Juni 2026

Inhalt

Liebe Leser,

im Juni standen vor allem der weitere Ausbau serverseitiger Tracking-Infrastrukturen sowie der zunehmende Einsatz von AI in Analyse- und BI-Workflows im Fokus. Google entwickelt den Google Tag Gateway konsequent weiter und stärkt damit First-Party-Tagging und serverseitige Conversion-Messung.

Gleichzeitig erhalten sowohl BigQuery als auch Power BI neue AI-gestützte Funktionen, die von der Optimierung von SQL-Abfragen bis hin zur automatisierten Erstellung von Berichten reichen. Parallel dazu erweitert Google Analytics 4 seine Analyse- und Integrationsmöglichkeiten weiter.

Viel Spaß beim Lesen!

Marcus StadeHead of Analytics

1. Google Tag Gateway: Allgemein verfügbar (GA) und Unterstützung für Amazon CloudFront

Google entwickelt den Google Tag Gateway for Advertisers weiter und baut sowohl die Einsatzmöglichkeiten als auch den Produktstatus aus. Während die Integration für die Google Cloud Platform den Status General Availability (GA) erreicht, wird mit Amazon CloudFront ein weiterer großer CDN-Anbieter offiziell unterstützt.

Der Google Tag Gateway kann nun produktiv auf der Google Cloud Platform eingesetzt werden und verlässt damit die Preview-Phase. Gleichzeitig unterstützt Google jetzt auch Amazon CloudFront als weitere Integrationsoption neben Google Cloud, Akamai und Fastly. Dadurch können Unternehmen Google-Tags über ihre bestehende CDN-Infrastruktur und die eigene Domain ausliefern, ohne eine separate serverseitige Tagging-Infrastruktur betreiben zu müssen. Die Einrichtung erfolgt jeweils über den Google Tag Assistant.

Die beiden Updates verdeutlichen, dass Google den Google Tag Gateway zunehmend als zentrale Lösung für First-Party-Tagging etabliert. Mit der Unterstützung mehrerer großer CDN-Anbieter sinkt der technische Aufwand für Unternehmen erheblich, unabhängig davon, auf welcher Infrastruktur ihre Websites betrieben werden. Gleichzeitig bleibt der Google Tag Gateway auf die Auslieferung von Google-Tags ausgelegt. Für komplexere Server-Side-Tagging-Szenarien mit Drittanbieter-Tags, individuellen Transformationslogiken oder eigener Datenverarbeitung bleibt ein vollständiges serverseitiges Google-Tag-Manger-Setup weiterhin die flexiblere Lösung.

Quelle: developers.google.com (Google Tag Gateway CDN + SGTM – Empfohlene Architektur)

2. Google Tag Gateway: Verbesserte Messung von Server-to-Server-Conversions

Auch beim Funktionsumfang des Google Tag Gateway baut Google weiter aus. Neben der erweiterten Infrastrukturunterstützung verbessert das Unternehmen nun die Messung serverseitig übermittelter Conversions, um Browser- und Serverdaten besser miteinander zu verknüpfen.

Serverseitig gesendete Floodlight-Conversions können künftig mit Browser-Signalen wie First-Party-Cookies verknüpft werden, sofern ein Google Click Identifier (GCLID) vorhanden ist. Dadurch lassen sich Informationen aus Browser- und Serverkontext zusammenführen, um Conversions präziser zu erfassen und zuzuordnen. Die Funktion steht für Setups zur Verfügung, die den Google Tag Gateway nutzen.

Mit zunehmender Verlagerung von Tracking-Logik auf den Server wird die Verknüpfung zwischen Browser- und Serverdaten immer wichtiger. Die neue Funktion kann die Datenqualität insbesondere bei serverseitigen Conversion-Setups verbessern und die Attribution von Werbekampagnen robuster machen. Gleichzeitig zeigt das Update, dass Google den Google Tag Gateway schrittweise nicht nur als Infrastruktur für First-Party-Tagging, sondern zunehmend auch als zentrale Komponente für die serverseitige Datenerfassung und Conversion-Messung weiterentwickelt.

Quelle: developers.google.com (Google Tag Gateway – Funktionsweise)

3. GA4: Integration von Google Business Profile

Google Analytics 4 (GA4) lässt sich künftig direkt mit einem Google Business Profile (GBP) verknüpfen. Dadurch werden wichtige Kennzahlen aus lokalen Unternehmenseinträgen automatisch in GA4 übernommen und in einem eigenen Reporting-Bereich zusammengeführt.

Was ist neu?
Nach der Verknüpfung einer GA4-Property mit einem Google Business Profile importiert Google verschiedene GBP-Kennzahlen automatisch in Analytics. Dazu gehören unter anderem Interaktionen, Anrufe, Buchungen, Wegbeschreibungen, Website-Klicks, Nachrichten und Menüs. Für diese Daten wird eine eigene Berichtssammlung im Reports-Bereich angelegt. Die Kennzahlen stehen für einen Zeitraum von bis zu sechs Monaten zur Verfügung.

