MCP Server in Aktion: Hast Du heute schon mit Deinem Google Ads Account geredet?

Die Art und Weise, wie wir mit Google Ads Accounts arbeiten, verändert sich fundamental. Was wäre, wenn Du nicht mehr mühsam durch Reports navigieren müsstest, sondern einfach mit Deinem Account sprechen könntest? „Zeig mir die Top-Performer der letzten 30 Tage“ oder „Erstelle eine Suchbegriffs-Analyse für Kampagne XYZ“ – und innerhalb von Sekunden erhältst Du präzise Antworten mit konkreten Handlungsempfehlungen.

Genau das ermöglicht die Kombination aus Claude AI und MCP Servern (Model Context Protocol). In diesem Artikel zeige ich Dir, wie wir bei der Webmasterei Prange diese Technologie nutzen, um Google Ads Management zu revolutionieren.

Was ist MCP und warum ist es ein Game-Changer?

MCP Server stellen strukturierte Daten, Tools oder Aktionen bereit, mit denen ein KI-Modell wie Claude interagieren kann. Denk an sie wie an Schnittstellen, die der KI Zugriff auf interne APIs, Datenbanken oder Firmensysteme ermöglichen – in unserem Fall Google Ads Accounts, Kundendatenbanken und SEO-Tools.

Lokale vs. Remote MCP Server

Lokale Installation:

• Schnelle Installation auf dem Desktop PC
• Nur lokal nutzbar
• Keine Authentifizierung notwendig
• Ideal für Einzelarbeitsplätze

Remote Installation:

• Zentrale Installation auf Remote-Server
• Authentifizierung notwendig (Sicherheit liegt in Deiner Verantwortung)
• Mit mehreren Arbeitsplätzen nutzbar
• Perfekt für Teams und Agenturen

Die MCP Server Landschaft für Google Ads

Für unsere Arbeit nutzen wir eine Kombination verschiedener MCP Server, die jeweils spezifische Aufgaben erfüllen:

Arbeits-Tools

Google Ads MCP Cohen

• Listet Accounts auf
• Führt GAQL (Google Ads Query Language) Abfragen aus
• Direkter Zugriff auf Account-Daten
• GitHub: cohnen/mcp-google-ads

DataForSEO MCP

• SEO-Daten Abrufe
• Keyword-Recherche für den deutschen Markt
• Wettbewerbsanalyse
• DataForSEO MCP Dokumentation

Notion MCP

• Kommunikation zu Notion Pages und Datenbanken
• Strukturierte Datenhaltung für Kundeninformationen
• Ideal für Stammdatenverwaltung
• MCP Servers: Notion

Weitere nützliche Server

• Google Cloud: Generative Bearbeitung von Google Cloud Setups
• Google Search Console: Datenabrufe aus der Search Console

Setup: Claude Desktop richtig konfigurieren

Welche LLM Clients eignen sich?

Claude Desktop ✅

• MCP ist direkt in die Desktop App integriert
• Einfache Konfiguration über Settings
• Beste Integration und Performance

ChatGPT Desktop ❌ (noch nicht)

• MCP ist noch nicht in die Desktop App integriert
• Alternativen: Cursor IDE oder VS Code Extension

MCP Konfiguration in Claude Desktop

1. Claude Desktop öffnen
2. Einstellungen > Entwickler > Lokale MCP Server
3. MCP Konfigurationsdatei bearbeiten

Beispiel-Konfiguration für Google Ads Server:

{
  "mcpServers": {
    "googleAdsServer": {
      "command": "C:\\Users\\info\\claude\\mcp-google-ads\\.venv\\Scripts\\python.exe",
      "args": [
        "C:\\Users\\info\\claude\\mcp-google-ads\\google_ads_server.py"
      ],
      "env": {
        "GOOGLE_ADS_CREDENTIALS_PATH": "C:\\Users\\info\\claude\\mcp-google-ads\\credentials\\credentials.json",
        "GOOGLE_ADS_DEVELOPER_TOKEN": "your_token",
        "GOOGLE_ADS_LOGIN_CUSTOMER_ID": "xxx-xxx-xxxx"
      }
    }
  }
}

Die drei Säulen des Kontexts: Google Ads Wissen vermitteln

Damit Claude wirklich effektiv mit Google Ads arbeiten kann, braucht es drei Ebenen von Kontext:

1. Google Ads Wissen (GitHub als Knowledge Base)

Die Basis bildet ein strukturiertes GitHub-Repository mit umfassendem Google Ads Wissen in Markdown-Format. Warum GitHub?

