ChatGPT Ads ab sofort für alle Werbetreibenden zugänglich

OpenAI testet Werbung in ChatGPT bereits seit Anfang 2026. Ende August folgte für Europa der entscheidende Schritt: Seit dem 31. August 2026 steht der Self-Service-Zugang über den Ads Manager in 31 europäischen Märkten zur Verfügung – darunter auch Deutschland. Werbetreibende können sich damit direkt registrieren und Kampagnen selbst verwalten.

Die Einstiegshürde ist vergleichsweise niedrig: Für Werbetreibende in Deutschland liegt das Mindesttagesbudget derzeit bei 15 Euro. Angeboten werden CPM- und CPC-Kampagnen sowie conversion-optimierte Kampagnen, bei denen die Auslieferung auf definierte Conversion-Ziele optimiert werden kann. OpenAI beschreibt die verfügbaren Kampagnentypen und Budgetvorgaben im Help Center.

Auch das Auktionsprinzip erinnert an etablierte Werbesysteme: Werbetreibende hinterlegen Gebote, OpenAI wählt Anzeigen anhand erwarteter Relevanz und Ergebnisse aus und nutzt eine relevanzgewichtete Zweitpreisauktion. Für E-Commerce-Unternehmen lassen sich außerdem Produktfeeds einbinden, aus denen konkrete Produktanzeigen mit Bildern, Preisen und weiteren Produktinformationen entstehen können. Weitere Details zur Ausspielung und Auktion nennt OpenAI in den Grundlagen zu ChatGPT Ads.

Technisch betrachtet entsteht damit zunächst ein ziemlich vertrautes Werbesystem – der entscheidende Unterschied beginnt dort, wo dieses System auf den Nutzer und seinen Gesprächskontext trifft.

Auf den ersten Blick vertraut

Wer heute mit Google Ads arbeitet, kennt die Grundlogik längst: Ein Werbetreibender stellt Produkte, Anzeigen, Budgets und Conversion-Ziele bereit. Das System versucht anschließend, möglichst viele relevante Signale miteinander zu verbinden und vorherzusagen, wann eine Ausspielung erfolgversprechend ist.

Besonders deutlich wird das bei Performance Max: Google nimmt dem Werbetreibenden bereits einen großen Teil der klassischen Steuerung ab und kann Kampagnen über unterschiedliche Google-Flächen hinweg ausspielen. Google Ads insgesamt ist ohnehin längst mehr als Suchmaschinenwerbung – neben Search und Shopping gehören beispielsweise auch YouTube- und Display-Inventar dazu.

Der spätere Vergleich mit ChatGPT bezieht sich deshalb nicht auf die vereinfachte Vorstellung „Google Ads ist immer Pull und ChatGPT nicht“. Dafür ist Google Ads selbst viel zu breit aufgestellt.

Interessant ist vielmehr die Art des Kontexts, auf dessen Grundlage ein System entscheidet. Vereinfacht könnte man die Logik von Performance Max so beschreiben:

Finde den passenden Käufer für mein Produkt.

Auch ChatGPT Ads folgen grundsätzlich einer algorithmischen Matching-Logik. Anzeigen, Landingpages, Produktinformationen und weitere Signale werden herangezogen, um vorherzusagen, welche Anzeige in einer bestimmten Situation relevant sein könnte. OpenAI nennt dabei ausdrücklich den Kontext und die Intention der aktuellen Unterhaltung sowie vom Werbetreibenden hinterlegte Context Hints. Bei aktivierter Anzeigenpersonalisierung können zusätzlich ausgewählte Signale aus der weiteren ChatGPT-Nutzung einfließen.

Eine Suchanfrage wie „Laufschuhe Anfänger“ liefert bereits einen guten Hinweis darauf, wonach jemand sucht.

Ein Chat kann dagegen lauten:

„Ich möchte in drei Monaten meinen ersten 10-km-Lauf schaffen, trainiere aktuell zweimal pro Woche und bekomme nach längeren Strecken manchmal Knieschmerzen. Wie sollte ich mein Training aufbauen?“

Das ist keine Produktsuche. Trotzdem enthält diese Unterhaltung wesentlich mehr Informationen über die konkrete Situation des Nutzers.

Und damit verschiebt sich die Perspektive.

Google Ads findet Nachfrage – ChatGPT erkennt Bedürfnisse

Google Ads ist besonders stark, wenn ein Bedarf bereits sichtbar geworden ist.

