KI vs Manuell Amazon PPC: Tropeza Fallstudie (2024)

Im August 2024 liefen auf demselben Amazon-Konto KI-gesteuerte Sponsored-Products-Kampagnen parallel zu manuell verwalteten Kampagnen. Gleiche Marke, gleicher Monat, gleicher Produktkatalog. Die KI-Seite lieferte 3,1 RoAS bei 32,7 % ACoS. Die manuelle Seite lieferte 1,8 RoAS bei 56,6 % ACoS. Der Unterschied ist sauber: günstigere Klicks, höhere Conversion Rate, niedrigerer ACoS, mehr Bestellungen, mehr Umsatz. Die Zahlen unten sind der gesamte Punkt.

Eigentümer-Hinweis. Ich bin die Gründerin von Daniks.AI, der KI-nativen Amazon-PPC-Automatisierung, die die Auto-Seite dieser Fallstudie gesteuert hat. Ich habe sie zuerst für meine eigenen Listings gebaut — die Daniks-Kochgeschirr-Marke, die Top-1 in Deutschland und aktuell Top-20 in den USA erreicht hat. Tropeza ist eine der Kundenmarken, die jetzt auf Daniks.AI laufen, nicht meine eigene Marke. Tropeza verkauft Kunstpflanzen und -bäume auf Amazon US, ihr Brand Store ist hier, und sie haben die manuelle und die Auto-Seite gleichzeitig auf ihrem eigenen Seller-Konto betrieben. Die Dashboard-Daten unten stammen aus ihrem Konto, mit Genehmigung zur Veröffentlichung. Lies diese Fallstudie mit diesem Kontext.

Was getestet wurde

Das Setup war bewusst einfach: ein einzelner Amazon-US-Seller, der zwei parallele PPC-Stränge auf demselben Markenportfolio für den kompletten Monat August 2024 betrieb.

• Strang A (Auto): Daniks.AI steuerte Sponsored-Products-Kampagnen End-to-End — Kampagnenerstellung, Keyword-Harvesting, Gebotsanpassungen, Negative-Keyword-Management und Ziel-ACoS-Optimierung. Der KI-Agent hatte einen festen ACoS-Zielwert und volle Autopilot-Berechtigung.
• Strang B (Manuell): Der hauseigene Operator führte parallele Sponsored-Products-Kampagnen mit demselben Produktkatalog — manuelle Gebotsanpassungen, manuelle Keyword-Recherche, manuelles Negative-Keyword-Harvesting aus dem Suchbegriff-Report, manuelle Placement-Modifizierer.

Beide Stränge griffen auf dasselbe Amazon-Ads-Inventar zu, verteidigten dieselbe Marke auf demselben Marktplatz und liefen über dieselben 31 Tage. Was nicht gleichgesetzt wurde: Strang A erhielt ungefähr das Vierfache des Werbebudgets von Strang B, weil die Budget-Logik der Marke mehr Geld den Kampagnen zuwies, die ihren Ziel-ACoS trafen — was Strang A tat und Strang B meistens nicht. Das ist selbst Teil der Geschichte; mehr dazu weiter unten.

Kurzübersicht

• Im 31-Tage-Vergleich auf derselben Marke lieferte Daniks.AI 3,1 RoAS vs 1,8 RoAS für manuell verwaltetes PPC — ein 72 % Effizienzvorteil.
• ACoS sank von 56,6 % auf 32,7 %, eine Reduktion um 23,9 Prozentpunkte — auf den meisten Marken der Unterschied zwischen einem unprofitablen und einem profitablen PPC-Programm.
• CPC war 11 % günstiger auf der KI-Seite ($0,68 vs $0,76) und Conversion Rate war 73 % höher (2,48 % vs 1,43 %) — beide Effekte multiplizieren sich.
• Volumen skalierte sauber: Daniks.AI generierte 3,5× die Impressions und 8× die Bestellungen der manuellen Seite bei 4× dem Spend.
• Dies ist eine einzelne Fallstudie — eine Marke, ein Monat, richtungsweisend, nicht statistisch abschliessend. Lies den Abschnitt zu Einschränkungen, bevor du universelle Schlüsse ziehst.

