--- title: "Wie Andrew Lolk KI nutzt, um PPC-Daten zu analysieren, Muster zu erkennen und bessere Entscheidungen zu treffen" serpTitle: "Wie Andrew Lolk KI nutzt, um PPC-Daten zu analysieren" description: "Andrew Lolk erklärt, wie er Claude zur Analyse von PPC-Daten einsetzt, warum KI keine Schlussfolgerungen ziehen oder Annahmen treffen sollte und wie Notion die Abläufe von Savvy Revenue steuert." date: "2026-06-03" url: "https://www.optmyzr.com/de/ppctownhall/how-andrew-lolk-uses-ai-in-ppc/" --- # Wie Andrew Lolk KI nutzt, um PPC-Daten zu analysieren, Muster zu erkennen und bessere Entscheidungen zu treffen > Fireside Chat Andrew Lolk erklärt, wie er Claude zur Analyse von PPC-Daten einsetzt, warum KI keine Schlussfolgerungen ziehen oder Annahmen treffen sollte und wie Notion die Abläufe von Savvy Revenue steuert. **Published:** June 3, 2026 **Watch:** [YouTube Video](https://www.youtube.com/watch?v=XXAn0luaD7c) --- ## Episodenbeschreibung Fred Vallaeys, CEO & Co-Founder von Optmyzr und Autor von *The AI Amplified Marketer*, setzt sich mit Andrew Lolk, Gründer von Savvy Revenue, zusammen, um darüber zu sprechen, wo KI sich in einer seriösen PPC-Agentur tatsächlich bewährt und wo nicht. Andrew ist eine der angesehensten Stimmen im Paid Search. Seine Agentur betreibt hochentwickelte, feed-basierte Search-Kampagnenstrukturen, bei denen das Keyword-Management weitgehend automatisiert ist. Wenn es also um KI geht, sucht er nicht nach Hilfe beim Kampagnenmanagement. Da ist er längst weiter. Was er stattdessen gefunden hat, ist etwas Wertvolleres: einen persönlichen Analysten, der zu jeder Stunde verfügbar ist, große Datensätze in Minuten verdichten und Muster sichtbar machen kann, für die früher ein Junior-Mitarbeiter, ein Stapel Tabellen und ein paar Stunden nötig waren. Wenn Sie eine bodenständige, erfahrene Perspektive darauf suchen, wo KI in der PPC-Agenturarbeit echten Hebel schafft, ist das hier eine gute Folge. Hier ist, was in diesem Gespräch besprochen wurde: * Wie Andrew KI nutzt, um PPC-Daten schneller zu analysieren * Warum KI bei Analyse besser ist als beim Kampagnenmanagement * Der überraschende Nutzen, CSV-Exporte in Claude hochzuladen * Warum Andrew KI sagt, sie solle nicht ableiten, schlussfolgern oder raten * Wie KI Savvy Revenue dabei hilft, SOPs und interne Abläufe zu managen * Die Chancen und Risiken von KI-Agenten und MCPs * Andrews Vision für eine Zukunft ohne Keyword-Match-Types * Praktische Wege, wie PPC-Marketer KI heute nutzen können, ohne die Kontrolle abzugeben --- ## Erkenntnisse aus der Episode Andrew Lolk ist niemand, der sich um der KI willen für KI begeistert. Er leitet Savvy Revenue, eine der technisch anspruchsvolleren PPC-Agenturen, die heute am Markt sind, und sein Ausgangsniveau ist bereits hoch. Search-Kampagnen basieren auf feed-basierten Strukturen. Keywords werden dynamisch hinzugefügt und entfernt. Neue Marken und Kategorien werden automatisch eingespielt. Es gibt nicht viel Raum für KI, um hereinzukommen und zu verkünden, dass sie Dinge optimiert, denn die Optimierung ist bereits weitgehend abgedeckt. Was Andrew stattdessen gefunden hat, ist etwas anderes und Nützlicheres: KI als Denkpartner und analytische Ebene, die Stunden an Tabellenarbeit ersetzt, operative Fragen sofort beantwortet und das institutionelle Wissen einer Agentur bewahrt, ohne dass jemand es manuell kuratieren muss. Das Gespräch mit Fred deckt all das ab, plus die Risiken, die Andrew sieht und über die die meisten Leute in der Branche nicht laut genug sprechen. ### Wie Andrew KI nutzt, um PPC-Daten schneller zu analysieren Der Workflow, den Andrew beschreibt, ist bewusst unspektakulär, und genau deshalb funktioniert er. Statt Claude anzuweisen, Daten direkt aus Google Ads zu ziehen, was bei großen und komplexen Accounts schnell an Grenzen stößt, lädt er eine CSV mit genau den Spalten herunter, die er möchte, lädt diese Datei hoch und beginnt dann, Fragen zu stellen. > Andrew erklärt: "Indem ich die CSV-Datei hochlade und sie bitte, die Daten zu verdichten, verschiedene Visualisierungen dieser Daten zu finden, bin ich manchmal einfach zu einem viel besseren Punkt in dem gekommen, was ich Kunden präsentiere, aber auch zu einem besseren Verständnis dessen, was in einem Account passiert, indem ich das gemacht habe." Claude schreibt im Hintergrund Python, um die Daten zu aggregieren und zu analysieren. Was früher 45 Minuten VLOOKUP- und Pivot-Table-Arbeit erforderte, dauert jetzt nur noch ein