Wer nach „Laufschuhe für Anfänger“, „Bewässerungssystem Balkon“ oder „CRM für kleine Unternehmen“ sucht, hat sein Problem zumindest teilweise in eine Produkt- oder Lösungssprache übersetzt. Die Aufgabe des Werbesystems besteht dann unter anderem darin, diesen Intent zu erkennen, passende Angebote zuzuordnen und vorherzusagen, welche Ausspielung mit hoher Wahrscheinlichkeit zu einem Klick oder einer Conversion führt.

Natürlich kann Google auch wesentlich früher in der Customer Journey ansetzen. Zielgruppensignale, YouTube, Display oder Performance Max reichen weit über klassische Keyword-Kampagnen hinaus. Der Unterschied besteht deshalb nicht darin, dass Google nur fertige Kaufanfragen verstehen würde.

Der interessantere Unterschied liegt darin, welche Informationen ein laufendes Gespräch über die Entstehung eines Bedarfs liefern kann.

In ChatGPT muss ein Nutzer sein Problem noch gar nicht in die Sprache eines Produkts übersetzt haben. Er kann beschreiben, was er vorhat, was ihn stört oder welche Rahmenbedingungen er hat. Aus diesem Gespräch kann sich ein Bedarf ergeben, den er vorher womöglich noch gar nicht als solchen formuliert hat.

Bei Google Ads lautet die vereinfachte Frage häufig:
Wer könnte dieses Produkt gerade suchen oder mit hoher Wahrscheinlichkeit kaufen?

Bei ChatGPT Ads kann eine weitere Frage hinzukommen:
In welchen Situationen könnte dieses Produkt gerade eine sinnvolle Lösung sein?

Oder noch kürzer:

Google Ads: Finde meinen Käufer.
ChatGPT Ads: Finde Situationen, in denen mein Produkt eine relevante Lösung sein könnte.

Zwischen einem Problem und der Suche nach einem konkreten Produkt liegt häufig ein ganzer gedanklicher Schritt. Jemand sucht nicht automatisch nach einer Powerbank, nur weil er drei Tage auf ein Festival fährt. Er sucht nicht automatisch nach einem Bewässerungssystem, nur weil er mehrere Wochen verreist. Und jemand, der seinen ersten Halbmarathon plant, denkt vielleicht zunächst ausschließlich über Training nach – obwohl aus derselben Situation später Bedarf an Schuhen, Sportuhr, Ernährung oder anderen Produkten entstehen kann.

Bisher mussten Marketing, SEO, Ratgeber oder Vertrieb diese Verbindung häufig selbst herstellen: von einer Situation zu einem Problem und von dort zu einer möglichen Lösung.

ChatGPT kann genau diese Verbindung innerhalb eines Gesprächs herstellen.

Von der Suchanfrage zur Situation

Wie groß der Unterschied zwischen Suchanfrage und Gesprächskontext sein kann, lässt sich an einem einfachen Beispiel zeigen.

Nehmen wir ein Produkt zur automatischen Pflanzenbewässerung für längere Abwesenheiten. Wer bei Google nach „Pflanzen im Urlaub bewässern“, „automatische Bewässerung Balkon“ oder „Blumen drei Wochen alleine lassen“ sucht, befindet sich bereits sehr nah am eigentlichen Produktproblem. Google kann diesen Bedarf gut erkennen und passende Anzeigen, Shopping-Ergebnisse oder organische Inhalte ausspielen.

Interessanter wird es dort, wo der Nutzer noch gar nicht in diesen Begriffen denkt.

Jemand schreibt beispielsweise:

„Ich bin drei Wochen im Urlaub. Was sollte ich zu Hause vorher alles erledigen?“

Für eine klassische Google-Suche ist das zunächst vor allem eine allgemeine Informationsanfrage rund um Urlaubsvorbereitung. Entsprechend naheliegend sind Checklisten, Reiseportale, Versicherungen, Sicherheitstipps oder Ratgeber rund um Haushalt und Abwesenheit. Ein Produkt zur Pflanzenbewässerung liegt aus Sicht dieser konkreten Suchanfrage vergleichsweise weit entfernt.

