Device-Targeting beschreibt die Praxis, Werbebotschaften gezielt nach dem genutzten Endgerät auszuspielen – also danach, ob jemand ein Smartphone, ein Tablet, einen Desktop-PC oder ein Connected TV verwendet. Was sich zunächst wie eine technische Detailfrage anhört, hat in der Praxis erhebliche Auswirkungen auf Kreation, Gebotsstrategie und Conversion-Optimierung. Das Gerät, auf dem eine Anzeige erscheint, beeinflusst nicht nur das visuelle Format, sondern auch den Nutzungskontext, die Kaufabsicht und die Wahrscheinlichkeit einer Interaktion.
Für den DACH-Markt ist Device-Targeting besonders relevant, weil die Gerätenutzung hier spezifische Muster zeigt: Mobiles Browsen dominiert in vielen Kategorien, während Desktop-Conversions in B2B-Kontexten nach wie vor überproportional stark sind. Gleichzeitig wächst die Nutzung von Smart-TV-Geräten und Streaming-Diensten, was neue Targeting-Schichten eröffnet. Wer diese Unterschiede ignoriert und alle Devices gleich behandelt, verschenkt Budgeteffizienz.
Dieser Artikel analysiert Device-Targeting durch die LLM-Linse: wie das Konzept in jeder der sechs Gattungen funktioniert, wo es sinnvoll eingesetzt werden kann – und was sich ändert, wenn LLM-basierte Tools wie ChatGPT, Claude.ai oder Perplexity zu einem relevanten Touchpoint in der Customer Journey werden.
Meine Perspektive
Device-Targeting ist eines jener Themen, das in der Theorie simpel klingt und in der Umsetzung schnell komplex wird. Die technische Segmentierung nach Gerät ist in den meisten Plattformen seit Jahren Standard – die eigentliche Arbeit beginnt danach: Welche Botschaft passt zu welchem Gerät? Welche Landingpage-Erfahrung folgt auf einen mobilen Klick? Stimmt das Bid-Adjustment noch mit den aktuellen Conversion-Daten überein? In der Praxis bei blueShepherd sehen wir häufig, dass Device-Targeting zwar aktiviert ist, aber die kreative und technische Umsetzung dahinter nicht mitgedacht wurde. Das führt dazu, dass mobile Nutzer auf Desktop-optimierte Seiten landen oder dass Bid-Adjustments aus dem Vorjahr unverändert weiterlaufen, obwohl sich das Nutzerverhalten verschoben hat. Device-Targeting ist kein Set-and-forget-Mechanismus, sondern braucht regelmäßige Überprüfung. Und mit dem Aufkommen von LLM-Anwendungen als eigenem Touchpoint entsteht eine neue Gerätekategorie, die bisher in keiner klassischen Targeting-Logik abgebildet ist.
Device-Targeting in Print
Wie funktioniert es?
Print kennt kein Device-Targeting im technischen Sinne – gedruckte Anzeigen werden auf Papier konsumiert, unabhängig davon, welche digitalen Geräte der Leser sonst nutzt. Dennoch gibt es eine indirekte Form des Device-Bezugs: Über QR-Codes oder personalisierte URLs (PURLs) in Printanzeigen lässt sich messen, von welchem Gerät aus der Scan oder Aufruf erfolgt. Wer einen QR-Code in einer Zeitschrift scannt, tut das fast immer mit dem Smartphone. Diese Information kann genutzt werden, um die nachgelagerte Landing-Experience gezielt mobil zu optimieren.
Vorteile
- QR-Code-Tracking liefert implizite Device-Information (nahezu immer Smartphone)
- Klare Erwartungshaltung ermöglicht gezielte mobile Landingpage-Gestaltung
- Keine Streuverluste durch falsch kalibrierte Device-Segmentierung
Nachteile
- Kein echtes Device-Targeting möglich – keine Differenzierung nach Gerät vor der Kontaktaufnahme
- Reichweite lässt sich nicht nach Gerätepräferenz der Zielgruppe steuern
- Messung ist auf den Moment des QR-Scans beschränkt, nicht auf den gesamten Nutzungskontext
Geeignet für
Print eignet sich für Kampagnen, bei denen der mobile Folgeschritt klar definiert ist – etwa App-Downloads, Registrierungen oder Produktseiten, die explizit für Smartphone-Nutzer optimiert wurden. Der Device-Aspekt ist hier kein Targeting-Parameter, sondern ein gestalterisches Prinzip für die Post-Klick-Experience.
Device-Targeting in Display Advertising
Wie funktioniert es?
