Marketing Attribution 2026: Multi-Touch nach Cookies

Last-Click-Attribution war von Anfang an unzureichend, und 2026 trägt sie als alleinige Grundlage nicht mehr. Im April 2025 hat Google entschieden, den bisherigen Ansatz beizubehalten und Nutzern in Chrome weiterhin die Verwendung von Drittanbieter-Cookies zu ermöglichen (Privacy Sandbox) — was die Lage nicht einfacher macht, sondern komplizierter. Denn Safari war 2020 der erste verbreitete Browser, der Drittanbieter-Cookies standardmäßig vollständig blockiert (WebKit), Firefox trennt Cookies je Website (Mozilla), und auf iOS muss eine App vor app- und websiteübergreifendem Tracking um Erlaubnis fragen (Apple). Dieser Guide zeigt, wie Sie Multi-Touch-Attribution 2026 belastbar aufsetzen — mit Data-Enrichment, Server-Side-Tracking und einer realistischen Einschätzung dessen, was Modelle wirklich leisten.

Warum Last-Click Sie 2026 belügt

Last-Click ist seit Jahren das Standardmodell vieler Reportings — einfach, nachvollziehbar, bequem. Und strukturell verzerrt: Das Modell schreibt die Conversion dem letzten Klick zu und blendet alles davor aus. Google stellt dem in Analytics die datengetriebene Attribution gegenüber, bei der der Wert des Schlüsselereignisses anhand der Daten für jedes Schlüsselereignis aufgeteilt wird (Google-Analytics-Hilfe). Das hat direkte Budgetfolgen: Kanäle, die tatsächlich Nachfrage erzeugen, werden gekürzt; Kanäle, die lediglich den Abschluss einsammeln, bekommen mehr Geld. Das Ergebnis ist eine schleichende Erosion der Pipeline bei wachsendem Paid-Search-Budget.

• Bis zu sieben Tage nach der Conversion kann Google Analytics sie noch neu zuordnen (Google-Analytics-Hilfe) — wer früher auswertet, sieht ein vorläufiges Bild
• 30 Tage sind in Google Ads der Standard-Conversion-Zeitraum für Klick-Conversions, wenn beim Anlegen kein Wert gesetzt wird (Google-Ads-Hilfe)
• Mindestens 7 Tage empfiehlt Google als Conversion-Zeitraum, weil kürzere Fenster weniger Conversion-Daten liefern (Google-Ads-Hilfe)
• 2 oder 14 Monate stehen in Google-Analytics-Properties für die Aufbewahrung von Daten auf Nutzerebene zur Wahl (Google-Analytics-Hilfe) — längere Rückblicke sind dort nicht vorgesehen
• Datengetriebene Attribution wird an den jeweiligen Werbetreibenden angepasst, kann bei dünner Datenlage aber dieselben Ergebnisse liefern wie „Letzter Klick“ (Google-Ads-Hilfe)

Was Cookies wirklich blockieren — Status 2026

Im April 2025 hat Google die Abschaffung der Drittanbieter-Cookies in Chrome abgesagt: Der bisherige Ansatz bleibt, Nutzer behalten in Chrome die Möglichkeit zur Verwendung von Drittanbieter-Cookies, und eine eigene Aufforderung dafür wird es nicht geben (Privacy Sandbox). Das hat im Markt für kurzfristige Erleichterung gesorgt, aber die strukturellen Probleme nicht gelöst. Denn während Chrome weiterträgt, haben sich die anderen Browser längst verabschiedet, und auf iOS steht vor jedem app- und websiteübergreifenden Tracking eine Erlaubnisabfrage.