In einem Gespräch mit ChatGPT kann sich dieselbe Ausgangsfrage dagegen anders entwickeln: Vielleicht stellt sich heraus, dass die Person viele Pflanzen auf dem Balkon hat. Vielleicht erwähnt sie, dass niemand regelmäßig vorbeikommen kann. Oder ChatGPT weist im Rahmen einer allgemeinen Checkliste selbst darauf hin, dass Pflanzen während einer längeren Abwesenheit versorgt werden müssen.

Plötzlich entsteht eine Kette, die vorher in keiner Suchanfrage enthalten war:

Urlaub → längere Abwesenheit → Pflanzenversorgung → Bewässerungslösung

Erst am Ende dieser Kette steht überhaupt ein Produkt.

Der Nutzer musste weder nach einem Bewässerungssystem suchen noch wissen, dass es für sein Problem eine entsprechende Lösung gibt. Die kommerzielle Relevanz entsteht erst aus dem Kontext.

Dasselbe Prinzip lässt sich auf viele andere Situationen übertragen:

• Festival: Aus einer Packliste entsteht der Bedarf nach einer Powerbank.
• Halbmarathon: Aus der Trainingsplanung werden Laufschuhe oder eine Sportuhr relevant.
• Erste Wohnung: Aus einer allgemeinen Checkliste entstehen zahlreiche konkrete Produktbedürfnisse.

Was bei Google häufig über mehrere Suchanfragen, Ratgeber und Zwischenschritte passiert, kann sich in ChatGPT innerhalb eines einzigen Gesprächs entfalten.

Damit entsteht eine Form von kommerzieller Relevanz, die sich weder vollständig als klassische Suche noch als klassische Push-Werbung beschreiben lässt.

Zwischen Pull und Push

Klassische Suchanzeigen sind Pull-Marketing in ziemlich reiner Form: Ein Nutzer sucht aktiv nach etwas, Google versucht die passende Antwort oder das passende Angebot bereitzustellen.

Push-Werbung funktioniert anders. Dort kommt die Werbebotschaft zum Nutzer, obwohl dieser nicht ausdrücklich danach gefragt hat – etwa über klassische Display-Kampagnen oder Social- und Videoformate.

Pull-Marketing setzt bei vorhandener Nachfrage an. Push-Marketing versucht, Aufmerksamkeit und Nachfrage aktiv zu erzeugen.

Google Ads insgesamt bewegt sich bereits zwischen diesen Welten. Performance Max, Display oder YouTube sind nicht auf eine unmittelbar vorausgehende Suchanfrage angewiesen. Der interessante Unterschied bei ChatGPT liegt deshalb erneut im Gespräch selbst.

Der Nutzer startet die Interaktion aktiv. Er stellt eine Frage, beschreibt ein Problem oder verfolgt ein Ziel. In diesem Sinne bleibt der Impuls beim Nutzer. Das beworbene Produkt muss aber nicht Teil seiner ursprünglichen Anfrage gewesen sein.

Eine passende Anzeige kann dadurch in einem Moment erscheinen, in dem der Nutzer aktiv nach einer Lösung sucht, ohne bereits zu wissen, wie diese Lösung heißt oder welche Produktkategorie dahintersteht.

Bei klassischer Suche lautet die Kette häufig:

Bedarf → Suchanfrage → Anzeige

Bei Push-Werbung eher:

Zielgruppe → Werbebotschaft → möglicher Bedarf

Innerhalb eines ChatGPT-Gesprächs kann dagegen etwas entstehen wie:

Situation → Gespräch → erkannter Bedarf → passende Lösung

Damit besetzen ChatGPT Ads einen interessanten Raum zwischen Pull und Push. Der Nutzer holt sich aktiv Hilfe, die konkrete kommerzielle Lösung kann aber erst innerhalb dieses Kontexts relevant werden.

Gerade aus Sicht von Reichweite ist das spannend. Digitale Werbung wird häufig entweder darüber gedacht, bestehende Nachfrage abzugreifen oder Aufmerksamkeit aktiv zu erzeugen. ChatGPT eröffnet eine zusätzliche Perspektive: Werbung kann dort ansetzen, wo Nachfrage noch nicht explizit formuliert ist, aber aus einer konkreten Situation bereits ableitbar wird.

Und genau dadurch verändert sich auch der Long Tail.

Long Tail jenseits von Keywords

Der Long Tail gehört seit jeher zur Suchlandschaft. Die großen Keywords bündeln in vielen Märkten einen erheblichen Teil des Suchvolumens. Daneben existiert jedoch eine Vielzahl spezifischerer Suchanfragen mit deutlich geringerem Einzelvolumen. Wie groß deren Anteil an der gesamten Nachfrage ausfällt, unterscheidet sich je nach Markt, Thema und Website teilweise erheblich.

