Hör auf, das perfekte Attributionsmodell zu suchen – bau stattdessen einen Measurement Stack

Attribution wurde immer wie ein Gerichtsverfahren behandelt. Beweise sammeln, jeden Kanal in den Zeugenstand bringen und den Richter entscheiden lassen, wer den Kredit für den Abschluss bekommt. Das Problem: Das Verfahren hat jetzt vierzig Zeugen, die Hälfte davon ist anonym, und der Richter kann nicht durch das Datenschutzglas sehen. Dan Harris schreibt für MarTech, dass das gesamte urteilsbasierte Denkmuster abgeschafft werden muss.

Meine Einschätzung: Er hat recht, und die Engineering-Teams, die Measurement-Pipelines bauen, wissen das schon seit einer Weile. Die Marketer holen jetzt endlich auf, was die Datenplattform-Leute schon seit dem langsamen Tod des Cookies tuscheln.

Die wichtigsten Details

Der Artikel, veröffentlicht von MarTech am 6. August 2026, rahmt Attribution als Entscheidungsunterstützungssystem neu. Seine Aufgabe ist es nicht, einen Gewinner auszurufen. Es geht darum, abzuschätzen, welche Marketing- und Vertriebsinteraktionen mit Umsatzergebnissen zusammenhängen, damit Teams präzisere Budget- und Pipeline-Entscheidungen treffen können. Diese Neurahmung leistet mehr, als sie auf dem Papier aussieht.

Harris benennt drei Verschiebungen. Die erste ist strukturell. B2B-Kaufprozesse, die früher mit sechs oder sieben Touchpoints beschrieben wurden, umfassen heute häufig 20 bis 40 Touchpoints über mehrere Kanäle und mehrere Stakeholder hinweg. Last-Click und First-Touch liefern noch immer Richtungswerte, können aber die gesamte Geschichte nicht mehr erzählen.

Die zweite Verschiebung ist technischer Natur – und das ist der Kern der Sache. Signalverlust kommt aus jeder Richtung: Browser-Datenschutzeinstellungen, Cookie-Einschränkungen, Ad-Blocker, KI-gesteuertes Search und Identitätsfragmentierung. Selbst korrekt implementiertes Event-Tracking setzt voraus, eine Person über Sessions, Geräte und Systeme hinweg zu erkennen. Dieses Identifikationsproblem hat Organisationen in Richtung Server-Side-Tracking, Conversion APIs, Identity Stitching, CRM-verbundene Measurement-Architekturen und First-Party-Datenstrategien getrieben. Wer schon einmal einen serverseitigen Tag-Manager aufgesetzt und dann versucht hat, ihn mit Salesforce abzugleichen, weiß, dass genau am langweiligen Teil alles zusammenbricht.

Die dritte Verschiebung ist organisatorischer Natur. Channel-Manager wollen taktische Optimierung. Marketing-Leiter wollen Investitionslogik. Führungskräfte wollen die Gewissheit, dass die Ausgaben das Unternehmen voranbringen. Kein einzelnes Modell kann alle drei Zielgruppen bedienen.

Harris geht dann das Toolkit durch. Positionsbasierte Attribution eignet sich für Führungsnarrative über Nachfragegenerierung und Conversion. Time-Decay passt zu langen Kaufzyklen, bei denen späteres Engagement mehr Gewicht trägt. Datengetriebene Attribution gewichtet Interaktionen anhand von Mustern aus historischen Opportunities, erfordert aber saubere Daten und ausreichend Volumen, um statistisch aussagekräftig zu sein. Marketing Mix Modeling (MMM) arbeitet auf aggregierter Ebene und eignet sich besser für die Budgetallokation über Kanäle hinweg – insbesondere für Events, Sponsorings und Brand-Marketing, die digitale Attribution regelmäßig unterbewertet. Multi-Touch-Attribution bleibt ein effektives taktisches Optimierungswerkzeug. Die stärksten Measurement Stacks kombinieren Attribution, MMM, Pipeline Analytics, Win-Loss-Forschung, qualitatives Vertriebs-Feedback, Experimente und Account-Engagement-Daten.

Warum das für Performance Marketing relevant ist

Wenn du Paid Acquisition für ein B2B-Produkt verantwortest, vergiftet die Gerichtsanalogie seit Jahren still deine Budget-Meetings. Jemand im Raum fragt „Was hat LinkedIn letztes Quartal gebracht?" – und die Antwort hängt vollständig davon ab, welches Modell der Analyst zuerst geöffnet hat. Positionsbasiert sagt eine Sache, Time-Decay sagt eine andere, und der CMO wählt das Modell, das den Plan schönrechnet, den er ohnehin schon finanzieren wollte.

Der Grund, warum das für Traffic-Teams relevant ist: Die Eingaben für diese Modelle haben sich schneller verschlechtert, als die meisten Attribution-Anbieter ihre Marketing-Unterlagen aktualisiert haben. Die Privacy Sandbox-Initiative, Apples ITP, die Meta Conversions API-Ära – all das bedeutet, dass die Click-to-Conversion-Kette jetzt aus Teilsignalen zusammengesetzt wird, statt von Ende zu Ende beobachtet zu werden. Wenn deine gesamte Budgetverteidigung auf einem Multi-Touch-Bericht basiert, der aus browserseitigen Pixeln generiert wird, verteidigst du eine Brücke, bei der die Hälfte der Kabel fehlt.

