Retargeting war jahrelang gleichbedeutend mit Third-Party-Cookies: Ein Pixel setzte ein Cookie, und Werbeplattformen spielten Anzeigen an wiederkehrende Besucher aus. Dieses Modell bröckelt. Zwar hat Google die vollständige Abschaffung der Third-Party-Cookies in Chrome 2024 verworfen und setzt seit 2026 auf ein Nutzerwahl-Modell, doch das Ergebnis bleibt dasselbe: Wer auf 3P-Cookies setzt, verliert Reichweite. In Westeuropa liegt die durchschnittliche Consent-Rate bei 75,1% (Didomi), die tatsächliche Opt-in-Rate bei nur 55,7% (Didomi) – jede nicht erteilte Einwilligung fehlt der Zielgruppe. Gleichzeitig konvertiert die große Mehrheit der Website-Besucher nicht beim ersten Besuch – die durchschnittliche Warenkorbabbruch-Rate liegt bei 70,22% (Baymard). Dieser Leitfaden zeigt, wie Sie Retargeting 2026 über First-Party-Daten, Server-Side-Audiences und Customer Match aufbauen – einwilligungsbasiert und messbar.
Cookie-Deprecation 2026: Die neue Realität
Die Geschichte der Cookie-Abschaffung ist eine Geschichte der Verschiebungen. Im Juli 2024 kündigte Google an, Third-Party-Cookies in Chrome doch nicht zu entfernen, sondern den Nutzern eine Wahlmöglichkeit zu geben. 2025 folgte die Entscheidung, einen Teil der Privacy-Sandbox-Technologien einzustellen und sich auf ein kleineres Set an Standards zu konzentrieren; den jeweils aktuellen Stand führt Google in der Chrome-Dokumentation zum Privacy-Sandbox-Status. Für Shop-Betreiber ist die Lage damit nicht einfacher geworden, sondern unübersichtlicher: Der Zeitplan ändert sich, die Erosion der Fremdcookies nicht.
Für Shop-Betreiber bedeutet das: Auf das offizielle Ende der 3P-Cookies zu warten, ist keine Strategie. Die Erosion findet bereits statt – durch Safari ITP, Firefox ETP, Adblocker und vor allem durch fehlende Einwilligung. Jede nicht erteilte Einwilligung verkleinert die cookie-basierte Retargeting-Liste unmittelbar. Die Antwort liegt nicht in einem einzelnen Ersatz, sondern in einem Bündel aus einwilligungsbasierten First-Party-Signalen, serverseitiger Verarbeitung und kontextueller Aussteuerung. Wichtig dabei: Es geht nicht darum, weniger zu tracken, sondern darum, die Signale, die ein Nutzer freiwillig gibt, sauber und vollständig zu nutzen.
Seit 2026 fragt Chrome Nutzer aktiv nach ihrer Datenschutz-Präferenz, statt 3P-Cookies pauschal zu blockieren. Das verschiebt die Verantwortung auf den Nutzer – mit dem absehbaren Effekt, dass ein Teil der Nutzer Tracking deaktiviert. Für Shops heißt das: Die Datengrundlage für Targeting und Segmentierung muss aus eigenen, einwilligungsbasierten Signalen kommen, nicht aus fremdgesetzten Cookies.
Diese Entwicklung verändert die Prioritäten in der Mediaplanung grundlegend. Wer sein Retargeting bislang fast vollständig auf cookiebasierte Remarketing-Listen gestützt hat, sieht die adressierbare Zielgruppe schrumpfen, je mehr Browser und Nutzer Tracking einschränken. Statt diese Lücke mit gemieteten Drittanbieterdaten zu füllen – deren Bedeutung laut Publisher-Befragungen ohnehin rapide abnimmt – verlagert sich der strategische Fokus auf Daten, die der Online-Shop selbst besitzt und kontrolliert. Dieser Schritt ist weniger eine technische Notlösung als eine grundlegende Neuausrichtung: weg von gemieteten Identitäten, hin zu einer eigenen, einwilligungsbasierten Datenbasis, die mit der Zeit an Wert gewinnt statt zu verfallen.
First-Party-Audiences als neues Fundament
Eine First-Party-Audience entsteht aus Daten, die ein Shop direkt und mit Einwilligung von seinen Nutzern erhebt: E-Mail-Adressen aus dem Newsletter, Kundenkonten, Kaufhistorie, Warenkorb-Ereignisse und On-Site-Verhalten. Im Gegensatz zum 3P-Cookie, das über fremde Domains gesetzt wird, gehört diese Datenbasis dem Shop selbst – und ist damit unabhängig von Browser-Restriktionen. Der entscheidende Hebel ist die Conversion-Qualität: Je vollständiger die eigenen Datenquellen verknüpft sind, desto genauer lässt sich eine Werbeplatzierung einem tatsächlichen Kauf zuordnen – und desto belastbarer wird die Aussage darüber, welches Budget sich lohnt.