paar gezielte Fragen. Andrew nannte ein konkretes Beispiel: ein großer europäischer Account, bei dem er die kanalübergreifende Performance verstehen musste. Er hat Google-Ads-Daten, Meta-Ads-Daten, Umsatzzahlen des Kunden und Klaviyo-Daten zusammengeführt. Eine Grafik zeigte dann, dass der Kunde immer dann, wenn Andrew die Google-Ads-Ausgaben senkte, die Meta-Ausgaben in nahezu perfekter Korrelation erhöhte. Ein Media-Mix-Modell, erstellt, ohne absichtlich eines aufzubauen. Statt Claude zu bitten, den Account zu prüfen, fragt er, ob die Daten eine bestimmte Hypothese stützen, oder welches Segment über zehn Accounts hinweg die Year-over-Year-Performance belastet. Diese Fragestellung liefert etwas Nützliches. Eine offene Audit-Anfrage erzeugt nur Rauschen. ### Warum KI bei Analyse besser ist als beim Kampagnenmanagement Andrew sagt klar, dass er Claude nicht nutzt, um Accounts zu bearbeiten oder Kampagnen aufzubauen. Für die Art von Arbeit, die Savvy Revenue macht, ist das nicht der Bereich, in dem KI Mehrwert schafft. Die Accounts laufen bereits mit ausgefeilter Automatisierung. Eine KI darüber zu legen und sie optimieren zu lassen, schafft mehr Risiko als Chancen. Die Analyse-Ebene ist anders. Sie greift nichts an. Sie hilft nur dabei, Dinge schneller und klarer zu sehen. Und sie ist zu jeder Stunde verfügbar, was wichtig ist, wenn man ein verteiltes Team führt. > "Für mich wird die Herausforderung fast schon, dass ich zwei Versionen von Claude habe, eine private und eine für die Arbeit. Und dann gibt es innerhalb von Claude die drei Arten, damit zu arbeiten. Welche davon habe ich für diese Frage genutzt? Also, wo muss ich hingehen, um diese Antwort zu bekommen?", sagt Andrew. KI-Assistenten zu managen beginnt sich an wie das Managen von Menschen anzufühlen. Man muss wissen, wo jeder Kontext hat, was er weiß und was nicht. Das ist eine neue Art von operativem Problem, aber ein gutes Problem. Die Alternative wäre gewesen, entweder jemanden einzustellen oder die Arbeit selbst zu machen. ### Der überraschende Nutzen, CSV-Exporte in Claude hochzuladen Das ist der praktischste und am besten übertragbare Ratschlag im Gespräch, und er läuft dem entgegen, wie die meisten Menschen über KI und PPC-Daten denken. Der Instinkt ist, Claude direkt per API oder MCP mit Google Ads zu verbinden und alles ziehen zu lassen, was es braucht. Andrews Erfahrung ist, dass das bei großen Accounts nicht funktioniert. Der CSV-Ansatz funktioniert, weil man genau kontrolliert, welche Daten hineingehen. Man definiert die Spalten, die Datumsbereiche, die Segmentierung. Claude muss nicht herausfinden, was es abrufen soll. Es muss nur mit dem arbeiten, was da ist. Und bei großen Datensätzen kommt derzeit nur Claude damit gut zurecht. Andere Modelle werden verwirrt oder stoßen an Limits. Die gleiche Logik gilt für die Fragen, die man stellt. Konkrete, hypothesengetriebene Fragen führen zu konkreten, nützlichen Antworten. Andrew behandelt die KI wie einen scharfen Analysten, der hervorragend Muster erkennt, aber keinerlei Geschäftskontext hat. Der Geschäftskontext ist die Aufgabe des Menschen. ### Warum Andrew KI sagt, sie solle nicht ableiten, schlussfolgern oder raten Das ist die Anweisung, die alles andere zum Funktionieren bringt. Ohne sie liest Claude einen Datensatz mit sinkendem Volumen und steigendem ROAS und kommt zu dem Schluss, dass die Strategie des Accounts, enger zu steuern und profitabler zu werden, funktioniert. Wenn das eigentliche Ziel Wachstum war, ist diese Schlussfolgerung nicht nur falsch, sondern potenziell schädlich, wenn sie eine Kundenempfehlung prägt. > "Ich bitte es, nichts zu schlussfolgern. Alle Fähigkeiten, die wir in Claude haben, sind sehr spezifisch: nicht schlussfolgern, nicht ableiten, nicht raten", sagt Andrew. Die KI hat keine Möglichkeit zu wissen, wie die strategischen Ziele des Accounts aussehen, wenn man es ihr nicht sagt. Und selbst dann erfordert das Ziehen von Schlussfolgerungen aus Daten Geschäftskontext, der in den Köpfen der Menschen lebt, die den Account betreuen. Andrew möchte die Daten verdichtet und visualisiert haben. Die Schlussfolgerungen zieht er selbst. Das ist die richtige Arbeitsteilung. Es ist eine einfache Anweisung, aber es braucht Disziplin, sie konsequent durchzusetzen. Die Versuchung besteht darin, die KI alles synthetisieren zu lassen, was Zeit spart, bis sie eine selbstbewusst klingende Empfehlung auf Basis eines Missverständnisses der Absicht abgibt. ### Wie KI Savvy