Hinzu kommt die rechtliche Lage: In Deutschland sind die Speicherung von Informationen in der Endeinrichtung des Endnutzers und der Zugriff auf bereits dort gespeicherte Informationen nur zulässig, wenn der Endnutzer auf der Grundlage von klaren und umfassenden Informationen eingewilligt hat (TDDDG § 25). Ausgenommen ist allein, was die Übertragung einer Nachricht ermöglicht oder für einen ausdrücklich gewünschten digitalen Dienst unbedingt erforderlich ist. Jedes Analyse- und Werbe-Cookie steht damit hinter einer Einwilligung — und wer sie nicht gibt, fehlt in einer cookiebasierten Attribution vollständig. Wie datenschutzkonforme Messung technisch funktioniert, erklärt unser Glossar-Beitrag zu DSGVO-konformem Tracking.

Was nicht erhoben wurde, lässt sich nicht nachträglich herbeirechnen. Wer geräteübergreifend messen will, braucht deshalb eine eigene Nutzerkennung: In Google Analytics führt die User-ID-Funktion das Verhalten über unterschiedliche Sitzungen hinweg und auf mehreren Geräten und Plattformen zu einem Gesamtbild zusammen (Google-Analytics-Hilfe). Die Kennung darf höchstens 256 Zeichen lang sein und keine Informationen enthalten, mit denen Dritte die Identität eines Nutzers ermitteln könnten. Kein Modell kann Daten rekonstruieren, die gar nicht erst erfasst wurden — die Arbeit muss vorher passieren, in der Datenerhebung selbst. Mehr zur technischen Seite in unserem Guide zu Server-Side Tracking und DSGVO.

Attribution-Modelle im Vergleich

In Google Analytics 4 wird bei der datengetriebenen Attribution der Wert des Schlüsselereignisses anhand der Daten für jedes Schlüsselereignis aufgeteilt (Google-Analytics-Hilfe). Zwei Eigenheiten gehören dazu: Conversions können bis zu sieben Tage nach der Conversion neu zugeordnet werden, und für datengetriebene Attributionsmodelle können je nach Datenverfügbarkeit aggregierte Daten aus den Datenfreigabeeinstellungen genutzt werden. Gleichzeitig gewinnen Marketing Mix Modeling und Incrementality-Tests an Bedeutung, weil sie als einzige kausal argumentieren.

Die wichtigste Erkenntnis: Kein Modell ist allein ausreichend. DDA liefert granulare Signale für Kampagnen-Optimierung, MMM liefert strategische Budget-Allokation, und Incrementality-Tests liefern die Wahrheitsfunktion, die beide anderen brauchen, um kalibriert zu bleiben. Wer 2026 Attribution ernst nimmt, betreibt mindestens zwei dieser Ebenen parallel. Wie Sie diese Daten mit Ihren Erstkontakten und CRM verknüpfen, zeigt unser Beitrag zu First-Party-Daten ohne Third-Party-Cookies.

Multi-Touch Attribution (MTA) richtig aufsetzen

Multi-Touch Attribution verteilt den Credit einer Conversion auf mehrere Touchpoints entlang der Customer Journey. Wer Attribution mit dem Customer Lifetime Value verknüpft, optimiert nicht den nächsten Klick, sondern den langfristigen Kundenwert. Der Unterschied zu Last-Click ist nicht nur die Gewichtung — es ist der Anspruch, die Journey als Ganzes zu sehen. Das setzt eine verbundene Datengrundlage voraus: Jeder Touchpoint muss demselben User zuordenbar sein, und das bedeutet 2026 First-Party-ID statt Third-Party-Cookie.

Die Grundlage jeder MTA ist eine Kennung, die über alle Touchpoints hinweg trägt. Google Analytics sieht dafür die User-ID vor: Eigene IDs werden einzelnen Nutzern zugeordnet, jede User-ID wird als ein einzelner Nutzer gewertet, und die Kennung darf keine Informationen enthalten, mit denen Dritte die Identität eines Nutzers ermitteln könnten (Google-Analytics-Hilfe). Die Lücke zwischen Anspruch und Umsetzung ist in der Praxis groß: Viele Unternehmen wissen, dass sie First-Party-Daten brauchen, haben aber keine operative Pipeline, um sie kanalübergreifend zu sammeln, zu verknüpfen und zu aktivieren. Genau diese Pipeline ist das Fundament jeder belastbaren MTA. Wenn Sie eine zentrale Kundensicht aufbauen wollen, lesen Sie unseren Guide zur Customer Data Platform.