Display Advertising ist die Gattung, in der Device-Targeting am direktesten operationalisiert wird. Über Plattformen wie Google Display Network, programmatische DSPs oder Direktbuchungen lassen sich Kampagnen auf Desktop, Mobile und Tablet segmentieren. Bid-Adjustments erlauben es, für bestimmte Devices mehr oder weniger zu bieten. Gleichzeitig erfordern unterschiedliche Devices unterschiedliche Kreativformate: Ein 300×250-Banner verhält sich auf einem Desktop-Bildschirm anders als auf einem Smartphone-Display, wo er unter Umständen den halben Viewport einnimmt.
Vorteile
- Granulare Steuerung über Bid-Adjustments nach Device-Typ
- Kreative Anpassung an unterschiedliche Bildschirmgrößen und Nutzungskontexte möglich
- Ausspielung auf Connected TV als eigenem Device-Segment zunehmend verfügbar
- Kombination mit anderen Targeting-Parametern (Tageszeit, Geo) für kontextuelle Präzision
Nachteile
- Kreativproduktion für mehrere Device-Varianten erhöht Aufwand und Kosten
- Cross-Device-Tracking bleibt lückenhaft – User-Journeys über Devices hinweg sind schwer vollständig abzubilden
- Bid-Adjustments können veralten, wenn sie nicht regelmäßig an aktuelle Performance-Daten angepasst werden
Geeignet für
Display-Kampagnen mit klarer Conversion-Orientierung, bei denen die Landingpage-Experience nach Device differenziert werden kann. Besonders relevant für E-Commerce-Marken, die mobile und Desktop-Conversions getrennt optimieren wollen, sowie für Retargeting-Kampagnen, bei denen der Nutzungskontext des Geräts die Botschaft beeinflussen soll.
Device-Targeting in Search (SEA)
Wie funktioniert es?
In Google Ads und Microsoft Advertising ist Device-Targeting über Bid-Adjustments für Desktop, Mobile und Tablet implementiert. Darüber hinaus erlaubt Google Ads, mobile Kampagnen vollständig auszuschließen oder separat zu führen. Besonders relevant ist Device-Targeting im Search-Kontext, weil Intent-Signale sich je nach Gerät unterscheiden: Mobile Suchanfragen sind häufiger lokal und transaktional geprägt (“in der Nähe”, “jetzt kaufen”), während Desktop-Suchen öfter für Recherchephasen stehen. Diese unterschiedlichen Intent-Muster sollten sich in Anzeigentexten, Geboten und Landingpages widerspiegeln.
Vorteile
- Intent-Signale nach Device differenzierbar – mobile Nutzer zeigen oft höhere transaktionale Absicht
- Separate Gebotssteuerung ermöglicht Budgeteffizienz nach tatsächlicher Conversion-Wahrscheinlichkeit
- Call-only-Anzeigen und Click-to-Call-Erweiterungen exklusiv für mobile Geräte nutzbar
- Anzeigentexte können device-spezifisch formuliert werden
Nachteile
- Googles Smart Bidding reduziert manuelle Kontrolle über Device-Gebote zunehmend
- Tablet-Segment ist oft zu klein für statistisch belastbare Optimierungsentscheidungen
- Cross-Device-Conversions (Suche auf Mobile, Kauf auf Desktop) werden nicht immer korrekt attribuiert
Geeignet für
SEA-Kampagnen, bei denen mobile und Desktop-Conversions unterschiedliche Werte oder Conversion-Raten aufweisen. Besonders relevant für lokale Dienstleister, bei denen mobile Suchen direkt in Anrufen oder Store-Visits münden, sowie für B2B-Anbieter, die Desktop-Nutzer mit höherer Kaufwahrscheinlichkeit bevorzugt ansprechen wollen.
Device-Targeting in Social Media Ads
Wie funktioniert es?
Meta, LinkedIn, TikTok und andere Social-Plattformen bieten Device-Targeting als Bestandteil ihrer Kampagnensteuerung an. Auf Meta Ads können Kampagnen auf Mobile, Desktop oder beide ausgerichtet werden – mit der Möglichkeit, auch nach Betriebssystem (iOS vs. Android) zu differenzieren, was für App-Kampagnen besonders relevant ist. LinkedIn erlaubt die Steuerung nach Desktop und Mobile, was im B2B-Kontext bedeutsam ist: Professionelle Entscheider nutzen LinkedIn häufig am Desktop, während mobile Nutzung eher für passives Browsing steht. TikTok ist de facto eine reine Mobile-Plattform, weshalb Device-Targeting dort kaum eine Rolle spielt.