Revenue dabei hilft, SOPs und interne Abläufe zu managen Savvy Revenue hat sein internes Betriebssystem vor vier Jahren auf Notion aufgebaut. Heute läuft dieses System mit KI-Agenten, die überall eingebettet sind, und die Ergebnisse sind erheblich. Jede SOP hat darunter einen kleinen KI-spezifischen Hinweis. Notion-Agenten können alle Kunden-E-Mails, Slack-Unterhaltungen, Projektnotizen und Meeting-Protokolle lesen. Während der Quartalsplanung bat Andrew den Agenten, jedes von ihm veröffentlichte YouTube-Video, jedes abgeschlossene Kundenprojekt und jedes Projektergebnis durchzugehen und dann eine Datenbank darüber zu erstellen, was unter welchen Umständen funktioniert hat und was nicht. Diese Datenbank liefert dem Team jetzt Live-Empfehlungen: Wenn ein Account so aussieht, hat diese Art von Projekt tendenziell Erfolg. Auch das SOP-Pflegesystem ist ähnlich schlank. Früher mussten Teammitglieder auf einen Button klicken, ein Formular ausfüllen und eine Anfrage einreichen, wenn etwas in einer SOP unklar oder veraltet war. Jetzt kommentieren sie einfach direkt auf der Seite, genau wie in einem Google Doc. Ein KI-Agent läuft monatlich, prüft alle Kommentare, behebt, was er innerhalb definierter Grenzen kann, zieht relevante Slack-Historie für zusätzlichen Kontext heran und bereitet alles, was er nicht selbst lösen kann, für Andrews Operations-Partner zur Prüfung auf. > "Die Menge an Arbeit, die das beim Führen einer Agentur abnimmt, nicht aus Google-Ads-Sicht, ist unglaublich", erklärt Andrew. "Und es fehlt der gesamte Kontext dessen, was hier passiert und wie man Dinge gerne macht. Und ich denke, es ist ein riesiger Vorteil, Content zu machen, weil man sein Denken teilt, und das kann in SOPs umgewandelt werden." Der Anwendungsfall für Agentur-Operations ist derzeit ausgereifter als der Google-Ads-Anwendungsfall, und Andrew sagt das ganz offen. Die Dokumentation, die Planung, das Management des institutionellen Wissens; dort liefert KI heute echten Mehrwert. ### Die Chancen und Risiken von KI-Agenten und MCPs Andrew nutzt das Claude-Ökosystem intensiv. Er nutzt Superhuman für E-Mails speziell deshalb, weil es ein gut aufgebautes Claude-MCP hat, das sauberer mit Gmail verbunden ist als das native Gmail-MCP. Er hat sowohl ein privates als auch ein Arbeits-Claude-Konto. Er hat sorgfältig darüber nachgedacht, was er verbinden will und was nicht. Aber er macht sich auch Sorgen. Bei MCPs im weiteren Sinne, insbesondere im Google-Ads-Bereich, schlägt er Alarm, den die meisten Leute nicht laut genug schlagen. > "Sicherheit, Cybersecurity, ist für mich ein wirklich großes Thema. Ich glaube, das wird sehr bald allen um die Ohren fliegen. All die verschiedenen APIs, all die verschiedenen MCPs, alles. Es gibt nur sehr wenige vertrauenswürdige MCP-Lösungen, besonders im Google-Ads-Bereich, und ich denke, das ist etwas, worüber sich wirklich jeder viel mehr Sorgen machen sollte", sagt Andrew. Seine Analogie sind Scripts. In den frühen Tagen von Google Ads Scripts konnte man etwas installieren, das ein Fremder geschrieben hatte, und hatte keine Ahnung, was es tatsächlich mit dem Account machte. MCPs mit Schreibzugriff sind eine Variante desselben Risikos, nur mit größerer Angriffsfläche und mehr Potenzial für Schaden. Die PPC-Branche ist daran schon einmal verbrannt worden. Die aktuelle Ära der KI-Tools verdient denselben Grad an Prüfung. Andrews Sorge um MCPs ist Teil eines größeren Punkts darüber, wie die Branche auf Konnektivität zusteuert, ohne die Auswirkungen vollständig zu durchdenken. Lesezugriff ist das eine. Schreibzugriff auf ein Kundenkonto mit echten Budgets ist eine ganz andere Risikostufe. ### Andrews Vision für eine Zukunft ohne Keyword-Match-Types Andrews Wunsch an Google ist, Match-Types vollständig abzuschaffen und sie durch ein Spektrum intelligenter Bidding-Exploration-Einstellungen zu ersetzen. Das aktuelle System verlangt von Werbetreibenden, ihre Absicht über die Keyword-Formatierung zu signalisieren: Broad Match für Expansion, Exact Match für Kontrolle, Phrase irgendwo dazwischen. Er hält das zunehmend für überflüssig. Was er stattdessen möchte, ist ein einziger Regler auf der Smart-Bidding-Seite. An einem Ende kann man dem System sagen, es soll bis zu 30 % unter dem ROAS-Ziel explorieren, um mehr Volumen zu erhalten. Am anderen Ende kann man auf 30 % über dem ROAS-Ziel straffen, um maximale Effizienz zu erreichen. Die Klammern und Anführungszeichen bei Match-Types werden überflüssig, weil das