Der Aufbau beginnt bei der Datenerfassung. Je mehr identifizierbare Signale ein Shop mit Einwilligung sammelt, desto größer und treffsicherer wird die Audience. Eine optimierte Kundenkonto- und Registrierungsstrecke ist deshalb kein reines UX-Thema, sondern direkt umsatzrelevant für das Retargeting. Vollständige und korrekt aufbereitete First-Party-Daten heben die Match-Rate spürbar: Je aktueller und vollständiger die hinterlegten E-Mail-Adressen und Telefonnummern sind, desto mehr Datensätze kann eine Plattform einem eingeloggten Nutzer zuordnen. Der Schlüssel liegt darin, an den richtigen Stellen der Customer Journey um Einwilligung und Daten zu bitten – beim Checkout, bei der Newsletter-Anmeldung oder im Kundenkonto.
Identifizierbare Signale
E-Mail, Telefonnummer und Kunden-ID sind die Währung des cookielosen Retargetings. Sie lassen sich gehasht an Plattformen übergeben und dort mit eingeloggten Nutzern abgleichen.
Einwilligung als Basis
Jedes Signal wird nur mit dokumentierter Einwilligung verarbeitet. Das schützt vor Bumerang-Effekten und steht im Einklang mit den DSGVO-Anforderungen an Tracking.
Wachsendes Asset
Anders als gemietete 3P-Daten wächst eine First-Party-Audience mit jedem Kauf und jeder Anmeldung – und bleibt nutzbar, wenn Fremdcookies wegfallen.
Server-Side-Audiences: Daten unter eigener Kontrolle
Clientseitiges Tracking über den Browser ist anfällig: Adblocker, ITP und fehlende Einwilligung kappen einen Großteil der Signale. Server-Side-Tracking verlagert die Datenverarbeitung auf einen eigenen Server-Container, der die einwilligungsbasierten First-Party-Daten gehasht an die Werbeplattformen weitergibt. Das macht die Übertragung robuster und gibt dem Shop die Kontrolle darüber, welche Daten das Haus verlassen.
Der wirtschaftliche Effekt ist messbar. Eine serverseitige Conversion-Schnittstelle überträgt Conversion-Ereignisse direkt vom eigenen Server an die Werbeplattform und gewinnt so einen Teil der Signale zurück, die clientseitig durch Adblocker und ITP verloren gehen. Ein Rest an Signalverlust bleibt auch dann – Server-Side ist kein Selbstläufer, sondern verlangt eine saubere Implementierung. Die technische Umsetzung beschreiben wir ausführlich im Beitrag zu Google Ads Server-Side-Tracking für Online-Shops.
{
"event_name": "purchase",
"event_time": 1718000000,
"action_source": "website",
"user_data": {
"em": "<sha256-gehashte-email>",
"ph": "<sha256-gehashte-telefonnummer>"
},
"custom_data": {
"currency": "EUR",
"value": 149.90
},
"consent": { "ad_user_data": "granted" }
}Wichtig: Die Hashing-Logik (in der Regel SHA-256) und die Übergabe des Einwilligungsstatus müssen serverseitig erfolgen, bevor Daten die eigene Infrastruktur verlassen. So bleibt nachvollziehbar, dass nur einwilligungsbasierte Signale weitergegeben werden – ein zentraler Baustein für die Einhaltung der Vorgaben. Der Server-Container fungiert dabei als kontrollierte Schleuse: Er entscheidet, welche Felder, in welcher Form und an welche Plattform übermittelt werden, statt diese Entscheidung dem Browser und Dutzenden eingebundenen Skripten zu überlassen.
Für den Audience-Aufbau bedeutet Server-Side mehr als nur bessere Conversion-Erfassung. Der serverseitige Container kann Ereignisse anreichern, bevor sie an die Plattform gehen – etwa um einen Kaufwert, eine Produktkategorie oder einen Kundenwert-Indikator zu ergänzen. Daraus lassen sich präzisere Zielgruppen bilden, beispielsweise für hochwertige Wiederkäufer oder für Nutzer, die ein bestimmtes Sortiment angesehen haben. Diese Logik bleibt vollständig unter Kontrolle des Shops und ist nicht davon abhängig, ob ein Drittanbieter-Skript im Browser ausgeführt werden darf oder nicht.