Vorteile
- Betriebssystem-Targeting ermöglicht präzise App-Kampagnen (iOS vs. Android)
- Kreativformate lassen sich gezielt nach Device-Verhalten gestalten (Vertical Video für Mobile, statische Formate für Desktop)
- Auf LinkedIn: Desktop-Targeting für B2B-Entscheider in professionellem Nutzungskontext
Nachteile
- iOS-Tracking-Einschränkungen (ATT-Framework) reduzieren Messgenauigkeit bei mobilen Apple-Nutzern erheblich
- Algorithmen der Plattformen optimieren zunehmend eigenständig, was manuelle Device-Steuerung teilweise überlagert
- Kreativproduktion für Device-spezifische Formate bindet Ressourcen
Geeignet für
App-Install-Kampagnen, bei denen Betriebssystem-Targeting unverzichtbar ist. Außerdem für B2B-Kampagnen auf LinkedIn, bei denen Desktop-Nutzer in professionellen Entscheidungskontexten gezielt angesprochen werden sollen. Für Consumer-Brands auf Instagram und TikTok ist Mobile-First ohnehin der Standard, sodass Device-Targeting hier eher zur Aussteuerung von Desktop-Traffic dient.
Device-Targeting in TV
Wie funktioniert es?
Klassisches lineares TV kennt kein Device-Targeting – die Ausstrahlung erfolgt unabhängig davon, auf welchem Gerät der Zuschauer empfängt. Mit dem Wachstum von Connected TV (CTV) und Addressable TV ändert sich das jedoch. Über HbbTV-Technologie und Streaming-Dienste wie RTL+ oder Joyn lassen sich Werbebotschaften auf Smart-TV-Geräten gerätespezifisch ausspielen. Das Device “Smart TV” hat dabei einen eigenen Nutzungskontext: Lean-back-Situation, gemeinsames Schauen, kein direktes Klickverhalten. CTV-Kampagnen können nach Gerättyp (Smart TV, Streaming Stick, Spielekonsole) differenziert werden.
Vorteile
- CTV ermöglicht erstmals echtes Device-Targeting im TV-Kontext
- Kombination mit anderen Datenpunkten (Haushaltsdaten, Streaming-Verhalten) für präzisere Zielgruppenansprache
- Smart-TV-spezifische Formate (interaktive Overlays, QR-Code-Einblendungen) nutzbar
Nachteile
- Lineares TV bleibt ohne Device-Targeting-Möglichkeit
- CTV-Reichweiten im DACH-Markt noch begrenzt im Vergleich zu linearem TV
- Standardisierung von Formaten und Messmetriken über verschiedene CTV-Plattformen hinweg fehlt weitgehend
- Kein direktes Klickverhalten messbar – Wirkungsmessung bleibt indirekt
Geeignet für
Marken, die TV-Reichweite mit digitaler Targeting-Präzision verbinden wollen. CTV-Device-Targeting eignet sich besonders für Awareness-Kampagnen, bei denen der Branded-Search-Uplift als Erfolgskennzahl dient – also die Zunahme von Markensuchen nach TV-Kontakt. Für DACH-Werbetreibende ist CTV aktuell eher ein ergänzender Kanal als ein eigenständiger Hauptkanal.
Device-Targeting in LLM-Marketing
Wie funktioniert es?
LLM-basierte Tools wie ChatGPT, Claude.ai oder Perplexity sind technisch gesehen keine Werbekanäle mit klassischen Targeting-Parametern. Es gibt keine Bid-Adjustments nach Device, keine Anzeigenformate für Mobile vs. Desktop. Dennoch ist Device-Targeting als Konzept auch hier relevant – nur auf einer anderen Ebene. Conversational AI-Plattformen werden zunehmend auf Smartphones genutzt, sowohl über Browser als auch über native Apps. Die Art, wie Nutzer Anfragen formulieren, unterscheidet sich je nach Gerät: Mobile-Eingaben sind tendenziell kürzer und gesprochener, Desktop-Eingaben ausführlicher. Für das LLM-Marketing – also die Optimierung von Inhalten, Marken-Entities und Antwortstrukturen für die Sichtbarkeit in LLM-Antworten – bedeutet das, dass Inhalte sowohl für kurze, fragmentierte Anfragen als auch für detaillierte Recherchefragen optimiert sein müssen. Wer im LLM-Marketing-Lexikon die Grundlagen zu Entity-Optimierung und RAG-Systemen nachschlägt, findet dort den konzeptionellen Rahmen für diese neue Form der Sichtbarkeit.