Die Marke: Tropeza auf Amazon US

Tropeza ist ein US-Amazon-Seller in der Kategorie Kunstpflanzen — künstliche Bäume, Ficus Lyrata, dekorative Grünpflanzen für Zuhause und Büro. Mittleres Preissegment, ganzjährige Nachfrage, langlebige Produkte, kein Zertifizierungsaufwand. Die Art von Marke, die sauber auf der Plattform läuft und ein ordentlich optimiertes PPC-Programm vertragen kann. Genau deshalb eignet sich diese Marke als Fallstudie — die Testbedingungen sind nicht exotisch. Wenn der Auto-vs-Manuell-Unterschied bei einer normalen, ganzjährigen Private-Label-Marke sichtbar wird, ist das Ergebnis übertragbarer als ein Vergleich auf einem stark saisonalen oder stark gebrandeten Produkt.

Du kannst den Tropeza Brand Store auf Amazon für den Katalog ansehen. Der Vergleich unten bezieht sich auf den gesamten Sponsored-Products-Spend der Marke über beide Stränge, nicht auf ein einzelnes ASIN.

Die Zahlen im Überblick

Die Dashboard-Ansicht aus der Daniks.AI Amazon App, 1. August bis 1. September 2024:

Metrik	Daniks.AI (Auto)	Manuell (Mensch)	Vorteil
Impressions	419.631	121.318	Auto +246 %
Klicks	4.509	977	Auto +361 %
Spend	$3.069	$746	Auto +311 %
CPC	$0,68	$0,76	Auto −11 %
Bestellungen	112	14	Auto +700 %
Umsatz	$9.383	$1.317	Auto +612 %
RoAS	3,1	1,8	Auto +72 %
ACoS	32,7 %	56,6 %	Auto −23,9 PP

Zwei Dinge fallen auf, bevor wir die einzelnen Metriken durchgehen. Erstens: Die KI-Seite gewann bei jeder Effizienzmetrik pro Einheit — CPC, CVR, ACoS, RoAS — nicht nur beim Volumen. Volumen lässt sich durch Budgetverteilung erklären; Effizienz nicht. Zweitens: Die Lücke ist genau die Art von Unterschied, die entscheidet, ob ein PPC-Programm Wachstum finanziert oder still Marge frisst.

Klick-Ökonomie: Die KI kaufte günstiger ein

CPC auf der Auto-Seite lag bei $0,68 vs $0,76 auf der manuellen Seite — die KI kaufte Klicks 11 % günstiger ein als der menschliche Operator. Warum zeigt sich das?

Manuelles PPC hängt davon ab, dass jemand den Suchbegriff-Report in einem Rhythmus liest — meistens wöchentlich, manchmal täglich bei den aktivsten Operatoren — und Gebote in Batches anpasst. Zwischen den Anpassungen driften Gebote. Manche Keywords werden zu hoch geboten, weil der Operator noch keine Zeit hatte, sie runterzufahren. Andere werden zu niedrig geboten, weil sich die Auktion über Nacht verschoben hat. Der CPC, den du tatsächlich zahlst, ist der Durchschnitt dieser Drift-Perioden.

Ein KI-Agent hat keinen Rhythmus — er hat eine Frequenz. Gebote reagieren auf Live-Auktionssignale: konkurrierende Gebote, Tageszeitenmuster, aktuelle Conversion-Daten, in einer nahezu kontinuierlichen Schleife. Das Ergebnis ist ein CPC, der näher am tatsächlichen Clearing-Preis der Auktion für deine spezifische Gebotsstrategie liegt. Elf Prozent klingen isoliert nicht nach viel. Über 4.509 Klicks ist es der Unterschied zwischen einem $3.069-Monat und einem $3.425-Monat — $356 an Marge, die ohne ACoS-Kosten zurückgewonnen werden.

Wenn du das manuelle Playbook sehen willst, das die menschliche Seite hier gefahren hat, findest du in meinem Amazon PPC Strategy Guide die Drei-Phasen-Kampagnenstruktur, die ich als Baseline-Referenz für jedes Konto nutze.

Conversion Rate: Wo die KI wirklich gewonnen hat

CPC erzählt einen Teil der Geschichte. Die Conversion Rate erzählt den entscheidenderen.

• Auto CVR: 112 Bestellungen / 4.509 Klicks = 2,48 %
• Manuell CVR: 14 Bestellungen / 977 Klicks = 1,43 %

Die KI-Seite konvertierte Klicks zu Bestellungen mit 1,73× der Rate der manuellen Seite. Diese Lücke ist grösser als die CPC-Lücke, und sie ist interessanter, weil es nicht um Gebots-Mathematik geht — es geht darum, welche Klicks du überhaupt eingekauft hast.

