Inhalt
Liebe Leser,
der August brachte gleich mehrere technische und regulatorische Veränderungen mit sich. Safari 26 schränkt das Tracking nun standardmäßig weiter ein. Für Google Analytics 4 ist jetzt ein MCP Server verfügbar. Somit können LLMs wie Gemini direkt Daten aus Google Analytics 4 abfragen. Auch in BigQuery können nun über Gemini Aggregationen genutzt werden.
Viel Spaß beim Lesen!
1. GA4: MCP Server für KI-gestützte Datenabfragen
Mit dem Start des sogenannten MCP Servers (Measurement Conversation Protocol) Ende Juli erweitert Google Analytics 4 die Grundlage für KI-gestützte Analysen und natürliche Sprachabfragen. Der Server ist eine zentrale Komponente hinter Funktionen wie Gemini in GA4, Conversational Analytics in Looker Studio oder dem Code Interpreter für Pro-Nutzer.
Was ist ein MCP-Server?
MCP steht für Measurement Conversation Protocol – ein serverseitiger Layer zur semantischen Vermittlung zwischen natürlicher Sprache und GA4-Datenmodell. Entwickelt in Zusammenarbeit mit Looker und Vertex AI, bildet er das Rückgrat der „KI-Dialoge mit Daten“, z. B. über Chatbots oder Sprachinterfaces.
Das Protokoll dient als Standardzugangspunkt, um mit GA4-Daten auf semantischer Ebene zu arbeiten. Also losgelöst von konkreten Metrik-/Dimension-Bezeichnungen. Eingesetzt wird MCP u. a. in Gemini für GA4, im Code Interpreter in Looker Studio sowie in Enterprise-Pilotprojekten für Sprachschnittstellen.
Warum ist das relevant?
MCP schafft erstmals eine zentrale semantische Schnittstelle zwischen KI‑Modellen (wie Gemini) und GA4-Daten. Damit lassen sich:
- datengetriebene Fragen auf natürlichem Sprachweg beantworten,
- semantisch konsistente Analysen in verschiedenen Tools führen
- und KI-gestützte Assistenten direkt an Analytics-Setups anbinden.
Mit dem MCP Server verlagert Google die Analytics-Interaktion zunehmend in Richtung kontextbasierter KI-Abfragen. Gerade in Organisationen, die Reporting-Prozesse automatisieren oder „Analytics für alle“ ermöglichen wollen, bietet MCP eine skalierbare Lösung für dialogbasierte Dateninteraktion.
Quelle: github.com/googleanalytics/google-analytics-mcp
2. Safari 26.0: Tracking-Parameter und Fingerprinting
Jetzt standardmäßig eingeschränkt
Durch den Release von Safari 26.0 verschärft Apple erneut die Privacy-Standards. Dabei nicht nur im Inkognito-Modus, sondern auch für das reguläre Browsen. Zwei Neuerungen zielen dabei direkt auf gängige Tracking-Techniken ab.
Tracking-Parameter werden jetzt auch im normalen Surfmodus gefiltert. Das betrifft u. a. URL-Parameter wie utm_source, gclid, fbclid oder andere IDs, die typischerweise für Kampagnen-Attribution genutzt werden. Zusätzlich werden bekannte Fingerprinting-Skripte blockiert. Dabei handelt es sich um Skripte, die unabhängig von Cookies über device-spezifische Eigenschaften (Canvas, AudioContext, Fonts etc.) Nutzerprofile erzeugen. Beide Funktionen waren bisher nur im Private Mode aktiv und gelten nun standardmäßig – zumindest für bekannte Parameter und Skripte. Das bedeutet konkret:
Weniger verlässliche Kampagnenzuordnung:
Wenn z. B. gclid-Parameter aus URLs entfernt werden, kann die Conversion-Attribution in Google Ads & GA4 unter Umständen scheitern.
Weniger Nutzer-IDs durch Fingerprinting:
Technologien, die auf „cookielose“ Identifikation setzen (z. B. über device-Fingerprint), verlieren auf Safari an Wirksamkeit.