Für SEO und SEA bleibt dieser Long Tail trotzdem interessant, weil spezifischere Suchanfragen häufig konkretere Probleme, Anforderungen und Bedürfnisse sichtbar machen.

Wer ein Produkt zur Pflanzenbewässerung verkauft, denkt deshalb nicht nur an „Bewässerungssystem“, sondern beispielsweise auch an:

• Pflanzen im Urlaub gießen
• Blumen drei Wochen alleine lassen
• automatische Bewässerung Balkon
• Pflanzenversorgung während der Ferien

All diese Suchanfragen beschreiben Varianten desselben Problems.

Bei ChatGPT könnte sich dieser Long Tail deutlich erweitern. Denn relevant sind nicht mehr nur unterschiedliche Formulierungen eines bereits erkannten Bedarfs, sondern auch Situationen, aus denen dieser Bedarf erst hervorgeht.

Ein Nutzer könnte schreiben:

„Ich bin im Oktober vier Wochen in Japan. Was muss ich vorher zu Hause organisieren?“

Keine Bewässerung, keine Pflanzen, kein Produktkeyword. Und trotzdem kann sich im weiteren Gespräch genau derselbe Bedarf entwickeln.

Der Long Tail besteht damit nicht mehr nur aus sprachlichen Varianten einer Suchintention. Er kann zusätzlich aus sehr unterschiedlichen Situationen, Zielen, Rahmenbedingungen und Gesprächsverläufen bestehen, die am Ende zur gleichen Lösung führen.

Der Long Tail wird nicht mehr nur sprachlich, sondern situativ.

Für Werbetreibende verschiebt sich damit eine zentrale Frage. Neben „Wonach suchen Menschen, die mein Produkt brauchen?“ wird zunehmend interessant: „In welchen Situationen entsteht überhaupt ein Bedarf für mein Produkt?“

Und genau dort beginnt eine andere Form von Research.

Wenn aus Keyword Research Situation Research wird

Keyword Research beantwortet eine vergleichsweise klare Frage:
Wonach suchen Menschen?

Für SEO und Google Ads ist das seit Jahren eine zentrale Grundlage. Suchbegriffe zeigen, welche Themen, Probleme, Produkte und Lösungen bereits aktiv nachgefragt werden.

Bei ChatGPT Ads kommt eine zweite Frage hinzu:
In welchen Situationen entsteht überhaupt ein Bedarf für mein Produkt?

Das klingt zunächst nach einer kleinen Verschiebung. Tatsächlich ändert sich damit aber der Ausgangspunkt der Recherche.

Ein Hersteller von Bewässerungslösungen könnte klassisch nach Begriffen rund um automatische Bewässerung, Balkon, Garten oder Urlaub suchen. Bei Situation Research wäre die Perspektive breiter: längere Abwesenheit, niemand kann sich kümmern, empfindliche Pflanzen, heiße Sommerwochen, Wochenendhaus, Zweitwohnsitz oder längere Geschäftsreise.

Nicht jede dieser Situationen führt zwangsläufig zu einem Kauf. Aber sie beschreiben Kontexte, in denen das Produkt relevant werden kann.

Für Werbetreibende entstehen dadurch andere Fragen:

• In welchen Situationen wird unser Produkt nützlich?
• Welches Problem entsteht unmittelbar davor?
• Welche Ziele oder Umstände führen zu diesem Problem?
• Welche Alternativen hat der Nutzer?
• Wie würde jemand die Situation beschreiben, ohne unsere Produktkategorie zu kennen?

Genau hier werden die von OpenAI vorgesehenen Context Hints interessant:

Sie sollen beschreiben, was ein Produkt bietet, wem es hilft oder wann es nützlich sein kann. Dabei handelt es sich ausdrücklich nicht um Exact-Match-Keywords. Die Hinweise sollen dem System vielmehr helfen, breitere Bedürfnisse, Situationen und natürliche sprachliche Varianten zu verstehen. OpenAI beschreibt diese Logik in den Hinweisen zur Erstellung von Ad Groups und Context Hints.

Damit lautet die Aufgabe nicht mehr nur:
Welche Keywords gehören zu unserem Produkt?

Sondern zunehmend auch:
Welche Situationen gehören zu unserem Produkt?

