Retargeting ohne Third-Party-Cookies: Strategien 2026

Retargeting war jahrelang gleichbedeutend mit Third-Party-Cookies: Ein Pixel setzte ein Cookie, und Werbeplattformen spielten Anzeigen an wiederkehrende Besucher aus. Dieses Modell bröckelt. Zwar hat Google die vollständige Abschaffung der Third-Party-Cookies in Chrome 2024 verworfen und setzt seit 2026 auf ein Nutzerwahl-Modell, doch das Ergebnis bleibt dasselbe: Wer auf 3P-Cookies setzt, verliert Reichweite. In Westeuropa liegt die durchschnittliche Consent-Rate bei nur 75,1% (Didomi), die tatsächliche Opt-in-Rate bei 55,7% (Didomi), und in Deutschland akzeptieren weniger als 25% der Nutzer Tracking-Cookies (CookieYes). Gleichzeitig konvertieren 98% der Website-Besucher nicht beim ersten Besuch (Spiralytics). Dieser Leitfaden zeigt, wie Sie Retargeting 2026 über First-Party-Daten, Server-Side-Audiences und Customer Match aufbauen — einwilligungsbasiert und messbar.

Cookie-Deprecation 2026: Die neue Realität

Die Geschichte der Cookie-Abschaffung ist eine Geschichte der Verschiebungen. Im Juli 2024 kündigte Google an, Third-Party-Cookies in Chrome doch nicht zu entfernen, sondern den Nutzern eine Wahlmöglichkeit zu geben. Am 17. Oktober 2025 folgte die Ankündigung, einen Großteil der Privacy-Sandbox-Technologien einzustellen und sich auf ein kleineres Set an Standards zu konzentrieren (Segwise). Anfang 2025 nutzten lediglich rund 32% der programmatischen Einkäufer überhaupt die Sandbox-APIs in Kampagnen (Segwise) — ein Hinweis darauf, dass die Branche bereits nach anderen Lösungen sucht.

Für Shop-Betreiber bedeutet das: Auf das offizielle Ende der 3P-Cookies zu warten, ist keine Strategie. Die Erosion findet bereits statt — durch Safari ITP, Firefox ETP, Adblocker und vor allem durch fehlende Einwilligung. Wenn nur jeder vierte deutsche Nutzer Tracking zustimmt (CookieYes), bricht die Cookie-basierte Retargeting-Liste entsprechend ein. Die Antwort liegt nicht in einem einzelnen Ersatz, sondern in einem Bündel aus einwilligungsbasierten First-Party-Signalen, serverseitiger Verarbeitung und kontextueller Aussteuerung. Wichtig dabei: Es geht nicht darum, weniger zu tracken, sondern darum, die Signale, die ein Nutzer freiwillig gibt, sauber und vollständig zu nutzen.

Diese Entwicklung verändert die Prioritäten in der Mediaplanung grundlegend. Wer sein Retargeting bislang fast vollständig auf cookiebasierte Remarketing-Listen gestützt hat, sieht die adressierbare Zielgruppe schrumpfen, je mehr Browser und Nutzer Tracking einschränken. Statt diese Lücke mit gemieteten Drittanbieterdaten zu füllen — deren Bedeutung laut Publisher-Befragungen ohnehin rapide abnimmt — verlagert sich der strategische Fokus auf Daten, die der Online-Shop selbst besitzt und kontrolliert. Dieser Schritt ist weniger eine technische Notlösung als eine grundlegende Neuausrichtung: weg von gemieteten Identitäten, hin zu einer eigenen, einwilligungsbasierten Datenbasis, die mit der Zeit an Wert gewinnt statt zu verfallen.

First-Party-Audiences als neues Fundament

Eine First-Party-Audience entsteht aus Daten, die ein Shop direkt und mit Einwilligung von seinen Nutzern erhebt: E-Mail-Adressen aus dem Newsletter, Kundenkonten, Kaufhistorie, Warenkorb-Ereignisse und On-Site-Verhalten. Im Gegensatz zum 3P-Cookie, das über fremde Domains gesetzt wird, gehört diese Datenbasis dem Shop selbst — und ist damit unabhängig von Browser-Restriktionen. Der entscheidende Hebel ist die Conversion-Qualität: Werbetreibende mit einer ausgereiften First-Party-Datenstrategie erzielen 25-35% besseren ROAS und 1,5-fach stärkeres Umsatzwachstum als Wettbewerber, die von Drittanbieterdaten abhängen (Avaus).

