Data Clean Room für ein Retail-Media-Netzwerk oder eine Werbeplattform: den Clean Room Ihrer Cloud nutzen, ein Produkt lizenzieren oder einen eigenen bauen

Ein Data Clean Room ist ein gemeinsamer Arbeitsbereich, meist in der Cloud, in dem zwei Unternehmen ihre Kundendaten abgleichen und nur die Analysen ausführen, auf die sie sich geeinigt haben. Ist er gut eingerichtet, sieht keine Seite die Rohdaten der anderen. Ein Retail-Media-Netzwerk kann damit einer Marke mitteilen, wie viele Kunden ihre Anzeigen gesehen und danach ihre Produkte gekauft haben. Die Marke bekommt eine Gesamtzahl, keine Namensliste. Sie können den Clean Room nutzen, den Ihre Cloud oder Ihr Data Warehouse anbietet, ein Clean-Room-Produkt lizenzieren oder einen eigenen bauen. Die Wahl hängt davon ab, wo Ihre Daten und die Daten Ihrer Advertiser liegen und ob der Clean Room Teil dessen ist, was Sie verkaufen.

Was leistet ein Data Clean Room für ein Retail-Media-Netzwerk oder eine Werbeplattform?

In einem typischen Retail-Media-Fall hat eine Marke Sponsored-Product-Anzeigen geschaltet, also die bezahlten Einträge in Ihren Suchergebnissen. Sie bringen Anzeigenaufrufe und Verkäufe ein, die Marke bringt ihre Kundenliste ein. Beide Seiten wandeln jede E-Mail-Adresse mit derselben Einwegformel, Hashing genannt, in einen Code um, sodass dieselbe E-Mail-Adresse immer denselben Code ergibt. Der Clean Room gleicht die Codes ab, und die Marke bekommt Summen, etwa wie viele abgeglichene Kunden die Anzeigen gesehen und wie viele gekauft haben.

Mitarbeiter der US-amerikanischen Federal Trade Commission (FTC) schrieben im November 2024 in einem Beitrag im Technologie-Blog der Behörde über Clean Rooms. Darin beschrieben sie Clean Rooms als „Cloud-Dienste zur Datenverarbeitung, mit denen Unternehmen Daten austauschen und analysieren können, eingeschränkt durch Regeln, die die Datennutzung begrenzen.“

Das Interactive Advertising Bureau (IAB), der US-Branchenverband für digitale Werbung, hat am 29. September 2026 ein Framework zu Clean Rooms im Commerce-Bereich veröffentlicht. Seine Seite nennt Anwendungsfälle wie „Zielgruppenüberschneidung, Datenanreicherung, Targeting, Ausschluss“. Einfach gesagt: wie viele Kunden Sie gemeinsam haben, was Sie zusätzlich über sie erfahren und wem Sie Anzeigen zeigen oder wen Sie dabei auslassen.

Publisher und Werbeplattformen nutzen denselben Aufbau. Ein Publisher kann seine angemeldeten Leser mit den Kunden eines Advertisers abgleichen. Eine DSP (Demand-Side-Platform), das System, mit dem Advertiser Werbung einkaufen, kann die Personen, die ihre Anzeigen gesehen haben, mit den Verkäufen eines Advertisers abgleichen.

Was löst ein Clean Room nicht?

Ein Clean Room schützt Daten nur so gut, wie er eingerichtet ist. Die Mitarbeiter der FTC schrieben im selben Beitrag: „Standardmäßig schützen die meisten Dienste, die DCRs anbieten, die Privatsphäre nicht.“ DCR ist die Abkürzung für Data Clean Room. Weiter schrieben sie: „Stattdessen müssen Unternehmen jede Beschränkung bewusst konfigurieren und einsetzen, damit sie wirksam ist.“

Regeln für Abfragen fangen nicht jeden Trick ab. Die Dokumentation von Google zu BigQuery Data Clean Rooms warnt, dass Analyseregeln „ausgefeilte Abfragen möglicherweise nicht vollständig daran hindern, nicht autorisierte Daten zu extrahieren.“ Die Dokumentation von AWS Clean Rooms beschreibt einen solchen Trick: etwas über eine Person zu erfahren, „indem man Datensätze über eine Einzelperson hinzufügt oder entfernt und den Unterschied in den Abfrageergebnissen beobachtet.“

