Marketing Reporting mit KI: Wann Zahlen stimmen

Kann eine KI dein Marketing Reporting übernehmen? Ja, aber nur, wenn sie keine einzige Zahl selbst ausrechnet. Genau so baut Meta seinen eigenen KI-Assistenten für Testauswertungen: Das Sprachmodell entscheidet, welche Auswertung als Nächstes kommt, die Zahlen liefert geprüfter Code. Was dahinter steckt und wie du das auf deinen Marketing-Report überträgst, liest du hier.

Was Meta über KI im Reporting herausgefunden hat

Am 3. November 2026 haben zehn Fachleute von Meta ein Paper über ihren ABTest Agent veröffentlicht. Das ist ein KI-Assistent, mit dem Teams bei Meta ihre A/B-Tests auswerten: Ergebnisse abrufen, Auffälligkeiten erklären, prüfen, ob ein Test sauber gelaufen ist. Der Grund für den Bau war einfach. Das Wissen, wie man Tests richtig liest, lag bei wenigen Expertinnen und Experten, und die kamen mit der Zahl der Anfragen nicht mehr hinterher (vgl. [1]).

Spannend ist weniger, dass Meta so etwas baut, sondern wie. Die Autoren beschreiben das Prinzip in einem Satz: Das Modell wählt, welche Verfahren in welcher Reihenfolge laufen, rechnet aber selbst nichts. Ein Bericht lässt sich nur ausgeben, wenn jede Tabelle und jede Grafik auf ein Ergebnis eines festen Rechenwerkzeugs verweist (vgl. [1]). Für alle, die überlegen, ihre Monatsberichte von ChatGPT und Co. schreiben zu lassen, ist das die wichtigste Lehre.

Warum Sprachmodelle keine Zahlen rechnen sollten

Ein Sprachmodell erzeugt Text, der plausibel klingt. Fragst du zweimal dasselbe, bekommst du nicht zwingend zweimal dieselbe Antwort. Bei einer Formulierung ist das egal, bei einer Conversion-Rate nicht. Eine Zahl, die um ein paar Prozent danebenliegt, sieht im Bericht genauso überzeugend aus wie die richtige. Niemand merkt es, bis Budget falsch verteilt ist.

Wie groß die Abweichung werden kann, zeigt eine zweite Studie, diesmal von Spotify. Die Forscher haben geprüft, ob sich Testergebnisse mit Menschen durch Antworten eines Sprachmodells ersetzen lassen. An Daten des Upworthy Research Archive, einer öffentlichen Sammlung von Schlagzeilentests, gaben die rohen Antworten des Modells nur 39 Prozent des Effekts wieder, der bei echten Menschen gemessen wurde (vgl. [3]). Das Fazit der Forscher: Ein Test mit KI-Antworten stimmt nur unter Annahmen, ein Test mit Menschen stimmt durch seinen Aufbau (vgl. [2]). Für dein Marketing heißt das: Echte Daten aus Analytics, Werbekonto und CRM sind durch nichts zu ersetzen.

Vertrauen kostet mehr Arbeit als das Ergebnis

Ein Detail aus dem Meta-Paper lohnt einen zweiten Blick. Der Assistent hat 97 Fähigkeiten in 11 Bereichen. 52 davon dienen nicht dazu, ein Ergebnis zu liefern, sondern dazu, einem Ergebnis trauen zu können: Ist die Statistik gültig, wurden Nutzer richtig zugeteilt, sind die Daten vollständig, gab es eine Störung (vgl. [1]). Die reine Frage nach Ergebnissen macht dagegen nur knapp die Hälfte der Anfragen aus, 45 Prozent (vgl. [1]).

Das deckt sich mit dem, was wir in Werbekonten sehen, die wir übernehmen. Die Zahl im Bericht ist schnell gezogen. Die Arbeit steckt darin, zu prüfen, ob sie stimmt: Zählt das Formular doppelt, fehlen Anrufe, landen Testanfragen im Ergebnis, passt der Zeitraum. Ein guter Marketing-Report beantwortet diese Fragen, bevor jemand sie stellt.

Die größte Gefahr: Zahlen, die du hören willst

Der unbequemste Befund des Papers betrifft nicht die Technik, sondern Menschen. Wenn Teams auf ein signifikantes Ergebnis gedrängt haben, schlug der Assistent zum Teil Vorgehen vor, die genau das liefern, etwa ungünstige Tage aus der Auswertung zu entfernen (vgl. [1]). Fachleute nennen das p-Hacking: so lange an der Auswertung drehen, bis das gewünschte Ergebnis herauskommt.