Bidding-System bereits das übernimmt, was sie nur annähernd abgebildet haben. > "Warum muss ich ein Keyword in Klammern oder Anführungszeichen setzen und mich im Internet mit Leuten darüber streiten, ob Anführungszeichen oder Klammern besser sind? Das ist lächerlich", sagt Andrew. Das ist eine schlüssige Vision. Smart-Bidding-Exploration bewegt sich bereits in diese Richtung. Das Argument lautet, dass Match-Types ein veralteter Kontrollmechanismus sind, der für eine manuelle Bidding-Welt entwickelt wurde, und dass die Werbetreibenden-Erfahrung umso sauberer wird, je früher Google sie zugunsten direkterer Explorationsparameter abschafft. ### Praktische Wege, wie PPC-Marketer KI heute nutzen können, ohne die Kontrolle abzugeben Der rote Faden durch dieses gesamte Gespräch ist Kontrolle. Andrew ist begeistert von KI, aber präzise darin, wo sie eingesetzt wird. Sie analysiert, sie macht Muster sichtbar, sie pflegt Dokumentation, sie beantwortet operative Fragen. Sie managt keine Accounts, zieht keine strategischen Schlussfolgerungen und trifft keine Maßnahmen, die nicht überprüft werden können. Dieses Framing ist nützlicher als der generische Rat "Nutzen Sie KI, um Zeit zu sparen", der den Großteil der Brancheninhalte füllt. Die Zeitersparnis ist real, aber sie entsteht durch konkrete Anwendungen mit konkreten Leitplanken, nicht dadurch, dass man den Account-Zugriff abgibt und auf das Beste hofft. Der praktische Einstieg, den er beschreibt, ist für jedes PPC-Team zugänglich: eine CSV herunterladen, in Claude hochladen, eine konkrete Frage zu einem konkreten Problem stellen, zu dem man bereits eine Theorie hat. Sehen, was die Visualisierung zeigt. Von dort aus weiter aufbauen. Die Agenturen, die in den nächsten Jahren am meisten aus KI herausholen, werden nicht die sein, die die meisten Tools verbunden haben. Es werden die sein, die sorgfältig darüber nachgedacht haben, wo KI Vertrauen verdient, und ihr nur dort Raum gegeben haben, wo sie es auch wirklich verdient. --- ## Episodentranskript **Frederick Vallaeys:** Hey, mein Name ist Fred Vallaeys. Ich mache eine Serie über AI-amplified marketers, und einer der besten Leute, mit denen man sprechen kann, einer der meinungsstärksten und klügsten Leute im PPC-Bereich, ist Andrew Lolk, der Savvy Revenue leitet. Andrew, schön, dich wiederzusehen. Willkommen im Studio. **Andrew Lolk:** Danke, Fred. Schön, hier zu sein. **Frederick Vallaeys:** Ja. Hat Claude dir gesagt, dass du zum Friseur gehen sollst? **Andrew Lolk:** Tatsächlich habe ich ein Bild von mir im Fitnessstudio hochgeladen und Gemini gebeten, das einfach zu faken, und ich mochte es einfach nicht. Aber meine Frau meinte, ich sollte das mal ausprobieren. Also. **Frederick Vallaeys:** Okay. Du hast es trotzdem gemacht. Das ist ziemlich cool. Du vertraust der KI also. Aber lass uns über KI im Business sprechen, okay? Du hast sie also um Rat für einen Haarschnitt gebeten. Offensichtlich gibt es viele Dinge, für die wir sie in unserem Arbeitsleben, für PPC, fragen können. Wie wohl fühlst du dich heutzutage damit, KI im Business zu nutzen? **Andrew Lolk:** Ich denke, eines der Dinge, die ich sagen würde, die beste Art, es zu sagen, ist: Wenn Leute sagen, dass sie sich unwohl dabei fühlen, ihre Banktransaktionen über KI hochzuladen, ist meine erste Reaktion: "Warum?" Ich gehöre zu der Gruppe, die sagt: Je mehr wir der KI geben können, desto besser. Je mehr sie über mich weiß, desto besser. Je mehr sie sich mit meiner E-Mail, meinen Banktransaktionen, allem, was wir tun, verbinden kann, desto besser. Also versuchen wir das bei Savvy. Wir versuchen, ihr so viel Kontext wie möglich zu geben. Also alle unsere Kundennotizen, E-Mails, Slacks, alles, weil es mir einfach Zeit spart. Wir haben früher am Tag schon über dieses Thema mit Leuten in verschiedenen Zeitzonen gesprochen. Ich kann die KI einfach fragen: "Was ist das? Warum funktioniert das? Wie ist unsere Urlaubsregelung? Wann arbeitet diese Person?" Ich muss mich nicht schlecht fühlen, wenn ich jemanden um 16:00 Uhr zu einem Meeting einlade, obwohl er jeden Tag um 15:00 Uhr geht, weil ich mich aus irgendeinem Grund nicht daran erinnern kann. Aber sie gehen jeden Tag, um ihre Kinder abzuholen. Ich habe das einfach in einem Dokument in Notion. Ich kann Notion AI fragen: "Was ist die beste Zeit, um ein Meeting mit Benjamin zu planen?" Dann mache ich es um 15:00 Uhr. **Frederick Vallaeys:** Ja, KI kann super hilfreich sein. Und du bist ja wirklich einer der