So lassen Sie Claude sicher Werbekonten auf 12 Plattformen prüfen

Sprachmodelle für Produktionsaufgaben einzusetzen, ist immer ein wenig beunruhigend. Bei Werbebudgets wächst die Angst um das Zehnfache. Ein einziger falscher Schritt eines Agenten in der Werbeplattform-API, und ein Monatsbudget geht in wenigen Stunden an das falsche Targeting. Deshalb kopieren die meisten Teams immer noch manuell Exporte und füttern damit Chatbot-Weboberflächen, erhalten vage Ratschläge ohne konkrete Zahlen.

Kürzlich bin ich auf das Open-Source-Repository claude-ads gestoßen. Der Autor versuchte, ein strenges Engineering-System auf Basis der Agent-Fähigkeiten von Claude Code aufzubauen. Die Idee ist, Claude in einen überwachten Performance-Marketing-Assistenten mit harten Sicherheitsvorkehrungen, Typsicherheit und deterministischen Validierungsprüfungen zu verwandeln.

Unter der Haube

Das Projekt ist eine Sammlung von Skills und CLI-Tools, geschrieben in Python. Sie können damit über Claude Code, Cursor, Windsurf, Gemini oder Codex arbeiten. Der Schwerpunkt liegt auf Datensicherheit und Vorhersagbarkeit.

Das System unterstützt 12 Werbeplattformen:

• Suche und soziale Netzwerke: Google Ads, Meta Ads, YouTube Ads, LinkedIn Ads, TikTok Ads, Microsoft Advertising, Reddit Ads, Snapchat Ads, X Ads.
• E-Commerce und Retail Media: Apple Ads, Amazon Ads, Pinterest Ads.

Statt dem Modell durch unkontrollierte Tool-Aufrufe volle Freiheit zu geben, teilt das Projekt den Workflow in isolierte Phasen auf.

Sicherheit und Schutz vor versehentlichen Abbuchungen

Die claude-ads-Architektur läuft standardmäßig im Nur-Lese-Modus. Sie können Audits durchführen, Hypothesen aufstellen, Anzeigentexte generieren und Metriken analysieren, ohne live-Kampagnen zu gefährden.

Wenn Optimierungen angewendet werden müssen, erfordert das System das Durchlaufen mehrerer Prüfungsstufen:

• Exakte Konto- und Objekt-IDs werden explizit angegeben.
• Ein klarer Diff des Zustands vor und nach den Änderungen wird mit einer Auswirkungszonen-Bewertung generiert.
• Strenge Budgetgrenzen werden gesetzt, die der Agent grundsätzlich nicht überschreiten kann.
• Für jede Schreibanfrage werden ein Idempotenz-Schlüssel und ein Rollback-Plan für Änderungen generiert.

Vollständige Löschvorgänge von Entitäten wurden in Version zwei einfach aus dem Code entfernt. API-Anmeldedaten landen nicht im Modellkontext, in Berichten oder im Git-Verlauf: Sie werden ausschließlich aus Umgebungsvariablen oder dem System-Secrets-Store gelesen.

Architektur und Bewertung der Kampagnenqualität

Im Repository ist alles in klare Verantwortungsebenen unterteilt.

Ein einzelner Dirigent-Prozess akzeptiert Benutzerbefehle, definiert Scope-Grenzen und verteilt Aufgaben an isolierte Worker. Jeder Worker ist für einen bestimmten Analysebereich verantwortlich und gibt striktes JSON gemäß einem Schema aus. Wenn einer der erforderlichen Worker mit einem Fehler scheitert, wird der gesamte Lauf als partiell markiert. Das System verschleiert den Fehler nicht und präsentiert einen unvollständigen Bericht nicht als fertiges Ergebnis.

Die kanonische Ausgabe ist versioniertes, validiertes JSON. Daraus assembliert das Utility Markdown-Zusammenfassungen, HTML-Seiten oder PDFs über WeasyPrint.

Das Health Scoring für Werbekonten ist interessant konzipiert. Jede Prüfung hat einen Status von pass, fail, unknown oder not_applicable. Die Vollständigkeit der gesammelten Daten wird separat vom overall Health Score bewertet:

• Wenn 80% oder mehr der Prüfungen abgedeckt sind, wird eine volle Punktzahl vergeben.
• Bei 60% bis 79% Abdeckung wird die Punktzahl als vorläufig betrachtet.
• Wenn Daten weniger als 60% betragen, wird die Bewertung aufgrund unzureichender Belege überhaupt nicht berechnet.
• Beta-Funktionen und nicht verfügbare Plattform-Funktionen werden von den Berechnungen ausgeschlossen, um die Bewertung nicht zu senken.

So sieht die Arbeit mit dem Tool aus

Die Installation in Claude Code erfolgt über den Plugin-Manager:

/plugin marketplace add AgriciDaniel/claude-ads
/plugin install claude-ads@ai-marketing-hub-claude-ads

Wenn Sie eine lokale Installation bevorzugen oder andere Umgebungen nutzen:

git clone https://github.com/AgriciDaniel/claude-ads.git
cd claude-ads
bash install.sh --source=local

Der Installer unterstützt Python 3.11 und 3.12 unter Linux, macOS und Windows. Wenn System-Bibliotheken fehlen, bricht das Skript mit einem Fehler ab, bevor es Änderungen vornimmt.

Nach der Installation erfolgt die Interaktion über Slash-Commands. Zum Beispiel:

• /ads setup konfiguriert das Client-Profil, Ziel-KPIs, akzeptable Budgetgrenzen und Datenschutzregeln.
• /ads audit all führt ein vollständiges Audit der verbundenen Kanäle durch, wobei jede Ausgabe an datierte Metriken gebunden ist.
• /ads plan berechnet Budgetverteilung, Media-Plan und Split-Test-Plan.
• /ads optimize --draft bereitet einen Entwurf von Gebots- und Creatives-Änderungen vor, ohne diese auf der Plattform anzuwenden.
• /ads report generiert den finalen strukturierten Bericht.

Direkte Shortcuts für spezifische Konten funktionieren ebenfalls: /ads google, /ads meta, /ads reddit.

Wem das Projekt nützen wird

Das Repository wird kaum jemand benötigen, der eine einzelne Anzeige mit einem Budget von ein paar tausend Rubeln schaltet. Aber wenn Ihr Unternehmen plattformübergreifende Werbung betreibt oder Sie interne Automatisierung für eine Agentur aufbauen, gibt es hier viel zu entdecken.

Selbst wenn Sie das Tool nicht vollständig nutzen, bieten der Quellcode claude_ads_core und die Verzeichnisstruktur control-plane/ ein solides Beispiel dafür, wie man zuverlässige Skills für LLMs entwirft. Anstatt chaotischer Text-Prompts implementierte der Autor Datenverträge, Validierungsschemas und obligatorische Operator-Bestätigungsschwellen. Das Repository hat eine Open-Source-Lizenz (MIT), Sie können den Code also frei in eigene Module aufteilen.