bidding-System gewissermaßen “überlistet”, konservativer zu agieren, was zu einer CPC-Reduktion von 9% und höherem ROAS ohne tatsächlichen Umsatzverlust führte.

Die zugrunde liegende Erkenntnis ist, dass Ihre Aufgabe zunehmend darin besteht, die Signale zu kuratieren, die der Algorithmus erhält, und nicht nur Kampagnen zu betreiben. Was Sie Google nicht mitteilen, kann genauso wichtig sein wie das, was Sie mitteilen.

Automatisierung ist nur so gut wie das, was man hineingibt

Aaron Levy, Brand Evangelist bei Optmyzr, trat an Day 1 im SMX Partner Track mit einer Session mit dem Titel “New Best Practices: What’s Working (and not) in the Age of AI” auf. Das Muster, auf das er immer wieder zurückkam, war dieses: Automatisierung funktioniert am besten, wenn jemand vor dem Kampagnenstart bewusste Entscheidungen über Struktur und Signale getroffen hat — nicht, wenn man einfach die Schlüssel übergibt und den Standardeinstellungen vertraut.

Die Accounts, die mit Smart Bidding oder Performance Max kämpfen, haben fast immer dasselbe Grundproblem: Conversion-Daten, die nicht sauber sind, eine Kampagnenstruktur, die nicht widerspiegelt, wie das Unternehmen tatsächlich Geld verdient, oder Optimierungsziele, die nicht sorgfältig durchdacht wurden, bevor sie an einen Algorithmus übergeben wurden.

Die Automatisierung ist in den meisten dieser Fälle nicht das Problem. Das Setup ist es. Das ist eine weniger angenehme Antwort als die Schuld auf die Plattform zu schieben, aber die genauere.

Wil Reynolds, Founder und Co-CEO von Seer Interactive, brachte in seiner Closing Keynote auf Markenebene dasselbe Argument vor. Das Wettrennen, KI-gestützte Inhalte schneller zu produzieren, hat eine enorme Menge austauschbarer, vertrauensarmer Inhalte hervorgebracht, und seine Einschätzung dazu war sehr klar.

Die Marken, die im nächsten Jahrzehnt gewinnen, werden nicht die schnellsten bei der Produktion vergessenswerter Inhalte sein; sie werden diejenigen sein, die etwas aufgebaut haben, das sich wirklich schwer replizieren lässt. Seine Herausforderung an Agenturen war insbesondere binär: in das kreative Talent investieren, das für differenzierte Arbeit nötig ist, oder akzeptieren, durch dieselben Tools, mit denen man Kosten senken will, zur Commodity zu werden.

Das ehrliche Fazit

Die Botschaft, Session für Session, ist diese: Die Tools sind tatsächlich leistungsstark, die Automatisierung funktioniert, wenn man sie richtig aufsetzt, und die Praktiker, die kämpfen, tun das meist deshalb, weil sie ihre Rolle noch nicht neu gedacht haben.

Das ist der schwierige Teil. Es geht nicht darum, eine neue Plattform oder ein neues Feature zu lernen. Es geht darum zu erkennen, dass die Aufgabe weniger darin besteht, Dinge innerhalb von Ad-Plattformen zu tun, sondern vielmehr darin, zu entscheiden, was diese Plattformen tun sollten — und das Business-Verständnis zu haben, um diese Entscheidung gut zu treffen.

Der Fairness halber: Genau das ist schon seit einiger Zeit die Position von Optmyzr. Automation layering bedeutet nicht, Kontrolle aufzugeben. Es bedeutet, bewusst zu entscheiden, wo menschliches Urteilsvermögen Mehrwert schafft und wo nicht. Die SMX Munich 2026 war eine Konferenz, die genau um diese Frage herum aufgebaut war.