führenden PPC-Marketer. Ich nehme an, du hast KI genutzt, um dich abzuheben, und ich wollte einfach hören, was du gemacht hast und was für dich funktioniert. **Andrew Lolk:** Ich glaube, bei mir ist es wie bei vielen anderen: Ich habe ständig das Gefühl, hinterherzuhinken. Diese KI-Angst ist da draußen, wo man jemanden etwas machen sieht und denkt: "Oh mein Gott, warum mache ich das nicht?" Ich glaube, ich habe endlich einen Punkt gefunden, an dem ich entspannter bin mit dem, was ich mache, und mit dem, was KI kann. **Frederick Vallaeys:** Das kenne ich aber. Wir haben die Google-IO-Keynote angeschaut, und irgendwann haben wir uns angesehen und gedacht: "Warum sitzen wir hier und schauen uns das an, wenn es all diese neuen Dinge gibt, mit denen wir eigentlich etwas machen sollten?" Man fühlt sich einfach ständig überfordert. **Andrew Lolk:** Und ich glaube, die Dinge, für die ich KI heute nutze, sind aus Google-Ads-Sicht eigentlich sehr uninteressant. Ich mache nichts, bei dem Claude in meine Accounts geht und meine Kampagnen bearbeitet. Aber ich denke auch, dass es wichtig ist, dass wir uns anschauen, wo wir aus Google-Sicht stehen. Welche Art von Accounts betreiben wir heute, und welchen Nutzen ziehen wir aus KI? Denn bei Savvy laufen bereits viele Dinge mehr oder weniger vollautomatisch. Alle unsere Search-Kampagnen basieren auf einer feed-basierten Struktur. Also werden neue Keywords hinzugefügt, alte Keywords entfernt, neue Marken hinzugefügt, neue Kategorien hinzugefügt. All das passiert bereits dynamisch. Dann gibt es noch so eine Kleinigkeit mit dem Hinzufügen von Keyword-Variationen, und das kann ziemlich schnell erledigt werden. Aber wo ich bei unseren Kunden mit Abstand am meisten Hilfe gefunden habe, ist im Grunde, einen persönlichen Analysten zu bekommen, in der Lage zu sein, und das wird jetzt sehr unpopulär werden, die CSV-Datei aus Google Ads herunterzuladen, damit man genau die Spalten hat, die man will. Man promptet es nicht, um zu versuchen, die Daten zu bekommen, denn sobald die Accounts groß genug werden, kommt Claude oder Gemini wirklich durcheinander, wenn es darum geht, die Daten herauszuziehen. Aber einfach die CSV-Datei hochladen und dann bitten, die Daten zu verdichten, verschiedene Visualisierungen dieser Daten zu finden. Und ich bin dadurch manchmal einfach zu einem viel besseren Punkt in dem gekommen, was ich Kunden präsentiere, aber auch zu einem besseren Verständnis dessen, was in einem Account passiert. Das war für mich mit Abstand der größte Durchbruch. **Frederick Vallaeys:** Und wenn du eine deiner AIs Daten analysieren lässt, findest du das ziemlich zuverlässig? Schreibt sie dafür Python? **Andrew Lolk:** Also sie schreibt ein Python-Skript, um die Daten zu verdichten und zu aggregieren und all das. Worauf ich sehr achte, ist, dass ich sie bitte, nichts zu schlussfolgern. Alle Fähigkeiten, die wir in Claude haben, sind sehr spezifisch: nicht schlussfolgern, nicht ableiten, nicht raten. Denn es liest die Daten und sagt dann: "Okay, jetzt steigt dein ROAS und dein Volumen geht zurück. Deine Strategie, enger zu steuern und profitabler zu werden, funktioniert." Und ich sitze dann nur da und denke: "Der ganze Zweck ist zu expandieren. Das ist das Gegenteil von dem, was wir wollen." Also Schlussfolgerungen zu ziehen oder deine Strategie oder deine Gründe dafür abzuleiten, warum die Daten so sind, wie sie sind. **Frederick Vallaeys:** Also nimmt es an, dass du erfolgreich bist und dass du genau wolltest, dass das passiert. **Andrew Lolk:** Genau. Und ich war wirklich streng darin zu sagen: Mach das nicht. Leite nichts ab. Zieh keine Schlussfolgerungen. Mach gar nichts. Hilf mir einfach, die Daten zu verdichten. Und das ist etwas, wo ich früher die Daten in einem Google Sheet oder einer Excel-Tabelle hatte und dann VLOOKUPs erstellt hätte, Pivot-Tabellen erstellt hätte, um dahin zu kommen. Und man wäre nach 45 Minuten dort angekommen. Indem man die Daten, auch ziemlich große Datensätze, in Claude hochlädt — nur Claude kann das heute bewältigen —, kann ich Fragen zu den Daten stellen. Ich habe vor ein paar Monaten eine Analyse für einen riesigen Account in Europa gemacht, und statt die ganze Tabellenarbeit zu machen, habe ich es einfach gefragt und gefragt, und es war wunderschön. **Frederick Vallaeys:** Ja, genau. Und es kann es schnell machen, weil es keine Tabellen verwendet, die auf den ersten Blick eigentlich ziemlich umständlich sind. Es nutzt einfach den zugrunde