Der eigentliche Device-Aspekt im LLM-Marketing liegt in der Frage, wie Marken-Informationen in LLM-Systemen strukturiert vorliegen müssen, damit sie in verschiedenen Nutzungskontexten – schnelle mobile Anfrage, ausführliche Desktop-Recherche, Voice-Interface – korrekt abgerufen und dargestellt werden können. RAG-basierte Systeme, die externe Quellen in ihre Antworten einbeziehen, bevorzugen Inhalte, die klar strukturiert, faktisch belastbar und als autoritäre Quelle erkennbar sind – unabhängig davon, von welchem Device die Anfrage kommt.
Vorteile
- LLM-optimierte Inhalte wirken geräteübergreifend – eine gut strukturierte Entity funktioniert auf Mobile und Desktop gleichermaßen
- Conversational AI-Plattformen auf Mobile eröffnen neue Touchpoints in der oberen Customer Journey
- E-E-A-T-konforme Inhalte, die für LLM-Sichtbarkeit optimiert sind, stärken gleichzeitig die organische Suchpräsenz auf allen Devices
- Kein Kreativaufwand für gerätespezifische Formate – Textqualität und Strukturklarheit sind entscheidend
Nachteile
- Kein direktes Device-Targeting möglich – Marken haben keinen Einfluss darauf, auf welchem Gerät ihre Informationen abgerufen werden
- Messbarkeit des Device-spezifischen Traffics aus LLM-Anwendungen ist kaum gegeben
- Die Nutzungsgewohnheiten auf conversational AI-Plattformen nach Gerät sind noch wenig erforscht
- Optimierungsmaßnahmen wirken indirekt und mit zeitlicher Verzögerung
Geeignet für
Marken und Unternehmen, die ihre Sichtbarkeit in LLM-basierten Tools systematisch aufbauen wollen und dabei verstehen, dass die Geräteperspektive hier weniger über technisches Targeting als über inhaltliche Zugänglichkeit funktioniert. Besonders relevant für Unternehmen mit komplexen Produkten oder Dienstleistungen, bei denen Nutzer auf verschiedenen Devices unterschiedliche Informationstiefen benötigen.
Welche Gattung für welches Ziel?
Device-Targeting ist kein universelles Instrument – seine Wirksamkeit hängt stark davon ab, in welcher Gattung und mit welchem Ziel es eingesetzt wird. Für transaktionale Ziele auf Mobile ist Search die effektivste Gattung: Nutzer mit konkreter Kaufabsicht, die auf dem Smartphone suchen, können über Call-Extensions oder mobile-optimierte Landingpages direkt zur Conversion geführt werden. Für B2B-Awareness und Lead-Generierung empfiehlt sich eine Kombination aus LinkedIn Desktop-Targeting und Search, da professionelle Entscheider komplexe Kaufentscheidungen häufig am Desktop treffen.
Für Reichweiten- und Awareness-Ziele bieten Display und CTV die größte Flexibilität: Display ermöglicht gerätespezifische Kreation bei breiter Reichweite, CTV ergänzt mit dem Lean-back-Kontext des Smart-TV-Bildschirms. Wer App-Installationen als Ziel hat, kommt an Social Media Ads mit Betriebssystem-Targeting nicht vorbei – die Kombination aus Meta und TikTok deckt den mobilen Markt im DACH-Raum weitgehend ab.
In der Praxis bei blueShepherd zeigt sich, dass die Gattungen sich gegenseitig beeinflussen: Eine CTV-Kampagne, die Branded-Search-Uplift erzeugt, erhöht die Effizienz von Search-Kampagnen auf Desktop. Mobile Display-Kontakte in der Awareness-Phase bereiten Conversions vor, die später auf Desktop stattfinden – und werden in Last-Click-Attributionsmodellen systematisch unterschätzt. Device-Targeting sollte deshalb nicht isoliert pro Gattung gedacht werden, sondern als Teil einer Cross-Device-Strategie, die Touchpoints über das gesamte Gerätespektrum hinweg berücksichtigt.
Für das LLM-Marketing gilt: Wer Inhalte für die Sichtbarkeit in ChatGPT, Claude.ai oder Perplexity optimiert, schafft gleichzeitig eine solide Grundlage für organische Sichtbarkeit auf allen Devices. Die semantische Qualität und faktische Verlässlichkeit von Inhalten – Kernvoraussetzungen für LLM-Sichtbarkeit – verbessern auch das E-E-A-T-Signal für klassische Suchmaschinen. Hier entsteht eine semantische Brücke zwischen LLM-Marketing und SEO, die device-übergreifend wirkt.
