Für die meisten Konten reichen die fertigen Looker-Studio-Connectoren für Google Ads und GA4. Eine eigene Anbindung mit BigQuery lohnt sich erst, wenn du viele Kanäle zusammenführen, an Rohdaten kommen oder Historie aufbauen musst. KI beschleunigt den Aufbau, ersetzt aber weder die Datenmodellierung noch den Betrieb. Und die Customer Journey bleibt ein Modell, auch mit perfekter Technik. Steuere deshalb auf wenige Zahlen, die über den Gewinn entscheiden.
Der pragmatische Standard mit den fertigen Connectoren
Looker Studio ist kostenlos, und die nativen Connectoren für Google Ads und GA4 sind es auch. In wenigen Minuten steht ein Dashboard, das Ausgaben, Umsatz, ROAS, CPA und den Zeitverlauf zeigt. Statt jeden Monat Screenshots zu bauen, teilst du einen Link, der sich selbst aktualisiert. Für die meisten Kunden reicht genau das.
Die Grenzen tauchen auf, wenn du mehrere Quellen sauber zusammenführen willst oder an Rohdaten musst. Das Verbinden (Blending) mehrerer Quellen wird schnell hakelig, und eine lange Historie bekommst du nur begrenzt. Dazu kommt die Datenlage in GA4 selbst, die im Beitrag Conversion-Tracking mit GA4 und Consent Mode beschrieben ist.
Wenn Connectoren nicht mehr reichen
Sobald weitere Kanäle dazukommen, also Meta, Microsoft, Newsletter oder das Shop-Backend, wird es enger. Dann gibt es zwei Wege. Entweder ein kostenpflichtiger Drittanbieter wie Supermetrics, der viele Quellen anbindet, oder eine eigene Pipeline. Bei der eigenen Lösung ziehst du die Daten per Schnittstelle in ein Warehouse wie BigQuery, führst sie dort zusammen, und Looker Studio liest sauber aus BigQuery aus. Für GA4 gibt es dafür einen BigQuery-Export, für Google Ads die Datenübertragung in BigQuery. Das gibt Kontrolle und echte Rohdaten. Der Preis ist Zeit und Wartung, denn Schnittstellen ändern sich, Zugänge laufen ab, und irgendetwas bricht genau dann, wenn du es brauchst.
| Fertige Connectoren | Eigene Pipeline | |
|---|---|---|
| Aufwand | Dashboard in wenigen Minuten | Zeit für Aufbau und laufende Wartung |
| Kosten | Looker Studio und die nativen Connectoren sind kostenlos | Drittanbieter oder eigener Aufbau, dazu Betrieb |
| Stärke | Link aktualisiert sich selbst, für die meisten Kunden ausreichend | Viele Quellen und Zugriff auf Rohdaten |
| Grenze | Blending wird hakelig, Historie nur begrenzt | Schnittstellen ändern sich, Zugänge laufen ab |
| Passt, wenn | Du Google Ads und GA4 auswerten willst | Du viele Kanäle, Rohdaten und Skalierung brauchst |
Kann eine KI die eigene Anbindung bauen?
Teilweise ja. Mit Claude oder einem anderen Modell schreibst du den Verbindungs-Code deutlich schneller, also die Abfragen, die Umwandlung der Daten und das Laden nach BigQuery. Die Einstiegshürde sinkt spürbar. Was die KI dir nicht abnimmt, sind die Datenmodellierung, das Verständnis der Kennzahlen und der laufende Betrieb. Der Code ist der leichte Teil, die richtige Struktur der schwere. Kurz gesagt senkt KI die Kosten für den Aufbau, nicht die Kosten für den Betrieb.
Warum sich die Customer Journey nicht hart nachmodellieren lässt
Alle Kanäle sauber in eine durchgängige Customer Journey zu bringen, ist extrem aufwendig. Noch wichtiger finde ich einen anderen Punkt. Selbst mit perfekter Technik bleibt die Journey ein Modell und kein Abbild der Wirklichkeit. Ein Mensch sieht eine Anzeige auf dem Handy, sucht später am Laptop danach, fragt einen Bekannten und kauft zwei Wochen darauf. Kein Attributionsmodell fängt das sauber ein. Wer versucht, die Journey bis zum letzten Kontaktpunkt nachzubauen, verliert Zeit an eine Genauigkeit, die es nicht gibt.
Was ich in Looker Studio stattdessen auswerte
Ich steuere stärker auf Gesamt-Ebene. Ein verlässlicher Effizienzwert über alle Kanäle ist die Marketing Efficiency Ratio, also der Gesamtumsatz geteilt durch die gesamten Werbeausgaben. Pro Kanal arbeite ich mit dem, was der Kanal verlässlich liefert, und behalte seine Grenzen im Kopf. Ein sinnvolles Dashboard zeigt wenige Zahlen.
- Gesamtumsatz und gesamte Werbeausgaben im Zeitverlauf, daraus die Marketing Efficiency Ratio.
- Pro Kanal Ausgaben, Conversions und Kosten je Ergebnis, mit dem Hinweis auf die Messgrenzen.
- Die Kennzahl, die dein Geschäft wirklich steuert, etwa den Deckungsbeitrag nach Werbekosten (POAS).
- Eine kurze Notiz zu Sonderereignissen wie Aktionen, Preisänderungen oder Tracking-Ausfällen.
Eine eigene Pipeline baue ich nur, wenn der Nutzen die Zeit klar rechtfertigt, also bei vielen Kanälen, großen Budgets und echter Skalierung. In allen anderen Fällen reichen Connectoren plus ein klarer Blick auf ihre Grenzen. Wie ich das Reporting für Kunden aufsetze, steht auf der Seite zu Leistungen.
Wo ich mich gern streiten lasse
Vielleicht unterschätze ich, was mit BigQuery und einer KI-gestützten Pipeline heute in kurzer Zeit machbar ist. Vielleicht ist die datengetriebene Attribution in GA4 besser als ihr Ruf. Meine These lautet, dass die Richtung auch ohne perfekte Journey stimmt und dass pragmatisch vor perfekt kommt. Wenn du das anders siehst, bin ich gespannt auf deine Sicht.
Häufige Fragen zu Looker Studio, GA4 und Google Ads
Ist Looker Studio wirklich kostenlos?
Looker Studio selbst und die nativen Google-Connectoren kosten nichts. Kosten entstehen bei Drittanbieter-Connectoren und bei BigQuery, sobald du über die kostenlosen Kontingente kommst.
Wann brauche ich BigQuery?
Wenn du Rohdaten brauchst, viele Quellen kombinierst oder Historie über die Grenzen der Berichte hinaus aufbauen willst. Für ein einzelnes Konto mit Google Ads und GA4 ist es meist nicht nötig.
Wie verlässlich ist die Attribution in GA4?
Sie ist ein Modell. Sie hilft beim Vergleichen, ersetzt aber keine Gesamtbetrachtung von Umsatz und Werbeausgaben.
- BigQuery-Export support.google.com
- Datenübertragung in BigQuery cloud.google.com