Hashing macht Daten nicht anonym. Mitarbeiter der FTC schrieben im Juli 2024 im selben Blog: „Unternehmen sollten weder so handeln noch behaupten, als würde das Hashen personenbezogener Informationen diese anonymisieren.“ Die Europäische Kommission sagt, dass personenbezogene Daten, die „de-identifiziert, verschlüsselt oder pseudonymisiert wurden, aber zur erneuten Identifizierung einer Person genutzt werden können, personenbezogene Daten bleiben“. Deshalb gilt für sie die DSGVO, das wichtigste Datenschutzgesetz der EU. Pseudonymisiert bedeutet, dass Namen durch Codes ersetzt wurden, die sich weiterhin Personen zuordnen lassen.

Die rechtlichen Pflichten bleiben bei jedem einzelnen Unternehmen. Das IAB Tech Lab schreibt technische Standards für digitale Werbung. Sein Leitfaden zu Clean Rooms nennt die Einhaltung des Datenschutzrechts „die Verantwortung des Data Contributors“, also des Unternehmens, das die Daten einbringt. Er sagt, Partner müssten sich gegenseitig darauf verlassen können, dass jeder „vollständige und korrekte (nicht gefälschte/manipulierte/aufgeblähte) Daten“ einbringt. Außerdem merkt er an, dass Match-Raten, also der Anteil der Datensätze, die auf der anderen Seite ein Gegenstück finden, „anders als erwartet ausfallen können“.

Manchmal brauchen Sie überhaupt keinen Clean Room. Das Commerce-Framework des IAB sagt, dass Clean Rooms „nicht für jeden Daten- oder Messbedarf die richtige Lösung sind.“

Alle Quellen in diesem Artikel wurden am 3. November 2026 abgerufen. Die Zitate der FTC stammen aus Blogbeiträgen ihrer Mitarbeiter, nicht aus Vorschriften der FTC. Zum Datenschutzrecht zitiert der Artikel nur Quellen aus der EU und den USA. Andere Länder haben eigene Regeln.

Welche Clouds und Data Warehouses bieten einen Clean Room an?

AWS, Google Cloud, Snowflake und Databricks bieten jeweils einen innerhalb ihres eigenen Dienstes an. Ein Data Warehouse ist die Datenbank, in der ein Unternehmen seine Datensätze für Analysen vorhält. Worin sie sich für einen Käufer unterscheiden:

• AWS Clean Rooms: AWS sagt, dass die Zusammenarbeit „nicht erfordert, Daten aus AWS zu verlagern oder sie zu einem anderen Cloud-Dienstanbieter zu laden“. Der Dienst kann auch Daten lesen, die in Snowflake und Databricks liegen. Wer den Clean Room einrichtet, legt fest, welcher Partner die Abfragen bezahlt.
• BigQuery Data Clean Rooms in Google Cloud: Laut Google hindern die Egress-Kontrollen, also die Regeln dafür, was den Clean Room verlassen darf, Partner, die die Daten abfragen, automatisch daran, Rohdaten zu kopieren und zu exportieren.
• Snowflake Data Clean Rooms: Die Dokumentation von Snowflake sagt: „Data Provider müssen Snowflake Enterprise Edition verwenden“ und „Wer die Analyse ausführt, trägt die Kosten der Analyse“, der Partner, der eine Abfrage ausführt, bezahlt sie also.
• Databricks Clean Rooms: Databricks sagt, dass Beteiligte „die Daten in den Tabellen, Views oder Volumes anderer Beteiligter nicht sehen können“. Standardmäßig müssen die anderen Beteiligten jeden Analysecode freigeben, bevor er ausgeführt wird.

Wann sollten wir den Clean Room nutzen, den unsere Cloud oder unser Data Warehouse anbietet?