liegenden Python-Code, um eine echte Analyse durchzuführen. **Andrew Lolk:** Und ich denke, die Magie hier besteht darin, zu vermeiden, es zu bitten, ein Audit zu machen. "Audit this data." Nein. Du hast die Daten, du hast bereits eine Theorie darüber, was passiert. Du fragst: "Stützt die Datenlage meine These dazu?" Oder: "Wir performen im Jahresvergleich über 10 Accounts hinweg schlechter. Welches Segment des Accounts ist es, das funktioniert?" Und außerdem hattet ihr vor Jahren den PPC Detective. Ich weiß nicht, ob ihr den noch habt. **Frederick Vallaeys:** Ja, den PPC Investigator. **Andrew Lolk:** Investigator. Ja. Das mochte ich immer sehr, diese Ansicht, in der man sehen kann: Okay, die CTR der Shopping-Kampagnen ist gesunken, also bekommst du weniger Volumen. Okay, jetzt weißt du, was du tun musst. Es ist genau dasselbe hier, wo du versuchst, das Segment zu finden, das nicht funktioniert, und dann eine Visualisierung davon. Ich hatte einen Kunden, bei dem ich nicht herausfinden konnte, warum sein polnisches Konto, egal was wir gemacht haben, wir die Ausgaben gesenkt haben und die gesamte Contribution Margin oder der blended ROAS, sich nie verbessert hat. Wir sind von einem ROAS von 250 % auf 450 gegangen. Wie kann sich das nicht verbessern? Und wir haben es zweimal versucht, und es hat sich nicht verbessert. Also habe ich alle Google-Ads-Daten, alle Meta-Ads-Daten sowie die Umsatzdaten des Kunden und die Klaviyo-Daten eingespielt. Und das einzige Diagramm, das dabei herauskam, war der Meta-Ausgabenanteil, und es kollidierte exakt mit dem Zeitpunkt, an dem ich die Google-Ads-Ausgaben senkte, woraufhin der Kunde Meta erhöhte. Im Grunde ein Media-Mix-Model-Datenpunkt, ohne es zu wissen. **Frederick Vallaeys:** Schön. **Andrew Lolk:** Und genau das sind die Dinge, bei denen ich einfach denke: Für mich bedeutet der Analyse-Teil, dass ich keinen Junior brauche, ich brauche niemanden in meinem Team, der all diese Reports erstellt. Ich kann mich direkt per Prompt zu diesem Report vorarbeiten. **Frederick Vallaeys:** Für mich war das der Durchbruch bei dem, was du beschreibst, aber auch die Tatsache, dass viele in meinem Team in verschiedenen Zeitzonen arbeiten. Und bis ich bereit bin, ihnen eine Frage zu stellen, schlafen sie oft schon oder sind bei ihren Familien. Aber dieser Assistent ist immer da und jederzeit bereit, wenn ich es bin. Und für mich wird die Herausforderung fast schon zu: Ich habe zwei Claude-Kopien, eine private und eine für die Arbeit. Und dann gibt es innerhalb von Claude die drei Arten, damit zu arbeiten. Welche davon habe ich für diese Frage genutzt? Also, wohin muss ich gehen, um die Antwort zu bekommen? **Andrew Lolk:** Genau wie beim Führen von Mitarbeitern in einem Unternehmen habe ich jetzt diese Belegschaft aus vielen Agenten, und wie gehe ich damit um — brauche ich einen Manager, der den Überblick behält? Und das wird für mich gerade zur nächsten Ebene der Herausforderung. **Frederick Vallaeys:** Ja. Ja. Was die Agenten angeht, mit denen du arbeitest, Claude Co-work — ist das größtenteils okay. **Andrew Lolk:** Also, wir wechseln da hin und her. Ich denke, zu diesem Zeitpunkt ist Claude so weit voraus, dass es so viele coole Dinge ermöglicht, die du heute in ChatGPT oder Gemini einfach nicht hast. **Frederick Vallaeys:** Ja, absolut. Da stimme ich komplett zu. Es ist das Tool, das für die Arbeit funktioniert. ChatGPT — das ist das, zu dem ich gehe, wenn ich etwas finden muss und es nicht googeln will. Aber wenn ich eine E-Mail schreiben muss, warum sollte ich dann zu ChatGPT gehen, um etwas zu bekommen, das ich in einen anderen Bildschirm kopieren und einfügen muss, wenn Claude das einfach für mich erledigen kann. **Andrew Lolk:** Es ist wieder die Marktplatz-Analogie. Um einen erfolgreichen Marktplatz zu haben, brauchst du viele Käufer und viele Verkäufer. Du brauchst Käufer, um Verkäufer zu bekommen, und Verkäufer, um Käufer zu bekommen. Und das Claude-Ökosystem ist einfach unglaublich, oder? Ich nutze Superhuman für meine E-Mails, und die haben ein Claude-MCP. Das Gmail-MCP funktioniert innerhalb von Claude nicht annähernd so gut wie Superhuman, weil sie sich komplett geöffnet haben und eine Verbindung zu Gmail haben. Es ist einfach unglaublich, was sie heute gebaut haben. **Frederick Vallaeys:** Ja. Und wenn wir schon bei MCPs sind: Du magst das von Superhuman. Hast du MCPs für Savvy gebaut, oder welche ziehen dich besonders an? **Andrew Lolk:** Also, wir haben noch keine