• Einheitliche User-ID über alle Touchpoints — idealerweise gehasht aus E-Mail oder Login, höchstens 256 Zeichen lang (Google-Analytics-Hilfe)
• Event-Schema definieren — welche Events, welche Parameter, welche Datenqualität
• Identity Resolution zwischen Web, Mobile, CRM, Offline — mit Consent-Signalen
• Conversion-Zeitraum bewusst setzen — in Google Ads sind für Klick-Conversions Werte zwischen 1 und 30, 60 oder 90 Tagen möglich, Standard sind 30 Tage (Google-Ads-Hilfe)
• Modell-Wahl dokumentieren — datengetrieben, MTA-Algorithmus oder beides, mit Begründung
• Regelmäßige Kalibrierung via Incrementality-Test, mindestens quartalsweise

Server-Side Tracking und Conversion APIs

Server-Side Tracking ist 2026 kein Nice-to-have mehr — es ist die Grundbedingung für belastbare Attribution. Der Grund ist einfach: Während clientseitiges Tracking durch Inhaltsblocker, Browser-Grenzen und Erlaubnisabfragen auf dem Gerät beschnitten wird, läuft die serverseitige Erfassung weiter. Die Plattformen haben dafür eigene Wege geschaffen: Bei direkten Integrationen verbindet die Conversions API den Server des Werbetreibenden mit dem Endpunkt von Meta, und die Server-Events werden für Messung, Berichterstellung und Optimierung genutzt wie andere Verbindungskanäle (Meta for Developers). Google nimmt über erweiterte Conversions Daten entgegen, die im Conversion-Tracking-Tag erfasst, gehasht und als Hash-Daten übermittelt werden (Google-Ads-Hilfe).

Technisch läuft das über einen Server-Side Google Tag Manager oder eine eigene Collection-Layer, die die Events empfängt, anreichert, consent-konform verarbeitet und dann an die jeweiligen Plattform-APIs weiterleitet. Der Vorteil ist doppelt: Sie gewinnen Daten zurück, und Sie behalten gleichzeitig die volle Kontrolle darüber, welche Daten tatsächlich an Dritte gehen — was bei DSGVO-Konformität zunehmend relevant wird.

Marketing Mix Modeling: Der MMM-Comeback

Marketing Mix Modeling galt jahrelang als Dinosaurier — zu langsam, zu grob, zu teuer für alles unterhalb von Enterprise-Budgets. Das hat sich geändert, seit zwei große Plattformen quelloffene Pakete bereitstellen. Meridian ist ein von Google entwickeltes Open-Source-MMM, das für datenschutzfreundliche, erweiterte Analysen entwickelt wurde und Open-Source-Code samt Methodendokumentation bereitstellt (Google for Developers). Robyn ist ein experimentelles, halbautomatisiertes und quelloffenes Marketing-Mix-Modeling-Paket von Meta Marketing Science und liegt in R und Python vor (GitHub).

Der Reiz von MMM ist genau das, was es früher langsam machte: Es arbeitet auf aggregierten Zeitreihendaten und braucht weder User-IDs noch Cookies. Das macht es strukturell privacy-safe und unabhängig von Browser-Entscheidungen, ATT-Opt-Ins oder Consent-Raten. Zusätzlich erfasst MMM Offline-Kanäle wie Print, OOH, TV und Radio, die MTA strukturell nicht sehen kann — und integriert Saisonalität, Wettereffekte und Makro-Faktoren. Wer beispielsweise seine Paid-Kanäle taktisch steuern und gleichzeitig strategisch allokieren will, sollte MMM als Leitlinie und DDA als operative Feinabstimmung nutzen. Für Performance-Max-Kampagnen lohnt ein Blick in unseren Guide zu Google Performance Max für Online-Shops.