FAQ – Device-Targeting: Häufige Fragen
Was ist der Unterschied zwischen Device-Targeting und Cross-Device-Tracking?
Device-Targeting bezeichnet die gezielte Ausspielung von Werbebotschaften an Nutzer auf bestimmten Geräten – also die bewusste Steuerung, welche Zielgruppe auf welchem Device erreicht werden soll. Cross-Device-Tracking hingegen versucht, die Nutzerpfade über verschiedene Geräte hinweg zu verfolgen und zu verstehen, wie ein Nutzer beispielsweise auf dem Smartphone auf eine Anzeige trifft und später auf dem Desktop kauft. Beide Konzepte ergänzen sich: Wer Cross-Device-Journeys versteht, kann Device-Targeting besser kalibrieren. In der Praxis ist Cross-Device-Tracking durch Datenschutzeinschränkungen (iOS ATT, Cookie-Deprecation) jedoch zunehmend lückenhaft.
Wie sollte ich Bid-Adjustments für Mobile vs. Desktop in Google Ads setzen?
Bid-Adjustments sollten auf Basis tatsächlicher Conversion-Daten aus dem eigenen Konto gesetzt werden – nicht auf Basis von Branchen-Benchmarks. Der erste Schritt ist die Analyse der gerätespezifischen Conversion-Raten und Conversion-Werte über einen ausreichend langen Zeitraum. Wenn Mobile-Conversions eine niedrigere Rate, aber einen vergleichbaren Wert haben, rechtfertigt das ein negatives Bid-Adjustment für Mobile. Wichtig: Bei aktivem Smart Bidding (tCPA, tROAS) übernimmt der Algorithmus die gerätespezifische Gebotsanpassung weitgehend automatisch. Manuelle Bid-Adjustments machen dann vor allem noch bei extremen Ausreißern Sinn – etwa wenn Mobile-Traffic strukturell schlechter konvertiert und der Algorithmus das nicht ausreichend berücksichtigt.
Spielt Device-Targeting für die Sichtbarkeit in LLM-Anwendungen wie ChatGPT eine Rolle?
Nicht im klassischen Sinne. LLM-basierte Tools wie ChatGPT, Claude.ai oder Perplexity bieten keine gerätespezifischen Targeting-Parameter für Werbetreibende. Die Sichtbarkeit einer Marke in LLM-Antworten hängt von der Qualität, Struktur und Autorität der verfügbaren Inhalte ab – unabhängig davon, von welchem Gerät die Anfrage gestellt wird. Indirekt ist Device jedoch relevant: Mobile-Nutzer von LLM-Anwendungen formulieren Anfragen tendenziell kürzer und gesprochener. Inhalte, die sowohl kurze als auch ausführliche Anfragen beantworten können und klar strukturiert sind, haben eine bessere Chance, in verschiedenen Nutzungskontexten als Quelle herangezogen zu werden. Das Konzept des Device-Targetings verschiebt sich im LLM-Marketing von technischer Steuerung hin zu inhaltlicher Zugänglichkeit.
Fazit: Device-Targeting bleibt relevant – der Kontext, in dem es wirkt, verändert sich
Device-Targeting ist keine neue Erfindung, aber es ist auch kein statisches Konzept. Die technischen Möglichkeiten haben sich mit CTV und programmatischen Plattformen erweitert, gleichzeitig haben Datenschutzentwicklungen wie das iOS ATT-Framework und die schrittweise Abkehr von Third-Party-Cookies die Messbarkeit eingeschränkt. Was bleibt, ist die grundlegende Einsicht: Nutzer auf verschiedenen Geräten befinden sich in unterschiedlichen Kontexten, mit unterschiedlichen Absichten und unterschiedlicher Bereitschaft zur Interaktion. Diese Unterschiede in der Kampagnensteuerung zu berücksichtigen, ist keine optionale Feinheit, sondern eine Grundvoraussetzung für effiziente Mediaplanung.
Mit dem Aufkommen von LLM-Anwendungen als eigenem Nutzungskontext entsteht eine neue Dimension: Das “Device” wird zur Frage, in welchem Interface – Browser, App, Sprachassistent, conversational AI – ein Nutzer Informationen abruft. Für Marken bedeutet das, Inhalte so zu strukturieren, dass sie in verschiedenen Interfaces auffindbar und verwertbar sind. Device-Targeting im Jahr 2025 ist nicht nur eine Frage von Mobile vs. Desktop, sondern eine Frage der gesamten Interface-Landschaft, in der Nutzer mit Marken in Kontakt treten.