Warum ist das relevant?
Mit der Integration schließt Google eine Lücke zwischen Webanalyse und lokaler Unternehmenspräsenz. Unternehmen mit stationären Standorten erhalten erstmals einen zentralen Überblick darüber, wie Google Search und Google Maps zur Kundeninteraktion beitragen und wie sich lokale Signale im Verhältnis zu Website- und App-Daten entwickeln. Besonders für Omnichannel-Strategien und lokale Marketingmaßnahmen vereinfacht das die Erfolgsmessung, auch wenn es sich weiterhin um Proxy-Metriken und nicht um tatsächliche Besuche im Geschäft handelt.

Quelle: Google Gemini

4. GA4: Neue Source-Group-Dimension und Hostname-Filter

Google erweitert Google Analytics 4 (GA4) um zwei Funktionen, die sowohl die Datenqualität als auch die Analyse von Traffic-Quellen verbessern sollen. Neben einer neuen Dimension zur Vereinheitlichung von Quellenwerten führt Google erstmals einen Hostname-Filter auf Property-Ebene ein.

Source Group:
Mit der neuen Dimension Source Group fasst Google unterschiedliche Schreibweisen und Varianten derselben Plattform zu einem einheitlichen Wert zusammen. So werden beispielsweise verschiedene Facebook-, Instagram- oder Meta-Quellen unter einer gemeinsamen Reporting-Dimension konsolidiert. Gleichzeitig werden die bestehenden Source-Platform-Werte überarbeitet und an das neue Konzept angepasst. Die Source Group wird zudem rückwirkend für historische Daten befüllt und berücksichtigt bereits neue Traffic-Quellen wie ChatGPT oder Perplexity.

Hostname-Filter:
Zusätzlich können Ereignisse künftig anhand ihres Hostnamens gefiltert bzw. ausgeschlossen werden. So lässt sich verhindern, dass Daten von nicht autorisierten Domains in die Property gelangen und Auswertungen verfälschen.

Beide Funktionen adressieren typische Herausforderungen in der täglichen Arbeit mit GA4. Die neue Source Group reduziert den Aufwand für die Bereinigung und Konsolidierung von Traffic-Quellen und verbessert insbesondere kanalübergreifende Analysen sowie Attribution. Der Hostname-Filter stärkt gleichzeitig die Datenqualität, indem unerwünschte Datenquellen bereits bei der Erfassung ausgeschlossen werden können. Gerade in komplexeren Tracking-Setups können beide Neuerungen dazu beitragen, Reporting und Governance deutlich zu vereinfachen.

Quelle: analytics.google.com (+ Eigene Darstellung)

5. BigQuery: Hybrid Search kombiniert semantische und klassische Suche

Google erweitert BigQuery um eine neue Möglichkeit, semantische und klassische Suchverfahren miteinander zu kombinieren. Damit lassen sich AI-gestützte Suchanfragen präziser formulieren, indem sowohl die Bedeutung eines Suchbegriffs als auch exakte Schlüsselwörter berücksichtigt werden.

Was ist neu?
Die AI.SEARCH-Funktion unterstützt nun den neuen Suchmodus HYBRID. Dieser kombiniert die semantische Suche über VECTOR_SEARCH mit klassischer Keyword-Suche innerhalb einer einzigen Abfrage. Dadurch können sowohl inhaltlich ähnliche als auch exakt passende Dokumente oder Datensätze gefunden werden. Die Hybrid Search lässt sich insbesondere für AI-Anwendungen nutzen, die strukturierte und unstrukturierte Daten gemeinsam durchsuchen.

Warum ist das relevant?
Hybrid Search gilt als wichtiger Baustein moderner Retrieval-Augmented-Generation(RAG)-Architekturen. Durch die Kombination aus semantischer Ähnlichkeit und exakter Textsuche lassen sich Suchergebnisse häufig relevanter und robuster gestalten als mit einem einzelnen Verfahren.

Quelle: docs.cloud.google.com

6. BigQuery: Gemini Cloud Assist unterstützt bei der Optimierung von SQL-Abfragen (Preview)

Google erweitert BigQuery um AI-gestützte Unterstützung für die Analyse und Optimierung von SQL-Abfragen. Mit Gemini Cloud Assist erhalten Nutzer automatisierte Empfehlungen, um die Performance ihrer Queries zu verbessern.

Was ist neu?
Gemini Cloud Assist kann SQL-Abfragen in BigQuery analysieren und konkrete Optimierungsvorschläge zur Abfrage-Performance liefern. Die Funktion richtet sich an Kunden, die BigQuery Editions nutzen, und unterstützt dabei, potenzielle Engpässe oder ineffiziente Abfragestrukturen zu identifizieren. Das Feature befindet sich derzeit im Preview-Status.

Warum ist das relevant?
Die Optimierung komplexer SQL-Abfragen erfordert häufig tiefes Know-how über Ausführungspläne und die interne Verarbeitung von BigQuery. AI-gestützte Empfehlungen können diesen Prozess beschleunigen und insbesondere weniger erfahrene Nutzer bei der Entwicklung performanter Abfragen unterstützen. Gleichzeitig sollten die Vorschläge nicht ungeprüft übernommen werden, sondern als Ausgangspunkt für eine fachliche Bewertung dienen – insbesondere bei geschäftskritischen oder kostenintensiven Workloads.