Das ersetzt Keyword Research nicht. Gerade bei bestehender Nachfrage bleibt es unverzichtbar. Es ergänzt die klassische Suchperspektive aber um eine Ebene, die bisher häufig in Customer Research, Use Cases, Zielgruppenanalysen oder Jobs-to-be-Done-Modellen steckte.

Und diese Ebene reicht über das eigentliche Ads-Setup hinaus. Wer genauer versteht, in welchen Situationen ein Produkt relevant wird, kann Landingpages anders strukturieren, Anzeigentexte präziser formulieren, Content-Themen auswählen und die eigene Positionierung schärfen.

Denn sobald man nicht mehr vom Produkt, sondern vom Problem ausgeht, verändert sich auch die Frage, mit wem man eigentlich konkurriert.

Werden Märkte künftig nach Problemen statt Produktkategorien organisiert?

Produktkategorien sind für Unternehmen praktisch. Sie strukturieren Shops, Kampagnen, Sortimente und Wettbewerbsanalysen.

Aus Sicht des Nutzers sind sie aber oft gar nicht der Ausgangspunkt.

Wer vier Wochen verreist, denkt nicht zwangsläufig in der Kategorie „Bewässerungssysteme“. Das eigentliche Problem lautet schlicht: Wie überleben meine Pflanzen, wenn niemand da ist?

Dafür kommen sehr unterschiedliche Lösungen infrage:

• automatische Bewässerungssysteme
• Wasserspeicher oder Bewässerungskegel
• Nachbarn, Freunde oder Familie
• Pflanzen an einen geeigneteren Standort stellen
• smarte Bewässerungssteuerung

Aus Sicht einer klassischen Produktkategorie konkurriert ein Bewässerungssystem vor allem mit anderen Bewässerungssystemen. Aus Sicht des Problems konkurriert es plötzlich mit jeder Lösung, die denselben Job erledigen kann.

Eine der interessantesten Folgen dieser Logik könnte deshalb darin liegen, dass sich der relevante Wettbewerbsraum verbreitert.

Der Markt wäre dann nicht mehr nur:
Wer verkauft Bewässerungssysteme?

Sondern:
Welche Lösungen gibt es für das Problem, Pflanzen während längerer Abwesenheit zu versorgen?

Für Marketing und Positionierung ist diese Verschiebung erheblich, weil nicht mehr nur das Konkurrenzprodukt zum Maßstab wird. Ein Angebot muss möglicherweise auch gegenüber völlig anderen Lösungswegen plausibel machen, warum es die sinnvollere Wahl ist.

Das kann Auswirkungen auf Wettbewerbsanalyse, Landingpages, Produktkommunikation und sogar Produktentwicklung haben. Wer nur innerhalb seiner eigenen Kategorie denkt, übersieht womöglich einen großen Teil der Alternativen, zwischen denen Nutzer tatsächlich wählen.

ChatGPT kann diese Perspektive sichtbarer machen, weil ein Gespräch nicht bei einer Produktkategorie beginnen muss. Es kann beim Problem beginnen und unterschiedliche Lösungswege nebeneinanderstellen.

Und genau diese Vermittlung zwischen Problem und möglicher Lösung existiert im Web schon lange.

Wenn ChatGPT zwischen Information und Kaufentscheidung rückt

Ratgeber, Vergleichsportale und viele Affiliate-Seiten leben seit Jahren davon, Information und Kaufentscheidung miteinander zu verbinden. Ein Nutzer sucht zunächst nach Orientierung, ein redaktioneller Inhalt strukturiert das Thema und führt von dort zu passenden Produkten oder Dienstleistungen.

Beim Thema Halbmarathon könnte ein Ratgeber beispielsweise erklären, wie man sich vorbereitet, welche Trainingsfehler häufig sind, wie Regeneration funktioniert und worauf Anfänger achten sollten. Im selben Kontext werden Laufschuhe, Sportuhren, Ernährungsprodukte oder Trainingspläne relevant – häufig über Affiliate-Links, teilweise auch als eigene Angebote.

Der Ratgeber übernimmt dabei eine wichtige Vermittlungsfunktion. Er übersetzt ein zunächst breites Ziel in konkrete Teilprobleme und mögliche Lösungen.

ChatGPT kann einen Teil dieser Rolle ebenfalls übernehmen – nur dynamischer.

