Meta hat im März 2025 und im Oktober 2026 in mehreren Beiträgen erklärt, wie das System hinter Facebook- und Instagram-Werbung arbeitet. Die Beiträge sind technisch, voller Eigennamen und sehr »selbstbewusst« formuliert. Ich übersetze sie hier in das, was für euch als Kulturorganisation praktisch daraus folgt – und sage auch, wo ich den Versprechen nicht ganz traue.
Das Wichtigste in einem Satz
Früher habt ihr Meta vorgeschrieben, wen die Ads erreichen sollen, etwa „Frauen, 50 bis 70, interessiert an Oper, wohnt im Umkreis von 20 km“. Heute sagt ihr Meta, was für euch einen Erfolg darstellt, und gebt dem Algo genug unterschiedliche Anzeigen. Das System findet die passenden Menschen selbst. Eure Zielgruppen-Einstellungen behandelt es nur noch als Anregung. Das nimmt großen Einfluss auf eure gesamte Meta Ads Strategie.
Der Weg einer Anzeige im Überblick
flowchart TD
subgraph IHR["Was ihr steuert"]
Z["Ziel + Wert<br/>Ticketkauf mit Preis"]
A["Viele unterschiedliche Anzeigen"]
S["Signal<br/>Pixel + Conversions API"]
KE["Kauferlebnis<br/>Ticketshop, Gebühren"]
end
P(["Eine Person öffnet Instagram oder Facebook"])
P --> V
A --> V
V["Station 1: Vorauswahl<br/>Andromeda + GenRecs<br/>Millionen Anzeigen → einige tausend"]
V --> R["Station 2: Vorhersage<br/>GEM, Lattice, Sequence Learning<br/>Wie wahrscheinlich kauft diese Person?"]
Z --> R
R --> AU
subgraph AU["Station 3: Auktion"]
G["Euer Gebot<br/>aus Budget und Ziel"]
Q["Anzeigenqualität"]
H["Geschätzte Handlungs-<br/>wahrscheinlichkeit"]
end
KE --> Q
AU --> E(["Eure Anzeige wird gezeigt"])
E --> K{"Ticket gekauft?"}
K -- "ja, gemessen" --> S
S -. "lernt daraus" .-> R
Jedes Mal, wenn jemand Instagram öffnet, trifft Meta in Sekundenbruchteilen eine Entscheidung: Welche Anzeige bekommt diese Person jetzt zu sehen? Das passiert in drei Stufen.
Station 1: Die Vorauswahl
Aus Millionen aktiven Anzeigen wird eine Shortlist von einigen tausend gebildet, die für diese eine Person überhaupt infrage kommen. Meta nennt dieses System Andromeda.
Meta vergleicht es mit einem persönlichen Concierge. Stellt euch eine Besucherin vor, die regelmäßig Liederabende besucht. Ein schlechter Concierge weiß nur, dass sie „Klassik mag“, und bringt ihr das Neujahrskonzert mit Walzern. Ein guter Concierge weiß, dass sie kleine Säle, Kunstlied und junge Sänger:innen schätzt. Er bringt ihr den Debüt-Liederabend im Kammermusiksaal.
Neu ist 2026, dass dieser Concierge nicht mehr nur die bekannten Regale abläuft, sondern laut Meta jedes Produkt im Laden prüft. Für euch heißt das: Mehr eurer Anzeigen und Varianten bekommen überhaupt eine Chance, statt dass nur die eine bereits erfolgreiche Anzeige immer wieder ausgespielt wird.
Ebenfalls neu ist GenRecs. Ein Sprachmodell „liest“ Text und Bild eurer Anzeige und beschreibt sie mit Merkmalen, etwa Genre, Stimmung, Besetzung oder Anlass. So kann das System eine brandneue Anzeige ohne jede Klickhistorie trotzdem einordnen, indem es sie mit ähnlichen Anzeigen vergleicht, die es schon kennt.
Gerade für Kulturorganisationen ist das relevant. Ihr habt ständig neue Produktionen, Konzerte und Termine, also ständig Anzeigen ohne Vorgeschichte.
Station 2: Die Vorhersage
Für jede Anzeige auf der Shortlist schätzt Meta, wie wahrscheinlich diese Person klickt oder ein Ticket kauft. Dahinter steht vor allem GEM, ein sehr großes Modell, das Meta selbst mit einem Professor vergleicht. GEM lernt aus dem Verhalten über Facebook, Instagram und Reels hinweg und gibt dieses Wissen an viele kleinere Spezialmodelle weiter, die dann die Echtzeit-Entscheidungen treffen, wie ein Expertenrat.
