Was KI in der Analyse wirklich übernimmt
Marketing-Analyse besteht aus drei Schritten: Daten sammeln, Daten verstehen, daraus handeln. KI ändert vor allem den mittleren Schritt. Sie fasst zusammen, findet Ausreißer und erklärt Tabellen in Worten. Sammeln und Entscheiden bleiben deine Aufgaben.
| Schritt | Was KI kann | Was KI nicht kann |
|---|---|---|
| Sammeln | Tracking-Pläne entwerfen, bei der Fehlersuche im Setup helfen | Fehlende Einwilligungen oder Daten ersetzen |
| Verstehen | Auffälligkeiten finden, Berichte zusammenfassen, Tabellen auswerten | Ursachen sicher erkennen; Korrelation ist keine Ursache |
| Handeln | Optionen vorschlagen, Tests planen | Wissen, was deine Kunden wollen |
Google Analytics 4: KI-Übersichten und Analytics Advisor
Für das Marketing sind in GA4 zwei KI-Funktionen wichtig:
| Funktion | Was sie macht | Hinweise laut Google |
|---|---|---|
| Generierte Übersichten (Generated insights) | Kurze KI-Zusammenfassungen wichtiger Änderungen auf der Startseite und in Detailberichten, mit Link zum passenden Bericht | Bewertung per Daumen hoch oder runter; für welche Properties die Funktion verfügbar ist, beschreibt Google nicht näher |
| Analytics Advisor (Beta) | Chat-Assistent, der Fragen zu deiner Property beantwortet, mit Diagrammen und Links zu Berichten | Gemini-Modelle; derzeit nur Properties mit Englisch als Sprache; kann Fehler machen |
Stand 15.11.2026 laut Google-Hilfe.
Beide sparen Zeit, wenn du nach Auffälligkeiten suchst. Den Blick in den Bericht selbst ersetzen sie nicht. Meldet Advisor, dass eine Kampagne gut läuft, öffne den verlinkten Bericht und prüfe Zeitraum, Filter und Vergleichsbasis.
Stichproben und Schwellenwerte
- Stichproben: Überschreitet eine Abfrage das Ereignis-Kontingent (10 Millionen bei Standard-Properties, bis zu 1 Milliarde bei Analytics 360), kann GA4 mit einer Stichprobe rechnen. Das Datenqualitäts-Symbol zeigt dann den Anteil der verwendeten Daten.
- Schwellenwerte: Bei demografischen Daten, Suchbegriffen oder sehr kleinen Zahlen blendet GA4 Werte aus, damit niemand auf einzelne Personen schließen kann. Ein längerer Zeitraum hilft oft.
Für kleine Websites ist der zweite Punkt der wichtigere: Wenn ein Bericht leer oder unvollständig wirkt, liegt es oft an den Schwellenwerten, nicht an fehlendem Interesse. Gibst du einer KI eine solche Tabelle zur Auswertung, schreib dazu, dass Werte ausgeblendet sein können; sonst deutet sie fehlende Zeilen als null. Ein Blick auf das Datenqualitäts-Symbol oben im Bericht zeigt, ob Stichproben oder Schwellenwerte im Spiel sind. Im Zweifel hilft ein längerer Zeitraum oder ein Bericht ohne demografische Aufschlüsselung.
Einwilligungslücken: was in deinen Zahlen fehlt
In Deutschland darf Analytics mit Cookies erst nach einer Einwilligung laden. Wer ablehnt, fehlt in den klassischen Zahlen. Google bietet dafür den Consent Mode an: Bei abgelehnter Einwilligung senden die Tags laut Google cookielose Pings, aus denen GA4 die Lücken per Modellierung schätzt.
- Die Modellierung setzt die erweiterte Umsetzung voraus, bei der Google-Tags auch ohne Einwilligung geladen werden; wer Tags bis zur Einwilligung blockiert, bekommt keine Modellierung.
- Läuft die Einwilligungsverwaltung über das IAB-TCF, kann GA4 für ablehnende Nutzer nicht modellieren.
- Modellierte Werte sind Schätzungen, keine Messungen.
Ob und wie du den Consent Mode einsetzt, klärst du am besten mit deiner Datenschutzberatung. Für die Analyse gilt: Rechne damit, dass deine Zahlen einen Teil der Besucher nicht oder nur geschätzt enthalten, und vergleiche Trends statt absoluter Werte.
Eine robuste Ergänzung sind Kennzahlen, die ohne Tracking entstehen: Anfragen im Postfach, Bestellungen im Shop, Anmeldungen im Newsletter-Tool, Klicks und Impressionen in der Search Console.