Nutzen Sie ihn, wenn die meisten dieser Punkte zutreffen:

• Ihre Ad-Logs und Verkaufsdaten liegen bereits auf dieser Plattform
• Die meisten Marken, mit denen Sie arbeiten wollen, sind auf derselben Plattform, oder die Plattform kann ihre Daten dort lesen, wo sie liegen
• Marken wollen einige wenige Standardanalysen, etwa die Überschneidung der Zielgruppen und die Verkäufe nach einer Kampagne
• Sie haben Data Engineers, die die Regeln festlegen, die freigegebenen Abfragen schreiben und jeder neuen Marke beim Start helfen

Der Haken sind Marken auf anderen Plattformen, die womöglich ein Konto auf Ihrer Plattform eröffnen oder ihre Daten dorthin kopieren müssen. Der Leitfaden des IAB Tech Lab warnt: „Daten zwischen manchen DCR-Plattformen zu verschieben, kann umständlich oder kostspielig sein.“ Der Clean Room der Cloud ist außerdem ein allgemeines Werkzeug, kein Retail-Media-Produkt. Oberflächen und Berichte für Ihre Marken sowie die Unterstützung jeder neuen Marke müssen Sie selbst bauen oder von Hand erledigen.

Wann sollten wir ein Clean-Room-Produkt lizenzieren?

Lizenzieren Sie ein Produkt, wenn:

• Die Marken, mit denen Sie arbeiten wollen, halten ihre Daten in vielen verschiedenen Clouds und Data Warehouses, und Sie brauchen die meisten von ihnen noch in diesem Jahr
• Sie wollen fertige Analysen und Oberflächen, die das Marketingteam einer Marke nutzen kann, ohne Code zu schreiben
• Ihr Datenteam ist klein, und Sie bezahlen lieber einen Anbieter dafür, die Anbindungen am Laufen zu halten

Manche Produkte binden viele Plattformen auf einmal an. Der Einstiegsleitfaden von LiveRamp für Händler sagt, dass Sie Datenverbindungen zu den meisten cloudbasierten Speicherorten einrichten können, „darunter AWS, GCS, Azure Blob, Snowflake, Google BigQuery und Databricks“. Er nennt ein fertiges Angebot, Retail Intelligence, mit der Beschreibung „Verbindet eine Marke und ein RMN (plus optionales Publisher-Overlay)“. RMN steht für Retail-Media-Netzwerk.

Der Preis dafür sind Gebühren und weniger Kontrolle darüber, was Sie messen können. Der Leitfaden des IAB Tech Lab hält fest, dass „die Preisstruktur von DCRs drastisch variieren kann“, und empfiehlt zu fragen, ob jeder Teilnehmer eine eigene Lizenz braucht. Wenn Sie den Anbieter später verlassen, müssen Sie die Analysen womöglich neu aufbauen und jede Marke erneut einrichten.

Wann lohnt es sich, einen eigenen Clean Room zu bauen?

Eine Eigenentwicklung lohnt sich in diesen Fällen:

• Der Clean Room ist Teil dessen, was Sie verkaufen, und Sie wollen eigene Regeln für Messung und Zielgruppen
• Zielgruppen müssen Ihre Auktion für Sponsored Products und Ihren Ad Server erreichen, also das System, das Anzeigen auswählt und zählt, ohne dass Kundenlisten Ihre Systeme verlassen
• Die Gebühren pro Abfrage oder pro Partner sind höher geworden als die Kosten eines Teams, das Ihr eigenes System betreibt

Eine Eigenentwicklung muss keine neue Datenschutz-Engine bedeuten. Amazon Ads nennt Amazon Marketing Cloud, seinen Clean Room für Advertiser, eine „cloudbasierte Clean-Room-Lösung“ und sagt, sie sei „auf AWS Clean Rooms aufgebaut“. Ihre eigene Schicht über dem Clean Room einer Cloud kann den Abgleich, die freigegebenen Abfragen, die Oberflächen für Marken, die Logs und die Anbindung an Ihren Ad Server enthalten.

Nach dem Start geht die Arbeit weiter: Jemand muss neue Abfragen prüfen, Fragen der Marken zu den Zahlen beantworten, Löschanfragen umsetzen und neue Standards verfolgen. Wenn in Ihrem Team niemand dafür zuständig sein wird, nutzen oder lizenzieren Sie zuerst einen Clean Room.

Was entscheiden wir selbst, welchen Weg wir auch wählen?