• Versionskontrolle: Jede Änderung ist nachvollziehbar
• Markdown-Format: Von LLMs optimal verarbeitbar
• Claude Desktop Integration: Direkter Zugriff auf Projektebene

Struktur der Knowledge Base:

├── GENERAL_RULES.MD          # Routing & Standards
├── QUICK_COMMANDS.MD          # Häufigste Befehle
├── NOTION/
│   ├── API_GUIDE.MD
│   └── DATABASE_SCHEMA.MD
├── GOOGLE_ADS/
│   ├── GAQL_REFERENCE.MD     # Zentrale Query-Sammlung
│   ├── API_LIMITATIONS.MD
│   ├── FUNDAMENTALS.MD
│   ├── REFERENCE/
│   │   ├── KEYWORDS.MD
│   │   ├── NEGATIVE_KEYWORDS.MD
│   │   ├── CAMPAIGN_TYPES.MD
│   │   └── ACCOUNT_STRUCTURE.MD
│   ├── SEARCH/
│   │   ├── CAMPAIGN_CREATION.MD
│   │   ├── TERMS_ANALYSIS.MD
│   │   └── CAMPAIGN_OPTIMIZATION.MD
│   ├── PMAX/
│   │   ├── CAMPAIGN_CREATION.MD
│   │   ├── ASSET_DESIGN.MD
│   │   └── VIDEO_CREATION.MD
│   ├── WORKFLOWS/
│   │   ├── ACCOUNT_HEALTH_CHECK.MD
│   │   ├── NEW_CUSTOMER_ONBOARDING.MD
│   │   └── PLACEMENT_ANALYSIS.MD
│   └── UTILITIES/
│       └── EDITOR_IMPORT.MD
└── DATA_FOR_SEO/
    ├── API_GUIDE.MD
    └── COST_OPTIMIZED_QUERIES.MD

Beispiel: Keywords richtig erklären

Statt einfach zu sagen „Claude soll sich auskennen“, dokumentieren wir präzise:

1. Grundlagen & Normalisierung
2. Positive Keywords (Match Types)
3. Negative Keywords (Match Types)
4. Kritische Unterschiede
5. Sonderzeichen in Keywords
6. Best Practices & Workflows
7. GAQL-Queries für Keyword-Analysen

GAQL Reference: Die zentrale Query-Sammlung

Ein Herzstück ist die GAQL_REFERENCE.MD mit allen wichtigen Queries:

-- Campaign Performance
SELECT 
  campaign.id, 
  campaign.name, 
  campaign.status,
  campaign.advertising_channel_type,
  metrics.impressions, 
  metrics.clicks,
  metrics.cost_micros, 
  metrics.conversions,
  metrics.conversions_value
FROM campaign
WHERE campaign.status = 'ENABLED'
  AND segments.date DURING LAST_30_DAYS
ORDER BY metrics.cost_micros DESC

2. Kundenwünsche (Notion als Stammdatenbank)

Notion dient als zentrales CRM-System für alle Kundendaten. Warum Notion?

