April 2025

Inhalt

Liebe Leser,

im April standen viele Entwicklungen ganz im Zeichen von KI und Automatisierung. In BigQuery ermöglicht ein Gemini-gestützter Assistent nun die visuelle Datenanalyse per Spracheingabe. In Vertex AI sorgte Google mit Gemini 2.5 Flash und neuen Agenten-Tools für Aufsehen und die Google Ads API v19.1 bringt wichtige Erweiterungen für Demand Gen und Video. Der Zeitpunkt, zu dem Firebase Dynamic Links abgeschaltet wird, rückt näher. Im August 2025 wird dieses Feature von Firebase nicht mehr unterstützt. Wer noch Dynamic Links nutzt, sollte jetzt handeln.

Viel Spaß beim Lesen!

Marcus StadeHead of Analytics

1. Gemini Assistant in BigQuery Data Canvas

Am 24. April 2025 hat Google in BigQuery eine neue Funktion in die Preview-Phase gebracht, die es ermöglicht, mit einem Gemini-unterstützten Assistenten innerhalb eines BigQuery Data Canvas zu arbeiten.

Der Data Canvas Assistant ist ein agenten-ähnliches Tool (AI-Agent). Es hilft dabei, Canvas-Strukturen aufzubauen und zu modifizieren, also interaktive Datenarbeitsflächen, auf denen Tabellen, Abfragen und Visualisierungen miteinander verbunden werden können. Das Interessante daran ist, dass BigQuery-Nutzer in natürlicher Sprache Anweisungen oder Fragen über Prompts stellen können. Der Assistent interpretiert die Nutzeranfragen und baut daraus automatisch Elemente im Data Canvas auf oder verändert bestehende Elemente (z. B. fügt neue Tabellen hinzu, passt Abfragen an, aktualisiert Visualisierungen).

Warum ist das wichtig?
Insbesondere für weniger SQL-affine Nutzer oder Anfänger könnte dies zukünftig eine massive Vereinfachung der Arbeit mit BigQuery-Daten darstellen. Aber auch erfahrene Analysten können durch den Gemini-Agenten bspw. schneller kleinere Ad-hoc-Reports erstellen.

Auch für uns ist das eine spannende Entwicklung, da diese Erweiterung des BigQuery-Ökosystems einen wichtigen Schritt in Richtung no-code/low-code Nutzung und KI-unterstützte Analyse bedeutet.

Quelle: cloud.google.com

2. BigQuery: Verbesserte Verwaltung von Slots und Reservierungen

Ende April wurden gleich mehrere Verbesserungen für die Verwaltung von BigQuery-Slots wie auch für Reservierungen veröffentlicht, die derzeit in Public Preview verfügbar sind:

Maximale Slot-Grenze für Reservierungen:
Nutzer können nun beim Erstellen oder Aktualisieren einer Slot-Reservierung eine maximale Slot-Anzahl festlegen. Damit wird die Ressourcennutzung besser kontrollierbar und Skalierungsrisiken werden minimiert.

Reservierungsauswahl und direkte IAM-Policies:
Es ist jetzt möglich, zur Laufzeit festzulegen, welche Reservierung eine Query nutzen soll. Zudem lassen sich IAM-Richtlinien direkt auf Reservierungen anwenden, was eine präzisere und flexiblere Rechteverwaltung ermöglicht.

Faire Verteilung freier Slots:
BigQuery unterstützt nun die gleichmäßige Zuweisung ungenutzter Slots über verschiedene Reservierungen innerhalb eines Admin-Projekts hinweg. So wird sichergestellt, dass alle Reservierungen einen angemessenen Anteil der verfügbaren Kapazität erhalten.

Diese neuen Funktionen machen das Slot-Management in BigQuery effizienter, granularer steuerbar und verbessern die Fairness bei der Ressourcennutzung – besonders interessant für Unternehmen mit dynamischen Workloads und mehreren Abteilungen.

Quelle: cloud.google.com

3. BigQuery DataFrames: Version 2.0 & neuer Abfragemodus verfügbar

Google hat am 17. April 2025 zwei wichtige Updates für die Arbeit mit BigQuery DataFrames veröffentlicht.