Customer Match: Bestandsdaten zu Zielgruppen
Customer Match (bei Google Ads) und vergleichbare Verfahren anderer Plattformen erlauben es, gehashte Kundenlisten direkt hochzuladen oder per API zu synchronisieren. Die Plattform gleicht die gehashten E-Mails und Telefonnummern mit eingeloggten Nutzern ab und bildet daraus eine Zielgruppe – ganz ohne 3P-Cookie. Genau hier liegt die Stärke des cookielosen Retargetings: Die Zielgruppe entsteht aus der eigenen, einwilligungsbasierten Kundenliste und bleibt unabhängig davon, ob ein Browser Fremdcookies zulässt.
Customer Match eignet sich nicht nur für Retargeting, sondern auch für Cross- und Upselling sowie für die Bildung von Lookalike- beziehungsweise ähnlichen Zielgruppen. Aus einer hochwertigen Bestandskundenliste lassen sich neue, statistisch ähnliche Nutzer erschließen – ein Wachstumshebel, der vollständig auf einwilligungsbasierten First-Party-Daten beruht. Die Anbindung erfolgt typischerweise über unsere Google-Ads-Schnittstelle, die Kundenlisten und Conversion-Signale automatisiert synchronisiert und so manuelle Uploads überflüssig macht.
| Kriterium | 3P-Cookie-Retargeting | Customer Match (empfohlen) |
|---|---|---|
| Datenbasis | Fremdgesetztes Cookie | Eigene, einwilligungsbasierte Liste |
| Browser-Abhängigkeit | Hoch (ITP, Adblocker) | Gering (loginbasiert) |
| Match-Rate | Sinkend | Von der Datenqualität abhängig |
| Conversion-Rate | Standard | Je Liste einzeln messbar |
| Cross-Device | Eingeschränkt | Über Login möglich |
| Lookalike-Potenzial | Begrenzt | Hoch (ähnliche Zielgruppen) |
Ein praktischer Hinweis zur Pflege: Customer-Match-Listen sollten regelmäßig aktualisiert werden, da E-Mail-Adressen veralten und Kunden sich abmelden. Eine automatisierte Synchronisierung aus dem Shop- oder CRM-System hält die Listen aktuell und sorgt dafür, dass abgemeldete Nutzer korrekt entfernt werden – das ist sowohl für die Match-Rate als auch für die datenschutzkonforme Verarbeitung relevant. Veraltete Listen senken nicht nur die Match-Rate, sie führen auch zu Streuverlusten, weil Anzeigen an Personen ausgespielt werden, die längst konvertiert oder sich abgemeldet haben. Eine saubere Datenpflege ist damit ein direkter Effizienzhebel für das Werbebudget.
Enhanced Conversions und Consent Mode
Retargeting ist nur so gut wie die Messung dahinter. Enhanced Conversions ergänzen das bestehende Conversion-Tracking, indem sie gehashte First-Party-Kundendaten datenschutzkonform an die Werbeplattform übergeben. Der Effekt: Conversions, die clientseitig verloren gingen, lassen sich wieder zuordnen – die Gebotsalgorithmen arbeiten auf einer vollständigeren Datenbasis. Voraussetzung ist eine dokumentierte Einwilligung und eine korrekte Hash-Bildung vor der Übergabe.
Damit das funktioniert, muss der Einwilligungsstatus sauber an die Plattformen signalisiert werden. Der Consent Mode übergibt, ob ein Nutzer Werbe- und Analyse-Cookies zugestimmt hat, und ermöglicht Conversion-Modeling für die Fälle ohne Einwilligung. So bleibt die Messung belastbar, ohne den Datenschutz zu untergraben. Eine fundierte Multi-Touch-Attribution baut auf genau diesen einwilligungsbasierten Signalen auf, um den Beitrag jedes Kanals korrekt zu bewerten – und verhindert, dass Retargeting der letzte sichtbare Touchpoint überschätzt wird.
Ohne belastbare Conversion-Signale optimieren Werbeplattformen ins Leere. Mit Enhanced Conversions, Consent Mode und Server-Side-Anbindung erhalten die Algorithmen wieder verlässliche Daten – und die automatisierte Gebotssteuerung kann ihre Stärken ausspielen. Jede zusätzlich korrekt zugeordnete Conversion verbessert die Grundlage, auf der das Budget verteilt wird.