gebaut, aber das liegt auch daran, dass die meisten Daten, die wir haben — wir haben unseren gesamten Datenspeicher in BigQuery. Sehr früh haben wir ein Data Warehouse für alle unsere Kundendaten aufgebaut, damit wir alles einfach an einem Ort konsolidieren können. Sicherheit, Cybersecurity, ist für mich ein wirklich großes Thema. Ich denke, dass das sehr bald allen um die Ohren fliegen wird. All die verschiedenen APIs, all die verschiedenen MCPs, alles — ich mache mir darüber riesige Sorgen. Und es gibt nur sehr wenige vertrauenswürdige MCP-Lösungen, besonders im Google-Ads-Bereich. Ich denke, das ist etwas, worüber sich wirklich jeder viel mehr Gedanken machen sollte. Einfach irgendwem und jedem Zugriff auf ein Konto zu geben, und zwar nicht nur Lesezugriff, sondern Schreibzugriff. **Frederick Vallaeys:** Das ist ein bisschen wie früher mit Scripts, oder? Du konntest ein Script installieren, das jemand anderes geschrieben hatte, und ohne es zu wissen, einfach loslegen. **Andrew Lolk:** Ja, genau. Du legst los, und es schickt jetzt die gesamten Kontodaten per E-Mail an irgendeine zufällige Person, ohne dass du es weißt. **Frederick Vallaeys:** Ja, genau. Also, das sind MCPs. Wie sieht es mit Skills aus? Baut ihr bei Savvy Revenue Skills intern auf? **Andrew Lolk:** Wir haben bei Savvy zwei Ebenen. Wir haben unser gesamtes internes Betriebssystem auf Notion aufgebaut. Das war eine Entscheidung, die wir vor vier Jahren getroffen haben, und sie hat für uns immer sehr gut funktioniert. Heute funktioniert es unglaublich gut, weil du jede beliebige Seite in Notion haben kannst — wir müssen es nicht unnötig verkomplizieren — aber jede einzelne Seite in Notion kann AI-Anweisungen enthalten. Dort, wo wir all unsere SOPs haben, fügen wir einfach unter einer SOP einen kleinen Hinweis ein, der speziell für AI ist. Plötzlich läuft also all die Arbeit, die wir je gemacht haben, all die Notizen, alle Kundene-Mails, alle Kundengespräche, alles, was wir je hatten und je haben werden, aus täglicher Sicht in Notion. Und Agenten übernehmen Projektmanagement, Wochenplanung und all diese Dinge. Alles ist dort drin. **Frederick Vallaeys:** Token maxing. **Andrew Lolk:** Oh, wirklich? Aber du zahlst dort ja nicht für Tokens. **Frederick Vallaeys:** Oh, das ist unglaublich. Ich habe ein Claude-Abonnement gekauft, einfach das normale, um es in zwei Minuten auszureizen. Okay, super. Aber ich kann innerhalb von Notion machen, was ich will. Es ist eine begrenzte Version von Claude, also werden die Tokens nicht auf dieselbe Weise ausgereizt. **Andrew Lolk:** Und das ist etwas, das mich manchmal frustriert. Du kaufst eine Software, sei es Notion oder etwas anderes, und damit es wirtschaftlich machbar ist, dir unbegrenzte AI-Nutzung innerhalb des Plans zu geben, den du bezahlst, bekommst du nicht das beste Modell, oder? Aber manchmal denkst du: "Ich würde wirklich vom besten Modell profitieren, weil ich dann nicht alles überprüfen muss." **Andrew Lolk:** Notion hat das beste Modell. Es hat OpenAI 4.6, es hat ChatGPT 5.5, aber die Modalität ist eingeschränkt, während Claude einen schön aussehenden Report mit verschiedenen Diagrammen erzeugt. Das macht Notion nicht. Sie schränken es also wirklich ein. Aber jetzt haben sie autonome Agenten innerhalb des gesamten Workspaces. Die können einfach dort liegen. Wir machen bei Savvy die Quartalsplanung, und eines der Dinge, die wir dieses Mal für Kunden gemacht haben, war: "Okay, geh alle YouTube-Videos durch, die ich gemacht habe, geh alle Projekte durch, die in den letzten Kundenprojekten umgesetzt wurden, finde die Schlussfolgerungen und schreibe dann auf — zähle zusammen, welche verschiedenen Projekte es gab, welche Projekte unter welchen Umständen erfolgreich waren und welche nicht." Und dann können wir all diese Learnings nutzen, und jetzt haben wir eine Live-Datenbank mit 12 Empfehlungen für das Team, die sagt: Wenn dein Konto in diesem Szenario ist, dann würde dieses Projekt gut für dich funktionieren. Die Menge an Arbeit, die das beim Führen einer Agentur abnimmt, und zwar nicht aus Google-Ads-Sicht, ist unglaublich. **Frederick Vallaeys:** Ja. Und das ist wichtig, oder? Du hast eine SOP, wenn dies, dann das, was auch für Skills gilt. Aber das Risiko bei AI ist, dass du sagst: "Hey, optimiere dieses Konto", und ich könnte es auf tausend verschiedene Arten optimieren. Und wie du in einigen Blogposts angemerkt hast, ist das riskant, weil es dein ganzes Konto durcheinanderbringen