ÜBER MICH
Ein Performance-Marketer, der baut.
Ich bin Marcel Jendrusch, Senior Performance Marketing Manager. Seit 3,5 Jahren verantworte ich Paid Growth über Meta, TikTok, Google und Apple Search Ads, mit bis zu 150.000 € Monatsbudget und über 1 Mio. App-Downloads. Lange habe ich auf ein Tool gewartet, das wie ein Media Buyer denkt. Irgendwann habe ich es selbst gebaut: Adscalr, die AI-Ad-Intelligence-Plattform, die ich in drei Monaten allein konzipiert, gecodet und live gebracht habe.
WIE ICH ARBEITE
Ads und Funnel sind ein System.
Die meisten Teams optimieren Ad und Landing Page getrennt. Ich nicht. Mein Hintergrund ist Mobile Subscription Growth. Dort entscheiden CAC, Purchase Rate, Payback und Retention, ob du skalierst. Dieselbe Funnel-Logik trägt auch im E-Commerce, dort über Kaufabsicht, Conversion und LTV. Jede Entscheidung (Hook, Audience, Budget, Page) wird an Payback gemessen. Genau diese Full-Funnel-Sicht habe ich in Adscalr eingebaut: einen geschlossenen Loop, der analysiert, generiert, misst und lernt.
DER BUILD
Was drei Monate solo wirklich gelehrt haben.
Eine API an ein Sprachmodell hängen kann jeder. Der schwere Teil war das Urteil: zu wissen, wo Strenge sich auszahlt und wo sie nur Theater ist. Das sind die Entscheidungen, die ich getroffen habe, und warum.
Täglich statt in Echtzeit, mit Absicht
Die Ad-Libraries der Wettbewerber ändern sich nicht stündlich. Also aktualisiere ich sie täglich und stecke die gesparte Rechenzeit in Tiefe. Eine Echtzeit-Pipeline hätte mehr gekostet und nichts Neues gezeigt.
Jeder Score verdient seine Confidence
Format-spezifische Shrinkage heißt: Ein UGC-Clip braucht das Sechsfache an Impressions eines Statics, bevor er rankt, weil UGC volatil ist. Ein Glückstreffer mit zwölf Impressions krönt sich nie selbst zum Winner.
Signifikanz-Gates vor jedem Muster
Pattern-Mining feuert erst nach zwei harten Gates, einem Mindest-Sample und einer Mindest-Effektgröße, plus einer Korrektur für False Discovery. Die meisten AI Ad Tools laufen direkt in die Multiple-Comparisons-Falle. Dieses nicht.
Rechenzeit dort, wo Nuance zählt
Günstige Modelle lesen, was im Frame ist, mittlere übernehmen Sprache und Personas, das teuerste Modell schreibt nur den finalen Strategie-Report. Die Kostenkurve war eine Design-Vorgabe, kein nachträglicher Gedanke.
Das Modell darf nie lügen
Sobald die KI eine Zahl ausgibt, etwa einen Score oder ein Ranking, rechnet der Code sie unabhängig nach, statt dem Modell zu glauben. Kennzahlen mit zu dünner Datenbasis bleiben ausgeblendet.
PROJEKT IM FOKUS
Adscalr, solo gebaut, in drei Monaten.
Ein vollständiges AI-Toolkit für Performance Marketing, gebaut auf Claude mit eigenen Agents, die ich selbst designt habe. Kein Wrapper, ein geschlossener Lernkreislauf. Solo in drei Monaten hieß: der schwere Teil war das Urteil, nicht der Code. Ich aktualisiere Wettbewerber-Daten täglich statt in Echtzeit, weil sich Ad-Libraries nicht stündlich ändern. Und ich stabilisiere jeden Score nach der Volatilität seines Formats: Ein Static verdient schneller Vertrauen als ein volatilerer UGC-Clip, ein Ausreißer mit zwölf Impressions krönt sich nie selbst zum Winner.
- Automatisierte Competitor-Analyse über Meta, TikTok & Google: identifiziert Winning Angles, Pain Points und Creative-Muster
- Datenbasierte Creative-Konzepte, UGC-Scripts und Storyboards aus bewiesenen Marktmechaniken
- ML-gestützte Budget-Allocation, Fatigue-Detection und statistische Validierung (Bayesian Shrinkage)
- 11 Guardian Skills, die jeden Output automatisch auf statistische Korrektheit, strategische Kohärenz und Kosten prüfen
- Vollständiges Dashboard: Competitor Intelligence, Ad-Performance-Tracking und Creative Workshop
ERFAHRUNG
Wo ich es gemacht habe.
Bis zu 150.000 € Monatsbudget über Meta, TikTok, Google und Apple Search Ads eigenverantwortlich gesteuert. Über 1 Mio. Downloads auf iOS und Android, Store-to-Install-Conversion durch systematisches Creative-Testing von 18 % auf 35 % gehoben. Budget- und Skalierungsentscheidungen liefen über CPI, ROAS und Payback. Dazu AI-Workflows und Claude-Agents gebaut, die Creative-Iteration und Marktanalyse beschleunigen.
Paid Acquisition für Legacy Academy über Meta, TikTok und Google mit wachsendem Budget gemanagt. Die systematischen Creative- und Audience-Tests etabliert, auf denen die frühe User-Acquisition-Struktur des Produkts aufbaut. Teil des 3–4-köpfigen Marketing-Teams hinter ~300.000 Instagram- und 600.000 TikTok-Followern sowie 600 Mio.+ organischen Views.
Community-Kanäle (Discord, Telegram, Social) von Beginn an aufgebaut und moderiert. Kommunikationsrichtlinien und Brand Voice für die Community etabliert.
Operativen Betrieb, Markenkommunikation und Workflows für ein Early-Stage-Produkt eigenverantwortlich geführt.
SEO-optimierten Content erstellt und die organische Sichtbarkeit digitaler Plattformen gesteigert.
Online-Shop von A bis Z betreut: Sortiment und Produkttexte, On-Page-SEO und Kampagnen-Support für einen Baustoffhändler.
Digitale Strategie, SEO und Content für Auftraggeber, dazu eigene YouTube- und Twitch-Kanäle. Ads liefen von Anfang an mit: Google AdWords für eigene Affiliate-Projekte.
SKILLS & TOOLS
Das Toolkit.
Meta Ads · Google Ads · TikTok Ads · Apple Search Ads
GA4 · GTM · Conversion API · Search Console · Attribution (Adjust)
Claude (täglich) · eigene Claude-Agents · AI-Workflows · Prompt Engineering
ROAS / CPA / Payback-Optimierung · Creative Strategy · Funnel-Analyse · A/B Testing · Budget Allocation
Dashboard-Entwicklung · HTML/CSS · SEO · Shopify · E-Mail-Automation
Deutsch (Muttersprache) · Englisch (fließend)
AUSBILDUNG
Background.
Schwerpunkte: Marketing & Wirtschaftspsychologie
Wirtschaft & Verwaltung
IT Business Management
Du suchst jemanden, der eine Idee von null bis zum funktionierenden Produkt bringt?
Genau das mache ich. Lass uns reden.