Wenn der KI-Agent konvertierende Suchbegriffe in Exact-Match-Kampagnen erntet und nicht-konvertierende aggressiv negativ matched, kommt der nächste Batch an Klicks aus einem engeren, qualifizierteren Inventar. Die Compounding-Schleife läuft schneller als ein Mensch kann: Ein wöchentlicher STR-Review schiebt konvertierende Begriffe einmal pro Woche. Ein kontinuierlicher KI-Agent tut es alle paar Stunden. Bis die manuelle Seite den Report der letzten Woche aufgearbeitet hat, hat die KI-Seite den Spend bereits auf die Keywords verlagert, die heute Morgen zurückzahlen.

Der Compounding-Effekt ist die Headline-Rechnung: 11 % günstigere Klicks × 73 % höhere CVR ≈ 92 % besserer Return pro eingesetztem Dollar. Das zeigt sich im RoAS.

ACoS und RoAS: Die Profitabilitätslücke

Zwei Metriken, dieselbe zugrunde liegende Geschichte:

• ACoS sank von 56,6 % auf 32,7 % — eine Reduktion um 23,9 Prozentpunkte, oder etwa 42 % relative Verbesserung.
• RoAS stieg von 1,8 auf 3,1 — eine Steigerung um 72 %.

ACoS und RoAS sind reziprok skalierte Darstellungen desselben Sachverhalts. Was zählt, ist, was diese Zahlen für die GuV der Marke bedeuten.

Ein ACoS von 56,6 % auf einem typischen Private-Label-Produkt — nach Abzug von Amazons Gebührenstack, Referral Fees, Fulfillment-Gebühren, Lagerkosten, Retouren — lässt den Seller auf PPC-getriebenen Verkäufen normalerweise Geld verlieren. Die Kampagnen laufen, das Dashboard zeigt Umsatz, die Marke sieht aktiv aus, und die zugrundeliegende Ökonomie ist still negativ.

Ein ACoS von 32,7 % auf demselben Produkt liegt in dem Band, das die meisten Operatoren ansteuern — 18–35 % je nach Kategorienmarge. Unter 35 % finanziert die Kampagne Lagerumschlag und Review-Velocity. Über 50 % besteuert sie den Rest des Geschäfts.

Die Auto-Seite war profitables PPC. Die manuelle Seite war, für sich genommen, ein Margenleck.

Ehrliche Einschränkungen — lies das, bevor du grosse Schlüsse ziehst

Fallstudien sind nützlich, weil sie zeigen, was auf einem echten Konto passiert ist. Sie sind leicht fehlzulesen, weil sie keine kontrollierten Experimente sind. Vier Vorbehalte zu dieser Fallstudie:

1. Eine Marke, ein Monat. Die mathematische Belastbarkeit von „n=1 über 31 Tage” ist, was sie ist. Das Muster stimmt mit dem überein, was ich über Hunderte von Marken auf der Plattform sehe, aber eine einzelne Dashboard-Ansicht ist richtungsweisend, nicht vorhersagend. Andere Kategorien, andere Preispunkte und andere Wettbewerbsdichten produzieren andere Lücken.

2. Die Budgetverteilung war nicht gleich. Die Auto-Seite gab $3.069 aus; die manuelle Seite $746 — ein 4× Unterschied. Die Budget-Logik der Marke routete mehr Geld dorthin, wo der Ziel-ACoS getroffen wurde — und das war die Auto-Seite. RoAS, CPC und CVR sind einheitsnormalisiert, der Effizienzvergleich bleibt fair. Aber wenn du fragen willst „Wie sähe Manuell mit 4× dem Budget aus?” — dieser Datensatz beantwortet das nicht. Die ehrliche Antwort: wahrscheinlich besser als 1,8 RoAS, wahrscheinlich nicht so gut wie 3,1, weil die manuelle Seite am Operator-Engpass scheiterte, nicht am Budget.

3. Keine A/B-Isolation. Die Auto- und Manuell-Stränge liefen auf verschiedenen Kampagnensets, nicht auf denselben SKU/Keyword-Paaren. Ein sauberes A/B hätte dieselben Keywords abwechselnd zwischen Auto und Manuell auf alternierenden Wochen getestet. Dies war ein „zwei Strategien nebeneinander auf demselben Markenportfolio”-Vergleich — nützlich, aber nicht isoliert.

