Cookieless & Data Clean Rooms: Grundlagen und Kernkonzepte

Third-Party-Cookies sind nicht wie geplant gestorben, und das ist derzeit die am häufigsten falsch gelesene Tatsache in der Marketingtechnologie. Google hat seinen Plan, sie aus Chrome zu entfernen, im Juli 2024 zurückgenommen und im April 2025 bestätigt, dass es keinen eigenständigen Prompt ausliefern wird, der Chrome-Nutzer zum Opt-out auffordert. Cookies funktionieren in Chrome weiterhin, und Chrome hält rund zwei Drittel der globalen Browsernutzung.

Alles ringsherum hat sich trotzdem bewegt. Safari blockiert Third-Party-Cookies seit 2020 standardmäßig, Firefox seit 2019, und Apples App Tracking Transparency, live mit iOS 14.5 im April 2021, stellt cross-app Tracking hinter einen Berechtigungsdialog, den die meisten Nutzer ablehnen. Meta teilte Investoren im Februar 2022 mit, dass ATT das Unternehmen in jenem Jahr rund 10 Milliarden Dollar Umsatz kosten würde. Die Consent-Regeln in Europa verengen weiter, was Sie erheben dürfen, bevor jemand auf Akzeptieren klickt.

Die Infrastruktur, die die Branche als Antwort gebaut hat, ist der Data Clean Room, und um dieses Objekt geht es in diesem Modul. Diese Lektion definiert ihn: was ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → ist, was ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → beantwortet, was ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → nie beantworten wird und wie zwei Unternehmen Kunden matchen, wenn keines eine Kundenliste herausgeben will.

Wovon sprechen wir eigentlich?

Ein Third-Party-Cookie ist eine kleine Datei, die von einer anderen Domain als der besuchten Website im Browser abgelegt wird. Werbetreibende haben sie zwei Jahrzehnte lang genutzt, um Menschen über Websites hinweg zu verfolgen, Verhaltensprofile zu bilden und zu retargeten. Sie sehen sich ein Paar Laufschuhe auf der Seite eines Händlers an und sehen diese Schuhe eine Stunde später auf einer Nachrichtenseite: Das war ein Third-Party-Cookie.

Cookie Deprecation bedeutet, dass Browser diese Dateien nicht mehr speichern oder senden. Zwei der drei großen Browser tun das bereits. Das ehrliche Bild ist also ein geteiltes: Cookies funktionieren in Chrome, sie funktionieren nicht in Safari oder Firefox, mobiles App-Tracking ist unabhängig von Browsern kaputt, und die Ersatzinfrastruktur ist bereits gebaut und bezahlt. Googles Kehrtwende hat die Deadline verändert, nicht die Richtung.

Ein Data Clean Room ist eine kontrollierte Umgebung, in der zwei oder mehr Parteien First-Party-Daten unter vorab vereinbarten Regeln zusammenführen und in der nur aggregierte Ergebnisse nach außen gelangen dürfen. Jede Seite bringt Datensätze ein, die sie bereits rechtmäßig hält. Das Matching und die Rechenoperationen finden innen statt. Keine Seite kann die Zeilen der anderen lesen, exportieren oder re-identifizieren.

Drei Eigenschaften unterscheiden ihn von einer gemeinsamen Datenbank. Rohdatensätze wechseln nie die Seite: Was eine Partei einbringt, bleibt für die andere unsichtbar. Queries sind auf eine genehmigte Liste von Operationen und Outputs beschränkt, vereinbart bevor jemand irgendetwas laufen lässt. Und Ergebnisse unterhalb einer minimalen Gruppengröße werden unterdrückt, meist eine Untergrenze im Bereich von einigen Dutzend Nutzern, damit Sie eine Query nicht so lange weiter verengen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen, bis sie einen einzelnen Haushalt beschreibt.

Damit ist ein Clean Room eine Mess- und Audience-Umgebung, kein Datentransfer. Wenn Sie die Daten der anderen Partei besitzen wollen, ist das der falsche Einkauf.

Vier Teilkonzepte, die jeder CMO verinnerlichen muss

1. First-Party-Daten sind heute Wettbewerbsinfrastruktur

First-Party-Daten sind das, was Sie direkt von Kunden mit deren Einwilligung erheben: Kaufhistorie, Loyalty-Verhalten, eingeloggtes Browsing, E-Mail-Engagement. Sie halten sie, und sie verdampfen nicht, wenn ein Browser-Hersteller eine Voreinstellung ändert.