Incrementality-Tests als ehrliche Wahrheit

Attribution-Modelle beantworten die Frage: Wem gehört diese Conversion? Incrementality beantwortet eine andere, wichtigere Frage: Hätte diese Conversion auch ohne den Kanal stattgefunden? Das ist die kausal sauberste Art, Marketing-Effektivität zu messen — und die einzige, die unabhängig davon funktioniert, wie viele Cookies ein Browser noch zulässt. Denn ein Incrementality-Test vergleicht Gruppen, nicht Klickpfade, und braucht dafür weder eine Nutzerkennung noch ein vollständiges Tracking.

Ein Incrementality-Test schaltet einen Kanal für eine definierte Hold-Out-Gruppe ab und vergleicht das Conversion-Volumen mit der Exposed-Gruppe. Die Differenz ist der inkrementelle Lift — also genau das, was der Kanal tatsächlich beigetragen hat. Das Ergebnis ist oft unbequem: Kanäle, die in der Attribution stark aussehen, zeigen in Incrementality-Tests plötzlich erstaunlich wenig Wirkung, während andere, unterbewertete Kanäle überraschend stark incrementieren. Genau diese Überraschung ist der Wert: Incrementality kalibriert Ihre Modelle gegen die Realität.

DSGVO und Consent Mode v2 in Deutschland

Der Consent Mode kennt zwei Ausbaustufen: Die einfache blockiert Tags, bis eine Einwilligung vorliegt; die erweiterte lädt Tags mit Voreinstellungen und passt ihr Verhalten an die Einwilligung an, was eine genauere Conversion-Modellierung erlaubt (Google for Developers). Modelliert wird dabei erst, wenn das Tag oder App-SDK eine bestimmte Schwelle bei der Datenerhebung erreicht — Google nennt diese Bedingung ausdrücklich, ohne sie zu beziffern. In Deutschland regelt zusätzlich die Einwilligungsverwaltungsverordnung, welche Anforderungen ein Dienst zur Einwilligungsverwaltung erfüllen muss, um anerkannt zu werden (EinwV § 1).

Für Attribution heißt das: Ohne sauber implementierten Consent Mode arbeiten Sie nicht nur datentechnisch unvollständig, sondern auch rechtlich riskant. Der Anbieter eines digitalen Dienstes bleibt für die Erfüllung der Informationspflichten und für die Wirksamkeit der Einwilligung nach der Datenschutz-Grundverordnung verantwortlich (EinwV § 1) — die Verantwortung lässt sich nicht an ein Consent-Werkzeug abgeben. Und der Rahmen ist deutlich: Bei Verstößen gegen die Grundsätze für die Verarbeitung sind Geldbußen von bis zu 20 000 000 EUR oder von bis zu 4 % des gesamten weltweit erzielten Jahresumsatzes des vorangegangenen Geschäftsjahrs möglich, je nachdem, welcher der Beträge höher ist (DSGVO Art. 83 Abs. 5). Die Lösung ist technisch machbar, erfordert aber Ruhe und Systematik — nicht mehr Werkzeuge.