• API-steuerbar: Vollständig über MCP Server zugänglich
• Strukturierte Datenbank: Klare Datenfelder für konsistente Abfragen
• Kontrollierbare Zugriffe: Granulare Berechtigungen möglich
• Einfache Wartung: Keine komplexe Datenbank-Administration

Gespeicherte Kundendaten:

• ads_account_currency: Währung (z.B. EUR)
• audience: Beschreibung der Zielgruppe
• brand_name: Name der Marke
• budget_monthly: Monatliches Budget
• description: Beschreibung des Kunden
• policy: Richtlinien, Verbote, rechtliche Vorgaben
• ocid: Google Ads Account-ID
• languages: Sprachen im Account
• strategy: Strategische Ausrichtung
• usps: Wichtige Unternehmens-USPs
• website: Webadresse

Beispiel-Workflow:

User: "Erstelle eine Search-Kampagne für Account 123-456-7890"

Claude: 
1. Lädt Kundendaten aus Notion
2. Extrahiert USPs, Zielgruppe, Budget
3. Berücksichtigt Policy-Vorgaben
4. Generiert passende Kampagnenstruktur

3. API-Daten (Live-Zugriff auf Google Ads)

Der direkte Zugriff auf Google Ads Daten über den MCP Server ermöglicht:

• Live-Daten: Aktuelle Performance-Metriken
• GAQL-Queries: Flexible Datenabfragen
• Account-Übersicht: Schneller Zugriff auf alle Accounts
• Performance-Analysen: Detaillierte Auswertungen

Die Arbeitsweise in der Praxis

So sieht der typische Workflow aus:

Interaktions-Beispiel:

User: "Erstelle eine Liste an auszuschließenden Keywords 
       für Account 123-456-7890"

Claude:
1. Ruft Account-Daten über Google Ads API ab
2. Analysiert Search Terms der letzten 30 Tage
3. Identifiziert Problem-Begriffe
4. Generiert Negative Keywords mit korrekten Match Types
5. Liefert TSV-Datei für Google Ads Editor Import

User: "Schließe folgende Begriffe aus: [gratis], 
       [kostenlos], [umsonst]"

Claude: "Ausgezeichnet! Ich habe die Begriffe als Exact Match 
        Negatives hinzugefügt, da es sich um einzelne 
        problematische Wörter handelt. Die Liste ist bereit 
        für den Import."

Use Case 1: Account Health Check – Die „kostenlose Erstanalyse“

Ein Account Health Check ist die perfekte Möglichkeit, potenzielle Kunden zu überzeugen. Mit Claude dauert eine umfassende Analyse statt Stunden nur noch Minuten.

Was wird geprüft?

Tracking & Messung:

• Conversion-Tracking Konfiguration
• Enhanced Conversions & Consent Mode v2
• GA4-Verknüpfung & Attributionsmodell
• Auto-Tagging (GCLID)

Budgets & Performance:

• Budget-Auslastung & Lost Impression Share
• Kampagnen-Performance (ROAS, CPA)
• Cost per Conversion Entwicklung
• Pausierte/Inaktive Kampagnen

Kampagnen Setup:

• Gebotsstrategien (Smart Bidding Check)
• Conversion-Schwellenwerte PMax (<30/Monat)
• Geo-Targeting Einstellungen
• Zielgruppen & Customer Match

Anzeigen & Assets:

• RSA Asset-Anzahl & Ad Strength
• PMax Asset Performance Labels
• Anzeigenerweiterungen aktiv
• Video Assets

Negative Keywords & Ausschlüsse:

• Account-Level Negatives
• Gemeinsame Negativlisten
• Teure Non-Converting Search Terms
• Keyword-Überschneidungen

Qualität:

• Quality Score Keywords (<5)
• CTR unter Benchmark (<5%)
• Doppelte Conversions
• IP-Ausschlüsse

Workflow:

User: "Mache einen Account Health Check für 
       Buhle Bestattungen OHG (xxx-xxx-xxxx)"

Claude führt automatisch durch:
1. Lädt Kundendaten aus Notion
2. Führt 15-20 GAQL-Queries aus
3. Analysiert alle Bereiche systematisch
4. Erstellt strukturierten Report mit Prioritäten
5. Gibt konkrete Handlungsempfehlungen

Output-Beispiel:

# Account Health Check: Buhle Bestattungen OHG

## Executive Summary
- Account Status: ⚠️ Optimierungsbedarf
- Performance: 📊 Durchwachsen (ROAS 3.2, Ziel: 4.0)
- Tracking: ✅ Gut konfiguriert
- Budget: ⚠️ 35% verschwendet

## Kritische Findings

### 🔴 Hohe Priorität
1. **Keine Account-Level Negatives**
   - Impact: ~450€/Monat Verschwendung
   - Action: 47 Negatives hinzufügen
   
2. **PMax zu wenig Conversions**
   - Current: 18 Conv/Monat
   - Required: 30 Conv/Monat
   - Action: Budget auf Search umschichten

Use Case 2: Kampagnenerstellung – Von Null zur fertigen Kampagne

Die Erstellung einer neuen Search-Kampagne ist traditionell ein mehrstündiger Prozess. Mit Claude und den MCP Servern reduziert sich das auf 15-30 Minuten.