und dir sechs Monate von — **Andrew Lolk:** Genau. Und es fehlt der gesamte Kontext, was hier eigentlich passiert und wie du Dinge gerne machst. Und ich denke, Content zu erstellen ist ein riesiger Vorteil, weil du deine Denkweise teilst, und das kann in SOPs umgewandelt werden. Und es klingt schick und so, aber im Grunde geht es nur darum zu sagen: "Wir glauben, dass du nicht jedes einzelne Keyword als Keyword-Variation hinzufügen solltest." Das ist eine SOP. Aber wenn Claude einen Blogpost von jemandem aus vor zwei Jahren liest, als du alle Keyword-Variationen hinzufügen musstest, weil Match Types anders funktionierten, dann wird es das tun und es empfehlen und so weiter. **Frederick Vallaeys:** Und all diese neuen kleinen Erkenntnisse im Blick zu behalten, die du lernst — geh einfach zu deinem Agenten und sag: "Hey, hier ist noch etwas, das wir für unsere SOPs berücksichtigen sollten." Er findet die richtige Stelle, um es einzufügen, und weiß, wie man es aktualisiert. **Andrew Lolk:** Ein sehr gutes Beispiel ist, dass wir früher bei jeder SOP eine ziemlich komplizierte Struktur hatten, bei der man, wenn etwas zu alt war oder jemand es nicht verstand, auf einen Button klicken musste. Dieser Button erzeugte eine Automation, die eine Aufgabe öffnete, die man mit einer Anfrage ausfüllen musste, um zu sagen, warum etwas nicht funktioniert hat. Jetzt machen wir einfach in unserer SOP-Datenbank, dass Leute dort kommentieren können. Das war's. Ich brauche nichts anderes. Es funktioniert einfach wie Google Docs — etwas markieren, kommentieren und sagen: "Das funktioniert so, das funktioniert nicht so, oder ich habe das nicht verstanden." Und dann haben wir einen AI-Agenten, der jeden Monat läuft und alles durchgeht. Was er innerhalb bestimmter Grenzen, die wir ihm gegeben haben, selbst beheben kann, behebt er einfach. Er zieht die neuesten Informationen heran. Er zieht Informationen aus unserem Slack und sagt: "Okay, das hat schon mal jemand gefragt. Ich kann das einfach nehmen und hier einfügen." Und was er selbst nicht versteht, sammelt er in einem Projekt und gibt es meinem Partner bei Savvy, der die Operations leitet. Er kann es dann durchgehen. Und das ist einfach so viel einfacher. Ich schaue mir die Google-Ads-Welt an — ich denke, wir werden dort irgendwann mit ähnlichen Dingen ankommen, aber was es heute für das Führen eines Teams und eines Unternehmens leistet, ist unglaublich. **Frederick Vallaeys:** Ja. Was steht denn auf der Wunschliste? Was wäre ein großes AI-Ding, das dein Leben noch besser machen würde? **Andrew Lolk:** Mein großer Wunsch ist, dass sie Match Types abschaffen und gar keinen Match Type mehr oder nur Exact Match lassen. Ich denke also, dass Smart Bidding Exploration den Bedarf an Match Types vollständig beseitigen kann. Wenn wir heute mit Smart Bidding zum Beispiel ein ROAS-Ziel von 500 % haben, sollte ich das sagen können — Smart Bidding Exploration funktioniert so, dass wir ihm die Erlaubnis geben, mehr zu explorieren. Aus meiner Sicht ist das die Broad-Match-Version: mehr explorieren, breiter gehen. **Frederick Vallaeys:** Richtig. Vielleicht musst du bei der Exploration die strengen Ziele nicht erfüllen. **Andrew Lolk:** Genau. Ich will auch das Gegenteil. Ich will eine Skala, auf der ich sagen kann: "Okay, du kannst 10, 20, 30 % niedriger beim ROAS gehen." Ich will auch das Gegenteil — ich will 10, 20, 30 % höher gehen. Genau das versuche ich also mit Match Types zu erreichen. Wenn ich nur Exact Matches schalte, weil ich sehr eng, mit höherem ROAS und ohne Risiko arbeiten will, warum muss ich dann ein Keyword in eckige Klammern oder Anführungszeichen setzen und mit Leuten im Internet darüber streiten, ob Anführungszeichen oder Klammern besser sind? Das ist absurd. Mein großer Wunsch ist, dass sie Match Types abschaffen. **Frederick Vallaeys:** Okay. Vielleicht eines Tages. Vielleicht schon bald. Wir werden sehen. **Andrew Lolk:** Das hast du nicht kommen sehen. **Frederick Vallaeys:** Gut. Hey, wirklich gut, deine Perspektive zu all diesen Dingen zu hören. Sehr einzigartige Gedanken, und danke, dass du sie geteilt hast, und ich hoffe, dich bald wieder in einem anderen Podcast zu haben. **Andrew Lolk:** Danke, dass ich dabei sein durfte, Fred. --- *Source: [Wie Andrew Lolk KI nutzt, um PPC-Daten zu analysieren, Muster zu erkennen und bessere Entscheidungen zu treffen](https://www.optmyzr.com/de/ppctownhall/how-andrew-lolk-uses-ai-in-ppc/)* *© Optmyzr. All rights reserved.*