4. Halo-Effekte im selben Konto. Als die Auto-Seite mehr Impressions auf dem Katalog der Marke trieb, könnte die manuelle Seite von erhöhter Branded-Search-Velocity profitiert haben. Würde die Auto-Seite abgeschaltet, wären die Zahlen der manuellen Seite möglicherweise schlechter gewesen. Die Lücke könnte in Isolation grösser sein, nicht kleiner — aber es könnte in beide Richtungen gehen.

Wo manuelles PPC noch seinen Platz hat

Der Punkt dieser Fallstudie ist nicht „kündige deinen Operator.” Es ist „wo der KI-Agent am besten ist, lass ihn; wo der Mensch am besten ist, behalte ihn.”

Was ein erfahrener Mensch besser kann als jeder Agent, den ich bisher benutzt habe:

• Brand Defense und Competitor-Name-Negativ-Matching. „Biete niemals auf diesen bestimmten Konkurrenz-Markennamen” ist eine Regel, die keine KI allein aus Daten ableiten kann — du musst sie beibringen.
• Launch-Woche-Keyword-Strategie. Neue ASINs ohne Conversion-Historie verwirren die meisten KI-Agenten. Ein Mensch, der die ersten 14 Tage der Kampagnen formt, bringt mehr als der Agent.
• Coupon-, Deal- und Prime-Day-Overlay-Strategie. Die KI optimiert Gebots-Mathematik; Menschen setzen die strategischen Momente, in denen sich die Gebots-Mathematik ändern soll.
• Long-Tail-Relevanz-Prüfung. Auto kann einen nicht-konvertierenden Begriff negativ matchen, aber ein Mensch erkennt, wenn ein „irrelevanter” Begriff eigentlich eine Long-Tail-Variante ist, die für den SEO-Halo behalten werden sollte.

Das Muster, das bei Tropeza funktioniert hat und das ich kontoübergreifend sehe: Die KI fährt die Gebots-Mathematik 24/7, der Mensch fährt das strategische Overlay, und der Mensch prüft die Keyword-Entscheidungen der KI wöchentlich statt täglich. Das ist die Arbeitsteilung, bei der die oben gezeigten Zahlen im grossen Massstab halten.

Die Fornel-Fallstudie: Bestätigung aus einem zweiten Konto

Die Tropeza-Fallstudie steht nicht allein. Zwischen Dezember 2025 und Januar 2026 lief ein identischer Test auf der Fornel-Marke (Kinderhochstühle, Amazon US). Dort war die Lücke enger — 5,8 vs 5,2 RoAS, weil der manuelle Operator stärker war — aber der Mechanismus war derselbe: Die KI gewann nicht über günstigere Klicks, sondern über eine 44 % höhere Conversion Rate. Zwei verschiedene Marken, zwei verschiedene Kategorien, zwei verschiedene Zeiträume, dasselbe Muster.

Was das bedeutet, wenn du PPC-Automatisierung evaluierst

Die ehrliche Einschätzung dieser Fallstudie, von der Gründerin des Tools, das die Auto-Seite gefahren hat:

• Wenn dein aktueller ACoS über 50 % liegt und du deinen Suchbegriff-Report mehr als dreimal im letzten Monat gelesen hast, steckst du am Operator-Engpass. Ein KI-Agent schliesst den Grossteil dieser Lücke innerhalb von drei Wochen, sobald er saubere Conversion-Daten hat.
• Wenn dein ACoS bereits im 25–35 %-Band liegt, wird die Lücke kleiner. Du siehst eine CPC-Effizienzverbesserung und wahrscheinlich einen RoAS-Lift im Bereich von 10–25 % — spürbar, nicht transformativ.
• Wenn dein Werbebudget unter $5.000/Monat liegt, kannst du mit wöchentlichen STR-Reviews manuell mithalten. Unter dieser Grenze ist die Zeitersparnis durch die KI den Abo-Preis nicht wert. Über $10.000/Monat kippt die Rechnung deutlich.
• Wenn du Tools evaluierst, nimm keine einzelne Fallstudie — auch diese nicht — als die Antwort. Starte einen parallelen Zwei-Wochen-Test gegen dein aktuelles Setup und beobachte den täglichen ACoS. Das Muster wird bis Woche drei sichtbar sein, oder es ist nicht da.