• Einfache oder erweiterte Stufe bewusst wählen — die einfache blockiert Tags bis zur Einwilligung, die erweiterte lädt sie mit Voreinstellungen (Google for Developers)
• Datenschwelle im Blick behalten — modelliert wird erst, wenn das Tag oder App-SDK eine bestimmte Schwelle bei der Datenerhebung erreicht (Google for Developers)
• First-Party-Cookies für die serverseitige Speicherung nutzen statt Drittanbieter-Pixel
• Consent-Signal-Prüfung im Server-Side Tagging — Events ohne Einwilligung gar nicht erst weiterleiten
• Auftragsverarbeitung mit allen Plattformen dokumentieren und jährlich prüfen

B2B vs. B2C: Andere Journey, andere Modelle

Die meisten Attribution-Diskussionen drehen sich implizit um B2C. Für B2B gelten andere Regeln: An einer Beschaffungsentscheidung sind in aller Regel mehrere Personen beteiligt, die Laufzeit ist länger, und ein erheblicher Teil der Berührungspunkte findet gar nicht im Browser statt — Messe, Telefonat, Angebot, Demo. Das sprengt jede cookiebasierte Attribution, weil die Entscheidung nicht bei einer Person, sondern bei einer Gruppe liegt — und jede dieser Personen hat ihre eigene Journey.

Im B2C-Kontext ist die Journey kürzer und meist an eine einzelne Person gebunden — neue Kanäle wie Voice Commerce erweitern sie zwar, ändern daran aber nichts Grundsätzliches. Das macht klassische MTA im B2C noch praktikabel, im B2B dagegen nicht. Dort führt kein Weg an Account-Based Attribution vorbei: Touchpoints aller Personen eines Accounts werden gemeinsam betrachtet, Offline-Events wie Messen, Calls und Demos bekommen Gewicht. Die Zeitfenster der Plattformen setzen dabei eine harte Grenze: In Google Ads lassen sich für Klick-Conversions Werte zwischen 1 und 30, 60 oder 90 Tagen einstellen (Google-Ads-Hilfe), in Google-Analytics-Properties stehen für Daten auf Nutzerebene 2 oder 14 Monate zur Wahl (Google-Analytics-Hilfe). Wer längere Zyklen abbilden will, muss die Daten außerhalb der Plattform zusammenführen. Mehr zum Thema datenbasierte Kundensegmentierung finden Sie in unserem Beitrag zu Predictive Analytics im E-Commerce.

Implementierung in 6 Schritten

1. Ist-Analyse des Tracking-Setups — welche Events werden erfasst, welche gehen verloren, wo sitzt der Consent-Layer, welche Plattformen sind angebunden?
2. Server-Side Tracking aufbauen — Server-Side GTM oder eigene Collection-Layer, Conversions API für Meta, erweiterte Conversions für Google
3. First-Party-ID etablieren — einheitlicher, gehashter Identifier über Web, Mobile und CRM, der unabhängig von Drittanbieter-Cookies trägt
4. Attribution-Modell festlegen — datengetriebene Attribution als operative Grundlage, zusätzlich Marketing Mix Modeling für die strategische Budget-Allokation
5. Incrementality-Test-Plan — quartalsweise für den größten Kanal, zusätzlich ad hoc bei größeren Änderungen
6. Governance und Reporting — Datenqualität überwachen, Modell-Outputs dokumentieren, Attribution-Aussagen mit Ehrlichkeit versehen

Wie XICTRON Ihre Attribution wieder belastbar macht

Attribution ist 2026 kein Reporting-Thema mehr, sondern ein Infrastruktur-Thema. Wer belastbare Zahlen will, braucht eine saubere Datenbasis, Server-Side-Tracking, eine verbundene First-Party-ID, ein realistisches Modell und die Ehrlichkeit, die eigenen Zahlen regelmäßig gegen die Realität zu testen. Wir unterstützen Sie bei genau dieser Kette: von der Datenanreicherung über die technische Server-Side-Architektur bis zur SEO-seitigen Verzahnung mit organischen Touchpoints. Die Zeitfenster der Plattformen sind dabei knapp bemessen — in Google-Analytics-Properties stehen für Daten auf Nutzerebene 2 oder 14 Monate zur Wahl (Google-Analytics-Hilfe) —, die Anforderungen an die Einwilligung steigen. Wer jetzt systematisch aufräumt, spart sich den nächsten Toolstack-Wildwuchs.