Workflow-Übersicht:

1. Kundenauswahl via Notion (MCP)

• Kundendaten aus Notion-Datenbank laden
• USPs, Policy, Zielgruppe, Budget extrahieren

2. Zielseiten-Analyse via DataForSEO (MCP)

• Landing Page URLs eingeben
• Keywords für Site extrahieren
• Content-Themen identifizieren

3. Keyword-Recherche via DataForSEO Labs (MCP)

• Keyword Ideas generieren
• Related Keywords finden (Depth 2)
• Search Intent analysieren (Transactional/Informational)

4. Intelligentes Clustering & Ad Group-Erstellung

• Keywords thematisch clustern (TF-IDF + K-Means)
• Match Types automatisch zuweisen
• RSAs generieren (15 Headlines, 4 Descriptions)

5. Negative Keywords-Vorschläge

• Intent-basierte Ausschlüsse (Informational > 70%)
• Universal Negatives (Standard-Liste)
• Cross-Negation zwischen Ad Groups

6. Artefakt-Ausgabe & Export

• Markdown-Report (menschenlesbar)
• Google Ads Editor TSV (direkt importierbar)

Beispiel-Interaktion:

User: "https://webmasterei-prange.de/shopware-bigquery-integration/
       Die Domain findest du in Notion.
       Ich möchte speziell zum Thema der Zielseite eine 
       Google Ads Suchkampagne erstellen.
       Suche passende Keywords, clustere diese, 
       mach Vorschläge für Text Assets."

Claude führt automatisch durch:

1. Lädt Kundendaten aus Notion (Webmasterei Prange)
2. Analysiert Landing Page mit Playwright
3. Führt DataForSEO Keyword-Recherche durch:
   - "Shopware BigQuery Integration"
   - "Shopware Datenanalyse"
   - "E-Commerce Analytics"
   - usw.
4. Clustert Keywords nach Themen
5. Generiert 3-5 Ad Groups mit jeweils:
   - 10-20 Keywords (verschiedene Match Types)
   - 15 Headlines, 4 Descriptions
   - Relevante Sitelinks
6. Erstellt Negative Keywords Liste
7. Exportiert alles als TSV für Google Ads Editor

Typisches Output:

# Search-Kampagne: Shopware BigQuery Integration

## Ad Group 1: BigQuery Integration
**Keywords (Exact Match):**
- [shopware bigquery]
- [shopware bigquery integration]
- [shopware datenanalyse]

**Keywords (Phrase Match):**
- "shopware mit bigquery verbinden"
- "shopware daten in bigquery"

**RSA Headlines:**
1. Shopware & BigQuery Integration
2. Datenanalyse für Deinen Shop
3. Automatische BigQuery-Anbindung
... (15 insgesamt)

**Descriptions:**
1. Verbinde Deinen Shopware-Shop nahtlos mit Google 
   BigQuery. Professionelle Integration für maximale 
   Datenanalyse-Power.
... (4 insgesamt)

Use Case 3: Suchbegriffs-Analyse – Search Terms optimieren

Die regelmäßige Analyse von Search Terms ist essenziell, um Budget-Verschwendung zu vermeiden und neue Keyword-Chancen zu identifizieren.

