Fundraising-WissenPraxisbelegeMethodik

Fundraising-Wissen›Praxisbelege›Online-Akquise mit KI: Von ROAS 0,15 zu einem System das sich trägt.

Praxisbeleg

Online-Akquise mit KI: Von ROAS 0,15 zu einem System das sich trägt.

Dezember 2025 – Januar 2026 · Abgeschlossen ✓ · Von flyraising · Methodik

AusgangshypotheseContent ist das neue Targeting. Personalisierung treibt Conversion. Beides ist mit einem menschlichen Team nicht leistbar — also bauen wir es mit KI.

Die Zahlen

0,15
ROAS Phase 1
5,75
ROAS Peak (kurz)
0,82
ROAS Jahr 1
~3,53
ROAS 4 Jahre
19
Monate bis Breakeven
8 min
Draft bis Go-Live

Was wir gemacht haben — in 6 Phasen

01
Der Start (Dez 2025) — In 2 Wochen live. Meta Bild-Ads, neutrale Domain, bestehendes Spendenformular. Massiver Bot-Traffic. ROAS 0,15. Learning: Content alleine reicht nicht.
02
Die Skalierungs-Falle — Ads direkt ins System integriert. Erste Hoffnung: ROAS 2,0. Dann Budget erhöht. Performance crasht auf nahe 0. Fehler: Skalierung vor Validierung.
03
End-to-End Pipeline — Landing Page + Ads als eine Story. Flaschenhals: UX-Katastrophe, Tracking kaputt, Checkout broken. Gelöst: Stripe nativ, Apple Pay, Tracking komplett neu.
04
Sprint zum Marathon — Approved Content Only + AI Proofreader. Champion/Challenger: immer 2 Playbooks live. Neue Rollenverteilung: wir bauen, Org genehmigt.
05
Die Achterbahn (Jan 2026) — Break-even. Dann ROAS 5,75 (Euphorie). Dann Stornierungen → freier Fall. Neuer Challenger → ROAS 3J: 1,0. Neue Leads.
06
Der Durchbruch — Silicon Sampling deployed. Full Pipeline. (Teil-)autonomes Setup das sich selbst trägt. ROAS 0,82 (Jahr 1), ~3,53 (4 Jahre).

Was schief gelaufen ist

Fehler 01
Bot-Traffic hat frühe Daten unbrauchbar gemacht
Phase 1 ROAS 0,15 war nicht nur schlechte Performance — ein großer Teil kam durch massiven Bot-Traffic. Ohne sauberes Filtering zieht man falsche Schlüsse aus frühen Daten.
Fehler 02
Mehr Budget hat die Performance zerstört
Als ROAS 2,0 als Erfolg wirkte, wurde das Budget erhöht. Der Meta-Algorithmus wurde in seiner Lernphase unterbrochen. Performance crashte. Der Fehler: Skalieren vor Validieren.
Fehler 03
UX-Probleme blockierten wochenlang den Fortschritt
Kaputtes Tracking, defekter Checkout, schlechte UX — alles erschien wie schlechte Kampagnen-Performance. War es nicht. Funnel-Hygiene hätte zuerst kommen müssen.

Was wir gelernt haben

01

Erst validieren, dann skalieren

Mehr Budget ist nicht die Antwort auf eine funktionierende Kampagne. Erst validieren ob die Performance wirklich stabil ist. Dann skalieren — in kleinen Schritten.

02

Champion/Challenger beschleunigt das Lernen dramatisch

Immer 2 Varianten live: eine bekannte (Champion), eine neue Hypothese (Challenger). Dieser Split hat die Lerngeschwindigkeit mehr als verdoppelt.

03

Der Bottleneck ist nicht die KI — es sind interne Prozesse

Teams die schnelle Approval-Prozesse haben (Stunden statt Wochen), skalieren deutlich schneller. Die KI wartet nicht — der Mensch ist das Nadelöhr.

04

ROAS Jahr 1 sagt wenig über den tatsächlichen Wert

Durch den Dauerspenden-Effekt ist der 4-Jahres-ROAS ~4x höher als der erste-Jahres-ROAS. Wer bei 0,82 aufgibt, verpasst das Modell.

05

Bot-Traffic immer von Anfang an filtern

Ohne sauberes Traffic-Quality-Check zieht man falsche Schlüsse. Das kostet Zeit und Geld. Tracking-Setup vor dem ersten Euro Budget.

Häufige Fragen

Wie hoch war der ROAS im ersten Jahr?

ROAS 0,82 inkl. Lehrkosten. Über 4 Jahre ~3,53 durch den Dauerspenden-Effekt. Breakeven nach 19 Monaten.

Was ist der Dauerspenden-Effekt auf den ROAS?

Dauerspendende zahlen monatlich über Jahre. Das macht den 4-Jahres-ROAS wesentlich besser als den ersten-Jahres-ROAS.

Was war der größte Fehler im Experiment?

Budget zu schnell erhöhen bevor die Performance wirklich validiert war. Meta-Algorithmus braucht Stabilität — Skalierung vor Validierung ist der häufigste Fehler.

Willst du das für deine Organisation prüfen?
Gespräch buchen

Alle Praxisbelege