Das Wichtigste in Kürze
Laut Gartner durchlaufen B2B-Käufer durchschnittlich 27 Touchpoints vor einer Kaufentscheidung — und 87 % aller Buying Groups bestehen aus vier oder mehr Entscheidern. Hinzu kommt: 80 % der gesamten Buyer Journey passiert ohne direkten Vendor-Kontakt. Der durchschnittliche B2B-Kaufzyklus dauert 4,6 Monate, im Enterprise-Segment laut Forrester sogar 11,3 Monate.
Was bedeutet das für Google Ads? Googles Smart-Bidding-Algorithmus lernt aus Conversions. Je schneller und häufiger Conversions passieren, desto besser lernt er. Im B2B-Kontext bedeutet „Conversion“ aber meistens ein ausgefülltes Kontaktformular — nicht ein unterschriebener Vertrag. Das System optimiert auf die falschen Signale.
Stell Dir vor: Du bietest auf „ERP-Software für Maschinenbau“. Jemand füllt ein Formular aus. Google wertet das als Erfolg und zeigt Deine Anzeige häufiger Menschen mit ähnlichem Verhalten. Aber war dieser Lead qualifiziert? War er Entscheider? Hatte das Unternehmen das richtige Budget? Das weiß Google nicht — weil Du es ihm nie gesagt hast.
Laut Gartner verbringen B2B-Käufer nur 17 % ihrer gesamten Buying-Zeit im direkten Austausch mit Anbietern. 80 % der Journey läuft selbstständig — über Recherche, Vergleiche und interne Abstimmung. Für Google Ads bedeutet das: Der Klick auf Deine Anzeige ist Punkt 3 von 27, nicht der letzte Schritt vor dem Kauf.
In einer Analyse von 43 Enterprise-B2B-SaaS-Accounts identifizierte GrowthSpree (2025) drei strukturelle Fehler, die zusammen 36,1 % des Budgets vernichten. Diese Fehler tauchen nicht nur bei SaaS auf — sie sind typisch für jedes B2B-Unternehmen, das Google Ads ohne B2B-spezifische Konfiguration betreibt.
Broad Match verbrauchte in den analysierten Accounts durchschnittlich 47 % des Gesamtbudgets — lieferte aber nur 23 % der Sales-Qualified Leads. Der Rest? Suchanfragen von Jobsuchenden, Wettbewerbern, Studenten und Menschen, die kostenlose Alternativen suchen. Broad Match matcht heute auf interpretierte Suchintention — und „affordable CRM solution“ kann genauso gut einen Freelancer meinen wie einen Mittelständler mit 50 Mitarbeitern.
Performance Max wird standardmäßig auf Formular-Abgaben optimiert. Nicht auf qualifizierte Leads, nicht auf Opportunities, nicht auf Abschlüsse. Das Ergebnis: viele Leads, schlechte Qualität. Der Algorithmus lernt, Nutzer anzuziehen, die Formulare ausfüllen — egal ob sie jemals kaufen würden.
Aus unseren Webnique-Projekten kennen wir das Muster: Accounts mit laufendem Performance Max berichten oft von gestiegenem Lead-Volumen und gleichzeitig sinkender Abschlussquote. Das erste, was wir in jedem Audit finden, ist eine PMax-Kampagne ohne Zielgruppensignale und ohne CRM-Datenrückspielung. Google optimiert dann buchstäblich ins Blaue.
Wer nur Formular-Einsendungen als Conversion trackt, bringt Google bei, diese User zu finden — unabhängig von deren Qualität. Der Algorithmus weiß nicht, ob aus dem Lead ein SQL wurde, ob das Unternehmen ins ICP passt oder ob der Deal jemals geschlossen wird. Er lernt nur: „Diese Person hat das Formular ausgefüllt. Mehr davon.“
Laut GrowthSpree (2025) entfallen in typischen B2B-SaaS-Accounts 47 % des Google Ads-Budgets auf Broad-Match-Keywords, die aber nur 23 % der SQL-Conversions liefern. Diese Keywords matchen auf Job-Seeker-Queries, Wettbewerber-Recherchen und Out-of-ICP-Suchanfragen — bezahlter Traffic ohne Kaufabsicht.