Im Marketing passiert das ständig, auch ohne KI. Der Zeitraum wird so gewählt, dass die Kampagne gut aussieht. Eine schwache Woche fällt als Ausreißer raus. Plötzlich zählen Klicks statt Anfragen. Eine KI, die darauf trainiert ist, hilfreich zu sein, macht das schneller und eleganter mit. Meta zieht daraus eine klare Regel: Suchen darf man überall, entschieden wird nur nach Kennzahlen, Erfolgskriterien und Laufzeit, die vor dem Test feststanden (vgl. [1]).

Marketing Reporting mit KI: so baust du es auf

Aus dem Aufbau bei Meta lässt sich eine einfache Arbeitsteilung ableiten, die auch für ein mittelständisches Unternehmen funktioniert. Die KI übernimmt das Erklären, die Zahlen kommen aus Systemen, die rechnen:

• Die Zahlen kommen direkt aus der Quelle: GA4, Google Ads, Meta, CRM, über feste Abfragen oder ein Dashboard, nie aus dem Chatfenster.
• Jede Kennzahl hat eine schriftliche Definition. Was ist eine Anfrage, was ein qualifizierter Lead, welcher Zeitraum gilt.
• Die KI darf zusammenfassen, Auffälligkeiten benennen und Fragen stellen. Jede Zahl, die sie nennt, muss sich im Dashboard wiederfinden.
• Vor jeder Kampagne oder jedem Test steht fest, woran du Erfolg misst. Danach wird das Ziel nicht mehr verschoben.

Die Grundlage dafür ist sauberes Tracking. Wie du GA4 überhaupt richtig einbindest, erklärt unser Beitrag zum GA4-Trackingcode. Und wie du der Werbeplattform meldest, welche Anfragen zu Aufträgen wurden, steht im Beitrag zur Conversion API für Google und Meta.

Erst festlegen, dann messen

Der Grundsatz „Erfolgskriterium vorher festlegen“ klingt nach Statistik, ist aber im Alltag leicht umzusetzen. Testest du zwei Varianten einer Landingpage, schreibst du vorher auf, welche Kennzahl entscheidet, wie lange der Test läuft und ab welchem Unterschied du umstellst. Was eine Landingpage dafür mitbringen muss, zeigt unser Beitrag zum idealen Aufbau einer Landingpage.

Dasselbe gilt für den Monatsbericht. Leg einmal fest, welche fünf bis acht Kennzahlen er zeigt, und bleib dabei, auch in einem schwachen Monat. Ein Bericht, dessen Kennzahlen jeden Monat wechseln, ist kein Bericht, sondern eine Präsentation.

Was ein guter Marketing-Report zeigen muss

Für Unternehmen, die über ihre Website Anfragen gewinnen wollen, hat sich ein schlanker Aufbau bewährt. Er beginnt nicht mit Reichweite, sondern mit dem, was beim Vertrieb ankommt:

• Anfragen je Kanal, getrennt nach Formular, Anruf und Terminbuchung
• Kosten je Anfrage und, sobald das CRM angebunden ist, Kosten je Auftrag
• Status der Anfragen: offen, qualifiziert, Angebot, gewonnen, verloren
• Veränderung zum Vormonat und zum Vorjahr, immer mit gleichem Zeitraum
• Was im Monat geändert wurde und welche Wirkung erwartet wird

Warum der Weg bis zum Auftrag so wichtig ist, beschreiben wir ausführlich im Beitrag B2B-Leadgenerierung richtig messen. Ein Dashboard aktualisiert diese Werte von selbst. Die KI kann darauf aufsetzen und in drei Sätzen erklären, was sich verändert hat. Ob die Erklärung stimmt, prüfst du am Dashboard, nicht am Text.

Was das für dein Marketing heißt

KI im Reporting spart Zeit, wenn sie das Richtige tut: lesen, ordnen, erklären. Gefährlich wird sie, wenn sie rechnet oder dir Zahlen liefert, die zur Erwartung passen. Wer Texte mit KI schreibt, kennt das Prinzip schon aus unserem Beitrag zu KI im Marketing: Die KI liefert den Rohling, die Verantwortung bleibt bei dir. Bei Zahlen gilt das noch strenger.

Wenn du deinen Marketing-Report so aufbauen willst, dass Geschäftsführung und Vertrieb ihm trauen, unterstützen wir dich als Online Marketing Agentur Karlsruhe von der Messung über das Dashboard bis zur monatlichen Auswertung.