ChatGPT Ads: Was die frühe Google-Ära lehrt
Seit August laufen ChatGPT Ads in Deutschland. Googles erste Anzeigenjahre zeigen, wo die frühe Wette auf den Kanal trägt — und wo nicht.
Im Jahr 2000 startete Google ein Werbeprodukt, das kaum jemand ernst nahm. 350 Unternehmen buchten im ersten Jahr Anzeigen, abgerechnet nach Tausend-Kontakt-Preis, platziert nach Höchstgebot — der Werbeumsatz des Suchmaschinenbetreibers, so beschreibt es die Chronik von Relevant Audience, fiel zunächst kaum ins Gewicht. Ein Nischenkanal für eine Handvoll Mutiger.
Wer 2026 auf die Werbebranche schaut, sieht eine strukturell ähnliche Szene. Seit Ende August 2026 sind ChatGPT Ads laut OpenAI in 31 europäischen Märkten verfügbar, Deutschland eingeschlossen — ein bezahltes Anzeigenformat direkt in den Antworten eines Chatbots, den Millionen Menschen täglich zur Produktrecherche nutzen. Ausgespielt werden die Anzeigen zunächst nur in den werbefinanzierten Tarifen Free und Go. Die Frage, die sich in Marketingabteilungen gerade stellt, ist dieselbe wie damals: einsteigen, solange der Kanal jung und günstig ist — oder abwarten, bis belastbare Zahlen vorliegen? Der Blick zurück auf Googles erste Anzeigenjahre beantwortet sie nicht. Aber er schärft, welche der beiden Annahmen trägt.
Ein Kanal, der klein anfängt, bleibt selten klein
Die erste Lehre aus der Google-Geschichte ist die naheliegende: Der unscheinbare Kanal von 2000 wurde zum Fundament eines der größten Werbegeschäfte der Welt. Entscheidend war aber nicht die Anfangsgröße, sondern ein Bruch zwei Jahre später. 2002 ersetzte Google mit AdWords Select das Preismodell — weg vom Tausend-Kontakt-Preis, hin zur Abrechnung pro Klick, und die Platzierung entschied fortan nicht mehr das reine Höchstgebot, sondern eine Kombination aus Gebot und Klickrate. Das Search Engine Journal datiert an dieser Umstellung den eigentlichen Beginn des modernen Suchmaschinenmarketings.
Für ChatGPT Ads ist die Parallele weniger die Größe als der Reifegrad. Das Format ist neu, das Inventar dünn besetzt. Eine tracking-basierte Auswertung von GrowByData fand im Juni 2026, dass nur 9,2 Prozent der untersuchten Prompts überhaupt eine bezahlte Platzierung zurückgaben — ein einzelner Monatswert, aus dem sich, wie die Autoren ausdrücklich betonen, noch kein Preisniveau ableiten lässt. Historisch war wenig Wettbewerb um Anzeigenplätze aber genau die Konstellation, in der frühe Google-Werbetreibende günstige Klicks einsammelten, bevor die Auktionen sich füllten. Ob ChatGPT Ads heute an diesem günstigen Punkt der Kurve stehen, ist damit plausibel — belegt ist es nicht.
Die erste These: der Vorsprung der Frühen
Die verbreitete Annahme lautet, wer jetzt einsteigt, sichere sich zweierlei: günstigen Umsatz aus einem ungesättigten Kanal und einen Wissensvorsprung, der sich später nicht mehr aufholen lässt. Der Google-Vergleich stützt den zweiten Teil deutlicher als den ersten.
Für den Wissensvorsprung spricht die Mechanik von Auktionsplattformen. Wer früh lernt, welche Anzeigen in einem neuen Umfeld funktionieren, sammelt Daten und Verlaufswerte, die in vielen Systemen selbst in die Platzierung einfließen. Bei Google wurde die Klickrate 2002 zum Rankingfaktor — frühe Konten mit gutem Verlauf zahlten pro Klick weniger als Neueinsteiger mit identischem Gebot. Ein solcher Lerneffekt ist nicht käuflich nachzuholen, er entsteht nur über Zeit im Markt.
Der Umsatzvorsprung dagegen ist die schwächere Hälfte der These. Googles erstes Anzeigenjahr war gerade dadurch gekennzeichnet, dass es kaum Umsatz brachte — der Kanal war jung, die Reichweite klein, die Nutzer nicht auf Werbung eingestellt. Wer 2000 einstieg, kaufte keinen sofortigen Umsatzhebel, sondern eine Lernkurve. Und es gibt einen zweiten Dämpfer, der spezifisch für den KI-Kanal ist: OpenAI trennt bezahlte Anzeigen nach eigener Darstellung strikt von den Modellantworten. Man kann sich Reichweite in einer Antwort kaufen — nicht aber das organische Empfohlenwerden durch das Modell. Der Umsatz, den frühe Werbung erzeugt, ist damit gedeckelt durch ein Format, das seine eigene Glaubwürdigkeit schützt.
