Die Werbelandschaft entwickelt sich rasant, und eines wird deutlich: Kollaboration ist heute wichtiger denn je. Allerdings kann die Zusammenarbeit in einer Welt, in der Unternehmen über grundlegend unterschiedliche Tech- und Data-Stacks verfügen, schnell sehr komplex werden. Diese Komplexität wird durch eine gewisse Kompetenzlücke in der Branche noch verstärkt: Während einige Unternehmen über fortschrittliche Data-Science-Ressourcen verfügen, verlassen sich andere ausschließlich auf reines Marketing-Fachwissen.

Data Clean Rooms haben auch in diesem Kontext in der jüngsten Vergangenheit an Bedeutung gewonnen. Data Clean Room dienen als neutrale Umgebungen, in denen mehrere Unternehmen über verschiedene Datenquellen hinweg zusammenarbeiten können, ohne Kundendaten zu teilen oder preiszugeben. Dennoch gibt es viele Diskussionen darüber, wie diese Lösungen interoperabler gestaltet werden können. Wir müssen das Konzept der Interoperabilität im Werbekontext betrachten und eine echte Interoperabilität anstreben, die eine Zusammenarbeit aller Beteiligten unabhängig der jeweiligen genutzten Anbieter oder Tech-Stacks erlaubt.

Trotz vieler Behauptungen, dass Clean Rooms mühelos übergreifend zusammenarbeiten können, sind Agenturen, Publisher, Werbetreibende sowie Datenanbieter für eine reibungslose Zusammenarbeit oft an denselben Clean Room- und Cloud-Anbieter gebunden.

Wenn ein Unternehmen also erstmal seine Anforderungen in puncto Zusammenarbeit sammelt, ist es wichtig zu verstehen, was der Begriff im eigenen Kontext und im Kontext der eigenen Werbemaßnahmen überhaupt bedeutet. Für die meisten Werbetreibenden geht es bei der Interoperabilität nämlich nicht um die Kompatibilität von Clean Room zu Clean Room. Es geht darum, eine nahtlose Zusammenarbeit zu ermöglichen, unabhängig von der internen Struktur des Unternehmens und seiner Partner.

Und bei dem Aspekt sprechen wir direkt vom Mindset der Tech-Anbieter, mit denen ein Unternehmen zusammenarbeitet. Heutzutage sollte es das Hauptziel jedes Anbieters sein, die Zusammenarbeit mit jeder Art, Größe und jedem Format von Daten an jedem Ort mit nur wenigen Klicks zu ermöglichen. Natürlich sind wir davon leider noch weit entfernt. Diese nahtlose Zusammenarbeit sollte aber nicht davon abhängen, dass alle Beteiligten in derselben Cloud oder demselben Data Warehouse sitzen, dieselbe Datentaxonomie haben oder sogar eine gemeinsame Kennung besitzen. Aber wie erreichen wir das?

Viele Lösungen, die Interoperabilität vorgeben, setzen wie erwähnt voraus, dass die Daten in derselben Cloud oder bei demselben Data-Warehouse-Anbieter gehostet werden. Eine Lösung ist es, die Datenspeicherlösungen eines Unternehmens von der Data Collaboration zu trennen. Der Fokus sollte also nicht auf der Datenspeicherung (was bei Data Clean Rooms ja ohnehin nicht stattfinden sollte) liegen, sondern darauf, wie zusammengearbeitet werden kann und wie Privacy Enhancing Technologies (PET) dies ermöglichen können.

Ist die Quelle und der Standort erst einmal irrelevant, können Daten zum Beispiel AWS von, Snowflake, benutzerdefinierten Lösungen oder auch CDPs, DMPs, CRMs und mehr miteinander kommunizieren. Die PETs sorgen dafür, dass auch weiter nur der Dateneigentümer Zugriff hat. Welcher Technologieanbieter am anderen Ende aber wartet, ist im Grunde egal.

Eine große Herausforderung bei der Data Collaboration besteht darin, dass keine zwei Datensätze identisch sind. Noch schwieriger wird es, wenn mehrere Parteien beteiligt sind. So kann beispielsweise das Geburtsdatum auf zahlreiche Arten dargestellt werden, zum Beispiel als MM/TT/JJ, Monat, Tag, Jahr oder einfach als Jahr. Es braucht also einen Rosetta-Stein, der Daten in verschiedenen Formaten automatisch in einer gemeinsamen Sprache abbildet. Die (globalen) Unterschiede dürfen die Zusammenarbeit nicht behindern. Diese Unterschiede müssen jedoch berücksichtigt werden, sonst hakt es im Prozess. Das Ganze geht natürlich über Geburtsdaten hinaus. Unabhängig davon, ob die Daten gehasht, roh oder transformiert sind, müssen sie miteinander abgeglichen werden können.

Eine weitere große Hürde bei der Data Collaboration ist das Fehlen eines universellen Identifikators. Unternehmen verwenden verschiedene Identifikatoren, von E-Mail und Telefonnummern bis hin zu Mobile Ad IDs (MAIDs), Cookies und anderen Third-Party-Identifikatoren. ID-Bridge-Partner erlauben an dieser Stelle die Zusammenarbeit auch dann, wenn kein gemeinsamer Identifikator verfügbar ist.

Verschiedene Organisationen verfügen über unterschiedlich tiefgreifende Fähigkeiten. Während einige Unternehmen über fortschrittliche Data-Science-Ressourcen verfügen, sehen wir immer häufiger, dass Marketingexpert:innen und andere Businessanwender:innen die primären Eigentümer:innen der Data Clean Room-Technologien sind. Es muss daher verschiedene Möglichkeiten geben, eine Plattform zu nutzen, von Full- bis hin zu No-Code. Query-Tools müssen Data Scientists alle Werkzeuge an die Hand geben, die sie benötigen.

Gleichzeitig muss eine auf das Marketing ausgerichtete Benutzeroberfläche mit wenigen Klicks zu umfassenden Erkenntnissen führen, um effektive Kampagnen zu planen und die Performance zu messen. Im Sinne der Interoperabilität müssen also konsequenterweise auch zusätzliche Orchestrierungsschichten eliminiert werden.

Data Clean Rooms sind ein gutes Beispiel dafür, in welchem Bereich das Thema Interoperabilität aktuell vorangetrieben wird. Wenn wir uns als Player des Open-Web-Ökosystems jedoch langfristig und nachhaltig behaupten wollen, dann sollten wir alle etwas zusammenrücken und Interoperabilität viel weiterdenken. Es gilt, den Geist des Themas in die gesamte Werbebranche hineinzutragen.