Apple ist die klarste Demonstration, warum das zählt. Das Unternehmen hat Third-Party-Tracking über iOS hinweg eingeschränkt und betreibt gleichzeitig sein eigenes Werbegeschäft auf Signalen, die es vollständig besitzt: App-Store-Suchanfragen, Download-Historie, Daten auf Account-Ebene. Das Unternehmen, das die Regeln verschärft hat, war auch das Unternehmen, das ihnen am wenigsten ausgesetzt war, weil seine Daten aus der eigenen Beziehung zum Nutzer kamen. Diese Asymmetrie ist das gesamte Argument für den Aufbau einer authentifizierten Kundenbasis.

2. Identity Resolution: die Klebeschicht

Ohne ein Cookie, das Sessions zusammennäht, brauchen Sie einen anderen Weg, dieselbe Person zweimal zu erkennen. Identity Resolution matcht Signale wie gehashte E-Mail-Adressen, Telefonnummern oder Device-Identifier zu einem persistenten Profil. Die gehashte E-Mail ist zum De-facto-Key geworden, und die zwei breit ausgerollten Standards, die darauf aufbauen, sind Unified ID 2.0 von The Trade Desk und RampID von LiveRamp.

Die Reibung lohnt sich zu verstehen, bevor Sie annehmen, E-Mail löse alles. Apples Hide My Email gibt für jeden Dienst, bei dem sich ein Kunde anmeldet, eine eigene Relay-Adresse aus, sodass die Adresse in Ihrem CRMCRMCustomer Relationship Management: Software und Strategie, um Kundeninteraktionen über den gesamten Lifecycle zu steuern und zu analysieren.Vollständige Definition ansehen → zu nichts in der Datei irgendeines anderen passt. Jede Relay-Adresse, jeder Tippfehler, jede Trennung zwischen Arbeit und Privat ist ein Kunde, der in beiden Datensätzen existiert und in keinem matcht.

3. Data Clean Rooms: die Mechanik

Es gibt drei Bauformen am Markt. Ein plattformeigener Clean Room sitzt innerhalb eines Walled Garden und läuft nach den Bedingungen dieser Plattform und mit ihren Daten. Ein neutraler Cloud-Clean-Room läuft auf Infrastruktur, die keine der Parteien besitzt: Snowflake, ein Anbieter in diesem Markt, hat Clean-Room-Fähigkeit durch die Akquisition von Samooha im Januar 2024 ergänzt, sodass Kunden, die dort schon Daten speichern, mit einem Partner einen Room ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen →öffnen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen, ohne etwas zu verschieben. Ein dezentraler Clean Room, das Modell, das InfoSum verkauft, poolt die Daten überhaupt nicht: Jede Partei behält ihre Datensätze in ihrer eigenen Umgebung, und nur verschlüsselte, nicht identifizierende Keys überschreiten die Grenze, um das Match zu erzeugen.

Das Matching selbst ist weniger mysteriös, als das Marketing vermuten lässt. E-Mails und Telefonnummern werden normalisiert und gehasht, üblicherweise mit SHA-256 und einem gemeinsamen Salt, sodass dieselbe Adresse auf beiden Seiten denselben unlesbaren String ergibt. Deterministisches Matching paart identische Hashes. Probabilistisches Matching schließt eine Verbindung aus schwächeren Signalen wie IP-Adresse und Gerätemuster, und das ist eine statistische Vermutung, keine Tatsache. Kryptografische Verfahren wie Private Set Intersection erlauben zwei Parteien, Größe und Zusammensetzung ihrer Überschneidung zu berechnen, ohne dass eine erfährt, wer außerhalb davon liegt. Aggregationsuntergrenzen und, in manchen Systemen, absichtliches statistisches Rauschen verhindern, dass jemand aus einer Serie enger Queries eine Einzelperson rückrechnet.

