Juli 2026

Inhalt

Liebe Leser,

im Juli standen vor allem AI-native Datenplattformen und Data Governance im Fokus. Mit dem neuen Data Agent Kit bringt Google AI-Agenten direkt nach BigQuery und erweitert die Plattform gleichzeitig um Governance-Tags für eine zentralisierte Steuerung von Zugriffs- und Sicherheitsrichtlinien.

Auch im Google Tag Manager setzt Google die Vereinheitlichung der Tagging-Plattform konsequent fort. Eine neue Oberfläche und Anpassungen an der Container-Verwaltung sollen die tägliche Arbeit vereinfachen und die Grundlage für zukünftige Entwicklungen schaffen.

Viel Spaß beim Lesen!

Marcus StadeHead of Analytics

1. GTM: Neue Overview-Seite vereinfacht die Container-Verwaltung

Google führt die bereits angekündigte überarbeitete Overview-Seite im Google Tag Manager schrittweise für alle Nutzer ein. Die neue Oberfläche ist Teil der laufenden Vereinheitlichung von Google Tag und Google Tag Manager und soll den Einstieg sowie die tägliche Arbeit mit Tags vereinfachen.

Was ist neu?
Die neue Overview-Seite bietet einen zentralen Einstiegspunkt für die Verwaltung von Google Tags und GTM-Containern. Wichtige Informationen und Aktionen sind übersichtlicher angeordnet, sodass sich Tagging-Setups schneller erfassen und verwalten lassen. Die überarbeitete Navigation reduziert die Komplexität der Benutzeroberfläche und sorgt für eine konsistentere Nutzererfahrung zwischen Google Tag und Google Tag Manager.

Warum ist das relevant?
Auch wenn es sich in erster Linie um ein UI-Update handelt, unterstreicht Google damit die strategische Zusammenführung von Google Tag und Google Tag Manager. Die neue Oberfläche erleichtert insbesondere weniger erfahrenen Nutzern die Verwaltung ihrer Implementierungen und bereitet den Weg für die künftig engere Verzahnung beider Produkte.

Quelle: tagmanager.google.com

2. GTM: Neues Verhalten für Container bei nicht unterstützten Installationspfaden

Die Auslieferung von Google-Tag-Manager-Containern wird künftig unabhängig vom verwendeten Installationspfad gesteuert. Die Änderung betrifft insbesondere Setups, die von der Standardimplementierung abweichen oder eigene Tag-Auslieferungswege nutzen.

Was ist neu?
Bisher orientierte sich das Verhalten des ausgelieferten Tags unter anderem am verwendeten URL-Pfad. Künftig entscheidet ausschließlich die verwendete Container-ID darüber, ob ein Google Tag (G-, AW-, DC-) oder ein Google Tag Manager Container (GTM-) ausgeliefert wird. Nicht unterstützte Pfade wie /gtag/js oder /gtag/destination beeinflussen dieses Verhalten nicht mehr. Google vereinheitlicht damit die Auslieferungslogik und macht sie unabhängiger von der konkreten Implementierung.

Warum ist das relevant?
Die Änderung soll zu einem konsistenteren Verhalten unterschiedlicher Tagging-Setups führen und potenzielle Fehlerquellen bei individuellen Implementierungen reduzieren. Unternehmen, die eigene Auslieferungsmechanismen oder serverseitige Setups nutzen, sollten ihre Implementierung dennoch überprüfen, um sicherzustellen, dass Container und Google Tags weiterhin wie erwartet geladen werden.

Quelle: support.google.com

3. BigQuery: Data Governance Tags für Data Masking und Column-Level Security (Preview)

Google erweitert BigQuery um Data Governance Tags, die eine einheitlichere Steuerung von Sicherheits- und Governance-Richtlinien ermöglichen. Die Funktion befindet sich derzeit im Preview-Status und baut auf den bestehenden Resource Manager Tags der Google Cloud auf.