Search Console und Looker Studio
Die Google Search Console zeigt, für welche Suchanfragen deine Seiten in der Google-Suche erscheinen und angeklickt werden. Sie braucht keine Cookies auf deiner Website und ist deshalb eine gute Ergänzung zu GA4. Die neuesten Daten sind laut Google vorläufig und können sich in den folgenden Stunden ändern.
- Für KI nutzbar: Exportiere den Leistungsbericht (Suchanfragen, Seiten, Klicks, Impressionen, Position) und lass KI Muster finden: Seiten mit vielen Impressionen und wenigen Klicks, Suchanfragen ohne passende Seite.
- Looker Studio: Die kostenlose Version verbindet GA4, Search Console und Tabellen zu einem Dashboard. So siehst du die wichtigen Zahlen an einem Ort, statt sie jede Woche aus fünf Tools zu holen.
Wie du mit diesen Daten Inhalte verbesserst, zeigt der Ratgeber KI für SEO; wie du in KI-Antworten sichtbar wirst und das misst, erklärt GEO in der Praxis.
KI-Analyse-Tools für eigene Tabellen
Für Exporte aus Werbekonten, Shop oder Newsletter-Tool eignen sich Tools, die Tabellen einlesen und die Rechenschritte offenlegen. Der Unterschied zum allgemeinen Chat: Sie führen Code aus, statt Zahlen zu schätzen.
| Tool | Wofür | Mehr |
|---|---|---|
| Julius AI | Excel-, CSV- und Datenbank-Tabellen per Frage auswerten, mit Diagrammen und sichtbaren Rechenschritten | Im Überblick · Testen →Werbung |
| Looker Studio | Kostenlose Dashboards aus GA4, Search Console und Tabellen, ohne Partnerlink | |
| ChatGPT, Claude | Mit Datei-Upload und Code-Ausführung für einfache Auswertungen, ohne Partnerlink |
Links mit „Testen“ sind Affiliate-Links (Werbung): Ich bekomme eine Provision, für dich ändert sich der Preis nicht.
| Tool | Preis laut Anbieter (Stand 15.11.2026) | Quelle |
|---|---|---|
| Julius Plus | 20 $ im Monat | julius.ai |
| Julius Pro | 45 $ im Monat | julius.ai |
| Julius Business | 450 $ im Monat, Team bis 50 Personen, Datenbank-Verbindungen | julius.ai |
| Looker Studio | Kostenlose Version verfügbar | Google Cloud |
Laut Julius-Preisseite spart jährliche Zahlung 20 %.
Egal welches Tool: Lass dir den Rechenweg zeigen. Ein Ergebnis ohne nachvollziehbare Schritte ist für Entscheidungen nicht gut genug. Lade außerdem nur die Spalten hoch, die du für die Frage brauchst, und lass Namen und E-Mail-Adressen aus der Datei heraus.
Welche Kennzahlen wirklich zählen
Viele Dashboards zeigen, was leicht zu messen ist, nicht was wichtig ist. Wähle Kennzahlen nach deinem Geschäftsziel.
| Ziel | Kernkennzahl | Frühindikator |
|---|---|---|
| Anfragen für Dienstleistung | Qualifizierte Anfragen pro Woche | Besuche auf Angebotsseiten |
| Online-Shop | Umsatz und Deckungsbeitrag pro Kanal | Warenkorb-Abbrüche, Rückkehrer |
| Newsletter-Aufbau | Bestätigte Anmeldungen | Besuche auf Seiten mit Anmeldeformular |
| Sichtbarkeit | Klicks aus der Google-Suche, Nennungen in KI-Antworten | Impressionen in der Search Console |
Lege für jede Kernkennzahl fest, woher sie kommt und wer sie wöchentlich einträgt; sonst vergleichst du nach drei Monaten Werte aus verschiedenen Quellen. Seitenaufrufe, Verweildauer und Follower sind Hilfskennzahlen. Sie erklären, warum sich die Kernkennzahl bewegt, sind aber selbst kein Ziel.
UTM-Parameter: die Grundlage für saubere Zuordnung
Ohne saubere Kennzeichnung landen Besuche aus Newsletter, Social Media und Anzeigen im Topf „direkt“ oder „unbekannt“. UTM-Parameter am Link lösen das.
- utm_source: woher (newsletter, instagram, linkedin).
- utm_medium: welche Art (email, social, paid).
- utm_campaign: welche Aktion (black-friday-2026).
- utm_content: welche Variante (bild-a, text-b), wichtig für Tests.