Ein Vorbehalt, der Juristen mehr interessiert als Ingenieure: Hashing ist Pseudonymisierung, nicht Anonymisierung. Dieselbe E-Mail ergibt immer denselben Hash, genau deshalb funktioniert das Matching, und genau deshalb behandeln Aufsichtsbehörden in der EU und in Großbritannien gehashte Identifier in der Regel als personenbezogene Daten. Der Vertrag, der einen Clean Room regelt, leistet genauso viel Arbeit wie die Kryptografie.

4. Contextual Targeting als parallele Strategie

Contextual Targeting platziert Werbung anhand des Inhalts der Seite statt anhand der Historie des Lesers. Wer eine Trailrunning-Rezension liest, sieht Trailschuhe. Keine Nutzerdaten nötig, keine Identität aufzulösen, keine Consent-Abhängigkeit.

Das ist die älteste Targeting-Methode überhaupt, die einen zweiten Blick bekommt, weil die neuere Methode schwieriger geworden ist. Moderne Varianten erfassen die Seitenbedeutung über Sprachmodelle statt über Keyword-Listen, was Brand Safety besser handhabt als die grobe Blocklisten-Logik von vor zehn Jahren. Was Contextual nicht kann: Ihnen sagen, ob der Leser etwas gekauft hat. Diese Frage gehört in den Clean Room, weshalb die beiden nebeneinander stehen statt zu konkurrieren.

Was ein Clean Room beantworten kann und was nicht

was herauskommt

Zuerst Overlap-Fragen: wie viele Ihrer Kunden auch bei diesem Partner kaufen, wie viel sie dort ausgeben, wie sich die Overlap-Gruppe vom Rest Ihrer Basis unterscheidet. Deduplizierte ReachReachDie Zahl der einzelnen Personen, die Ihre Botschaft in einem bestimmten Zeitraum gesehen haben. Anders als Impressions zählt Reach jede Person nur einmal, unabhängig davon, wie oft sie die Botschaft sieht.Vollständige Definition ansehen → und Frequency über zwei Datensätze hinweg, die jeder nur die eigene Hälfte sehen. Exposure-to-Outcome-Reporting innerhalb des gematchten Sets, das Nächste, was die meisten Marken dem Schließen der Lücke zwischen einer Media-ImpressionImpressionDie Gesamtzahl der Ausspielungen einer Anzeige oder eines Inhalts, unabhängig von Klicks. Jede Ausspielung zählt als eine Impression, auch bei derselben Person.Vollständige Definition ansehen → und einem Kauf kommen, den sie nicht beobachtet haben. Und, wo die Vereinbarung Aktivierung statt nur Messung erlaubt, Audience-Outputs: Suppression-Listen, Seed-Segmente, Gruppen, die in eine Buying-Plattform zurückgespielt werden, ohne dass je eine Kundenliste den Besitzer wechselt.

was nie herauskommt

Daten auf Zeilenebene. Alles über die Menschen außerhalb der Überschneidung, die meist die Mehrheit sind. Kausalität, es sei denn, jemand hat vor dem Kampagnenstart eine Holdout-Gruppe designt, denn ein Clean Room korreliert Exposure mit Kauf und fabriziert kein Counterfactual. Kleine Slices, die die Aggregationsuntergrenze bewusst unterdrückt. Und überhaupt nichts über einen Wettbewerber, da die einzigen Daten im Room jene sind, die beide Parteien einzubringen vereinbart haben.

wo die Match Rate über alles entscheidet

Jede Zahl, die ein Clean Room produziert, beschreibt die gematchte Population, nicht Ihre Kundenbasis. Match Rates sind selten annähernd vollständig; eine Markendatei, die auf eine Händlerdatei trifft, überschneidet sich oft nur zu einem Bruchteil, und dieser Bruchteil neigt zu Loyalty-Mitgliedern und Heavy Buyern, also den Menschen, die am ehesten bereit sind, sich zu identifizieren. Lesen Sie ein Clean-Room-Ergebnis, ohne nach Match Rate und Nenner zu fragen, dann lesen Sie eine Aussage über Ihre besten Kunden und halten sie für eine Aussage über Ihren Markt.

