Cookieless Targeting KI

Definition: Cookieless Targeting KI bezeichnet den Einsatz von KI-Modellen und datengetriebenen Methoden für die Zielgruppenansprache in einer digitalen Werbeumgebung, die zunehmend auf Third-Party-Cookies verzichtet. Da Browser wie Safari (Apple) und Firefox (Mozilla) Third-Party-Cookies bereits seit Jahren blockieren und Google Chrome (Marktanteil ca. 65 %) die schrittweise Abschaffung eingeleitet hat, verlieren traditionelle cookie-basierte Audience-Targetings und Retargeting-Systeme an Reichweite und Präzision. KI-Modelle kompensieren diesen Datenverlust durch alternative Methoden: kontextuelle Inhaltsanalyse, First-Party-Daten-Aktivierung, probabilistisches Matching, Kohortenmodelle und serverseitiges Tracking.

Erläuterung

Das Third-Party-Cookie-System, das seit den 1990er Jahren die digitale Werbebranche prägt, steht unter massivem regulatorischen und technischen Druck. Lou Montulli entwickelte 1994 bei Netscape (Mountain View, Kalifornien) das Cookie als Mechanismus zur Session-Verwaltung — ursprünglich als technisches Hilfsmittel, nicht als Tracking-Werkzeug. Third-Party Cookies entstanden, als Werbeunternehmen begannen, Tracking-Pixel auf Drittwebsites einzubetten: Jeder Seitenaufruf sendete einen Cookie an den Werbeserver zurück, der so ein geräteübergreifendes Nutzerprofil aufbaute. Dieser Mechanismus ermöglichte präzises Retargeting und Cross-Site-Audience-Building, führte aber auch zu massiven Datenschutzproblemen. Die DSGVO (EU, in Kraft seit Mai 2018) und der California Consumer Privacy Act (CCPA, seit Januar 2020) schufen erstmals rechtliche Rahmenbedingungen für Einwilligungspflichten bei Tracking. Apples Intelligent Tracking Prevention (ITP, Safari, erstes Release 2017) blockierte Third-Party-Cookies systembezogen; Mozilla Firefox folgte 2019 mit Enhanced Tracking Protection (ETP). Google kündigte 2019 die Abschaffung von Third-Party-Cookies in Chrome an — mehrfach verschoben (2022, 2023, 2024, 2025) und nun als optionales Nutzer-Feature implementiert statt harter Abschaffung (Stand 2024). Die schrittweise Einschränkung betrifft primär das Werbethema der Open Web-Werbung (Display, Video, Programmatic) ausserhalb der Walled Gardens (Google, Meta, Amazon), die eigene Login-basierte Identifikatoren nutzen und vom Cookie-Verlust weniger direkt betroffen sind. KI spielt in diesem Kontext eine zentrale kompensatorische Rolle: Machine-Learning-Modelle können aus weniger und anderen Datensignalen ähnliche oder neue Targeting-Präzision ableiten.