Data Governance Tags können direkt auf Tabellen und Spalten angewendet werden und dienen als Grundlage für Data Masking sowie Column-Level Security. Statt Sicherheitsrichtlinien für einzelne Datensätze manuell zu verwalten, lassen sich Zugriffs- und Maskierungsregeln künftig zentral über Tags definieren und automatisiert auf Daten anwenden. Die Governance-Tags integrieren sich dabei in die bestehenden Ressourcen- und Berechtigungskonzepte der Google Cloud Platform.

Warum ist das relevant?
Mit zunehmenden Anforderungen an Datenschutz und Data Governance wird eine zentrale Verwaltung von Sicherheitsrichtlinien immer wichtiger. Data Governance Tags vereinfachen die Umsetzung konsistenter Zugriffs- und Maskierungsregeln und reduzieren den administrativen Aufwand, insbesondere in größeren BigQuery-Umgebungen mit vielen Datensätzen und unterschiedlichen Nutzergruppen.

Quelle: docs.cloud.google.com – Hierarchischer Baum aus Data-Governance-Tag-Werten

4. BigQuery: Data Agent Kit bringt AI-Agenten direkt in BigQuery (Preview)

Mit dem neuen Data Agent Kit schlägt Google die Brücke zwischen BigQuery und agentischen AI-Workflows. Die Erweiterung ermöglicht es AI-gestützten Entwicklungsumgebungen, direkt mit BigQuery zu interagieren und Datenaufgaben automatisiert auszuführen.

Das Data Agent Kit steht als Preview für AI-Coding-Tools und Entwicklungsumgebungen wie Visual Studio Code, Cursor oder andere kompatible AI-Agenten zur Verfügung. Über die Erweiterung können AI-Agenten unter anderem BigQuery-Datasets durchsuchen, SQL-Abfragen erstellen und ausführen sowie Metadaten und Ressourcen analysieren. Ziel ist es, Datenanalysen und Entwicklungsaufgaben direkt aus AI-gestützten Arbeitsumgebungen heraus durchführen zu können, ohne zwischen verschiedenen Tools wechseln zu müssen.

Warum ist das relevant?
Mit dem Data Agent Kit entwickelt Google BigQuery konsequent in Richtung einer AI-nativen Datenplattform weiter. Statt AI lediglich zur Unterstützung einzelner SQL-Abfragen einzusetzen, können künftig komplette Analyse- und Entwicklungsprozesse von AI-Agenten begleitet oder teilweise automatisiert werden.

Quelle: docs.cloud.google.com

5. BigQuery: APPENDS- und CHANGES-Funktionen jetzt allgemein verfügbar (GA)

Die Nachverfolgung von Datenänderungen in BigQuery wird künftig deutlich einfacher. Google hat die SQL-Funktionen APPENDS und CHANGES offiziell allgemein verfügbar gemacht und stellt sie damit für den produktiven Einsatz bereit.

Mit der Funktion APPENDS lassen sich Datensätze abfragen, die innerhalb eines bestimmten Zeitraums neu in eine Tabelle eingefügt wurden. CHANGES geht einen Schritt weiter und liefert zusätzliche Informationen über geänderte und gelöschte Datensätze. Beide Funktionen greifen auf die integrierte Änderungsverfolgung von BigQuery zurück und ermöglichen es, Datenänderungen direkt per SQL nachzuvollziehen, ohne eigene Audit- oder Change-Tracking-Lösungen implementieren zu müssen.

Die Funktionen erleichtern somit die Entwicklung inkrementeller Datenpipelines sowie die Überwachung und Prüfung von Datenbeständen erheblich. Insbesondere für Auditing, Data Quality und Change Data Capture (CDC) stehen damit leistungsfähige Werkzeuge direkt in BigQuery zur Verfügung.

Quelle: docs.cloud.google.com

6. BigQuery: Multi-Level Aggregation in GoogleSQL (Preview)

Komplexe SQL-Abfragen lassen sich in BigQuery künftig deutlich kompakter formulieren. Mit der neuen Multi-Level-Aggregation wird GoogleSQL um die Möglichkeit, Aggregatfunktionen direkt miteinander zu verschachteln, erweitert.