Der Aufbau beginnt bei der Datenerfassung. Je mehr identifizierbare Signale ein Shop mit Einwilligung sammelt, desto größer und treffsicherer wird die Audience. Eine optimierte Kundenkonto- und Registrierungsstrecke ist deshalb kein reines UX-Thema, sondern direkt umsatzrelevant für das Retargeting. Praxisbeispiele zeigen die Wirkung: Durch First-Party-Daten stiegen die Match-Raten von Custom Audiences von 25% auf über 80% (CustomerLabs). Der Schlüssel liegt darin, an den richtigen Stellen der Customer Journey um Einwilligung und Daten zu bitten — beim Checkout, bei der Newsletter-Anmeldung oder im Kundenkonto.

Server-Side-Audiences: Daten unter eigener Kontrolle

Clientseitiges Tracking über den Browser ist anfällig: Adblocker, ITP und fehlende Einwilligung kappen einen Großteil der Signale. Server-Side-Tracking verlagert die Datenverarbeitung auf einen eigenen Server-Container, der die einwilligungsbasierten First-Party-Daten gehasht an die Werbeplattformen weitergibt. Das macht die Übertragung robuster und gibt dem Shop die Kontrolle darüber, welche Daten das Haus verlassen. Aktuell setzen 52% der Werbetreibenden Server-Side-Tracking ein, weitere 28% planen die Einführung für 2026 (searchlab).

Der wirtschaftliche Effekt ist messbar. Metas Conversions-API gewinnt 15-30% der verlorenen Conversion-Daten zurück (EasyInsights). Trotzdem verlieren Werbetreibende auch mit serverseitiger Anbindung noch bis zu 20% ihrer Daten (MarvelPixel) — ein Hinweis darauf, dass Server-Side kein Selbstläufer ist, sondern eine saubere Implementierung erfordert. Die technische Umsetzung beschreiben wir ausführlich im Beitrag zu Google Ads Server-Side-Tracking für Online-Shops.

Für den Audience-Aufbau bedeutet Server-Side mehr als nur bessere Conversion-Erfassung. Der serverseitige Container kann Ereignisse anreichern, bevor sie an die Plattform gehen — etwa um einen Kaufwert, eine Produktkategorie oder einen Kundenwert-Indikator zu ergänzen. Daraus lassen sich präzisere Zielgruppen bilden, beispielsweise für hochwertige Wiederkäufer oder für Nutzer, die ein bestimmtes Sortiment angesehen haben. Diese Logik bleibt vollständig unter Kontrolle des Shops und ist nicht davon abhängig, ob ein Drittanbieter-Skript im Browser ausgeführt werden darf oder nicht.

{
  "event_name": "purchase",
  "event_time": 1718000000,
  "action_source": "website",
  "user_data": {
    "em": "<sha256-gehashte-email>",
    "ph": "<sha256-gehashte-telefonnummer>"
  },
  "custom_data": {
    "currency": "EUR",
    "value": 149.90
  },
  "consent": { "ad_user_data": "granted" }
}

Wichtig: Die Hashing-Logik (in der Regel SHA-256) und die Übergabe des Einwilligungsstatus müssen serverseitig erfolgen, bevor Daten die eigene Infrastruktur verlassen. So bleibt nachvollziehbar, dass nur einwilligungsbasierte Signale weitergegeben werden — ein zentraler Baustein für die Rechtssicherheit. Der Server-Container fungiert dabei als kontrollierte Schleuse: Er entscheidet, welche Felder, in welcher Form und an welche Plattform übermittelt werden, statt diese Entscheidung dem Browser und Dutzenden eingebundenen Skripten zu überlassen.

Customer Match: Bestandsdaten zu Zielgruppen

Customer Match (bei Google Ads) und vergleichbare Verfahren anderer Plattformen erlauben es, gehashte Kundenlisten direkt hochzuladen oder per API zu synchronisieren. Die Plattform gleicht die gehashten E-Mails und Telefonnummern mit eingeloggten Nutzern ab und bildet daraus eine Zielgruppe — ganz ohne 3P-Cookie. Genau hier liegt die Stärke des cookielosen Retargetings: Google Customer Match erreicht Match-Raten von 60-80% und Conversion-Raten, die doppelt so hoch liegen wie bei klassischen Retargeting-Zielgruppen (CustomerLabs).