Die neue Version 2.0 (Preview) bringt Sicherheits- und Performance-Verbesserungen in der DataFrames-API mit sich und führt gleichzeitig neue Funktionen ein. Zudem unterstützt BigQuery DataFrames jetzt den Partial Ordering Mode (GA) zur effizienteren Generierung von Abfragen. Durch eine gezieltere Steuerung der Sortierreihenfolge können unnötige Sortierungsoperationen vermieden und die Abfragegeschwindigkeit verbessert werden.

Mit Version 2.0 und dem nun generell verfügbaren Partial Ordering Mode wird BigQuery für Python-gestützte Workflows robuster, performanter und Entwickler-freundlicher – ideal für datenintensive Anwendungen und Machine Learning Pipelines.

Quelle: cloud.google.com

4. Python User Defined Functions (UDFs) jetzt in BigQuery verfügbar

Nutzer können seit Neuestem in BigQuery eigene Python-User-Defined Functions (UDFs) erstellen und verwenden. Diese neue Funktion erlaubt es, individuelle Logiken in Python direkt in SQL-Queries einzubinden, und das mit voller Unterstützung für zusätzliche Python-Bibliotheken und externe APIs.

Welche Vorteile ergeben sich aus UDFs?

Komplexe Berechnungen, Transformationen oder API-Aufrufe lassen sich direkt innerhalb von BigQuery abwickeln.
Erweiterte Datenmanipulationen sind jetzt möglich, ohne die Plattform verlassen zu müssen.
Entwickler erhalten mehr Flexibilität bei der Gestaltung von Analyse-Workflows.

Die Funktion befindet sich aktuell in der Preview-Phase. Mit Python-UDFs wird BigQuery deutlich mächtiger für datengetriebene Projekte, die individuelle Analysen oder die Integration externer Dienste benötigen.

Quelle: cloud.google.com

5. BigQuery ML: Forecasting mit integriertem TimesFM-Modell

In BigQuery ML steht ein neues integriertes Forecasting-Modell (Preview) auf Basis von TimesFM bereit, einem leistungsstarken Open-Source-Zeitreihenmodell aus Google Research.

Nutzer können jetzt direkt mit der Funktion AI.FORECAST univariate Zeitreihen prognostizieren, ohne eigenes Training und Management des Modells. Das TimesFM-Modell eignet sich besonders für einzelwertige Zeitreihen (z. B. tägliche Website-Besuche, Umsätze, Bestellungen). Es basiert auf Transformer-Architektur, wurde auf Millionen Zeitreihen vortrainiert und bietet exzellente Vorhersagegenauigkeit.

In der Praxis bedeutet das eine schnelle Verfügbarkeit, da weder Modell-Bereitstellung noch Hyperparameter-Tuning notwendig sind. Auch bietet es eine hohe Skalierbarkeit, da es große Mengen an Zeitreihen gleichzeitig verarbeiten kann. Das Modell ist also ideal für E-Commerce, Marketing-Performance oder Betriebsdaten. Für das Forecasting stellt es einen hervorragenden Einstieg dar, wenn der Aufbau eines eigenen ARIMA-Modells sich nicht anbietet.

Quelle: research.google.com – TimesFM architecture

6. Neue Berichtsvorlagen für Snapshot-Berichte in GA4

In Google Analytics 4 (GA4) wurden neue Reporting Templates für Snapshot-Berichte eingeführt. Die neuen Templates ermöglichen es Nutzern, schneller und einfacher strukturierte Übersichtsberichte zu erstellen, ohne dabei manuell jede einzelne Komponente konfigurieren zu müssen. Folgende Templates stehen zur Verfügung:

User Behavior:
Fokus auf Nutzerinteraktionen und Verhaltensmuster

Sales and Revenue:
Übersicht zu Transaktionen, Umsatz und E-Commerce-Performance

Marketing Performance:
Analyse der Wirkung von Kampagnen und Traffic-Quellen

Eine nette Neuerung, da eine schnelle Berichtserstellung ohne tiefgreifendes Customizing ermöglicht wird. So wird GA4 deutlich einsteigerfreundlicher und beschleunigt die Erstellung standardisierter Übersichtsberichte – ideal für Marketing-, Produkt- und E-Commerce-Teams.