Setze UTM-Parameter nur an Links, die von außen auf deine Website führen, nie an interne Links zwischen deinen eigenen Seiten; das würde die ursprüngliche Quelle überschreiben. Halte die Schreibweise einheitlich, am besten mit einer kleinen Tabelle, die dir die KI aus deiner Kampagnenliste erstellt. „Newsletter“ und „newsletter“ landen in GA4 sonst in zwei Zeilen.
KI-Berichte in Werbekonten kritisch lesen
Meta und Google bewerten ihre eigenen Kampagnen. Ihre KI-Empfehlungen sollen dich dazu bringen, mehr Budget in ihre Automatik zu stecken. Das kann richtig sein, ist aber kein neutraler Rat.
- Vergleiche gemeldete Ergebnisse mit deinen eigenen Daten: Anfragen im Postfach, Bestellungen im Shop.
- Sieh dir die Aufschlüsselung nach Platzierung und Gerät an, bevor du Empfehlungen übernimmst.
- Achte auf das Zuordnungsfenster: Wie viele Ergebnisse die Plattform meldet, hängt davon ab, wie lange nach einem Klick oder einer Ansicht sie sich einen Kauf noch selbst zuschreibt.
Mehr dazu im Ratgeber KI in Werbeanzeigen.
Messen, ob KI-Assistenten dich nennen
Ein wachsender Teil der Recherche findet in ChatGPT, Claude, Gemini oder Perplexity statt. Diese Gespräche tauchen in keiner Analyse-Software auf. Du siehst höchstens die Besuche, die aus einem Link in einer KI-Antwort kommen.
- Achte in GA4 und den Server-Logs auf Verweise von KI-Diensten und auf Abrufe ihrer Crawler.
- Stelle regelmäßig echte Kundenfragen in mehreren Assistenten und notiere, wer genannt wird.
- Frag neue Kunden im Formular oder im Gespräch, wie sie auf dich gekommen sind; „über ChatGPT“ ist eine Antwort, die kein Tool misst.
Für den Einstieg zeigt unser KI-Duell, wen KI-Assistenten bei typischen Kundenfragen empfehlen, und der KI-Sichtbarkeits-Check prüft, wie gut deine Website für KI lesbar ist.
Datenqualität prüfen, bevor KI auswertet
KI wertet aus, was du ihr gibst. Fünf Prüfungen vor jeder größeren Auswertung verhindern die meisten Fehlschlüsse:
- Lücken im Zeitverlauf: Gab es Tage ohne Daten, etwa nach einer Website-Änderung?
- Doppelte Zählung: Wird ein Ereignis zweimal ausgelöst, etwa durch zwei Tags?
- Eigene Zugriffe: Sind Tests und interne Besuche herausgefiltert?
- Quellen-Schreibweise: Stehen dieselben Kanäle unter verschiedenen Namen?
- Definitionen: Bedeutet „Conversion“ in allen Tools dasselbe?
Die ehrlichen Grenzen: erfundene Zahlen und falsche Schlüsse
- Erfundene Zahlen: Sprachmodelle ohne Rechenwerkzeug schätzen Zahlen und klingen dabei sicher. Verlange immer, dass die KI Code ausführt, oder rechne selbst nach.
- Falscher Zeitraum oder Filter: KI-Zusammenfassungen nennen nicht immer, welcher Zeitraum und welche Filter gelten. Prüfe beides.
- Korrelation statt Ursache: Mehr Umsatz nach einer Kampagne heißt nicht, dass die Kampagne die Ursache war. Saison, Preise und andere Kanäle wirken mit.
- Kleine Zahlen: 12 Anmeldungen statt 8 sind 50 % mehr, aber oft Zufall.
- Bot-Traffic und eigene Zugriffe: Automatische Abrufe, Prüfskripte und eigene Tests verfälschen Besuchszahlen, wenn sie nicht herausgefiltert werden.
Aus der Praxis: wie wir messen
Für i4u.business zählen wir Besuche ohne Cookies aus den Server-Logs, filtern Bots und eigene Zugriffe heraus und ergänzen das mit der Search Console. Werbe-Tracking läuft nur nach Einwilligung.
Die wichtigste Lehre: Eigene Prüfskripte, Lighthouse-Läufe und Tests können die Statistik stärker verfälschen als fremde Bots. Seit wir sie mit eigener Kennung markieren und herausrechnen, sind die Zahlen deutlich ehrlicher. Außerdem vergleichen wir Trends über Wochen, nicht einzelne Tage.