Die Software setzt diese Regeln durch, aber Ihr Team legt sie fest:

• Identitätsabgleich: über welches Merkmal Sie Personen abgleichen, etwa die E-Mail-Adresse oder die Kundenkartennummer, und wie jede Seite es aufbereitet. Das PAIR-Protokoll des IAB Tech Lab (Publisher Advertiser Identity Reconciliation) „beruht auf kommutativer Kryptografie“. Jede Seite verschlüsselt die Kennungen mit ihrem eigenen geheimen Schlüssel, und die doppelt verschlüsselten Werte lassen sich vergleichen, ohne dass jemand sie entschlüsselt. PAIR hat die frühere OPJA-Spezifikation abgelöst, die das IAB Tech Lab im Juli 2025 für veraltet erklärt hat. Für die Messung, welche Verkäufe auf welche Anzeigen folgten, hat das IAB Tech Lab im Februar 2025 ADMaP (Attribution Data Matching Protocol) finalisiert.
• Einwilligung: eine Aufzeichnung darüber, worin jeder Kunde eingewilligt hat. Der Leitfaden des IAB Tech Lab verlangt von jedem Unternehmen, das Daten einbringt, „einen Nachweis der Einwilligung zu erbringen, wo anwendbar/erforderlich“.
• Zulässige Abfragen: die Analysen, die jede Marke ausführen darf, vorab geschrieben und freigegeben. AWS nennt sie Analysis Templates, Google nennt sie Query Templates.
• Mindestgröße der Zielgruppe: Jede Zeile eines Ergebnisses muss so viele Personen umfassen, dass niemand heraussticht. Der Leitfaden des IAB Tech Lab nennt keine Zahl. Ads Data Hub, das Tool von Google zur Analyse von Google-Werbedaten, verlangt im Modus Difference Checks etwa 50 eindeutige Nutzer pro Ergebniszeile. Im Modus Noise Injection verlangt es etwa 20, und etwa 10, wenn eine Abfrage nur Klick- und Conversion-Daten liest. AWS verwirft Zeilen unterhalb des Minimums, und „Die Abfrageausgabe zeigt nicht an, dass Ergebnisse aufgrund der Ausgabebeschränkung entfernt werden.“ Sagen Sie den Marken, warum die Summen möglicherweise nicht aufgehen.
• Rauschen und Abfragelimits: Differential Privacy fügt jeder Antwort ein wenig zufälliges Rauschen hinzu, sodass sich das Ergebnis kaum verändert, egal ob eine einzelne Person in den Daten enthalten ist oder nicht. Bei AWS verbraucht jede Abfrage einen Teil eines Privacy-Budgets. Das Budget und das pro Abfrage hinzugefügte Rauschen begrenzen, wie viele Abfragen ein Partner ausführen kann.
• Logs: wer welche Abfrage wann ausgeführt hat. Der Leitfaden des IAB Tech Lab sagt, diese Aufzeichnungen „sollten für alle Data Contributors transparent einsehbar sein“.
• Ausgabe der Ergebnisse: Eine Zielgruppe muss Ihren Ad Server oder die DSP einer Marke in einer Form erreichen, die das Werbesystem nutzen kann, nicht als herunterladbare Liste von E-Mail-Adressen.
• Löschung: Wenn eine Zusammenarbeit endet, verlangt der Leitfaden die „unverzügliche Entfernung und Vernichtung der Daten der Data Contributors sowie aller DCR-Ergebnisse“.

Was sollten wir prüfen, bevor wir mit einem Cloud-Anbieter oder einem Produktanbieter unterschreiben?

• Bleiben unsere Daten in unserem eigenen Konto, oder wird anderswo eine Kopie angelegt?
• Braucht jede Marke ein Konto oder eine Lizenz auf derselben Plattform, und wer bezahlt dafür?
• Wer bezahlt jede Abfrage, und wie ändert sich die Rechnung, wenn sich die Zahl der Marken verdoppelt?
• Können wir eigene freigegebene Abfragen hinzufügen und für jede Marke die Mindestgröße der Zielgruppe, das Rauschen und die Abfragelimits festlegen?
• Können wir jede Abfrage sehen, die auf unseren Daten ausgeführt wurde, mit der Angabe, wer sie wann ausgeführt hat?
• Wie werden Löschanfragen und widerrufene Einwilligungen auf Daten angewendet, die bereits im Clean Room liegen?
• Was können wir mitnehmen, wenn wir den Anbieter verlassen: die freigegebenen Abfragen, die Logs und die Zuordnungstabellen, die unsere Kunden-IDs mit den IDs der Partner verknüpfen?

Wem gehören der Code, die Abfragen und die Daten?

