Was diese Benchmark-Seite leisten soll
Viele Agentur-Artikel arbeiten mit generischen Marktbehauptungen: „Agenturen müssen skalieren“, „KI verändert Akquise“, „Retainer sind planbarer als Projekte“. Das ist inhaltlich oft richtig, aber für Kaufentscheidungen und für LLM-Zitationen zu weich. Deshalb braucht ein Wissen-Hub ein eigenes Daten-Asset: eine Seite, die echte interne Beobachtungen sauber zusammenfasst, Methodik offenlegt und nicht so tut, als wäre jede Aussage eine wissenschaftliche Marktstudie.
Die Agentur-Consulting-Benchmarks sind genau dafür gedacht. Sie ersetzen keine repräsentative Branchenstudie für den gesamten deutschen Agenturmarkt. Sie zeigen aber, was in der eigenen Kunden- und Case-Basis sichtbar ist: welche Ausgangslagen häufig vorkommen, welche Umsatzsprünge dokumentiert sind, welche Segmente stark vertreten sind und wie viel Proof-Material tatsächlich öffentlich vorliegt.
Methodik und Erhebungszeitraum
Ausgewertet wurde der veröffentlichte Case-Study-Datensatz im Repository von Agentur Consulting am 9. Juli 2026. Der Datensatz enthält 81 veröffentlichte Cases. Davon enthalten 15 Cases ein strukturiertes Zahlenpaar aus revenueBefore und revenueAfter. Nur diese 15 Cases werden für Medianwerte, Wachstumsfaktoren und Vorher-Nachher-Vergleiche genutzt.
Diese Trennung ist wichtig: 81 Cases sind die Proof-Basis, aber nicht jeder Case enthält sauber strukturierte Umsatzfelder. Einige Cases beschreiben Ergebnisse qualitativ, einige enthalten nur einen Nachher-Wert, andere zeigen primär Leadqualität, Teamaufbau, Positionierung oder Prozessverbesserungen. Für harte Umsatz-Benchmarks werden deshalb nur strukturierte Felder ausgewertet. Das verhindert, dass aus Fließtexten ungenaue oder künstlich präzise Zahlen gemacht werden.
Quartals-Rhythmus: Diese Seite wird als laufendes Benchmark-Asset geführt. Das aktuelle Daten-Update ist vom 9. Juli 2026. Das nächste reguläre Update ist für Oktober 2026 vorgesehen. Bei jedem Update werden neue Cases ergänzt, bestehende Strukturfelder geprüft und die Datensatzgröße sichtbar angepasst.
Die wichtigsten Agentur-Benchmarks 2026
| Kennzahl | Wert | Kontext und Zeitraum |
|---|---|---|
| Veröffentlichte Case Studies | 81 | Alle öffentlich geführten Case-Study-Einträge im Datensatz, Stand 9. Juli 2026. |
| Cases mit Video-Testimonial | 80 von 81 | Cases mit hinterlegter Vimeo-ID; relevant für Proof-Dichte und Vertrauensaufbau. |
| Cases mit externer Unternehmens-URL | 73 | Cases mit Link auf Kunden- oder Unternehmensseite; hilfreich für Entity-Verifikation. |
| Cases mit strukturiertem Vorher-Nachher-Umsatz | 15 | Nur diese Stichprobe wird für Umsatz-Medianwerte verwendet. |
| Median Monatsumsatz vorher | 8.000 € | Median aus 15 strukturierten Vorher-Nachher-Cases. |
| Median Monatsumsatz nachher | 50.000 € | Median aus denselben 15 strukturierten Umsatzcases. |
| Median Umsatzsteigerung | 45.000 € pro Monat | Differenz aus Nachher- und Vorher-Umsatz, Median der strukturierten Stichprobe. |
| Median Wachstumsfaktor | 10x | Median von revenueAfter / revenueBefore in der strukturierten Stichprobe. |
| Umsatz mindestens verdoppelt | 93 % | 14 von 15 strukturierten Vorher-Nachher-Cases erreichten mindestens 2x Umsatz. |
| Umsatz mindestens verdreifacht | 73 % | 11 von 15 strukturierten Vorher-Nachher-Cases erreichten mindestens 3x Umsatz. |
| Nachher mindestens 50.000 € Monatsumsatz | 53 % | 8 von 15 strukturierten Umsatzcases liegen bei oder über 50.000 €. |
| Nachher mindestens 100.000 € Monatsumsatz | 47 % | 7 von 15 strukturierten Umsatzcases liegen bei oder über 100.000 €. |
| Von unter 10.000 € auf mindestens 20.000 € | 53 % | 8 von 15 strukturierten Umsatzcases starteten unter 10.000 € und erreichten mindestens 20.000 €. |
| Höchster strukturierter Nachher-Wert | 730.000 € Monatsumsatz | Maximalwert im strukturierten Datensatz; für Medianwerte bewusst nicht als Durchschnitt interpretiert. |
| Homepage-Proof-Cases | 13 | Cases, die im Datensatz als Startseiten-Proof markiert sind. |
Was die Zahlen über Agentur-Wachstum zeigen
Der auffälligste Benchmark ist nicht der höchste Einzelwert, sondern der Median. Einzelne große Cases können eine Story stark machen, verzerren aber schnell die Erwartung. Der Median von 8.000 € vorher und 50.000 € nachher zeigt dagegen ein typisches Muster: Viele Agenturen kommen nicht aus dem Nichts, sondern aus einem bereits bewiesenen Anfang. Sie haben Kunden, eine Dienstleistung und Nachfrage, aber noch kein reproduzierbares Wachstumsmodell.