Quelle: docs.cloud.google.com

7. GA4 und Google Ads: Google trennt die Steuerung der Datennutzung

Google hat die Steuerung der Datennutzung zwischen Google Analytics 4 (GA4) und Google Ads grundlegend neu organisiert. Die Änderungen betreffen insbesondere den Einfluss von Google Signals und Consent-Einstellungen auf Werbefunktionen und sollen die Verantwortlichkeiten zwischen beiden Produkten klarer trennen.

Seit dem 15. Juni 2026 steuert die Einstellung Google Signals ausschließlich Funktionen innerhalb von Google Analytics. Die Nutzung von Daten für Google Ads wird dagegen künftig allein über die entsprechenden Einstellungen in Google Ads sowie den implementierten Consent Mode geregelt. Google kündigt außerdem an, dass im Laufe des Jahres auch die Einstellungen zur Anzeigenpersonalisierung vollständig nach Google Ads verlagert werden. Die Änderungen werden schrittweise ausgerollt. Weitere Informationen finden Sie hier auf der offiziellen Support-Seite.

Warum ist das relevant?
Die Anpassung betrifft alle Unternehmen, die GA4 mit Google Ads verknüpft haben. Consent-Mode-Implementierungen gewinnen dadurch weiter an Bedeutung, da sie künftig maßgeblich bestimmen, welche Daten für Conversion-Messung, Remarketing und Kampagnenoptimierung genutzt werden können. Gleichzeitig trennt Google die Zuständigkeiten beider Plattformen konsequenter voneinander und schafft eine klare Architektur für Analytics- und Werbedaten.

Quelle: support.google.com

8. Power BI: DAX User-Defined Functions jetzt allgemein verfügbar (GA)

Microsoft hat DAX User-Defined Functions (UDFs) offiziell allgemein verfügbar gemacht. Damit können wiederverwendbare DAX-Funktionen erstmals produktiv als Bestandteil semantischer Modelle genutzt werden.

DAX UDFs ermöglichen es, eine Berechnungslogik einmal zu definieren und anschließend in Measures, berechneten Spalten und Visual Calculations wiederzuverwenden. Die Funktionen unterstützen typisierte Parameter und optionale Argumente und werden als eigenständige Modellobjekte verwaltet. Darüber hinaus lassen sich UDFs als TMDL-Dateien speichern und gemeinsam mit Git-integrierten Projekten versionieren und teilen. Mit der Juni-Version von Power BI sind DAX UDFs standardmäßig aktiviert und offiziell für den produktiven Einsatz freigegeben.

DAX UDFs bringen ein aus der klassischen Softwareentwicklung bekanntes Konzept nach Power BI: wiederverwendbare Funktionen statt mehrfach kopierter Berechnungen. Das verbessert Wartbarkeit, Konsistenz und Governance semantischer Modelle erheblich – insbesondere in größeren BI-Umgebungen mit vielen Measures und gemeinsam genutzter Geschäftslogik. Gleichzeitig erleichtert die Git-Integration die Zusammenarbeit in Entwicklungsteams und unterstützt moderne DevOps-Prozesse.

Quelle: community.fabric.microsoft.com

9. Power BI: AI-gestützte Report-Erstellung mit Agent Skills (Preview)

Die Entwicklung agentischer AI-Workflows hält auch in Power BI Einzug. Mit den neuen Agent Skills können Berichte künftig mithilfe von AI-Assistenten erstellt und weiterentwickelt werden. Die Funktion ist Teil der neuen Skills-for-Fabric-Initiative und befindet sich derzeit im Preview-Status.

Unterstützt werden unter anderem das Anlegen neuer Report-Seiten, das Erzeugen von PBIR-Dateien, Layout- und Designanpassungen sowie die Veröffentlichung nach Microsoft Fabric. Die Skills lassen sich mit weiteren Komponenten wie dem Modeling MCP Server kombinieren, sodass AI-Agenten auch semantische Modelle erstellen oder erweitern können. Die Funktion richtet sich derzeit an PBIP-/PBIR-Projekte und wird über kompatible AI-Clients wie GitHub Copilot CLI genutzt.

Während Copilot bislang vor allem bei der Analyse bestehender Reports unterstützte, gehen Agent Skills einen Schritt weiter und automatisieren erstmals den gesamten Entwicklungsprozess eines Power-BI-Berichts. Das zeigt den Wandel von AI als Assistenzfunktion hin zu agentischen Workflows, die eigenständig Artekfaktanalysen erstellen und weiterentwickeln können. Für BI-Teams eröffnet das neue Möglichkeiten zur Automatisierung der Berichtsentwicklung, macht aber gleichzeitig klare Qualitäts- und Freigabeprozesse für AI-generierte Reports noch wichtiger.

Quelle: community.fabric.microsoft.com

Marcus Stade

Co-Founder & Head of Digital Analytics @ mohrstade