Die Preview-Funktion erlaubt es, Aggregatfunktionen innerhalb anderer Aggregatfunktionen zu verwenden. Dadurch können mehrstufige Berechnungen in einer einzigen SQL-Abfrage umgesetzt werden, ohne dass dafür zusätzliche Subqueries oder Common Table Expressions (CTEs) erforderlich sind. Komplexe Auswertungen lassen sich dadurch übersichtlicher und mit weniger SQL-Code formulieren.

Warum ist das relevant?
Gerade in analytischen Workloads gehören mehrstufige Aggregationen zum Alltag. Die neue Funktion reduziert den Aufwand für komplexe SQL-Abfragen und verbessert deren Lesbarkeit und Wartbarkeit.

Quelle: docs.cloud.google.com

7. Power BI: Web-Modellierung und Org Apps werden weiter ausgebaut

Die Juli-Version von Power BI setzt den Ausbau browserbasierter Entwicklungs- und Bereitstellungsfunktionen fort. Im Mittelpunkt stehen neue Möglichkeiten zur Modellverwaltung im Power BI Service sowie die Weiterentwicklung von Org Apps für die unternehmensweite Bereitstellung von Berichten.

Was ist neu?
Mit Model Options (Preview) und der TMDL View on the Web (Preview) lassen sich semantische Modelle künftig umfangreicher direkt im Browser verwalten und bearbeiten, ohne Power BI Desktop öffnen zu müssen. Gleichzeitig erreichen Org Apps mit Audiences den GA-Status. Sie ermöglichen die zielgruppenspezifische Bereitstellung von Berichten und Dashboards und werden durch neue REST-APIs für die Verwaltung sowie eine verbesserte Unterstützung in mobilen Anwendungen ergänzt.

Warum ist das relevant?
Die Neuerungen zeigen, dass Microsoft die Lücke zwischen Power BI Desktop und dem Power BI Service weiter schließt. Entwicklungs-, Modellierungs- und Verwaltungsaufgaben können zunehmend direkt im Browser durchgeführt werden. Gleichzeitig entwickeln sich Org Apps zu einer leistungsfähigeren Lösung für die strukturierte Verteilung von BI-Inhalten in größeren Organisationen und unterstützen damit moderne Governance- und Deployment-Prozesse.

Eine vollständige Zusammenfassung aller Neuerungen im Monat Juli finden Sie hier.

Quelle: community.fabric.microsoft.com

8. Piwik PRO: Numerische Custom Dimensions erweitern Analysemöglichkeiten

Piwik PRO erweitert Custom Dimensions um die Unterstützung numerischer Werte. Damit lassen sich Zahlen künftig nicht nur speichern, sondern auch direkt für Berechnungen und Filter innerhalb der Analytics-Plattform nutzen.

Custom Dimensions können ab sofort Ganzzahlen und Dezimalwerte speichern. Diese numerischen Dimensionen lassen sich anschließend als Metriken verwenden und für Berechnungen wie Minimum, Maximum, Durchschnitt, Median oder Summe auswerten. Darüber hinaus stehen numerische Operatoren für Filter und Segmentierungen zur Verfügung, wodurch sich quantitative Daten deutlich flexibler analysieren lassen.

Bisher mussten viele numerische Informationen als Text gespeichert oder über zusätzliche Metriken abgebildet werden. Die neue Funktion vereinfacht die Modellierung solcher Daten erheblich und eröffnet neue Möglichkeiten für Analysen und Reporting. Insbesondere bei Scoring-Modellen, Warenkorbwerten, Punktesystemen oder anderen numerischen Attributen lassen sich Auswertungen künftig direkt innerhalb von Piwik PRO durchführen, ohne auf externe Berechnungen oder Workarounds angewiesen zu sein.

Quelle: developers.piwik.pro/changelog