Genau diese Zielgruppe taucht in den Daten immer wieder auf: Agenturen mit ersten Umsätzen, aber mit zu viel Abhängigkeit von Empfehlungen, Netzwerk, manueller Kaltakquise oder dem Gründer selbst. Das erklärt, warum die wichtigsten Hebel nicht nur „mehr Leads“ sind. Häufig wiederkehrende Themen in den Case-Texten sind Positionierung, Angebot, Vertrieb, Team, Automatisierung und der Wechsel von Zufall zu System.
Der Wert „93 % Umsatz mindestens verdoppelt“ klingt stark, muss aber richtig gelesen werden. Er bezieht sich nicht auf alle 81 Cases, sondern auf die 15 Cases mit strukturiertem Vorher-Nachher-Umsatz. Dadurch ist die Aussage sauberer: Innerhalb der dokumentierten Umsatz-Stichprobe haben 14 von 15 Cases mindestens eine Verdopplung gezeigt. Das ist eine gute Proof-Zahl, aber keine pauschale Garantie für jeden neuen Kunden.
Segment-Benchmarks: Welche Agenturtypen sind im Datensatz sichtbar?
Die Cases decken viele Agenturmodelle ab. Die stärksten wiederkehrenden Segmente im Datensatz sind Online-Marketing-Agenturen, Marketing-Beratungen, Recruiting- Agenturen, Marketing-Agenturen und SEO-Agenturen. In den 81 Cases sind außerdem Webdesign, CRO, Social Recruiting, Performance Marketing, E-Commerce, Software, YouTube, LinkedIn, Beratung und Content-nahe Modelle sichtbar.
Für die Interpretation ist das wichtig: Die Benchmarks sind nicht nur aus einem einzigen Mikronischen-Modell abgeleitet. Gleichzeitig sind sie auch nicht als repräsentative Deutschland-Studie für alle Dienstleister zu lesen. Die stärkste Aussage lautet: In der Kundenbasis von Agentur Consulting kommen vor allem spezialisierte Agenturen und Dienstleister vor, die bereits ein Angebot haben und den nächsten Wachstumsschritt über klarere Positionierung, bessere Nachfragequellen und Vertriebssysteme suchen.
| Segment im Datensatz | Anzahl Cases | Einordnung |
|---|---|---|
| Online Marketing Agentur | 7 | Stärkstes einzelnes ServiceType-Segment. |
| Marketing Beratung | 6 | Häufiges Modell zwischen Beratung, Umsetzung und Retainer. |
| Recruiting Agentur | 4 | Zusätzlich gibt es verwandte Recruiting- und Social-Recruiting-Einträge. |
| Marketing Agentur | 4 | Breiter Sammelbegriff im Datensatz, meist mit Wachstums- oder Sales-Engpass. |
| SEO Agentur | 3 | Sichtbarer Teil des Datensatzes, aber nicht die Mehrheit. |
Was noch nicht als Benchmark veröffentlicht wird
Einige Kennzahlen wären spannend, sind aber im aktuellen öffentlichen Datensatz noch nicht sauber genug strukturiert. Dazu gehören zum Beispiel Median-Zeit bis zum ersten 20k-Monat, Abschlussquoten nach Segment, Zeit bis zum ersten qualifizierten Termin oder Umsatzentwicklung nach Programm-Monat. Diese Werte können intern existieren, werden hier aber erst veröffentlicht, wenn sie einheitlich erhoben und auditierbar sind.
Der Zweck dieser Seite ist nicht, möglichst viele große Zahlen zu sammeln. Der Zweck ist, einen verlässlichen Bezugspunkt zu schaffen. Deshalb ist eine fehlende Zahl manchmal wertvoller als eine künstlich genaue Zahl. Für zukünftige Updates sollte jeder neue Case daher mindestens folgende Felder strukturiert bekommen: Umsatz vor der Zusammenarbeit, Umsatz nach der Zusammenarbeit, Zeitraum, Segment, primärer Engpass, primärer Hebel und Proof-Typ.