Tracking-Workarounds erschwert:
Auch Anbieter, die auf STUN/WebRTC, Localhost-Piping oder andere „inoffizielle“ Techniken setzen, geraten unter Druck – siehe auch das Meta-Fingerprint-Gate.
Wer auf URL-Parameter oder Fingerprinting setzt, muss mit Datenlücken rechnen. Empfehlenswert sind serverseitige Strategien und robuste Consent-basierte Architekturen, um Attribution und Personalisierung weiterhin datenschutzkonform abzusichern.
Quelle: developers.apple.com
3. Google Tag Manager: Neue JavaScript-API
Für GA-Cookies in Custom Templates
Seit dem 1. August 2025 steht im Google Tag Manager eine neue readAnalyticsStorage-API zur Verfügung, die speziell für Custom Templates entwickelt wurde. Sie ermöglicht den direkten Zugriff auf Client- und Session-IDs aus den Google Analytics Cookies.
Bisher mussten solche Informationen über eigene Parser oder Reverse Engineering der Cookie-Struktur ausgelesen werden, was bei Änderungen durch Google häufig zu Ausfällen führte. Mit der readAnalyticsStorage-API können Entwickler innerhalb von benutzerdefinierten JavaScript-Templates auf Client- und Session-IDs aus GA-Cookies zugreifen. In der Praxis sorgt dies für:
Mehr Stabilität:
Der Zugriff auf GA-Cookies erfolgt nun über eine offizielle Schnittstelle – unabhängig vom Format der Cookies.
Weniger Wartungsaufwand:
Templates müssen nicht mehr regelmäßig an geänderte Cookie-Strukturen angepasst werden.
Mehr Flexibilität:
Entwickler können damit z. B. benutzerdefinierte Event-Tags, Third-Party-Integrationen oder eigene Session-Auswertungen robuster aufsetzen.
Mit readAnalyticsStorage bringt Google eine lang ersehnte, wartungssichere Lösung für den Zugriff auf GA-Cookies in benutzerdefinierten GTM-Templates. Besonders in komplexeren Tracking-Setups bringt das mehr Verlässlichkeit.
Quelle: developers.google.com
4. BigQuery: Gemini unterstützt jetzt auch Aggregationen
Mit einem neuen Preview-Update erweitert Google die Fähigkeiten von Gemini in BigQuery. Aggregationen innerhalb von „Data Preparations“ lassen sich jetzt direkt mit Unterstützung durch Gemini erstellen, ohne manuelles SQL anzuwenden.
In der visuellen Umgebung „Data Preparations“ innerhalb von BigQuery können Nutzer nun auch Aggregationen wie SUM, COUNT oder AVERAGE definieren. Die Erstellung dieser Aggregationen erfolgt mithilfe von Gemini-Vorschlägen, die automatisch auf Tabellenstruktur und Zielsetzung eingehen. Die Funktion befindet sich aktuell noch in einer Preview.
Warum ist das relevant?
Weniger SQL:
Wer einfache Auswertungen vornehmen will, muss nicht mehr selbst aggregieren oder komplexe Abfragen schreiben.
Schneller Workflow:
Die Integration von Gemini spart insbesondere im Prototyping oder bei der Arbeit mit unbekannten Tabellen viel Zeit.
No-Code-Zielgruppe:
Besonders hilfreich für Marketer, Analysten und DataOps-Teams, die schnell KPIs oder Datenexplorationen durchführen wollen, ohne tief in SQL einzusteigen.
BigQuery positioniert sich mit der Gemini-Unterstützung in Data Preparations weiter als No-Code/Low-Code-Plattform für datengetriebene Workflows. Die neuen Aggregationsfunktionen ergänzen das bestehende Feature-Set ideal und machen die Arbeit mit großen Tabellen noch zugänglicher für nicht so technisch-versierten Anwendern.
Quelle: cloud.google.com