Statt einen allgemeinen Artikel für möglichst viele Leser bereitzustellen, entsteht die Struktur des Problems im jeweiligen Gespräch. Der Nutzer kann Rückfragen stellen, Bedingungen ergänzen oder seine Situation genauer beschreiben. Aus „Ich möchte meinen ersten Halbmarathon laufen“ wird dann vielleicht:

• Ich bin Anfänger.
• Ich habe nur drei Trainingstage pro Woche.
• Ich laufe überwiegend auf Asphalt.
• Mein Knie reagiert empfindlich.
• Ich will nicht mehr als 150 Euro für Schuhe ausgeben.

Damit verändert sich auch der Weg zur Produktempfehlung.

Bisher sah er häufig ungefähr so aus:

Nutzer → Google → Ratgeber oder Vergleichsseite → Produktempfehlung → Shop

Mit ChatGPT kann sich diese Kette verkürzen:

Nutzer → Gespräch → Problemverständnis → mögliche Lösung oder Produktempfehlung → Shop

Das heißt nicht, dass ChatGPT Ratgeber, Publisher oder Affiliates ersetzt. Expertise, Tests, persönliche Erfahrung und redaktionelle Glaubwürdigkeit lassen sich nicht einfach auf einen Chat reduzieren. ChatGPT kann solche Inhalte aber einbeziehen oder auf externe Quellen verlinken und damit zusätzliche Expertise in die eigene Antwort und den Entscheidungsprozess hineinholen.

Aber ChatGPT übernimmt einen Teil derselben Vermittlungsfunktion: Es ordnet Informationen, erkennt Teilprobleme, bringt mögliche Lösungen in einen konkreten Zusammenhang und kann bei Bedarf auf weiterführende Inhalte verweisen.

Für Publisher und SEO betrifft das deshalb nicht nur Werbung, sondern auch die Frage, wie Content künftig in diesen Entscheidungsprozess eingebunden wird. Wenn ChatGPT Informationen zusammenführt, externe Quellen verlinkt und daraus konkrete Optionen ableitet, verschiebt sich ein Teil der bisherigen Vermittlungsleistung in den Assistenten selbst.

Für ChatGPT Ads wird genau dieser Moment interessant. Die Produktempfehlung des Assistenten und die bezahlte Anzeige sind dabei nicht dasselbe. Die Anzeige kann aber in einem Gespräch erscheinen, in dem der relevante Bedarf bereits erkannt und eingeordnet wurde.

Das Werbesystem setzt nicht erst bei einer ausdrücklich formulierten Produktsuche an. Es kann in einen Kontext eintreten, in dem sich aus Information und Beratung gerade eine konkrete Lösung herauskristallisiert.

Noch interessanter wird das, wenn OpenAI nicht nur eine einzelne Anzeige mit diesem Kontext abgleichen kann, sondern auf einen ganzen Produktkatalog des Werbetreibenden zugreifen kann.

Genau hier kommen Produktfeeds ins Spiel.

Warum Produktfeeds plötzlich noch interessanter werden

Produktfeeds sind im Performance Marketing nichts Neues. Google Shopping und Performance Max arbeiten seit Jahren damit, konkrete Produkte anhand von Merkmalen wie Titel, Kategorie, Preis, Verfügbarkeit und weiteren Attributen auszuspielen. Bei ChatGPT kommt jedoch eine zusätzliche Ebene hinzu: der Gesprächskontext.

Wenn das System nicht nur weiß, welches Produkt im Feed liegt, sondern gleichzeitig versteht, in welcher Situation sich der Nutzer befindet, kann das Matching deutlich feiner werden.

Bei einem Laufschuh wäre die Ausgangslage dann nicht nur:

• Herren
• Größe 44
• Laufschuh
• 129 Euro

sondern möglicherweise zusätzlich:

• Anfänger
• erster 10-km-Lauf
• überwiegend Asphalt
• empfindliche Knie
• Budget bis 150 Euro

Der Produktfeed liefert das Angebot. Der Gesprächskontext liefert die Situation.

Erst zusammen entsteht daraus die interessante Kombination:

Situation → Bedarf → Produkttyp → konkretes Produkt

Genau deshalb erinnert ChatGPT Ads an Performance Max, ergänzt diese Logik aber potenziell um eine weitere Ebene. PMax versucht, aus unterschiedlichen Signalen vorherzusagen, welches Produkt für welchen Nutzer interessant sein könnte. ChatGPT kann zusätzlich den aktuell formulierten Gesprächskontext berücksichtigen und daraus ableiten, warum ein Produkt überhaupt relevant werden könnte.