Von August 2024 bis Juli 2025 stieg der durchschnittliche CPC für non-branded B2B-Suchanfragen um 29 % auf $5,34 — während die Click-Through-Rate gleichzeitig um 26 % auf 4,04 % sank (Dreamdata, 2025). Mehr bezahlen, weniger bekommen. Das ist die aktuelle Realität im B2B-Suchmaschinenwerbung.
Performance Max macht dieses Problem größer, nicht kleiner. Das Kampagnenformat kombiniert alle Google-Inventartypen — Search, Display, YouTube, Gmail, Maps — und optimiert vollautomatisch. Im B2C funktioniert das gut: kurze Kaufzyklen, klare Conversions, schnelles Feedback. Im B2B fehlt genau dieses Feedback.
Ohne Offline Conversion Tracking — also ohne Rückspielung von CRM-Daten in Google Ads — optimiert PMax auf den einzigen Datenpunkt, den es hat: das Formular. Das führt zu einem klassischen Garbage-in-garbage-out-Problem. Je mehr Budget PMax bekommt, desto stärker verstärkt es das falsche Muster.
Der eigentliche Fehler liegt nicht in Performance Max selbst — sondern in der Annahme, dass mehr Automatisierung schlechte Datenbasis kompensiert. Im B2B braucht es kein breiteres Targeting, sondern präziseres Signal-Feeding: Wer hat das Formular ausgefüllt, zum SQL konvertiert, ein Angebot erhalten, einen Deal abgeschlossen? Diese Datenpunkte machen den Unterschied zwischen einer Kampagne, die lernt, und einer, die rotiert.
Richtig konfiguriert kann Performance Max die Cost-per-Lead um bis zu 34 % senken. Das setzt voraus: Offline Conversion Tracking via GCLID-zu-CRM-Mapping, ICP-Audience-Signals und klare Conversion-Hierarchie (SQL > MQL > Form submission).
Laut Dreamdata (2025) stiegen die CPCs für non-branded B2B-Keywords zwischen August 2024 und Juli 2025 um 29 % auf durchschnittlich $5,34 — während die CTR gleichzeitig um 26 % auf 4,04 % fiel. Für B2B-Unternehmen bedeutet das: jeder Klick wird teurer, der Return sinkt — ohne strategische Anpassung verbrennt das Budget schneller.
Die durchschnittlichen Kosten pro Akquisition für B2B-Tech betragen laut WordStream (2025) $133,52 — mehr als doppelt so hoch wie der branchenspezifische Schnitt von $66,69. B2B ist teuer. Das ist keine Ausrede, sondern ein Argument dafür, jeden Euro gezielt einzusetzen. Vier Stellschrauben machen den größten Unterschied.
Das wirksamste Hebel: GCLID-Daten aus Google Ads mit CRM-Outcomes verknüpfen. Wenn ein Lead zum SQL wird, kommt dieser Datenpunkt zurück in Google Ads — als positives Signal. Wenn er disqualifiziert wird, bleibt er unbewertet. Google lernt so, wer wirklich kauft, nicht wer Formulare ausfüllt. Das dauert 4–8 Wochen, bis der Algorithmus auf neue Signale reagiert — aber die Kampagnen-Performance stabilisiert sich danach deutlich.
Exact Match und Phrase Match statt Broad Match als Standardeinstellung. Kombiniert mit strukturierter Negative-Keyword-Pflege — wöchentlich, nach Search-Term-Report — lässt sich laut Negator.io (2025) der verschwendete Budgetanteil um bis zu 31 % reduzieren. Konkret: Keine Anzeigen für Jobsuchende, keine Anzeigen für „kostenlos“-Suchanfragen, kein Traffic außerhalb des ICP.
In unseren Webnique-Projekten mit B2B-Unternehmen aus Maschinenbau und SaaS sehen wir regelmäßig, dass nach vier Wochen konsequenter Negative-Keyword-Pflege der Cost-per-SQL um 20–35 % sinkt — ohne das Gesamtbudget anzufassen. Die Kampagne gibt nicht mehr aus, sie gibt smarter aus.