Cookieless Targeting Methoden und KI

First-Party-Daten-Aktivierung (Customer Match): Eigene CRM-Daten (E-Mail-Adressen, Telefonnummern, Kundennummern) werden via Customer Match (Google Ads), Custom Audiences (Meta), LinkedIn Matched Audiences oder LiveRamp (San Francisco, gegründet 2011) mit Werbeplattformen geteilt und als Targeting-Zielgruppe aktiviert. KI-Modelle erweitern diese Daten via Lookalike Modeling: Aus den Charakteristika bestehender Kunden werden ähnliche Nutzerprofile in der breiten Werbefläche identifiziert. First-Party-Daten sind datenschutzkonform (eigene Kundenbeziehung) und Cookie-unabhängig.
Probabilistisches Matching ohne Cookies: Ohne deterministischen User-Identifier (Cookie, Login-ID) schätzen probabilistische Modelle via KI, ob zwei Signale (z.B. Mobile-App-Event und Website-Visit) vom selben Nutzer stammen — auf Basis von Gerätmerkmalen, Zeitstempeln, IP-Adressen und Verhaltensmustern. Fingerprinting-Ansätze (Browser-Fingerprint aus Kombination von User-Agent, Bildschirmauflösung, installierten Fonts etc.) sind datenschutzrechtlich heikel und in der EU unter DSGVO problematisch. Fortgeschrittene probabilistische Modelle nutzen Federated Learning (Modelltraining dezentral auf Nutzergeräten, ohne Datentransfer) für datenschutzkonforme Pattern-Erkennung.
Googles Privacy Sandbox — Topics API und Protected Audience API: Googles Privacy Sandbox ist eine Initiative, die Cookie-basierte Targeting-Funktionen durch browser-native, datenschutzfreundlichere Alternativen ersetzen soll. Topics API weist Nutzern wöchentlich Interessenthemen zu (aus ca. 350 IAB-Kategorien), die an Publisher geteilt werden. Protected Audience API (ehemals FLEDGE) ermöglicht Remarketing-ähnliche Kampagnen ohne Cross-Site-Tracking: Interessengruppen werden lokal im Browser gespeichert, Auktionen finden On-Device statt. Diese APIs sind in Chrome ab 2023 verfügbar, aber Adoption durch Publisher und DSPs ist noch begrenzt.
Serverseitiges Tracking (Server-Side Tagging): Statt Browser-seitigem Pixel-Tracking (abhängig von Cookie-Consent und Browser-Blockern) werden Conversion-Signale direkt vom Server des Werbetreibenden an Werbeplattformen übermittelt: Meta Conversions API (CAPI), Google Ads Enhanced Conversions, TikTok Events API. Serverseitiges Tracking ist von Browser-Beschränkungen unabhängig, liefert vollständigere Conversion-Daten und verbessert die Datenbasis für KI-Gebotsoptimierung erheblich. Google Tag Manager Server-Side Tagging (lanciert 2020) und Stape.io (Self-hosted Server-Side-Container) ermöglichen die technische Implementierung.
Contextual AI-Targeting: Cookiefreies Targeting auf Basis des Seiteninhalts (semantische Analyse via NLP-Modelle) statt Nutzerhistorie. Thematisch passende Werbung ohne Nutzer-Tracking — datenschutzkonform und im Post-Cookie-Kontext zunehmend relevant (sieheCortextual Targeting KI).

Strategische Implikationen für Marketing

First-Party-Daten als strategische Kernressource: Unternehmen mit grossen, qualitativ hochwertigen First-Party-Daten (E-Mail-Listen, CRM-Daten, Login-Nutzer) sind im Post-Cookie-Zeitalter strukturell bevorzugt. Investitionen in E-Mail-Marketing, Loyalty-Programme, Account-Erstellung und Permission-Marketing zahlen sich mit der Reduktion von Third-Party-Cookies direkt aus.
Walled Gardens gewinnen an Macht: Google, Meta, Amazon und Apple kontrollieren Login-basierte Identifikatoren und sind weniger vom Third-Party-Cookie-Verlust betroffen. Die Abhängigkeit von Walled Gardens im Media-Mix nimmt daher tendenziell zu — ein strategisches Risiko für Advertiser, das durch diversifizierte Kanalstrategie und starke First-Party-Datenbasis teilweise kompensiert werden kann.

Praxistipp: Beginnen Sie jetzt mit dem Aufbau einer starken First-Party-Datenstrategie: E-Mail-Listen, CRM-Daten und Login-Bereiche sind die Cookie-unabhängige Targeting-Grundlage der Zukunft. Implementieren Sie serverseitiges Tracking via Meta CAPI und Google Enhanced Conversions — unabhängig von der Cookie-Frage liefert Server-Side-Tracking vollständigere Conversion-Daten und verbessert Ihre KI-Bidding-Performance sofort messbar. Testen Sie parallell KI-Contextual-Targeting als Ergänzung zu verhaltensbasiertem Targeting: Der Anteil des kontextuellen Kanals sollte mit zunehmender Cookie-Beschränkung wachsen. Fragen Sie sich bei jedem Targeting-Ansatz: Funktioniert dieser auch ohne Third-Party-Cookies? Wenn nicht — was ist die Alternative?