Bei einem Clean Room in der Cloud gehört der Dienst dem Cloud-Anbieter, und die Abfragen, die Ihr Team schreibt, gehören Ihnen. Bei einem lizenzierten Produkt gehören Analysen, die für Sie geschrieben wurden, Ihnen nur, wenn der Vertrag das so festlegt. Bei einer Eigenentwicklung kann Ihnen der Quellcode gehören, und Sie können jedes beliebige Team beauftragen, ihn zu ändern. Bitten Sie die Firma, die das System baut, im Vertrag alle Komponenten aufzulisten, die sie behält, und die Lizenz zu nennen, mit der Sie diese weiter nutzen dürfen.

Ganz gleich, welchen Weg Sie wählen, nehmen Sie drei Dinge in den Vertrag auf. Ihre Kunden- und Verkaufsdaten gehören weiterhin Ihnen, und der Anbieter darf sie nur nutzen, um Ihren Clean Room zu betreiben. Die freigegebenen Abfragen enthalten Ihre Messmethode, deshalb sollten Sie sie mitnehmen können. Behandeln Sie die Zuordnungstabellen als personenbezogene Daten und lassen Sie im Vertrag festhalten, wo sie aufbewahrt und wann sie gelöscht werden.

Was sollten wir eine Firma fragen, die das System bauen würde?

• Bauen Sie auf dem Clean Room unserer Cloud auf oder schreiben Sie den Kern selbst, und warum?
• Über welches Merkmal werden Sie Kunden abgleichen, und werden Sie sich beim Abgleich an PAIR und bei der Messung an ADMaP halten?
• Wie werden die Abfragen jeder Marke freigegeben, und wo wird die Mindestgröße der Zielgruppe durchgesetzt?
• Wie verhindern Sie, dass eine Marke durch den Vergleich zweier Ergebnisse etwas über einen einzelnen Kunden erfährt?
• Wie gelangen Zielgruppen in unseren Ad Server und unsere Auktion, und wie lange dauert das?
• Was zeichnen die Logs auf, wer kann sie lesen, und wie lange werden sie aufbewahrt?
• Wie erreicht eine Löschanfrage oder eine widerrufene Einwilligung Daten, die bereits abgeglichen wurden?
• Können Sie zeigen, wie das in einem System funktioniert, das heute läuft?

Wo passt amBrain ins Bild?

amBrain gibt diesen Blog heraus. Zwei seiner Zeilen beschreiben die Systeme auf beiden Seiten eines Clean Rooms: die Ad-Events, die hineingehen, und den Ad Server, der die Zielgruppen nutzt, die herauskommen. Die eine lautet: „amBrain baut Event-Analytics-Pipelines für AdTech: Erfassung, Verarbeitung und Reporting von Impression- und Klick-Events.“ Die andere: „amBrain baut Ad Server: Targeting, Frequency Capping und Reporting.“ Eine dritte Zeile lautet: „RTBBidder, eine Demand-Side-Platform, die wir für einen Kunden gebaut haben.“

amBrain entwickelt seit 2019 Software. Dazu, wie es mit Kunden arbeitet, sagt es: „Drei Formate: vollständige Umsetzung, ein dediziertes Team oder in Ihr Team eingebettete Entwickler.“ Zum Eigentum lautet sein Satz: „Der Kunde behält das volle Eigentum an Produkt und Code, ausgenommen unsere wiederverwendbaren Komponenten.“ Verlangen Sie vor der Unterschrift die namentliche Liste dieser Komponenten.

Dieser Artikel ist keine Case Study. Abgesehen von der Nennung von RTBBidder beschreibt er keine Arbeit für Kunden. Er sagt nicht, dass amBrain für irgendeinen Kunden einen Data Clean Room gebaut, lizenziert oder eingerichtet hat, und er nennt weder Preise noch Zeitpläne von amBrain. Er zitiert die anderen hier genannten Organisationen anhand ihrer veröffentlichten Seiten und behauptet keine Beziehung zwischen amBrain und einer von ihnen.

Er ist auch keine Rechtsberatung. Prüfen Sie mit einem Anwalt, wie das Datenschutzrecht auf Ihre Daten anzuwenden ist. Wenn amBrain auf Ihrer Shortlist steht, stellen Sie ihm dieselben Fragen wie jeder anderen Firma.