B2B-Conversions peaken typischerweise dienstags bis donnerstags zwischen 9 und 18 Uhr. Rund-um-die-Uhr-Ads ohne Zeitplanung verschwenden 15–25 % des Budgets auf Zeiten mit niedrigster Conversion-Wahrscheinlichkeit. Ein einfaches Ad-Scheduling mit Bid-Adjustments für Kern- und Randzeiten kostet nichts — und spart kontinuierlich Budget.
Performance Max lernt schneller mit scharfen Audience Signals: Jobtitel (Marketing-Leiter, Geschäftsführer, Head of IT), Unternehmensgröße (50–500 Mitarbeiter), Branche (Maschinenbau, SaaS, Professional Services) und Verhaltensdaten aus dem CRM. Diese Signale zwingen PMax nicht in eine Richtung — aber sie geben dem Algorithmus einen Startpunkt, der deutlich näher am ICP liegt als der Standard.
Laut WordStream (2025) liegt der durchschnittliche Cost-per-Acquisition im B2B-Tech-Bereich bei $133,52 — mehr als doppelt so hoch wie der kanalspezifische Durchschnitt. Wer dieses Budget effizient einsetzen will, braucht präzises Offline Conversion Tracking, ICP-Ausrichtung und strukturierte Keyword-Führung statt automatisierter Breitband-Kampagnen.
Google Ads funktioniert im B2B. Aber nicht mit den Standardeinstellungen, die für Online-Shops gebaut wurden. Der Unterschied zwischen einer Standard-Kampagne und einer B2B-tauglichen Strategie liegt nicht im Budget — sondern im Datenfeedback, das Du Google gibst. Wer Offline Conversion Tracking einrichtet, Keyword-Match kontrolliert und Performance Max mit ICP-Signalen füttert, bezahlt nicht weniger — aber bekommt deutlich mehr dafür.
Die 36,1 % Budgetverschwendung, die GrowthSpree dokumentiert hat, sind kein Pech. Sie sind das vorhersehbare Ergebnis von Kampagnen, die nie für B2B-Realitäten konfiguriert wurden. Das lässt sich ändern.
Die durchschnittliche B2B Conversion Rate lag 2024 bei 1,42 % — 2,3 Prozentpunkte unter dem 8-Jahres-Schnitt (Firebrand, 2025). Gut optimierte B2B-Kampagnen mit Offline Conversion Tracking und engem Keyword-Match erreichen 3–5 %. Entscheidender als die rohe Conversion Rate ist aber die SQL-Rate: Wie viele der Leads sind tatsächlich kaufbereit?
Ja — aber nur mit den richtigen Voraussetzungen. Ohne Offline Conversion Tracking und ICP-Audience Signals optimiert Performance Max auf Formular-Abgaben statt auf qualifizierte Leads. Richtig konfiguriert kann PMax den Cost-per-Lead laut Branchendaten um bis zu 34 % senken. Die Einrichtung dauert 4–6 Wochen, bis der Algorithmus zuverlässig auf CRM-Signale reagiert.
Der durchschnittliche CPC für non-branded B2B-Suchanfragen stieg von August 2024 bis Juli 2025 um 29 % auf $5,34 (Dreamdata, 2025). Im B2B-Tech-Segment liegen CPCs bei Ø $8,86, im Enterprise-SaaS-Bereich teilweise deutlich höher. Der CPC allein sagt wenig — entscheidend ist der Cost-per-SQL in Relation zum durchschnittlichen Deal-Wert.
B2C-Kampagnen optimieren auf kurze Kaufzyklen, einzelne Entscheider und direkte Transaktions-Conversions. B2B-Kampagnen müssen 4,6-monatige Kaufzyklen, 4+ Entscheider und 27 Touchpoints vor dem Abschluss abbilden (Gartner). Das erfordert Offline Conversion Tracking, längere Attribution-Fenster und eine Keyword-Strategie, die ICP-Signale statt Volumen priorisiert.