Für den vollständigen Feature-Überblick dessen, was auf der Auto-Seite lief, lies meinen Daniks.AI-Test. Für die Vergleiche mit anderen PPC-Tools schau dir den Daniks.AI vs Perpetua Vergleich, den Daniks.AI vs Pacvue Vergleich und den Daniks.AI vs Quartile Vergleich an.

Häufig gestellte Fragen

Was ist ein realistischer ACoS auf Amazon PPC für eine Private-Label-Marke?

Die meisten Operatoren steuern 18–35 % ACoS an, je nach Produktmarge. Margen-starke SKUs (40 %+ Bruttomarge) können 35 %+ ACoS profitabel aushalten. Dünnmargige SKUs brauchen ACoS unter 20 %. Alles über 50 % ist normalerweise ein Margenleck, es sei denn, die Kampagne subventioniert bewusst Review-Velocity bei einem Launch.

Hat Daniks.AI gewonnen, weil es das vierfache Budget hatte?

Nein. Die Effizienzmetriken pro Einheit (CPC, CVR, ACoS, RoAS) sind einheitsnormalisiert und bleiben fair. CPC war 11 % günstiger und CVR war 73 % höher auf der Auto-Seite, unabhängig vom Gesamtspend. Die Budgetverteilung erklärt Volumen, nicht Effizienz.

Wie lange braucht ein KI-Agent, um manuelles PPC auf einem neuen Konto zu schlagen?

Nach meiner Erfahrung über Hunderte von Marken stabilisiert sich die Auto-Seite in zwei bis drei Wochen, sobald sie saubere Conversion-Daten hat. Seller, die den Autopilot bei jedem ACoS-Spike in den ersten zehn Tagen ausschalten, sehen den Vorteil nie; Seller, die dem Agent drei Wochen Daten sammeln lassen, sehen die Art von Lücke, die diese Fallstudie zeigt.

Kann ich KI- und manuelles PPC gleichzeitig auf demselben Konto laufen lassen?

Ja. Diese Tropeza-Fallstudie ist genau dieses Setup — Auto und Manuell liefen parallel auf verschiedenen Kampagnensets. Halo-Effekte existieren (Branded Search profitiert vom gesamten Impressionsvolumen über beide Stränge), aber die Kampagnenmetriken pro Strang bleiben zurechenbar.

Ist diese Fallstudie repräsentativ für alle Amazon-Marken?

Tropeza ist eine ganzjährige, mittelpreisige Private-Label-Marke für langlebige Güter — die Art von Kategorie, die am wahrscheinlichsten sauber von PPC-Automatisierung profitiert. Stark gebrandete Kategorien mit bereits starkem organischem Ranking brauchen insgesamt weniger PPC. Stark saisonale Kategorien produzieren rauschigere Monatszahlen. Betrachte dies als einen repräsentativen Datenpunkt, nicht als universellen Benchmark.

Wo finde ich den vollständigen Feature-Überblick von Daniks.AI?

Ich habe einen separaten Hands-on-Test unter /de/reviews/daniks-ai-test, der das Feature-Set, die Preis-Tarife und die Fälle abdeckt, in denen das Tool an Grenzen stösst. Die Fallstudie oben zeigt Ergebnisse auf einem bestimmten Konto; der Test behandelt das Tool selbst.

Was du diese Woche tun kannst

Wenn du eine Private-Label-Marke auf Amazon betreibst, die $5.000+/Monat für Sponsored Products ausgibt, und dein ACoS nördlich von 40 % liegt: Starte einen parallelen Zwei-Wochen-Test mit einem beliebigen KI-PPC-Tool — Daniks.AI, Perpetua, Helium 10 Adtomic, was du testen kannst. Gib der KI-Seite ein sauberes Kampagnenset, lass deine bestehenden Kampagnen auf der manuellen Seite laufen, und tracke den täglichen ACoS, CPC und CVR über die vollen zwei Wochen. Bis Tag 14 wird das Muster in deinem eigenen Dashboard sichtbar sein, auf deiner eigenen Marke — und das ist die einzige Fallstudie, die für dein Konto wirklich zählt.

Für den Operator-Level-Walkthrough der Metriken oben und die Markenstrategie, die ich neben jedem Automatisierungs-Tool fahre, abonniere @AmazonFBAGirl auf YouTube. Kommentare unter den Videos sind, wie ich erfahre, was ich als Nächstes behandeln soll — hinterlass einen mit der Produktkategorie, die du evaluierst. Ich lese jeden.