Claude Code fuer Meta Ads: Eine Praxis-Anleitung

Die meisten “KI steuert deine Ads” Versprechen zerfallen, sobald du fragst, was die KI tatsaechlich anfasst. Entweder schreibt sie nur Copy, oder sie verbrennt still und auf Autopilot Budget, ohne dass jemand hinschaut. Beides ist nicht die Art, wie ein ernsthaftes Konto laufen sollte. Was wir hier beschreiben, ist anders: ein Claude-Code-Agent, der die echte operative Arbeit an einem Meta-Ads-Konto erledigt, Kampagnen baut, Performance-Daten liest, Creatives entwirft, Aenderungen vorschlaegt, waehrend ein Senior-Stratege jede Entscheidung freigibt, die Geld bewegt.

Claude Code ist das agentische Tool von Anthropic. Es kann ein Problem durchdenken, Daten aus angebundenen Systemen lesen, externe Tools aufrufen und mehrstufige Aufgaben eigenstaendig abarbeiten. Genau diese Faehigkeit ist nuetzlich und genau deshalb braucht sie Guardrails. Ein Agent mit API-Zugang zu einem aktiven Werbekonto schafft eine Woche Arbeit in einer Stunde, inklusive einer Woche Schaden. Diese Anleitung zeigt, wie wir ihn verdrahten, damit das Tempo echt ist und das Risiko eingegrenzt bleibt.

Wir betreiben dieses Modell taeglich in unserem AI Meta Ads Management. Es geht nicht darum, den Menschen zu entfernen. Es geht darum, die langsamen, repetitiven Teile seines Tages zu entfernen und jede Budgetentscheidung unter expliziter Freigabe zu halten.

Schritt 1: Konto anbinden, mit den richtigen Rechten

Die erste Entscheidung ist der Zugang und sie ist zugleich der erste Guardrail. Der Agent verbindet sich ueber die Marketing API mit Meta, nicht ueber die eingeloggte Browser-Session von jemandem. Dieser Unterschied zaehlt: API-Zugang laesst sich begrenzen, protokollieren und sauber entziehen.

Wir geben dem Agenten ein System-User-Token, das auf die konkret beteiligten Werbekonten beschraenkt ist. Lesezugriff auf Insights und Entitaeten ist breit. Schreibzugriff ist bewusst eng und hinter eine Freigabe gehaengt, dazu gleich mehr. Jeder Aufruf des Agenten wird protokolliert, es gibt also einen Audit-Trail darueber, was er angesehen und was er geaendert hat. Fuer ein DSGVO-festes Setup ist dieser Trail nicht optional, er ist der Beleg, dass ein Mensch die Kontrolle behalten hat.

Schritt 2: Guardrails und Freigabe-Gates setzen

Hier steckt der meiste Engineering-Aufwand und das zu Recht. Die Intelligenz des Modells ist der einfache Teil. Sie einzugrenzen, ist die Arbeit.

Wir definieren Guardrails als harte Regeln, an denen der Agent nicht vorbeireden kann. Sie liegen ausserhalb des Prompts, in der Tooling-Ebene, sodass keine clevere Anweisung sie ausser Kraft setzt. Der Kern sieht so aus.

Das Freigabe-Gate ist das Herzstueck. Wenn der Agent entscheidet, eine Kampagne zu starten, ein Budget zu erhoehen oder ein Creative zu tauschen, handelt er nicht. Er erzeugt einen klaren Vorschlag: was er aendern will, die aktuellen Zahlen hinter der Entscheidung und die erwartete Wirkung. Ein Stratege liest das, gibt frei, passt an oder lehnt ab. Nur ein freigegebener Vorschlag wird an Meta gepusht. Das ist das Human-in-the-Loop-Modell in der Praxis und genau das macht das Ganze verteidigbar.

Schritt 3: Kampagnen bauen

Mit gesetztem Zugang und gesetzten Guardrails kann der Agent bauen. Aus einem Briefing, Zielmarkt, Angebot, Budgetrahmen, Audience-Notizen, entwirft er eine komplette Kampagnenstruktur: Kampagnenziel, Ad Sets mit Audiences und Platzierungen sowie die Ad-Huellen, bereit fuer Creatives.

Hier verdient sich der Agent seinen Platz ueber Tempo und Konsistenz. Er wendet jedes Mal dieselben Namenskonventionen an, strukturiert Ad Sets so, dass sich Audiences nicht ueberlappen, und richtet das Conversion-Event korrekt gegen deine Pixel- und CAPI-Events ein. Eine Aufgabe, die einen sorgfaeltigen Menschen eine Stunde Klickarbeit kostet, entwirft der Agent in ein paar Minuten. Aber er entwirft. Der Aufbau liegt in der Freigabe-Queue, bis ein Stratege abnimmt, denn Kampagnen zu bauen ist eine Budgetentscheidung in Wartestellung.