Eine Analyse-Routine für 30 Minuten pro Woche
- Zahlen holen (10 Min.): Fünf Kennzahlen aus GA4, Search Console, Newsletter-Tool und Postfach in eine Tabelle.
- KI fragen (5 Min.): Was fällt im Vergleich zu den letzten vier Wochen auf? Rechenweg anzeigen lassen.
- Prüfen (10 Min.): Die zwei auffälligsten Punkte im Originalbericht nachsehen.
- Entscheiden (5 Min.): Eine Sache, die du nächste Woche anders machst, und wie du misst, ob es geholfen hat.
Wie du solche Berichte automatisch erzeugst, zeigt Marketing-Automatisierung mit KI.
Checkliste für KI in der Analyse
- Tracking-Plan: welche Ereignisse, welche Ziele, welche Quellen
- Einwilligungs-Setup geprüft, Lücken bekannt
- Search Console eingerichtet und mit GA4 verknüpft
- Eigene Zugriffe und Prüfskripte herausgefiltert
- Fünf Kernkennzahlen festgelegt, auch ohne Tracking (Anfragen, Bestellungen)
- KI-Auswertungen nur mit sichtbarem Rechenweg
- Zeitraum und Filter bei jeder KI-Aussage geprüft
- Trends über Wochen statt Einzeltage
- Wöchentliche 30-Minuten-Routine im Kalender
12 Prompts für die Marketing-Analyse
Erstelle einen Tracking-Plan für [Website-Typ] mit Zielen [Ziele]: welche Ereignisse, welche Parameter, welche Berichte. Kurz und umsetzbar.
Hier sind die Zahlen der letzten acht Wochen: [Tabelle]. Welche Werte weichen auffällig ab? Rechne mit Code und zeige den Rechenweg.
Fasse diesen Bericht in fünf Sätzen für die Geschäftsführung zusammen. Nenne Zeitraum und Filter ausdrücklich: [Bericht].
Der Umsatz ist in Woche [X] gestiegen. Welche Erklärungen sind möglich (Saison, Kampagne, Preis, Kanal)? Welche Daten bräuchte ich, um sie zu unterscheiden?
Hier ist ein Export aus der Search Console: [Daten]. Welche Seiten haben viele Impressionen, aber wenige Klicks? Welche Suchanfragen haben keine passende Seite?
Vergleiche diese Kampagnen nach Kosten pro Ergebnis und Qualität der Ergebnisse, nicht nach Klicks: [Daten]. Rechne mit Code.
Hier ist die Aufschlüsselung nach Platzierung: [Daten]. Woher kommen viele billige Klicks ohne Ergebnis?
Variante A: [Werte], Variante B: [Werte]. Ist der Unterschied bei dieser Menge wahrscheinlich Zufall? Erkläre es einfach.
Plane ein Looker-Studio-Dashboard mit höchstens acht Kennzahlen für [Ziel] aus GA4, Search Console und einer Tabelle. Welche Diagramme, welche Filter?
Unsere Einwilligungsquote liegt bei etwa [Wert]. Welche Berichte sind davon am stärksten betroffen, und welche Kennzahlen sind unabhängig davon?
Schreibe aus diesen fünf Kennzahlen einen Wochenbericht mit drei Auffälligkeiten und einer Empfehlung, max. 150 Wörter: [Daten].
Hier ist eine KI-Auswertung: [Text]. Welche Zahlen darin sollte ich im Original nachprüfen, und welche Schlüsse sind zu stark?
Die häufigsten Fehler
- Zahlen vom Chat schätzen lassen. Immer mit Code rechnen lassen oder selbst nachrechnen.
- Leere Berichte als Desinteresse lesen. Oft sind es Schwellenwerte oder Einwilligungslücken.
- Klicks statt Ergebnisse optimieren. Billige Klicks ohne Ergebnis kosten nur.
- Eigene Zugriffe mitzählen. Tests und Prüfskripte verfälschen die Statistik.
- Einzelne Tage vergleichen. Trends über mehrere Wochen sind deutlich verlässlicher.
- KI-Übersicht ohne Bericht glauben. Erst im Originalbericht prüfen, dann bewusst handeln.
Häufige Fragen
Ist Analytics Advisor auf Deutsch verfügbar?
Noch nicht. Laut Google-Hilfe ist der Assistent am 15. November 2026 auf Properties beschränkt, deren Sprache auf Englisch eingestellt ist. Weitere Sprachen sind laut Google geplant.
Kann ich Marketing-Analyse ohne Google Analytics machen?