Für E-Commerce wird das vor allem bei größeren oder erklärungsbedürftigen Sortimenten interessant. Je mehr Produkte zur Auswahl stehen, desto schwieriger wird die Frage, welches konkrete Produkt in welcher Situation tatsächlich passt. Ein Produktfeed ist dann nicht mehr nur technische Grundlage für die Ausspielung, sondern gewissermaßen ein Katalog möglicher Lösungen, den das System gegen den jeweiligen Gesprächskontext prüfen kann.

OpenAI beschreibt Produktfeed-Kampagnen selbst als skalierbaren Weg, große Produktkataloge in ChatGPT Ads einzubinden und Nutzer mit relevanten Produkten zu verbinden, während sie entdecken, vergleichen und entscheiden. Anzeigen aus Produktfeeds gehören laut OpenAI bislang zu den leistungsstärksten Anzeigen im Programm. Weitere Details nennt OpenAI in der Dokumentation zu Product Feed Campaigns.

Das gilt besonders dort, wo Nutzer nicht einfach nach einer eindeutigen SKU oder Produktkategorie suchen, sondern erst über Anforderungen, Probleme oder Rahmenbedingungen zur passenden Auswahl kommen.

Damit steigt zugleich die Bedeutung guter Produktdaten. Wenn das System Produkte nach ihrer konkreten Eignung für bestimmte Situationen unterscheiden soll, werden saubere Attribute, verständliche Beschreibungen und klare Produktmerkmale noch wichtiger.

Denn auch intelligentes Matching kann nur mit den Informationen arbeiten, die dem System zur Verfügung stehen.

Produktfeeds sind bei ChatGPT Ads also nicht grundsätzlich neu. Ihr strategischer Wert könnte sich durch den zusätzlichen Gesprächskontext aber deutlich verändern.

Warum frühe Tests interessant sein können

Bei einem neuen Werbesystem liegt der Gedanke nahe, dass frühe Tests besonders günstig sein könnten – weil noch weniger Werbetreibende aktiv sind und die Konkurrenz in den Auktionen geringer sein könnte.

So einfach ist es allerdings nicht.

Ein junges Auktionssystem kann Preisbereiche enthalten, die sich noch nicht so stark eingependelt haben wie bei Google Ads. Es kann aber genauso gut ineffizient, teuer oder schwer skalierbar sein. Neu bedeutet nicht automatisch günstig – und günstig bedeutet erst recht nicht automatisch profitabel.

Interessant sind frühe Tests deshalb aus einem anderen Grund: Es gibt noch vergleichsweise wenig etablierte Benchmarks und wenig Routine im Markt.

Wer jetzt testet, kann nicht nur Klickpreise und Conversions beobachten, sondern vor allem lernen, in welchen Situationen das eigene Produkt vom System überhaupt als relevant erkannt wird.

Gerade bei ChatGPT Ads ist das entscheidend. Bei klassischen Suchkampagnen lässt sich relativ gut nachvollziehen, welche Suchanfragen, Keywords oder Produktgruppen funktionieren. Bei einem stärker kontextbasierten System wird zusätzlich interessant:

• welche Context Hints tatsächlich tragen,
• welche Produktgruppen zum System passen,
• welche Situationen zu Klicks oder Conversions führen,
• und wo vermeintliche Relevanz in der Praxis nicht trägt.

Damit kann ein Lernvorsprung entstehen, der später wertvoller ist als ein kurzfristig niedriger CPC.

Wie groß dieser Lernvorteil tatsächlich ist, hängt allerdings stark davon ab, wie transparent die Reports werden. Wenn Werbetreibende kaum nachvollziehen können, weshalb eine Anzeige ausgespielt wurde, lässt sich auch wenig daraus lernen.

Trotzdem spricht einiges dafür, ChatGPT Ads in dieser frühen Phase nicht nur unter der Frage zu betrachten, ob der Kanal sofort einen besseren ROAS als Google Ads liefert.

Die möglicherweise wichtigere Frage lautet zunächst:

Versteht das System überhaupt, wann unser Produkt zur Situation eines Nutzers passt?

Wenn die Antwort darauf belastbar wird, lässt sich auch wesentlich besser beurteilen, wie groß das wirtschaftliche Potenzial des Kanals tatsächlich ist.