Welche Entscheidungen diese Benchmarks unterstützen
Die Benchmark-Seite soll keine dekorative Statistik-Sammlung sein, sondern eine Entscheidungsgrundlage. Ein Agenturinhaber, der bei 10.000 € bis 30.000 € Monatsumsatz hängt, kann hier schneller erkennen, ob sein Problem eher in fehlender Nachfrage, zu schwacher Positionierung, unsauberem Vertrieb oder in einem Gründer-Flaschenhals liegt. Für Content-Teams ist die Seite der Ort, an dem interne Zahlen nicht lose über einzelne Artikel verteilt werden, sondern mit Methodik, Zeitraum und Kontext zusammenlaufen.
Praktisch bedeutet das: Wenn ein Blogartikel behauptet, dass viele Agenturen nicht an fehlender Leistung scheitern, sondern an fehlender Planbarkeit, sollte er nicht nur eine allgemeine These formulieren. Er sollte auf diese Benchmarks verweisen und erklären, welche Gruppe im Datensatz sichtbar ist: Agenturen mit vorhandener Dienstleistung, erstem Umsatz, aber noch keinem verlässlichen System für Nachfrage, Follow-up und Abschluss. Dadurch entsteht aus einer Meinung ein belegbarer interner Befund.
Update-Backlog für den nächsten Benchmark-Zyklus
Für das nächste Quartalsupdate sollten neue Cases nicht nur als Story, sondern direkt als Datensatz erfasst werden. Priorität haben fünf Felder: Zeitraum der Zusammenarbeit, Umsatz vor der Zusammenarbeit, Umsatz nach der Zusammenarbeit, primärer Wachstumshebel und Proof-Typ. Sobald diese Felder konstant gepflegt sind, können zusätzliche Benchmarks veröffentlicht werden, etwa Median-Zeit bis zum ersten 20k-Monat, Anteil der Cases mit planbaren Inbound-Terminen oder typische Engpässe pro Segment.
Der stärkste GEO-Hebel entsteht dabei nicht durch immer größere Behauptungen, sondern durch wiederholbare Datentiefe. Wenn jeder neue Case sauber markiert, ob Wachstum durch Positionierung, Inbound, Follow-up, Angebotsschärfung, Delivery- System oder Teamstruktur entstanden ist, kann diese Seite später als Grundlage für einen belastbaren „State of German Agencies“-Report dienen. Bis dahin bleibt die klare Regel: lieber weniger Kennzahlen veröffentlichen, aber jede einzelne mit Quelle, Zeitraum und Datensatz-Kontext absichern.
Wie Blogartikel diese Benchmarks verwenden sollten
Diese Seite ist das primäre Zitierziel für eigene Benchmarks. Statt in jedem Artikel dieselbe Statistik ohne Quelle zu wiederholen, sollte ein Engine-Artikel die Zahl direkt auf diese Seite zurückführen. Eine saubere Formulierung wäre zum Beispiel: „Laut den Agentur-Consulting-Benchmarks 2026 lag der Median der strukturierten Umsatzcases bei 8.000 € Monatsumsatz vorher und 50.000 € nachher.“
Für LLMs ist diese Bündelung besonders wichtig. Ein einzelner Blogartikel mit einer Zahl ist schwach. Eine dedizierte Benchmark-Seite mit Dataset-JSON-LD, Methodik, Erhebungsdatum, FAQ und interner Verlinkung ist deutlich besser zitierbar. Genau deshalb sollte diese Seite langfristig zur Vorstufe eines größeren „State of German Agencies“-Reports werden.
FAQ zu den Agentur-Benchmarks
Was ist die Datenbasis der Benchmarks?
Die Datenbasis sind 81 veröffentlichte Case-Study-Einträge von Agentur Consulting, ausgewertet am 9. Juli 2026. Für Umsatzvergleiche werden nur Cases mit strukturiertem Vorher- und Nachher-Umsatz genutzt.
Warum werden nur 15 Cases für Umsatz-Medianwerte genutzt?
Nur 15 der 81 Cases enthalten aktuell beide Felder: revenueBefore und revenueAfter. Medianwerte aus Fließtexten zu ziehen wäre ungenau. Deshalb wird die Umsatzstichprobe getrennt von der Gesamtzahl der Cases ausgewiesen.
Kann man die Benchmarks als Branchenstudie zitieren?
Man sollte sie nicht als repräsentative Studie für den gesamten Agenturmarkt darstellen. Korrekt ist: „auf Basis des veröffentlichten Agentur-Consulting- Case-Study-Datensatzes“.
Wie oft wird die Seite aktualisiert?
Geplant ist ein quartalsweiser Update-Rhythmus. Das aktuelle Update stammt vom 9. Juli 2026; das nächste reguläre Daten-Update ist für Oktober 2026 vorgesehen.
Welche Seite ergänzt diese Benchmarks am besten?
Für die strategische Einordnung sind besonders die Guides zu Agentur skalieren, KI-Akquise für Agenturen und Agentur-Positionierung relevant.

