Es gibt ein Foto von mir aus dem Jahr 2008, auf dem ich gleichzeitig Guglhupf esse und eine Excel-Tabelle bearbeite. Das Foto ist deshalb bemerkenswert, weil es ziemlich genau zusammenfasst, wie Performance Marketing damals funktioniert hat: mit einer Hand tippen, mit der anderen essen, und hoffen, dass die Formel stimmt.
Ich war damals der erste und einzige Mitarbeiter beim österreichischen Ableger von blueSummit, einer der größten SEA/SEO-Agenturen in Deutschland. Auf dem Papier klang das nach großer Bühne: Lufthansa, BMW, internationale Kampagnen. In der Praxis bestand mein Arbeitsalltag zu gut 40-60% aus etwas, das ich rückblickend "Daten-Yoga" nenne. CSV aus Google Ads exportieren, CSV aus Analytics exportieren, SVERWEIS bauen, Pivot-Tabelle aufsetzen, Fehler suchen, Umlaute ersetzen, von vorne anfangen. Wer damals ernsthaft Kampagnenanalyse betrieben hat, brauchte die Geduld eines Uhrmachers und die Frusttoleranz eines Wiener Taxifahrers.
Ich hab in diesen Jahren internationale Reports gebaut, die 15 Tabs hatten, mit Formeln, die ineinander verkettet waren wie ein Schweizer Uhrwerk, und einem Inhalts-Tab, über den man zwischen den Sheets springen konnte. Ich war stolz auf jede einzelne Verknüpfung. Ich hab sie auch regelmäßig verflucht, wenn irgendwo ein Komma gefehlt hat und das ganze Gebilde in sich zusammengebrochen ist. Das war Handwerk im wörtlichsten Sinn: zeitaufwändig, fehleranfällig, und seltsam befriedigend, wenn's funktioniert hat.
Ein Wort, das niemand verstanden hat
2014 bin ich zu SlopeLift gekommen, einer Performance-Marketing-Agentur in Wien. Wir haben uns von Anfang an "Manufaktur" genannt, und ich erinnere mich gut an die Reaktionen. Performance Marketing und Handwerk? Die Branche war verliebt in Skalierung, in Volumen, in das nächste Tool, das alles automatisiert. Jeder wollte Abkürzungen. Wir haben trotzdem granulare Kampagnenstrukturen gebaut, einzelne Anzeigentexte geschrieben statt sie über hunderte Adgroups zu klonen, und manuelle Bid-Adjustments pro Device und Tageszeit gemacht. Wir hatten sogar regelbasierte Skripte, die Gebote nach Wetterdaten angepasst haben.
Die Kunden haben nie für die Formel bezahlt. Sie haben für die Interpretation bezahlt.
War das AI? Wenn man streng ist: nein. Wenn man ehrlich ist: der Grundgedanke war identisch. Daten lesen, Muster erkennen, automatisch reagieren. Der Unterschied lag nur im Werkzeug. Wir haben Google Sheets Formeln benutzt, wo heute neuronale Netze arbeiten. Aber die Logik, die darunter liegt, die Überzeugung, dass granulare Datenarbeit bessere Entscheidungen ermöglicht, die war 2014 schon die gleiche wie 2026.
Der Wert verschiebt sich
Was in diesen Jahren passiert ist, ohne dass es jemand ausgesprochen hat: Der eigentliche Wert unserer Arbeit hat sich verschoben, schleichend und ohne Ankündigung.
Die Kunden, egal ob bei blueSummit oder später bei SlopeLift (BAWAG, dm, Hervis, Austrian Airlines), haben nie für die Formel bezahlt. Sie haben für die Interpretation bezahlt. Für den Moment, in dem jemand sagt: "Der ROAS bricht jedes Jahr in KW 12 ein, weil in der Zielgruppe Gehaltswoche ist." Für den Kontext, den kein Spreadsheet und kein Dashboard liefern konnte. Aber 60% unserer Arbeitszeit floss in das Vehikel, das diese Interpretation transportiert hat. In die Formel selbst, in die Aufbereitung, in das Hin-und-Her zwischen Export und Import. Das Verhältnis war grotesk.
Als sich das Reporting dann zu Looker Studio verlagerte, hat sich etwas Grundlegendes geändert, und zwar nicht das Tool an sich. Was sich geändert hat, war die Art, wie wir Probleme angegangen sind. Vorher: stundenlang an derselben Formel sitzen, Trial and Error, sich zum dritten Mal fragen, ob es jetzt das Alte weniger dem Neuen durch das Neue ist oder doch umgekehrt. Nachher: das Problem beschreiben, eine Lösung bekommen, zu 90% auf Anhieb korrekt.
Dieser Wechsel von "Formel bauen" zu "Problem beschreiben" klingt nach einem kleinen Schritt. Er war tektonisch. Weil er eine Frage aufgeworfen hat, die damals noch niemand laut gestellt hat: Wenn die Syntax zur Commodity wird, worin liegt dann der Wert des Menschen?
Diese Frage hat mich die nächsten fünf Jahre begleitet. Sie ist bis heute nicht vollständig beantwortet.
Weiter mit Teil 2: Der Punkt, an dem AI aufhörte ein Tool zu sein