Google baut seine Mess- und First-Party-Data-Infrastruktur weiter aus. Der Konzern integriert Data Manager tiefer in Google Analytics und Display & Video 360, macht die Data Manager API universeller nutzbar und ergänzt automatische Diagnosen, die Datenprobleme erkennen sollen, bevor sie die Kampagnenleistung beeinträchtigen. Parallel erhält Googles Open-Source-Marketing-Mix-Modell Meridian neue agentische Funktionen für Datenprüfung und Modellbau.
Für Marketingteams ist das relevanter als ein gewöhnliches Google-Ads-Feature-Update: Google versucht, Datenaktivierung, Messung und KI-gestützte Kampagnensteuerung enger in denselben Workflow zu ziehen.
Data Manager wird zur zentralen Schicht für First-Party-Daten
Google positioniert Data Manager als zentrale Stelle, um Daten aus Website, App, Ladengeschäft oder CRM zu verbinden und für Messung und Kampagnenaktivierung verfügbar zu machen.
Neu ist unter anderem, dass Data Manager direkt in Google Analytics und Display & Video 360 integriert wird. Die API basiert auf dem Event-&-Conversion-API-Standard des IAB Tech Lab und soll als einheitlicher Connector für Zielgruppen- und Messdaten über verschiedene Google-Werbeprodukte hinweg dienen.
Außerdem erweitert Google die direkten Integrationen unter anderem um Mailchimp, ActiveCampaign, Klaviyo und Google Drive. Damit wird die Grenze zwischen CRM-, Commerce- und Adtech-Daten weiter durchlässiger.
Für Teams, die ohnehin mit mehreren Daten- und Measurement-Anbietern arbeiten, passt das in einen größeren Konsolidierungstrend. Auch die aktuellen Übernahmen rund um Nielsen, DoubleVerify und LiveRamp zeigen, wie stark Daten, Messung und Aktivierung zusammenrücken.
Automatische Diagnosen sollen Datenfehler früher finden
Data Manager erhält integrierte Diagnostics, die Probleme in Datenverbindungen automatisch erkennen und adressieren sollen. Der praktische Nutzen liegt vor allem darin, fehlerhafte oder lückenhafte Signale früher sichtbar zu machen – also bevor sie Gebotsstrategien, Zielgruppen oder Reporting beeinflussen.
Google führt zusätzlich die Kennzahl Data Strength Uplift in Google Ads ein. Sie soll zeigen, wie viele zusätzliche Conversions durch die jeweilige First-Party-Data-Konfiguration erfasst beziehungsweise zurückgewonnen werden.
Die von Google veröffentlichten Performance-Zahlen sollten dabei als Herstellerangaben gelesen werden. Google berichtet beispielsweise, dass Werbetreibende mit verbundenen Offline- und App-Daten im Data Manager im Durchschnitt einen höheren inkrementellen ROAS sehen. Solche Werte sind kein allgemeines Versprechen für einzelne Accounts und hängen stark von Setup, Kampagnentyp und Datenqualität ab.
Meridian bekommt agentische Hilfe für Marketing-Mix-Modelle
Auch Meridian, Googles Open-Source-Marketing-Mix-Modell, wird erweitert. Neue agentische Funktionen sollen Datenqualität prüfen, Fehler bei der Modellierung erkennen und Nutzer während des Modellbaus unterstützen.
Zusätzlich können Marken-Signale wie das Suchvolumen nach einer Marke in Modelle aufgenommen werden. Damit soll sich besser abbilden lassen, wie Upper-Funnel-Investitionen – etwa Video oder TV – später auf Nachfrage und Umsatz wirken.
Mit Meridian GeoX ist außerdem Googles Bibliothek für geografische Kausalexperimente inzwischen allgemein verfügbar. Solche Tests können genutzt werden, um inkrementelle Effekte außerhalb klassischer Plattform-Attribution zu messen und anschließend in Marketing-Mix-Modelle einzuspeisen.
Das ist besonders relevant, weil viele Marketingteams zwar mehr KI einsetzen, aber weiterhin Schwierigkeiten haben, den tatsächlichen Business-Effekt sauber nachzuweisen. Genau diese Lücke zeigt auch unsere Übersicht zur KI-Nutzung und Wirkungsmessung im Marketing.
Was sich für Werbetreibende praktisch ändert
Der strategische Trend ist klar: First-Party-Daten werden zur Grundlage für KI-gestützte Kampagnensteuerung und gleichzeitig für deren Messung. Google versucht deshalb, Datenverbindungen, Diagnosen, Conversion-Messung und kausale Modelle nicht mehr als voneinander getrennte Werkzeuge zu behandeln.
Für größere Teams bedeutet das allerdings auch, dass Datenqualität und Governance wichtiger werden. Wenn dieselben Signale für Zielgruppenbildung, Gebote, Reporting und KI-Agenten genutzt werden, können fehlerhafte Daten an mehreren Stellen gleichzeitig wirken.
Der sinnvollste Einsatz ist deshalb nicht „mehr Daten um jeden Preis“, sondern eine belastbare Datenpipeline mit klar definierten Quellen, Consent-Logik und nachvollziehbaren Messzielen. Dass Agenten zunehmend auch operative Media-Aufgaben übernehmen, macht solche Kontrollen noch wichtiger; dazu passt unser Beitrag über KI-Agenten im Media Buying und neue Kosten- und Audit-Prozesse.