Customer Match eignet sich nicht nur für Retargeting, sondern auch für Cross- und Upselling sowie für die Bildung von Lookalike- beziehungsweise ähnlichen Zielgruppen. Aus einer hochwertigen Bestandskundenliste lassen sich neue, statistisch ähnliche Nutzer erschließen — ein Wachstumshebel, der vollständig auf einwilligungsbasierten First-Party-Daten beruht. Die Anbindung erfolgt typischerweise über unsere Google-Ads-Schnittstelle, die Kundenlisten und Conversion-Signale automatisiert synchronisiert und so manuelle Uploads überflüssig macht.

Ein praktischer Hinweis zur Pflege: Customer-Match-Listen sollten regelmäßig aktualisiert werden, da E-Mail-Adressen veralten und Kunden sich abmelden. Eine automatisierte Synchronisierung aus dem Shop- oder CRM-System hält die Listen aktuell und sorgt dafür, dass abgemeldete Nutzer korrekt entfernt werden — das ist sowohl für die Match-Rate als auch für die datenschutzkonforme Verarbeitung relevant. Veraltete Listen senken nicht nur die Match-Rate, sie führen auch zu Streuverlusten, weil Anzeigen an Personen ausgespielt werden, die längst konvertiert oder sich abgemeldet haben. Eine saubere Datenpflege ist damit ein direkter Effizienzhebel für das Werbebudget.

Enhanced Conversions und Consent Mode

Retargeting ist nur so gut wie die Messung dahinter. Enhanced Conversions ergänzen das bestehende Conversion-Tracking, indem sie gehashte First-Party-Kundendaten datenschutzkonform an die Werbeplattform übergeben. Der Effekt: Enhanced Conversions liefern in Kombination mit Conversion-Modeling typischerweise einen Uplift von rund 10% bei den gemessenen Conversions (Google Ads Help). In einem dokumentierten Fall stieg der Anteil der über First-Party-Cookies erfassten Conversions auf 89% (Google Ads Help).

Damit das funktioniert, muss der Einwilligungsstatus sauber an die Plattformen signalisiert werden. Der Consent Mode übergibt, ob ein Nutzer Werbe- und Analyse-Cookies zugestimmt hat, und ermöglicht Conversion-Modeling für die Fälle ohne Einwilligung. So bleibt die Messung belastbar, ohne den Datenschutz zu untergraben. Eine fundierte Multi-Touch-Attribution baut auf genau diesen einwilligungsbasierten Signalen auf, um den Beitrag jedes Kanals korrekt zu bewerten — und verhindert, dass Retargeting der letzte sichtbare Touchpoint überschätzt wird.

Praktisch bedeutet das ein Zusammenspiel mehrerer Komponenten: Der Consent Mode liefert das Einwilligungssignal, Enhanced Conversions reichern die erfassten Conversions mit gehashten First-Party-Daten an, und die Server-Side-Anbindung stellt sicher, dass diese Daten auch dann ankommen, wenn clientseitige Skripte blockiert werden. Erst in dieser Kombination entfaltet sich die volle Wirkung — einzelne Bausteine bringen nur einen Teil des möglichen Uplifts. Für Shops, die mit datengetriebenen Gebotsstrategien arbeiten, ist eine vollständige und korrekte Signalbasis daher die Grundvoraussetzung, damit die Automatisierung nicht auf verzerrten oder lückenhaften Daten lernt.

Kontextuelles Targeting als starke Ergänzung

Nicht jeder Nutzer hinterlässt ein identifizierbares First-Party-Signal. Hier kommt kontextuelles Targeting ins Spiel: Statt eine Person über ihr Verhalten zu verfolgen, wird die Anzeige am Inhalt der aktuell betrachteten Seite ausgerichtet. Wer einen Ratgeber über Laufschuhe liest, sieht passende Laufschuh-Anzeigen — ohne dass ein Cookie nötig wäre. Der Markt für kontextuelle Werbung wächst entsprechend: von rund 233,89 Mrd. USD in 2025 auf 258,32 Mrd. USD in 2026, bei einer jährlichen Wachstumsrate von 10,4% (Research and Markets).

Kontextuelles Targeting ist datenschutzfreundlich, weil es ohne personenbezogene Daten auskommt, und es ergänzt First-Party-Retargeting ideal: Während Customer Match bekannte Nutzer reaktiviert, erschließt kontextuelle Werbung neue, themenaffine Zielgruppen. Für Shops mit klarem Sortimentsfokus ist die Kombination besonders wirksam — sie deckt sowohl die Reaktivierung als auch die Neukundengewinnung ab, ohne sich auf erodierende Cookie-Signale zu verlassen.