Ja, in Grenzen. Server-Logs, Search Console, Newsletter-Tool, Shop- und CRM-Daten liefern viele Kennzahlen ohne Cookies. Für Verhaltensanalysen auf der Website brauchst du ein Analyse-Tool, mit Einwilligung, wo nötig.
Wie präsentiere ich Zahlen der Geschäftsführung?
Mit wenigen Kernkennzahlen, dem Vergleich zum Vorzeitraum, einer klaren Aussage, was sich geändert hat, und einer Empfehlung. KI kann den Entwurf schreiben; Zeitraum, Filter und Zahlen prüfst du selbst.
Wie messe ich, ob ChatGPT meine Firma empfiehlt?
Nur mit eigenen Stichproben. Analyse-Tools zeigen lediglich Besuche über Links aus KI-Antworten. Ergänze das mit regelmäßigen Stichproben echter Kundenfragen in mehreren Assistenten und mit der Frage an neue Kunden, wie sie auf dich gekommen sind.
Was prüfe ich, bevor ich Daten mit KI auswerte?
Lücken im Zeitverlauf, doppelt gezählte Ereignisse, eigene Zugriffe, uneinheitliche Quellen-Namen und ob Begriffe wie „Conversion“ überall dasselbe bedeuten.
Welche Kennzahlen sollte ich im Marketing messen?
Die, die zu deinem Geschäftsziel passen: etwa qualifizierte Anfragen, Umsatz pro Kanal oder bestätigte Newsletter-Anmeldungen. Seitenaufrufe und Follower sind Hilfskennzahlen, die erklären, warum sich die Kernkennzahl bewegt.
Wofür brauche ich UTM-Parameter?
Damit Besuche aus Newsletter, Social Media und Anzeigen in der Analyse ihrer Quelle zugeordnet werden, statt als „direkt“ zu erscheinen. Wichtig ist eine einheitliche Schreibweise.
Kann ich GA4 mit KI auswerten?
Ja. GA4 zeigt KI-Übersichten zu wichtigen Änderungen und testet mit Analytics Advisor einen Assistenten auf Basis von Gemini, derzeit nur für Properties mit Englisch als Sprache. Prüfe Aussagen immer im verlinkten Bericht.
Warum sind manche GA4-Berichte leer oder unvollständig?
Oft wegen Schwellenwerten: GA4 blendet Daten aus, wenn zu wenige Nutzer im Bericht sind, etwa bei Demografie oder Suchbegriffen. Ein längerer Zeitraum hilft. Bei großen Abfragen kann GA4 außerdem mit Stichproben rechnen.
Erfindet ChatGPT Zahlen?
Das kann passieren. Sprachmodelle ohne Rechenwerkzeug schätzen Zahlen mitunter und klingen dabei trotzdem sicher. Für Auswertungen solltest du Tools oder Modi nutzen, die Code ausführen und den Rechenweg zeigen, und wichtige Werte selbst prüfen.
Was kostet Julius?
Plus kostet 20 Dollar, Pro 45 Dollar und Business 450 Dollar im Monat (laut Preisseite, Stand 15. November 2026). Bei jährlicher Zahlung sparst du laut Anbieter 20 Prozent.
Brauche ich Looker Studio?
Nicht zwingend. Es lohnt sich, wenn du Zahlen aus mehreren Quellen regelmäßig an einem Ort sehen willst. Die kostenlose Version reicht für die meisten kleinen Teams.
Wie gehe ich mit fehlenden Daten durch abgelehnte Cookies um?
Vergleiche Trends statt absoluter Werte und ergänze Kennzahlen, die ohne Tracking entstehen, etwa Anfragen, Bestellungen, Newsletter-Anmeldungen und Search-Console-Daten. Ob der Consent Mode für dich passt, klärst du mit deiner Datenschutzberatung.
Wie oft sollte ich Marketing-Zahlen ansehen?
Einmal pro Woche in einer festen Routine reicht für die meisten. Tägliches Nachsehen verleitet dazu, auf Zufallsschwankungen zu reagieren.
Quellen
- Google Analytics: Generated insights – KI-Übersichten
- Google Analytics: Analytics Advisor (Beta) – Gemini, nur Englisch, kann Fehler machen
- Google Analytics: Data thresholds – Schwellenwerte
- Google Analytics: Data sampling – 10 Mio. / 1 Mrd. Ereignisse
- Google Analytics: Consent mode – Modellierung, Voraussetzungen
- Search Console: Performance report – Vorläufige neueste Daten
- Google Cloud: Looker Studio – Kostenlose Version
- Julius: Pricing – Plus 20 $, Pro 45 $, Business 450 $






