First-Party-Daten als Grundlage für KI-Marketing

First-Party-Daten sind Daten, die ein Unternehmen in eigenen Kanälen selbst erhebt – aus dem Shop, dem CRM, dem Newsletter, dem Kundenservice. Für KI-gestütztes Marketing sind sie die entscheidende Grundlage, weil ein Modell nur so gut personalisieren, prognostizieren und texten kann, wie die Daten es zulassen, mit denen es arbeitet. Die Entscheidung von Google vom 22. April 2025, Third-Party-Cookies in Chrome doch nicht abzuschaffen, ändert daran nichts – sie verschiebt lediglich den Zeitdruck.

Konkret hat Google an diesem Tag im Privacy-Sandbox-Blog mitgeteilt, keine separate Auswahlabfrage („user choice prompt") für Third-Party-Cookies in Chrome einzuführen. Nutzerinnen und Nutzer verwalten ihre Einstellungen weiterhin über die bestehenden Datenschutz- und Sicherheitseinstellungen des Browsers. Die Privacy-Sandbox-APIs bleiben verfügbar, werden aber nicht mehr durch das Auslaufen der Cookies erzwungen.

Wie relevant die Datengrundlage inzwischen ist, zeigt eine Zahl aus der amtlichen Statistik: Nach der Pressemitteilung des Statistischen Bundesamtes vom 25. November 2024 nutzten 20 Prozent der Unternehmen in Deutschland mit mindestens zehn Beschäftigten KI-Technologien – nach 12 Prozent im Jahr zuvor. Der mit Abstand häufigste Einsatzbereich war dabei Marketing und Vertrieb mit 33 Prozent der KI-nutzenden Unternehmen. Genau dort entscheidet die Qualität der eigenen Daten darüber, ob der Einsatz Ergebnisse liefert.

Warum das keine Entwarnung ist

Die naheliegende Reaktion vieler Marketingabteilungen lautete: „Dann können wir weitermachen wie bisher." Das greift aus vier Gründen zu kurz.

Erstens war Chrome nie der einzige Faktor. Safari blockiert Third-Party-Cookies seit Jahren standardmäßig, Firefox ebenfalls. Der Anteil an Nutzern, bei denen kanalübergreifendes Tracking über Fremdcookies zuverlässig funktioniert, ist unabhängig von Googles Entscheidung seit Jahren rückläufig.

Zweitens ist der begrenzende Faktor in Deutschland ohnehin das Einwilligungserfordernis. § 25 TDDDG verlangt für das Speichern von und den Zugriff auf Informationen in Endeinrichtungen eine Einwilligung – unabhängig davon, ob es sich um ein Erst- oder Drittanbieter-Cookie handelt und unabhängig davon, ob ein Browser sie technisch zulässt. Wer keine Einwilligung hat, darf nicht setzen; was der Browser erlaubt, ist nachrangig.

Drittens ändert die Entscheidung nichts an der Datenqualität. Third-Party-Daten waren nie besonders gut: veraltete Segmente, fragwürdige Herkunft, keine Kontrolle über Aktualität. Für KI-Anwendungen, die aus Verhaltensmustern lernen, ist ein sauberes eigenes Signal mehr wert als ein großes, unsicheres fremdes.

Viertens ist die strategische Richtung unverändert. Wer 2023 und 2024 in eigene Datenerhebung investiert hat, steht heute besser da – nicht schlechter. Die Investition zahlt sich in Personalisierung, Prognosequalität und Unabhängigkeit von Plattformentscheidungen aus, und keiner dieser Effekte ist an das Schicksal eines Cookie-Typs gebunden.

Was KI-Systeme aus First-Party-Daten machen können

Der Unterschied zwischen „wir haben Daten" und „unsere Daten sind für KI nutzbar" ist erheblich. Drei Anwendungsklassen zeigen, worauf es ankommt.