Moderne kontextuelle Verfahren gehen dabei weit über einfaches Keyword-Matching hinaus. Semantische Analyse erfasst nicht nur einzelne Stichwörter, sondern den thematischen Zusammenhang einer Seite, was die Trefferqualität deutlich erhöht. Für Werbetreibende ergibt sich daraus ein doppelter Vorteil: hohe Relevanz für den Nutzer im Moment seines aktuellen Interesses und volle Unabhängigkeit von der Cookie-Frage. Das Wachstum des Marktes — getrieben unter anderem durch den Wegfall verlässlicher Cookie-Signale — unterstreicht, dass kontextuelle Werbung kein Übergangsphänomen ist, sondern ein dauerhafter Baustein im Media-Mix.

• First-Party-Retargeting - Reaktiviert bekannte Nutzer über Customer Match und einwilligungsbasierte Audiences, höchste Conversion-Qualität
• Kontextuelles Targeting - Erreicht themenaffine Nutzer ohne personenbezogene Daten, ideal für Reichweite und Neukunden
• Dynamisches Retargeting - Spielt konkret betrachtete Produkte aus, wirkt stark bei Warenkorbabbrechern (Abbruchrate rund 70%, Spiralytics)
• Lookalike-Zielgruppen - Erweitern eine hochwertige Bestandskundenliste auf statistisch ähnliche Nutzer
• E-Mail- und CRM-Retargeting - Nutzt die eigene Datenbasis direkt für personalisierte Ansprache über mehrere Kanäle

Retargeting-Performance richtig messen

Die Wirkung des cookielosen Retargetings lässt sich anhand klarer Kennzahlen belegen. Zunächst die Match-Rate: Sie zeigt, wie viele der hochgeladenen Kundendaten den eingeloggten Nutzern einer Plattform zugeordnet werden konnten. Werte von 60-80% gelten als gut (CustomerLabs). Eine niedrige Match-Rate deutet auf veraltete oder unvollständige Daten hin und ist der erste Hebel zur Optimierung. Der zweite KPI ist die Conversion-Rate der Retargeting-Zielgruppe im Vergleich zur Kalt-Zielgruppe — sie zeigt, ob die Reaktivierung tatsächlich Umsatz bringt.

Die Zahlen untermauern den Business-Case: Retargeting kann die Warenkorbabbruchrate um 26% senken (Spiralytics), retargetierte Nutzer sind 70% wahrscheinlicher zu konvertieren (Spiralytics), und über alle Geräte hinweg steigert Retargeting die Conversion-Rate um bis zu 43% (Spiralytics). KI-gestützte, zeitlich gestaffelte Retargeting-Workflows reaktivieren inzwischen durchschnittlich 34% der verlorenen Kunden (Spiralytics). Kein Wunder, dass 70% der Marketer ein dediziertes Retargeting-Budget einplanen (cropink).

Jetzt cookieloses Retargeting aufbauen

Die Datenlage ist eindeutig: Cookie-basiertes Retargeting verliert an Reichweite, während einwilligungsbasierte First-Party-Ansätze an Qualität gewinnen. 60-80% Match-Rate und doppelte Conversion-Rate bei Customer Match (CustomerLabs), 25-35% besserer ROAS durch reife First-Party-Strategien (Avaus) und ein rund 10%iger Conversion-Uplift durch Enhanced Conversions (Google Ads Help) zeigen, dass der Wechsel nicht nur defensiv, sondern offensiv lohnt.

Der Weg dorthin folgt einer klaren Reihenfolge: Erstens die einwilligungsbasierte Datenerfassung ausbauen — über optimierte Kundenkonten und Newsletter. Zweitens ein Server-Side-Setup etablieren, das Daten gehasht und einwilligungskonform an die Plattformen übergibt. Drittens Customer Match und Enhanced Conversions aktivieren. Viertens kontextuelles Targeting für die Reichweite ergänzen. Und fünftens kontinuierlich messen und nachsteuern. Wer parallel an der organischen Sichtbarkeit über Google-Quellen arbeitet, reduziert zusätzlich die Abhängigkeit von bezahlter Reichweite.

Als E-Commerce-Agentur mit Spezialisierung auf Tracking und Werbeanbindung unterstützen wir Sie bei der technischen Umsetzung — von der serverseitigen Infrastruktur über die Customer-Match-Synchronisierung bis zur einwilligungskonformen Messung. So bauen Sie Retargeting auf, das auch ohne Third-Party-Cookies belastbar bleibt und mit Ihrer Datenbasis kontinuierlich stärker wird.

Häufig gestellte Fragen zum cookielosen Retargeting