CMO Action Items

• Auditieren Sie Ihre First-Party-Daten vor jedem Clean-Room-Gespräch. Wenn Sie nicht sagen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen, wie viele authentifizierte, consent-geprüfte Kundendatensätze Sie halten und welche Identifier jeder Datensatz trägt, kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen Sie den Vorschlag eines Partners nicht bewerten, weil Sie Ihre eigene Match Rate nicht vorhersagen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen.
• Lesen Sie Googles Kehrtwende nicht als Erlaubnis, langsamer zu werden. Die blinden Flecken bei Safari und Firefox bleiben, ATT hat mobiles Tracking schon zerlegt, und die Consent-Regeln werden weiter strenger. Teams, die 2024 die Post-Cookie-Arbeit pausiert haben, haben zwei Jahre Aufbau authentifizierter Audiences verloren, die sie nicht zurückkaufen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen.
• Machen Sie Match Rate und Aggregationsschwelle zu Standardfragen für jeden Partner und Anbieter. Beide Zahlen bestimmen, was jede kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →ünftige Analyse sagen kann, und beide sind vor der Unterschrift bekannt.
• Lernen Sie das Objekt, indem Sie es einmal nutzen. Ein einziger kleiner Test, der Ihr CRMCRMCustomer Relationship Management: Software und Strategie, um Kundeninteraktionen über den gesamten Lifecycle zu steuern und zu analysieren.Vollständige Definition ansehen → mit den Daten eines Partners verbindet, lehrt Ihr Team mehr über Identifier, Legal Review und Datenreife als jedes Anbieter-Deck.

Häufige Fehler, die Ergebnisse ruinieren

• Den Clean Room als Technologiekauf behandeln statt als Datenpartnerschaft. Die Software ist weitgehend commoditisiert. Der Wert liegt darin, gegen wessen Daten Sie matchen. Ein Snowflake- oder InfoSum-Deployment zu kaufen, bevor Sie wissen, welche Partnerüberschneidung Sie eigentlich wollen, heißt für einen leeren Tresor zu bezahlen.
• Gehasht mit anonym verwechseln. Hashing verbirgt die Adresse vor einem menschlichen Leser; es nimmt den Datensatz nicht aus dem Anwendungsbereich des Datenschutzrechts. Die juristische Prüfung einer ersten Clean-Room-Vereinbarung dauert routinemäßig länger als die technische Integration, starten Sie also den Auftragsverarbeitungsvertrag und das Consent-Audit gleichzeitig mit dem Connector, nicht danach.
• Den Clean Room nur nutzen, um die Vergangenheit zu erklären. Die meisten Marken bleiben beim Reporting abgeschlossener Kampagnen stehen. Der Output ist als Input nützlicher: Suppression von Menschen, die Sie schon konvertiert haben, Seeds für Prospecting, Budgetverschiebungen auf Basis beobachteter Überschneidung.

Key Takeaways

• Cookies haben in Chrome nach Googles Kehrtwenden von 2024 und 2025 überlebt, aber Safari, Firefox und Apples ATT haben einen großen Teil des Signals dauerhaft entfernt, sodass die Abwendung von Third-Party-Identifiern aus eigener Dynamik weitergeht.
• Ein Data Clean Room ist eine kontrollierte Umgebung, in der zwei Parteien First-Party-Daten unter vorab vereinbarten Regeln zusammenführen und nur aggregierter Output nach außen geht: keine Rohdatensätze heraus, eingeschränkte Queries, minimale Gruppengrößen.
• Matching ohne gemeinsamen Identifier läuft über normalisierte gehashte E-Mails und Telefonnummern, deterministisch dort, wo Hashes übereinstimmen, und probabilistisch dort, wo nicht, wobei Private Set Intersection und Aggregationsuntergrenzen die nicht überschneidenden Datensätze schützen.
• Clean Rooms beantworten Fragen zu Overlap, deduplizierter ReachReachDie Zahl der einzelnen Personen, die Ihre Botschaft in einem bestimmten Zeitraum gesehen haben. Anders als Impressions zählt Reach jede Person nur einmal, unabhängig davon, wie oft sie die Botschaft sieht.Vollständige Definition ansehen → und Exposure-to-Outcome innerhalb des gematchten Sets. Sie liefern keine Daten auf Zeilenebene, keine Kausalität ohne designte Holdout-Gruppe und nichts über Menschen außerhalb des Matches.
• Die Match Rate ist die Zahl, die jede andere Zahl bestimmt. Fragen Sie danach und nach dem Nenner, bevor Sie auf ein Clean-Room-Ergebnis hin handeln.