Die Frühen gewinnen also — aber eher Wissen als Umsatz. Das ist ein Unterschied, der über die Höhe des sinnvollen Anfangsbudgets entscheidet.
Die zweite These: das Datenproblem
Die Gegenannahme ist ebenso verbreitet: Für belastbare Entscheidungen sei es zu früh, es fehle schlicht an Vergleichsdaten. Auch diese These lässt sich sowohl stützen als auch relativieren.
Sie stützt sich selbst, sobald man die kursierenden Kennzahlen prüft. Zwei Zahlen werden gern zitiert: Besucher aus KI-Suche seien laut einer Semrush-Studie vom Juni 2025 rund 4,4-mal so wertvoll wie klassischer organischer Traffic, und eine Auswertung von 13 Monaten Daten bei Search Engine Land beziffert die Konversionsrate von LLM-Verweisen auf rund 18 Prozent. Beide Werte betreffen aber organischen KI-Traffic insgesamt, nicht ChatGPT-Anzeigen — und beide sind Momentaufnahmen aus wenigen Monaten, oft aus selbstselektierten Datensätzen. Es gibt keine Saisonzyklen, keine branchenübergreifenden Normwerte, keine standardisierten Benchmarks, an denen ein Händler seine eigenen Anzeigenergebnisse einordnen könnte. Wer hier mit Sicherheit rechnet, rechnet mit Zahlen, die morgen anders aussehen können.
Relativieren lässt sich die These aber durch genau den Vergleich, um den es hier geht. Ein völliges Datenvakuum liegt nicht vor. Der Verlauf eines neuen, zunächst dünn besetzten Anzeigenkanals bis zur gesättigten Auktion ist bei Google dokumentiert — und das Muster ist übertragbar genug, um daraus Erwartungen abzuleiten: Preise steigen mit dem Wettbewerb, die Abrechnungslogik kann sich früh noch grundlegend ändern, ein Verlaufsvorsprung im Konto trägt. Die Analogie ist selbst eine Form von Datum. Sie ersetzt keine Messung, aber sie verhindert, dass man den Kanal als vollständig unlesbar behandelt.
Warum Paid und Sichtbarkeit zusammengehören
Aus beiden Thesen zusammen folgt eine Konsequenz, die über die Budgetfrage hinausgeht. Wenn bezahlte Anzeigen das organische Empfohlenwerden im Modell nicht erkaufen können, dann sind es zwei getrennte Disziplinen — und die organische bleibt die härtere Währung. Wie eine Marke überhaupt in Modellantworten auftaucht, hängt an Signalen, die klassische Suchmaschinenoptimierung nur teilweise abdeckt: strukturierten Entitätsdaten, einem belegbaren Quellennetzwerk, semantischer Tiefe der eigenen Inhalte. Die OMR-Aufbereitung zur LLM-Sichtbarkeit beschreibt dieses Feld als eigene Disziplin neben der bezahlten Reichweite. Ein Teil der Branche formuliert es schärfer und sieht Marken bereits um Sichtbarkeit in ChatGPT konkurrieren, wie es der Fachdienst Analytics India Magazine zuspitzt.
Für einen mittelständischen Händler heißt das: Der frühe Einstieg in ChatGPT Ads ist als Lernbudget vertretbar, nicht als Umsatzkanal, auf den sich planen ließe. Der Aufwand, den die Sichtbarkeit im Modell verlangt, zahlt dagegen auf beide Kanäle ein — und lässt sich, anders als eine Auktion, nicht nachträglich beschleunigen.
Was bleibt
350 Unternehmen buchten Googles ersten Werbejahrgang, und aus heutiger Sicht war das keine Wette auf schnellen Umsatz, sondern auf eine Lernkurve, die sich später auszahlte. ChatGPT Ads stehen 2026 an einem vergleichbaren Punkt — mit dem Unterschied, dass das Format seine Modellantworten bewusst werbefrei hält. Wer jetzt einsteigt, kauft dasselbe wie die Frühen von damals: kein Umsatzversprechen, sondern Zeit im Markt. Ob daraus ein zweites AdWords wird, entscheidet sich weniger an der Anfangsgröße als an der Frage, wann und wie sich die Abrechnungslogik das erste Mal ändert. Bis dahin bleibt die ehrlichere Kennzahl nicht der frühe Umsatz, sondern das, was ein Konto über den Kanal gelernt hat.