Zwei weitere Bausteine helfen dabei. Sequence Learning achtet auf die Reihenfolge dessen, was jemand tut: Wer gerade eine Städtereise nach Wien gebucht hat, interessiert sich vielleicht als Nächstes für ein Konzert dort. Für jede Phase in der Customer Journey kann Meta daher die gerade passende Werbeanzeige finden.
Lattice sorgt dafür, dass das System über alle Kampagnenziele und Apps hinweg gemeinsam lernt, statt für jedes Ziel ein eigenes Modell zu pflegen.
Meta betont einen Punkt, der für euch wichtig ist: Kampagnen mit wenigen Conversions sollen davon profitieren, dass das System aus den Daten aller anderen Werbetreibenden gelernt hat. Ein Theater, das pro Woche nur eine Handvoll Tickets über Meta verkauft, startet also nicht mehr bei null. Wie groß dieser Effekt bei kleinen Konten wirklich ist, verrät Meta allerdings nicht.
Station 3: Die Auktion
Bevor eine Anzeige erscheint, tritt sie in einer Auktion gegen alle anderen infrage kommenden Anzeigen an. Das passiert laut Meta hunderte Milliarden Mal am Tag. Das höchste Gebot gewinnt dabei nicht automatisch. Meta wägt drei Dinge ab, von dene gerade Kulturorganisationen profitieren:
Euer Gebot. Ihr nennt kein Gebot pro Einblendung, sondern ein Budget und ein Ziel. Daraus errechnet Meta für jede einzelne Gelegenheit ein Gebot und passt es laufend an die Marktlage an.
Die Qualität der Anzeige. Gemeint ist nicht nur die Anzeige selbst, sondern das ganze Erlebnis bis nach dem Klick. __Die Landingpage gehört daher auch zur Optimierung eurer Meta ADs! __
Meta wertet aus, ob Menschen Anzeigen ausblenden, ob mit Klick-Ködern gearbeitet wird und ob Käufer:innen sich im Nachhinein getäuscht fühlten, etwa durch unerwartete Gebühren. Für euch heißt das: Ein Ticketshop, in dem erst im letzten Schritt Vorverkaufsgebühren auftauchen, kann eure Werbung teurer machen.
Die geschätzte Handlungswahrscheinlichkeit. Das ist die Vorhersage aus Station 2: Wie wahrscheinlich kauft diese Person ein Ticket?
Eine relevante Anzeige mit gutem Kauferlebnis kann sich deshalb gegen ein höheres Gebot durchsetzen.
Was ihr davon selbst steuern könnt
Meta schreibt sinngemäß: Ihr müsst nichts einschalten, alles läuft automatisch. Wie viel ihr davon habt, hängt aber von vier Dingen ab.
1. Das richtige Ziel
Der Algorithmus optimiert auf genau das, was ihr ihm vorgebt. Optimiert ihr auf Klicks, bekommt ihr Klicks – und zwar von Menschen, die gern klicken, nicht unbedingt von denen, die Tickets kaufen. Wo immer möglich, solltet ihr auf den Ticketkauf optimieren, idealerweise mit dem Kaufwert. Sonst zählt für Meta ein Ticket für 15 EUR genauso viel wie ein Abo für 400 EUR.
2. Saubere Daten
Damit Meta weiß, wer gekauft hat, muss der Kauf aus eurem Ticketshop an Meta zurückgemeldet werden. Das geht über den Meta Pixel und möglichst zusätzlich über die serverseitige Conversions API. Meldet dabei nicht nur, dass ein Ticket gekauft wurde, sondern auch zu welchem Preis. Meta optimiert dann auf wertvolle Käufe statt auf möglichst viele. Wie das funktioniert und was mit eurem Ticketsystem möglich ist, erkläre ich ausführlich im Beitrag „Den Algorithmus füttern: Conversion Tracking bei Meta und Google“ (siehe empfohlene Inhalte).
Als Faustregel gilt: Das System braucht rund 30-50 Conversions pro Woche und Anzeigengruppe, um die Lernphase abzuschließen. Kommt ihr mit Ticketkäufen nicht dorthin, ist ein vorgelagertes Ziel wie „Ticketseite aufgerufen“ oft die bessere Wahl. Das ist ein Kompromiss, aber besser als ein Algorithmus, der im Dunkeln tappt. Das kann sich aktuell ändern, da Meta behauptet, weniger Conversions zu brauchen, um eure Zielgruppe zu kennen.