Praktisch bedeutet das ein Zusammenspiel mehrerer Komponenten: Der Consent Mode liefert das Einwilligungssignal, Enhanced Conversions reichern die erfassten Conversions mit gehashten First-Party-Daten an, und die Server-Side-Anbindung stellt sicher, dass diese Daten auch dann ankommen, wenn clientseitige Skripte blockiert werden. Erst in dieser Kombination entfaltet sich die volle Wirkung – einzelne Bausteine bringen nur einen Teil des möglichen Uplifts. Für Shops, die mit datengetriebenen Gebotsstrategien arbeiten, ist eine vollständige und korrekte Signalbasis daher die Grundvoraussetzung, damit die Automatisierung nicht auf verzerrten oder lückenhaften Daten lernt.
Kontextuelles Targeting als starke Ergänzung
Nicht jeder Nutzer hinterlässt ein identifizierbares First-Party-Signal. Hier kommt kontextuelles Targeting ins Spiel: Statt eine Person über ihr Verhalten zu verfolgen, wird die Anzeige am Inhalt der aktuell betrachteten Seite ausgerichtet. Wer einen Ratgeber über Laufschuhe liest, sieht passende Laufschuh-Anzeigen – ohne dass ein Cookie nötig wäre. Der Ansatz gewinnt an Bedeutung, weil er ohne personenbezogene Daten auskommt und von Browser-Restriktionen unberührt bleibt.
Kontextuelles Targeting ist datenschutzfreundlich, weil es ohne personenbezogene Daten auskommt, und es ergänzt First-Party-Retargeting ideal: Während Customer Match bekannte Nutzer reaktiviert, erschließt kontextuelle Werbung neue, themenaffine Zielgruppen. Für Shops mit klarem Sortimentsfokus ist die Kombination besonders wirksam – sie deckt sowohl die Reaktivierung als auch die Neukundengewinnung ab, ohne sich auf erodierende Cookie-Signale zu verlassen.
Moderne kontextuelle Verfahren gehen dabei weit über einfaches Keyword-Matching hinaus. Semantische Analyse erfasst nicht nur einzelne Stichwörter, sondern den thematischen Zusammenhang einer Seite, was die Trefferqualität deutlich erhöht. Für Werbetreibende ergibt sich daraus ein doppelter Vorteil: hohe Relevanz für den Nutzer im Moment seines aktuellen Interesses und volle Unabhängigkeit von der Cookie-Frage. Das Wachstum des Marktes – getrieben unter anderem durch den Wegfall verlässlicher Cookie-Signale – unterstreicht, dass kontextuelle Werbung kein Übergangsphänomen ist, sondern ein dauerhafter Baustein im Media-Mix.
- First-Party-Retargeting – Reaktiviert bekannte Nutzer über Customer Match und einwilligungsbasierte Audiences, höchste Conversion-Qualität
- Kontextuelles Targeting – Erreicht themenaffine Nutzer ohne personenbezogene Daten, ideal für Reichweite und Neukunden
- Dynamisches Retargeting – Spielt konkret betrachtete Produkte aus, wirkt stark bei Warenkorbabbrechern (durchschnittliche Abbruchrate 70,22%, Baymard)
- Lookalike-Zielgruppen – Erweitern eine hochwertige Bestandskundenliste auf statistisch ähnliche Nutzer
- E-Mail- und CRM-Retargeting – Nutzt die eigene Datenbasis direkt für personalisierte Ansprache über mehrere Kanäle
Retargeting-Performance richtig messen
Die Wirkung des cookielosen Retargetings lässt sich anhand klarer Kennzahlen belegen. Zunächst die Match-Rate: Sie zeigt, wie viele der hochgeladenen Kundendaten den eingeloggten Nutzern einer Plattform zugeordnet werden konnten. Ihre Höhe hängt unmittelbar an der Datenqualität. Eine niedrige Match-Rate deutet auf veraltete oder unvollständige Daten hin und ist der erste Hebel zur Optimierung. Der zweite KPI ist die Conversion-Rate der Retargeting-Zielgruppe im Vergleich zur Kalt-Zielgruppe – sie zeigt, ob die Reaktivierung tatsächlich Umsatz bringt.
Die Zahlen untermauern den Business-Case: 70,22% der Warenkörbe werden abgebrochen (Baymard), was das Reaktivierungspotenzial verdeutlicht. Retargeting setzt genau hier an, indem es bekannte Interessenten gezielt erneut anspricht, statt erneut für teure Kalt-Reichweite zu zahlen.
Bevor Sie das Retargeting-Budget erhöhen, prüfen Sie das Fundament: Werden Conversions serverseitig und einwilligungsbasiert erfasst? Stimmt der Consent Mode? Sind Kundenlisten aktuell und korrekt gehasht? Ein sauberes Server-Side-Setup mit Google Ads ist die Voraussetzung dafür, dass jeder investierte Euro auf belastbaren Daten beruht – sonst optimieren die Algorithmen auf Lücken.