Segmentierung und Prognose

Kaufhistorie, Warenkorbabbrüche, Wiederkaufintervalle und Servicekontakte reichen aus, um Abwanderungsrisiko und Kaufwahrscheinlichkeit deutlich präziser zu schätzen als über demografische Fremdsegmente. Die notwendige Datenmenge ist geringer, als viele annehmen – entscheidend ist Konsistenz über die Zeit, nicht Volumen.

Personalisierte Inhalte in großer Menge

Produkttexte, Kategorietexte, E-Mail-Varianten und Anzeigentexte lassen sich auf Basis eigener Produkt- und Kundendaten in einer Menge erzeugen, die manuell nicht zu leisten wäre. Der Qualitätssprung entsteht dabei nicht durch das Modell allein, sondern durch die Qualität der zugeführten Attribute: Ein gepflegter Produktdatensatz mit Material, Passform, Anwendungsfall und Zielgruppe erzeugt brauchbare Texte, ein Datensatz mit Artikelnummer und Preis nicht.

Relevanzsteuerung statt Gießkanne

Empfehlungen, Versandzeitpunkte und Kanalwahl lassen sich aus eigenen Interaktionsdaten ableiten. Auch hier gilt: Die Signale, die am besten funktionieren, sind meist die banalsten – zuletzt angesehene Kategorie, Zeitpunkt der letzten Bestellung, Reaktion auf die letzten drei Mailings.

Datenschutz ist der Rahmen, nicht der Gegner

First-Party-Daten sind nicht automatisch unbedenklich. Für jede Verarbeitung braucht es eine Rechtsgrundlage, und die Zweckbindung gilt uneingeschränkt: Daten, die für die Vertragsabwicklung erhoben wurden, dürfen nicht ohne Weiteres für Profilbildung im Marketing genutzt werden.

Praktisch bewährt hat sich eine klare Trennung: ein dokumentierter Zweck je Datenkategorie, ein Einwilligungsmanagement, das den tatsächlichen Verarbeitungen entspricht, und ein Löschkonzept, das auch dann greift, wenn Daten in ein KI-System eingeflossen sind. Der letzte Punkt wird am häufigsten übersehen – ein Löschkonzept, das nur die Primärdatenbank kennt, ist unvollständig.

Hinzu kommt seit Februar 2025 die KI-Kompetenzpflicht nach Artikel 4 des EU AI Act: Wer KI-Systeme einsetzt, muss dafür sorgen, dass die damit befassten Mitarbeitenden über ausreichendes Verständnis verfügen. Für Datenteams heißt das insbesondere, die Grenzen der eingesetzten Modelle zu kennen.

Ein pragmatischer Aufbauplan

1. Bestandsaufnahme. Welche eigenen Datenquellen existieren, wo liegen sie, wer pflegt sie? In vielen Unternehmen ist der Engpass nicht die Datenmenge, sondern die Verteilung über Systeme, die nicht miteinander sprechen.
2. Identitätsauflösung klären. Über welchen Schlüssel werden Shop, CRM und Newsletter zusammengeführt? Ohne diese Entscheidung bleibt jede Personalisierung Stückwerk.
3. Wertvolle Signale zuerst. Statt eines Großprojekts drei bis fünf Signale auswählen, die messbar auf Umsatz einzahlen, und diese sauber verfügbar machen.
4. Einwilligungen an die Realität anpassen. Prüfen, ob das, was tatsächlich passiert, von den eingeholten Einwilligungen gedeckt ist – nicht umgekehrt.
5. Datenqualität messen. Vollständigkeitsquote je Pflichtfeld, Aktualität, Dublettenquote. Ohne Messgröße verbessert sich Datenqualität erfahrungsgemäß nicht.
6. Erst dann automatisieren. KI auf schlechten Daten produziert schnell viel Mittelmaß – und macht bestehende Datenprobleme sichtbarer, nicht kleiner.

Server-seitige Messung als Zwischenschritt

Unabhängig von Cookies gewinnt server-seitiges Tracking an Bedeutung, weil es die Kontrolle über die erhobenen Daten zurück ins eigene Haus holt. Der Vorteil ist nicht, Einwilligungspflichten zu umgehen – das ist rechtlich nicht möglich und auch nicht das Ziel. Der Vorteil ist Robustheit gegenüber Browsereinschränkungen und Blockern sowie die Möglichkeit, Daten vor der Weitergabe zu filtern und zu minimieren.