Was ChatGPT Ads in der Praxis noch zeigen müssen

Die strategische Logik hinter ChatGPT Ads ist spannend. Entscheidend wird am Ende aber sein, wie gut sie in der Praxis funktioniert.

Zuerst muss das Matching überzeugen. Erkennt das System relevante Situationen zuverlässig genug, um passende Anzeigen auszuspielen? Oder bleibt der Zusammenhang zwischen Gesprächskontext und Produkt häufig zu unscharf?

Gerade hier liegt der Unterschied zwischen einer guten Idee und einem guten Werbekanal. Ein theoretisch passender Zusammenhang reicht nicht aus. Die Anzeige muss im richtigen Moment, mit dem richtigen Produkt und in einem Kontext erscheinen, in dem sie für den Nutzer tatsächlich hilfreich ist.

Danach kommt die klassische wirtschaftliche Frage: Wie hoch sind Klickpreise, Conversion Rates und letztlich der ROAS? Wie gut lässt sich das System skalieren? Und für welche Branchen oder Produkttypen funktioniert es besser oder schlechter?

Ebenso entscheidend ist die Transparenz. Werbetreibende müssen nachvollziehen können, welche Context Hints funktionieren und an welchen Stellen das System danebenliegt. Je stärker die Ausspielung auf Gesprächskontext statt auf klar sichtbaren Suchbegriffen basiert, desto wichtiger werden verständliche Reports und belastbare Optimierungsmöglichkeiten.

Hinzu kommt die Nutzerakzeptanz. Gerade weil ChatGPT so viel Kontext über eine konkrete Situation verstehen kann, muss Werbung sehr sauber eingebettet werden. Eine passende Anzeige kann sich im richtigen Moment tatsächlich hilfreich anfühlen. Eine unpassende oder zu aggressive Ausspielung kann dagegen schnell das Gegenteil bewirken.

Die größte Stärke des Formats ist damit gleichzeitig eine seiner größten Herausforderungen: Je besser ChatGPT den Kontext versteht, desto relevanter kann Werbung werden – aber desto sensibler wird auch der Moment, in dem sie erscheint.

Erst in der Praxis wird sich deshalb zeigen, ob ChatGPT Ads lediglich technisch interessant sind oder tatsächlich zu einem dauerhaft starken Performance-Kanal werden.

ChatGPT Ads sind mehr als ein neuer Werbeplatz

Ob ChatGPT Ads langfristig zu einem ähnlich wichtigen Performance-Kanal wie Google Ads werden, lässt sich heute noch nicht seriös sagen. Dafür fehlen belastbare Erfahrungswerte zu Kosten, Conversion Rates, Skalierbarkeit und Nutzerakzeptanz.

Trotzdem wäre es zu kurz gedacht, ChatGPT Ads einfach als zusätzlichen Anzeigenplatz zu betrachten.

Der eigentliche Unterschied liegt tiefer.

Google Ads ist besonders stark darin, bereits vorhandene Nachfrage zu erkennen und abzugreifen. ChatGPT kann zusätzlich Situationen verstehen, in denen ein Bedarf noch gar nicht als konkrete Produktsuche formuliert wurde.

Damit verschiebt sich die Logik von Werbung ein Stück weit:

Google Ads findet Nachfrage. ChatGPT Ads können Bedürfnisse entdecken.

Gleichzeitig entsteht ein interessanter Raum zwischen klassischem Pull und Push. Der Nutzer beginnt die Interaktion selbst, sucht aber nicht zwingend nach dem Produkt, das später relevant wird.

Und auch der Long Tail erweitert sich. Er besteht nicht mehr nur aus immer spezifischeren Suchanfragen, sondern potenziell auch aus Situationen, Problemen, Zielen und Gesprächsverläufen, die zur gleichen Lösung führen können.

Für Werbetreibende verändert sich damit vor allem eine zentrale Frage:

Nicht nur: Welche Keywords gehören zu unserem Produkt?
Sondern zunehmend auch: In welchen Situationen wird unser Produkt zur sinnvollen Lösung?

Genau darin liegt wahrscheinlich das größte Potenzial von ChatGPT Ads: nicht darin, Google Ads einfach nachzubauen, sondern Werbung an einem früheren Punkt der Entscheidungsfindung relevant zu machen – dort, wo aus einer Situation erst ein konkreter Bedarf entsteht.