Workflow:

User: "Mache eine Suchbegriffsanalyse für Kampagne 
       '[TXT-REGIO] Bestatter Kassel' im Account 
       Buhle Bestattungen OHG (xxx-xxx-xxxx), 
       Domain: www.beispiel-bestattungen.de"

1. Daten extrahieren:

• Query: Performer (mit Conversions)
• Query: Under Target (ROAS < Ziel)
• Query: Non Performer (keine Conversions)

2. Analyse:

• Performer nach ROAS, Conv Rate, CTR bewerten
• Under Target nach Abstand zum Ziel evaluieren
• Non Performer nach Intent-Typ kategorisieren

3. Empfehlungen:

• Keyword-Vorschläge mit Match Type erstellen
• Negative Keywords mit Level bestimmen (Account/Campaign/Ad Group)

4. Report:

• Zusammenfassung erstellen
• Keywords nach Priorität gruppieren
• Negatives nach Level gruppieren
• Impact kalkulieren

5. Implementierung:

• TSV-Datei für neue Keywords
• TSV-Datei für Negative Keywords
• Bereitet zum Import in Google Ads Editor vor

Output-Beispiel:

# Search Terms Analyse: Bestatter Kassel

## 📊 Summary
- Analysierte Search Terms: 247
- Mit Conversions: 18 (7.3%)
- Verschwendung: ~280€/Monat
- Quick Win Potential: ~170€/Monat

## 🚀 High Performer (als Keywords hinzufügen)

| Search Term | Conversions | Conv Rate | ROAS | Empfehlung |
|-------------|-------------|-----------|------|------------|
| bestatter kassel nord | 3 | 15.2% | 8.2 | [Exact] |
| günstige bestattung kassel | 2 | 12.1% | 6.8 | "Phrase" |

**Action:** 8 neue Keywords hinzufügen → +45€ Conv Value/Monat

## 🔴 Problem Terms (als Negatives ausschließen)

| Search Term | Cost | Impressions | Typ | Level |
|-------------|------|-------------|-----|-------|
| ausbildung bestatter | 45€ | 892 | Info | Campaign |
| bestatter gehalt | 32€ | 456 | Info | Campaign |
| kostenlose traueranzeige | 28€ | 234 | Free | Account |

**Action:** 23 Negatives hinzufügen → -280€ Waste/Monat

Was funktioniert gut – und was (noch) nicht

✅ Was klappt hervorragend:

1. Kontextverständnis: Die KI versteht problemlos den Kontext von Google Ads, Kampagnenstrukturen und Best Practices.

2. Textgenerierung: Anzeigentexte können häufig direkt übernommen werden, oft mit überraschend guter Zielgruppenansprache.

3. Kreativität: Teilweise kreativere Lösungen als menschliche PPC-Manager – unvoreingenommene Perspektive.

4. Textlängen: Character Limits werden zu 98% korrekt eingehalten (Google Ads Headlines: 30 Zeichen, Descriptions: 90 Zeichen).

5. Editor Exports: TSV-Dateien haben eine geringe Fehlerquote (<2%) und sind direkt importierbar.

6. Geschwindigkeit: Was früher Stunden dauerte, ist in Minuten erledigt.

❌ Was (noch) nicht funktioniert:

1. Unkritische Übernahme: LLM-Inhalte sollten immer geprüft werden – keine Blindübernahme!

2. Rechnen: Berechnungen sind häufig nur Näherungswerte. Für exakte Zahlen: Python-Code verwenden lassen.

3. Strategische Planung: Komplexe strategische Entscheidungen erfordern menschliches Urteil.

4. Automatisierte Übernahme: Direkte Schreiboperationen via API sind nicht möglich (und aus Sicherheitsgründen auch nicht gewünscht).

5. Große Datenmengen: Token-Limits beschränken die Menge verarbeitbarer Daten pro Request.

Datenschutz: Consumer vs. Enterprise

Ein kritischer Punkt bei der Nutzung von KI-Tools ist der Datenschutz. Hier unterscheiden sich Consumer- und Enterprise-Versionen fundamental:

Claude Consumer (Free/Pro/Max)

❌ NICHT für vertrauliche Daten geeignet:

• Kann für Modelltraining genutzt werden (wenn Opt-Out nicht gesetzt)
• Datenspeicherung: dauerhaft (mehrere Jahre)
• Zugriff durch Anthropic-Mitarbeiter möglich
• Kein Data Processing Agreement (DPA)
• Serverstandort: USA
• Keine Zero Data Retention Option