Woran man erkennt, ob die eigenen Daten KI-tauglich sind

Zwischen „wir haben ein CRM" und „unsere Daten taugen als Grundlage für automatisierte Entscheidungen" liegt in vielen Unternehmen ein Jahr Arbeit. Vier Prüffragen trennen die beiden Zustände zuverlässig voneinander.

• Ist ein Kunde über Systeme hinweg dieselbe Person? Wenn Shop, Newsletter und Service dieselbe Kundin als drei Datensätze führen, misst jede Auswertung das Falsche – und jede Personalisierung spricht ein Drittel der Historie an.
• Sind Zeitpunkte sauber erfasst? Prognosen leben von Abständen: Wann war die letzte Bestellung, wie lange dauert ein Wiederkauf, wann kam die letzte Beschwerde? Ein Datensatz ohne verlässliche Zeitstempel taugt für Beschreibung, nicht für Vorhersage.
• Sind Pflichtfelder tatsächlich gefüllt? Eine Vollständigkeitsquote je Attribut ist schnell ermittelt und meist ernüchternd. Sie ist zugleich die Kennzahl, die sich am schnellsten verbessern lässt.
• Ist dokumentiert, worauf sich eine Einwilligung bezieht? Nicht die Existenz einer Einwilligung entscheidet, sondern ihr Umfang. Wer das nicht je Zweck festhält, kann später nicht belegen, dass eine Verarbeitung gedeckt war.

Wer diese vier Punkte in Ordnung bringt, hat den größten Teil der Vorarbeit geleistet – unabhängig davon, welches Werkzeug später zum Einsatz kommt und unabhängig davon, was Browserhersteller in den nächsten Jahren entscheiden.

Häufige Fragen

Bleiben Third-Party-Cookies in Chrome jetzt dauerhaft erhalten?

Google hat am 22. April 2025 mitgeteilt, keine separate Auswahlabfrage einzuführen; die Steuerung bleibt in den bestehenden Chrome-Einstellungen. Eine dauerhafte Bestandsgarantie ist damit nicht verbunden. Für die Planung sinnvoll ist, den Cookie-Status als veränderliche Rahmenbedingung zu behandeln und die eigene Datenstrategie nicht davon abhängig zu machen.

Wie viele Daten braucht man für sinnvolle KI-Personalisierung?

Weniger, als meist angenommen. Entscheidend sind Konsistenz und Aktualität der wenigen wirklich aussagekräftigen Merkmale, nicht die Gesamtzahl der Felder. Ein Shop mit einigen tausend Bestellungen pro Jahr und sauber gepflegten Produktattributen kommt in der Regel weiter als ein Unternehmen mit großen, aber lückenhaften Datenbeständen.

Dürfen Bestandskundendaten ohne Einwilligung für KI-Analysen genutzt werden?

Das hängt vom Zweck ab. Für jede Verarbeitung braucht es eine Rechtsgrundlage nach Art. 6 DSGVO, und die ursprüngliche Zweckbindung ist zu beachten. Eine Nutzung für Profilbildung im Marketing lässt sich nicht pauschal auf die Vertragsabwicklung stützen. Die Bewertung sollte je Anwendungsfall erfolgen und dokumentiert werden – idealerweise gemeinsam mit dem Datenschutzbeauftragten.

Fazit

Die Cookie-Kehrtwende vom April 2025 nimmt Druck vom Zeitplan, nicht von der Sache. Wer KI im Marketing ernsthaft nutzen will, braucht eigene, saubere, rechtlich abgesicherte Daten – weil jedes Modell an der Qualität seiner Eingangsdaten hängt. Der beste Zeitpunkt, damit anzufangen, war vor zwei Jahren. Der zweitbeste ist jetzt, ohne den Druck einer Deadline.