Quelle: analytics.google.com

7. Aggregierte Kennungen für bessere Attribution in GA4

Künftig nutzt Google Analytics 4 (GA4) zusätzlich aggregierte Kennungen von bezahltem Google-Ads-Traffic, um die Zuordnung von Conversions präziser und datenschutzkonformer zu gestalten.

Neben der klassischen Nutzerkennung wie UTM und gclid, werden jetzt auch aggregierte Signale (z. B. von eingeloggten Nutzern oder über modellierte Daten) zur Attribution herangezogen. Diese Methode soll die Genauigkeit der Conversion-Zuordnung verbessern, insbesondere in Umgebungen mit eingeschränkter Cookie-Verfügbarkeit oder Ad Blocking.

Google wirbt mit einer besseren Erkennung von Kampagnenerfolgen trotz Datenlücken und einer stärkeren Verbindung zwischen Google Ads und GA4, durch die sich Werbekampagnen umfassender auswerten lassen.

Quelle: support.google.com

8. Automatisch generierte Insights in GA4-Detailberichten

Google Analytics 4 (GA4) unterstützt nun auch automatisch generierte Insights in Detailberichten. Dabei erstellt GA4 auf Basis der vorhandenen Daten Zusammenfassungen in natürlicher Sprache, die Schwankungen oder Trends direkt in den Berichten erklären.

GA4 erkennt so eigenständig über das Interface Auffälligkeiten, Trends oder Anomalien in Metriken und fasst diese in verständlichen Sätzen zusammen. Der Gedanke dahinter ist, dass Nutzer so nicht mehr selbst jede Veränderung erkennen und interpretieren müssen, sondern direkt Hinweise auf mögliche Veränderungen und ihre Ursachen erhalten.

Die automatisch generierten Insights stehen in Detailberichten wie Traffic-, Engagement- oder Conversion-Berichten zu Verfügung, sobald relevante Veränderungen auftreten.

Quelle: analytics.google.com

9. Google Ads API Version 19.1 veröffentlicht

Version 17 wird eingestellt!

Am 16. April 2025 hat Google die Version 19.1 der Google Ads API veröffentlicht. Diese Version bringt unter anderem Erweiterungen für Demand-Gen-Kampagnen, Videoanzeigen und lokale Services mit sich. Es folgen die wichtigsten Neuerungen auf einen Blick:

AdGroup Level Channel Controls für Demand-Gen-Kampagnen:
Die Kontrolle auf AdGroup Level ermöglicht präzise Steuerung der Anzeigenplatzierung auf Plattformen wie YouTube, Gmail, Discover und dem Google-Display-Netzwerk.

Neue Planungsfunktionen:
Erweiterungen im ReachPlanService, einschließlich der Möglichkeit, Conversion-Raten für Demand-Gen-Kampagnen zu generieren.

Feedback-Mechanismus für lokale Services:
Einführung der Methode ProvideLeadFeedback im LocalServicesLeadService, um Feedback zu erhaltenen Leads zu geben.

Erweiterte Video-Kampagnenmetriken:
Neue Metriken wie coviewed_impressions und primary_impressions sowie demografische Segmente zur genaueren Analyse von Videoanzeigen.

Unterstützung für Audioanzeigen:
Einführung des neuen YOUTUBE_AUDIO_AD-Formats zur Integration von Audioanzeigen in Kampagnen.

Anpassungen in Performance-Max-Kampagnen:
Möglichkeit, Markenausschlüsse speziell für Shopping-Anzeigen zu überschreiben.

Wichtiger Hinweis: Die Version 17 der Google Ads API wird am 4. Juni 2025 eingestellt. Ab dann werden alle Anfragen an v17 fehlschlagen. Wir empfehlen daher dringend, zeitnah auf eine neuere Version zu migrieren. Genauere Informationen für die Migration auf die aktuelle API-Version finden Sie hier.

Quelle: ads-developers.googleblog.com

10. Vertex AI: Neue KI-Modelle und KI-Agenten vorgestellt

Auf der Google Cloud Next ’25 hat Google das neue Gemini 2.5 (Flash) vorgestellt, ein speziell entwickeltes KI-Modell innerhalb von Vertex AI. Key Features sind kurze Latenzzeiten und ein anpassbares Reasoning, mit dem Nutzer die Tiefe und Komplexität der Modellantworten je nach Anwendungsfall flexibel steuern können. Das Modell wurde speziell für den Einsatz von Chatbots, Recommendation Engines und interaktiven Apps entwickelt, die schnelle Reaktionen bei niedrigem Ressourcenverbrauch erfordern.