3. Viele unterschiedliche Anzeigen
Das ist die wichtigste praktische Konsequenz aus den Neuerungen. Wenn das System mehr eurer Anzeigen prüft und ihren Inhalt versteht, dann ersetzt die Vielfalt eurer Anzeigen die Zielgruppen-Einstellung. Jede Anzeige spricht über ihr Bild und ihr Argument eine andere Art von Mensch an:
- die Familie, die einen Ausflug sucht,
- das Paar, das ein besonderes Date plant,
- den Kenner, der wegen des Dirigenten kommt,
- die Neugierige, die aber noch nie in der Oper war und vielleicht über das schöne Gebäude begeistert werden kann
Drei Anzeigen für eine Produktion sind zu wenig, damit Meta unterschiedliche Kaufargumente gegeneinander testen kann. Gerade wenn alle Anzeigen nur Informationen zur Produktion liefern …
Weil GenRecs Bild und Text auswertet, sollte außerdem auf den ersten Blick erkennbar sein, worum es geht. Ein stimmungsvolles, aber abstraktes Probenfoto ohne Kontext ist für Menschen schon schwer einzuordnen, für eine Maschine erst recht. Zu erwähnen, dass es z.B. um “Theater” geht, hilft dem Algo bei der Klassizierung.
4. Ein gutes Kauferlebnis
Meta empfiehlt, das Kauferlebnis so regelmäßig zu prüfen wie die Anzeigen selbst. Kauft einmal selbst ein Ticket über euer Handy: Wie viele Schritte sind es? Wann taucht der Endpreis auf? Müsst ihr ein Konto anlegen? Jede Hürde kostet nicht nur Verkäufe, sondern über die Anzeigenqualität auch Reichweite.
Wo ihr nicht blind vertrauen solltet
Meta empfiehlt, möglichst viel der Automatik zu überlassen, etwa Advantage+ als Komplettpaket statt einzeln zu nutzen. Das ist nicht falsch, liegt aber auch im Interesse von Meta. Der Algorithmus ist nur so gut wie das Signal, das er bekommt.
Ein Beispiel aus der Praxis: Ein Theater in einer Grenzstadt bewarb eine Produktion mit dem Ziel „Kauf“, doch der Kauf wurde ohne Betrag und nur lückenhaft gemessen. In sechs Tagen kamen zwei gemessene Käufe zustande. Weil dem System das Kaufsignal fehlte, optimierte es auf das, was es messen konnte: billige Kontakte. Gut ein Drittel des Budgets landete außerhalb des Einzugsgebiets, weil Werbung in einer weiter entfernten Großstadt günstiger war als in der eigenen Stadt. Ausgerechnet die Nachbarorte jenseits der Grenze, wo echtes Publikum sitzt, bekamen kaum etwas ab.
Daraus folgt mein Grundsatz: Manuelle Einschränkungen sind kein Misstrauen gegen den Algorithmus, sondern Ersatz für das Signal, das ihm fehlt. Solange euer Tracking nicht sauber ist, solltet ihr Einzugsgebiet und Platzierungen bewusst eingrenzen. Je besser die Messung wird, desto mehr könnt ihr wieder freigeben. Und das sollte das Ziel sein!
Meta empfiehlt außerdem, den Werbeeffekt mit Lift-Studien zu messen, bei denen ein Teil der Zielgruppe bewusst keine Werbung sieht. Das ist methodisch sauber, lohnt sich aber erst bei sehr großen Budgets im fünfstelligen Bereich pro Monat. Für die meisten Kulturhäuser ist der Abgleich mit den eigenen Verkaufszahlen im Ticketsystem der realistischere Weg.
Fazit
Die Rollen haben sich verschoben. Meta übernimmt immer mehr Entscheidungen, die ihr früher selbst getroffen habt: wer die Anzeige sieht, wann und wo. Eure Aufgabe ist es nun, dem System zu sagen, was Erfolg für euch bedeutet, ihm saubere Daten zu liefern, ihm genug unterschiedliche Anzeigen zu geben und ein Kauferlebnis zu bieten, das niemanden verärgert. Und wenn eure Hauptsaison ansteht, plant das Budget rechtzeitig ein (siehe empfohlene Inhalte).
Quellen: Meta for Business, „AI Innovations in Meta’s Ad Ranking Driving Advertiser Performance“ (27.03.2025), „Inside the Three New AI innovations in Ads Ranking Improving your Ad Performance“ (28.10.2026) und „How Meta’s Ads System Matches Your Ad to the Right Person at the Right Time“ (28.10.2026).