Claude Enterprise / API (min. 5 Personen)

✅ Für vertrauliche Daten geeignet:

• Keine Nutzung für Training (vertraglich ausgeschlossen)
• Datenspeicherung: konfigurierbar (z.B. 30 Tage)
• Zugriff stark eingeschränkt
• Vollständiges DPA verfügbar
• EU-Hosting nach Vereinbarung
• Zero Data Retention optional

Empfehlung: Für professionelle Agenturarbeit mit Kundendaten ist Claude Enterprise/API mit EU-Hosting Pflicht!

Vorteile & Grenzen der Lösung

✅ Vorteile:

Interaktive Zusammenarbeit: Statt starrer Scripts flexible Dialoge mit der KI.

Menschliche Kontrolle: Jeder Schritt kann geprüft und angepasst werden.

Geschwindigkeit: Drastische Zeitersparnis bei Routine-Aufgaben (70-80%).

Skalierbarkeit: Einmal aufgesetztes System funktioniert für alle Accounts.

Lernfähigkeit: System verbessert sich durch Updates der Knowledge Base.

⚠️ Limits:

Vertrauen in Zahlen: Berechnungen müssen validiert werden.

Nicht voll-automatisierbar: Menschliche Freigabe bleibt notwendig (und gewünscht).

Token-Limits: Sehr große Datenmengen müssen aufgeteilt werden.

Datenschutz kritisch: Enterprise-Version mit EU-Hosting erforderlich.

Praktische Tipps für den Einsatz

1. Python für Berechnungen nutzen

❌ Falsch: "Berechne mir den ROAS"
✅ Richtig: "Nutze Python, um den ROAS zu berechnen"

Dies stellt sicher, dass Berechnungen exakt sind.

2. Kontext ist König

❌ Falsch: "Sei ein Google Ads Experte und analysiere..."
✅ Richtig: Umfassende Knowledge Base + Kundendaten + 
          API-Zugriff bereitstellen

Oberflächliche Prompts reichen nicht – echter Kontext macht den Unterschied.

3. Workflows dokumentieren

Erfolgreiche Abläufe sollten in der Knowledge Base dokumentiert werden, damit sie wiederholbar und optimierbar sind.

4. Iteratives Arbeiten

Starte mit einfachen Analysen und erweitere schrittweise die Komplexität.

5. Validierung einbauen

Besonders bei kritischen Daten (Budgets, Conversions) sollte immer eine Plausibilitätsprüfung erfolgen.

Zusammenfassung: Die Zukunft des PPC-Managements

Die Kombination aus Claude AI und MCP Servern verändert das Google Ads Management fundamental:

Von starren Tools zu flexiblen Dialogen: Statt durch endlose Menüs zu navigieren, führst Du einfache Gespräche.

Von stundenlanger Analyse zu Sekunden: Account Health Checks, Keyword-Recherchen und Kampagnenerstellung werden dramatisch beschleunigt.

Von Einzellösungen zu integrierten Workflows: Kundendaten, API-Zugriff und Best Practices arbeiten nahtlos zusammen.

Von Reaktiv zu Proaktiv: Regelmäßige Analysen werden so einfach, dass Probleme früher erkannt werden.

Die drei Erfolgsfaktoren:

1. Strukturiertes Wissen (GitHub Knowledge Base)
2. Zentrale Kundendaten (Notion/CRM)
3. API-Integration (MCP Server)

Wichtiger Hinweis:

Dieser Workflow ist kein Ersatz für menschliche Expertise, sondern ein Werkzeug zur Effizienzsteigerung. Die strategischen Entscheidungen, die Qualitätskontrolle und die finale Freigabe bleiben in menschlicher Hand – und das ist gut so.

---

Disclaimer: Die diskutierten Konzepte werden aus rein technischer Sicht betrachtet. Bei der Umsetzung solltest Du immer den Datenschutzbeauftragten Deines Unternehmens involvieren. Dieser Artikel stellt keine Rechtsberatung dar.