Zusätzlich wurden zwei neue Komponenten für die Entwicklung und Koordination von KI-Agenten innerhalb von Vertex AI vorgestellt:

Agent Development Kit:
Ein Toolset zur einfachen Erstellung, Verwaltung und Orchestrierung komplexer KI-Agenten, die Aufgaben wie Informationssuche, Inhaltsgenerierung oder Prozessautomatisierung übernehmen können.

Agent2Agent-Protokoll:
Ein standardisiertes Kommunikationsprotokoll, das es mehreren KI-Agenten ermöglicht, sicher und effizient miteinander zu interagieren. Dadurch können Multi-Agent-Systeme aufgebaut werden, die Arbeitsteilung und spezialisierte Problemlösungen unterstützen.

Weitere Informationen zu den Gemini Updates und den Key Notes der Google Cloud Next ‘25 finden Sie hier.

Quelle: blog.google.com

11. Firebase Dynamic Links wird im August 2025 eingestellt

Google hat offiziell angekündigt, dass Firebase Dynamic Links zum 25. August 2025 eingestellt wird. Die Funktion ist bereits “deprecated” und sollte nicht mehr in neuen Projekten verwendet werden.

Firebase Dynamic Links ermöglicht das Erstellen intelligenter URLs, die Nutzer abhängig von Plattform und App-Status an den richtigen Ort innerhalb einer App weiterleiten. Die Funktion war bisher besonders nützlich für Kampagnen und Re-Engagement-Maßnahmen.

Bis zum 25. August funktionieren bestehende Links weiterhin wie gewohnt. Danach werden alle Dynamic Links deaktiviert. D.h., dass bestehende Weiterleitungen und Trackings dann auch nicht mehr funktionieren.

Da Google keinen direkten Nachfolgedienst innerhalb von Firebase anbietet, empfiehlt sich die Umstellung auf alternative Deep-Linking-Lösungen wie App Links (Android), Universal Links (iOS) oder Drittanbieter-Plattformen wie Branch, Bitly oder AppsFlyer.

Wer Dynamic Links bislang zur Nutzerführung oder Kampagnenmessung verwendet hat, sollte also jetzt aktiv werden. Die offizielle Meldung von Google finden Sie hier. Für alle Fragen rund um das Thema App Tracking und speziell Firebase Dynamic Links stehen wir Ihnen gerne jederzeit zur Verfügung.

Quelle: firebase.google.com – Ablaufdiagramm Dynamic Links

12. Safari 18.4: CHIPS zur Verbesserung des 3rd-Party-Cookie-Managements

Mit dem Update auf Safari 18.4 führt Apple die Unterstützung für CHIPS (Cookies Having Independent Partitioned State) ein. Diese Funktion ermöglicht es Drittanbietern Cookies zu setzen, die nur innerhalb eines spezifischen First-Party-Kontexts zugänglich sind. Durch diese Funktion soll Cross-Site-Tracking effektiv verhindert werden.

Was ist CHIPS?
CHIPS ist ein Web-Standard, der es Inhalten von Drittanbietern (z. B. eingebetteten iFrames) erlaubt, Cookies zu setzen, die auf den Kontext der aktuellen Top-Level-Domain der Website beschränkt sind. Dies bedeutet, dass ein 3rd-Party-Cookie, das auf site-a.com gesetzt wurde, nicht auf site-b.com zugänglich ist. Selbst, wenn beide Seiten denselben Drittanbieter einbetten.

Dienste wie eingebettete Logins oder Html5-Player können weiterhin funktionieren, da sie innerhalb des spezifischen Kontexts Zugriff auf ihre Cookies haben. Um jedoch von CHIPS zu profitieren, müssen Entwickler ihre Cookies entsprechend mit dem partitioned-Attribut versehen. Die Einführung von CHIPS in Safari 18.4 stellt einen weiteren Schritt in Richtung eines datenschutzfreundlicheren Webs dar, ohne dabei die Funktionalität von Drittanbieter-Inhalten zu beeinträchtigen.

Quelle: privacysandbox.google.com