Jetzt cookieloses Retargeting aufbauen
Die Datenlage ist eindeutig: Cookie-basiertes Retargeting verliert an Reichweite, während einwilligungsbasierte First-Party-Ansätze an Qualität gewinnen. Wer seine Kundendaten sauber pflegt, Einwilligungen dokumentiert und die Übergabe serverseitig absichert, baut eine Zielgruppenbasis auf, die dem eigenen Haus gehört – und die nicht mit der nächsten Browser-Entscheidung verschwindet.
Der Weg dorthin folgt einer klaren Reihenfolge: Erstens die einwilligungsbasierte Datenerfassung ausbauen – über optimierte Kundenkonten und Newsletter. Zweitens ein Server-Side-Setup etablieren, das Daten gehasht und einwilligungskonform an die Plattformen übergibt. Drittens Customer Match und Enhanced Conversions aktivieren. Viertens kontextuelles Targeting für die Reichweite ergänzen. Und fünftens kontinuierlich messen und nachsteuern. Wer parallel an der organischen Sichtbarkeit über Google-Quellen arbeitet, reduziert zusätzlich die Abhängigkeit von bezahlter Reichweite.
Als E-Commerce-Agentur mit Spezialisierung auf Tracking und Werbeanbindung unterstützen wir Sie bei der technischen Umsetzung – von der serverseitigen Infrastruktur über die Customer-Match-Synchronisierung bis zur einwilligungskonformen Messung. So bauen Sie Retargeting auf, das auch ohne Third-Party-Cookies belastbar bleibt und mit Ihrer Datenbasis kontinuierlich stärker wird.
Dieser Artikel stützt sich auf Daten von Didomi (Consent- und Opt-in-Raten in Westeuropa) und dem Baymard Institute (durchschnittliche Warenkorbabbruch-Rate) sowie auf die Chrome-Dokumentation zum Status der Privacy Sandbox. Die genannten Zahlen können je nach Branche, Plattform und Umsetzung variieren.
Häufig gestellte Fragen zum cookielosen Retargeting
Ja, allerdings nicht mehr über den klassischen Cookie-Weg. Einwilligungsbasiertes Retargeting über First-Party-Daten und Customer Match funktioniert unabhängig von 3P-Cookies, weil die Zielgruppe aus der eigenen, einwilligungsbasierten Kundenliste entsteht statt aus einem fremdgesetzten Cookie.
Third-Party-Cookies werden über fremde Domains gesetzt und sind von Browser-Restriktionen und fehlender Einwilligung stark betroffen. First-Party-Daten erhebt der Shop direkt und mit Einwilligung von seinen Nutzern – etwa E-Mail, Kundenkonto oder Kaufhistorie. Diese Datenbasis gehört dem Shop selbst und ist robuster, weil sie nicht von der Cookie-Politik eines Browsers abhängt.
Einwilligungsbasiertes Retargeting setzt eine dokumentierte Einwilligung voraus, bevor personenbezogene Daten verarbeitet werden. Daten werden in der Regel gehasht (SHA-256) übergeben, und der Consent Mode signalisiert den Einwilligungsstatus an die Plattformen. Eine saubere serverseitige Umsetzung nach DSGVO-Anforderungen ist dafür zentral. Eine rechtsverbindliche Bewertung des Einzelfalls sollte stets mit fachkundiger Beratung erfolgen.
Von der Datenqualität: Aktuelle, vollständige und korrekt gehashte Kundendaten werden häufiger einem eingeloggten Nutzer zugeordnet als veraltete Listen. Das Hinzufügen weiterer Match-Keys wie der Telefonnummer kann die nutzbare Listengröße zusätzlich erhöhen. Die tatsächliche Höhe unterscheidet sich je Kundenstamm und sollte im eigenen Konto geprüft werden.
Server-Side-Tracking ist nicht zwingend, aber erfahrungsgemäß deutlich robuster, weil es Adblocker und Browser-Restriktionen umgeht und die einwilligungsbasierte Datenübergabe kontrollierbar macht. Eine serverseitige Conversion-Schnittstelle überträgt Ereignisse direkt vom eigenen Server an die Werbeplattform und gewinnt so einen Teil der clientseitig verlorenen Signale zurück.
Kontextuelles Targeting richtet Anzeigen am Inhalt der betrachteten Seite aus, ohne personenbezogene Daten zu nutzen. Es erreicht themenaffine Nutzer, die kein First-Party-Signal hinterlassen haben, und ergänzt so die Reaktivierung bekannter Nutzer über Customer Match. Weil der Ansatz ohne personenbezogene Daten auskommt, bleibt er von Browser-Restriktionen unberührt.