Schritt 4: Creatives erzeugen und rotieren

Creatives sind dort, wo Teams ueblicherweise an der Menge zerbrechen, und dort hilft ein Agent am meisten. Der Agent entwirft Varianten fuer Headlines und Primaertext gegen Briefing und Markenstimme, schlaegt Test-Angles vor und markiert, welche bestehenden Creatives auf Basis von Frequenz und sinkender Performance ermueden.

Er erfindet nicht deine Marke oder dein Angebot. Er verbreitert den Ideen-Trichter und uebernimmt die mechanische Arbeit, Varianten in die richtigen Ad Sets zu bauen. Der Geschmack bleibt beim Menschen: welche Angles zur Marke passen, welche Bilder on message sind, welche Aussagen korrekt sind. Der Agent schlaegt eine Rotation vor, der Stratege gibt die lauffaehigen frei, und die schwachen werden zum Pausieren eingereiht.

Schritt 5: Taegliches Monitoring

Das ist die unglamouroese Arbeit, die ein Agent unermuedlich erledigt. Jeden Morgen zieht er die aktuellen Insights, vergleicht sie mit Zielen und der Vorperiode und schreibt eine Klartext-Lesart dessen, was passiert ist: welche Ad Sets gut pacen, wo die Kosten pro Ergebnis abgedriftet sind, was ueber Nacht ermuedet ist und jede Anomalie, die ein menschliches Auge braucht.

Weil er die Daten direkt ueber die API liest, ist die Zusammenfassung aktuell und konsistent, kein Screenshot, an den sich jemand halb erinnert. Der Stratege startet den Tag mit einem Briefing statt mit einer Stunde Dashboard-Archaeologie. Nichts in diesem Schritt gibt Geld aus, er laeuft also ohne Freigabe-Gate, aber alles, was er aufdeckt, speist die Entscheidungen, die es tun.

Schritt 6: Skalieren und Cutten vorschlagen

Der Schritt, in dem sich alles auszahlt. Auf Basis der Monitoring-Lesart schlaegt der Agent vor, was zu skalieren und was zu cutten ist. Ein gewinnendes Ad Set mit stabilen Kosten pro Ergebnis und Luft nach oben bekommt eine vorgeschlagene Budgeterhoehung, gedeckelt durch den Guardrail zur Aenderungsgroesse. Ein verlierendes Ad Set bekommt eine vorgeschlagene Pause mit den Zahlen, die sie begruenden.

Jeder davon ist ein Vorschlag, keine Aktion. Der Stratege sieht die Begruendung, die aktuelle Performance und die erwartete Wirkung, dann gibt er frei oder ueberstimmt. Der Agent darf pausieren, um die Blutung zu stoppen, wenn eine Regel greift, aber er darf nie eigenstaendig starten oder skalieren. Wachstumsentscheidungen bleiben menschlich.

Die Aufgabe des Agenten ist es, die richtige Entscheidung offensichtlich und schnell freizugeben zu machen. Die Aufgabe des Menschen ist es, zu entscheiden. Diese Linie scharf zu halten, trennt assistiertes Arbeiten vom Autopilot.

Wie sich das von Advantage+ unterscheidet und mit Pixel und CAPI arbeitet

Oft wird gefragt, ob das nicht einfach Advantage+ dupliziert. Tut es nicht, denn beide arbeiten auf verschiedenen Ebenen. Advantage+ ist Metas In-Platform-Automatisierung: Sie optimiert Auslieferung, Platzierungen und Kombinationen innerhalb der Grenzen, die du einer Kampagne gibst. Der Claude-Code-Agent arbeitet eine Ebene darueber und entscheidet, welche Kampagnen existieren, wie sich das Budget auf sie verteilt, welche Creatives getestet werden und wann skaliert oder gecuttet wird. Der Agent kann Advantage+ als Werkzeug innerhalb einer Kampagne nutzen, die er baut, und tut das auch.

Beide haengen am Gleichen: am Signal. Die Entscheidungen des Agenten sind nur so vertrauenswuerdig wie die Conversion-Daten dahinter, was einen gesunden Pixel browserseitig und einen CAPI-Feed serverseitig bedeutet, fuer Resilienz gegen Signalverlust. Ist das Tracking kaputt, skaliert der Agent selbstbewusst das Falsche, genau wie Advantage+ es taete. Deshalb behandeln wir Messung als Fundament, nicht als nachtraeglichen Gedanken, und deshalb steht diese Arbeit neben unserer breiteren AI Marketing Automation und nicht fuer sich allein.

Wenn du einen breiteren Blick willst, wo Agenten wirklich in einen Paid-Media-Stack passen und wo der Hype das Ergebnis ueberholt, legt unser Beitrag zu Human-in-the-Loop Ad Management die ehrliche Version dar.