Harris' Argument, dass MMM Attribution ergänzt statt ersetzt, ist der praktische Kern. MMM ist aggregiert und interessiert sich nicht dafür, dass ein Drittel deiner Nutzer das Pixel geblockt hat. Es interessiert sich für Ausgaben- und Umsatzkurven und dafür, was passiert ist, als du die Investitionen hoch- oder runtergefahren hast. Für alle, die echtes Geld für Events oder Brand ausgeben und vom Attribution-Dashboard gesagt bekommen, dass diese Kanäle so gut wie nichts gebracht haben, ist MMM das korrigierende Instrument. Es sagt dir nicht, welches Creative am Dienstag gewonnen hat. Es sagt dir, ob das Sponsoring es wert war, verlängert zu werden.

Die taktische Optimierungsarbeit – welches Creative, welches Keyword, welche Zielgruppe – verbleibt bei Multi-Touch-Attribution und plattformnativen Reportings wie der Google Ads API und der Meta Marketing API. Das richtige Werkzeug für die richtige Frage nutzen. Hör auf, von einem einzigen Dashboard zu verlangen, beide Aufgaben zu erfüllen.

Auswirkungen auf die Branche

Für Engineering- und Daten-Teams in iGaming, Fintech und B2B SaaS sind die operativen Folgen real. Ein Measurement Stack der Art, die Harris beschreibt, ist kein Produkt, das man kauft. Es ist eine Reihe von Pipelines, die man besitzt. Server-Side-Tracking braucht Infrastruktur, Conversion APIs brauchen zuverlässige Server-to-Server-Übertragung, Identity Stitching braucht einen kanonischen Customer-Graph, und CRM-verbundenes Measurement braucht das CRM als Single Source of Truth – nicht als nachgelagertes Reporting-Layer.

Das ist viel Infrastrukturarbeit. Der Großteil davon liegt bei Data Engineering, nicht bei Marketing Ops. Die Teams, die das richtig hinbekommen, behandeln den Attribution-Layer als Produkt mit SLAs, Versionierung und klarer Ownership. Die Teams, die es falsch machen, lassen die Marketingagentur einen Google Tag Manager-Container aufsetzen und wundern sich dann, warum Finance und Marketing sich nicht auf die Zahlen des letzten Quartals einigen können.

Es gibt einen Dominoeffekt für vertikale Besonderheiten. Im iGaming spielt die Realität von 20 bis 40 Touchpoints über Affiliate-Kanäle, Retention-E-Mail, Push und App-Reinstalls aus – die meisten davon passen nicht sauber in ein browserbasieres Attributionsmodell. Im Fintech drängen lange Verkaufszyklen für B2B-Produkte klar in Richtung Time-Decay. In Crypto und DeFi fragmentiert die wallet-basierte Identität das Bild weiter, weil der „Nutzer" oft keine Person ist, die man überhaupt einem CRM-Datensatz zuordnen kann. Jede Vertikale hat ihr eigenes Signalverlust-Profil und braucht eine etwas andere Kombination der Werkzeuge in Harris' Stack.

Die Organisationen, die hier erfolgreich sind, behandeln Measurement Architecture als erstklassige Engineering-Aufgabe – nicht als Quartalsprojekt, das das Analytics-Team startet, wenn jemand sich über die Zahlen beschwert.

Der Weg nach vorne

Meine Prognose: Innerhalb der nächsten zwei Jahre wird die Kategorie „Attribution Vendor" als eigenständiger SaaS-Kauf in den breiteren Customer Data Infrastructure-Bereich kollabieren. Der Grund ist einfach. Sobald man akzeptiert, dass kein einzelnes Modell gewinnt, wandert der Wert zu demjenigen, dem der saubere, gestickte First-Party-Datensatz darunter gehört. Das Modell darüber ist zu diesem Zeitpunkt fast eine Commodity.

Drei Signale beobachten. Erstens: Wie schnell MMM-Tooling demokratisiert wird. Der klassische Einwand gegen MMM war, dass es Berater und monatelange Arbeit erforderte. Günstigeres, schnelleres MMM verändert die Rechnung für Mid-Market-Teams. Zweitens: Wie Anbieter das Identity-Stitching-Problem angehen, während Third-Party-Cookies weiter verfallen und KI-gesteuertes Search weiter in den Discovery-Funnel frisst. Drittens: Ob CFOs anfangen, Measurement Stacks zu fordern, die mit Finanzdaten abgeglichen werden – denn sobald Attribution-Zahlen mit gebuchtem Umsatz im Hauptbuch übereinstimmen müssen, überleben die Hälfte der Anbieterversprechen auf dem Markt den Kontakt mit der Realität nicht.

Zurück zum Gerichtssaal. Das Urteilsmodell ist tot. Was es ersetzt, sieht eher aus wie ein Sachverständigengremium – jeder beantwortet eine spezifische Frage, und ein Richter, der klug genug ist, keinen von ihnen zu bitten, den gesamten Fall zu lösen.

Wichtigste Erkenntnisse

• B2B-Kaufprozesse haben sich von 6 bis 7 Touchpoints auf 20 bis 40 Touchpoints ausgeweitet, und kein einzelnes Attributionsmodell kann diese Geschichte erzählen.
• Signalverlust durch Browser-Einstellungen, Cookies, Ad-Blocker, KI-Search und Identitätsfragmentierung hat Measurement in Richtung Server-Side-Tracking, Conversion APIs und First-Party-Daten gedrängt.
• Das Modell der Frage anpassen: positionsbasiert für Führungsnarrative, Time-Decay für lange Zyklen, datengetrieben wenn Volumen und Datenqualität es erlauben, MMM für Budgetallokation und Brand.
• MMM ergänzt Attribution, anstatt sie zu ersetzen – insbesondere für Events, Sponsorings und Brand-Marketing, das digitale Attribution unterbewertet.
• Die stärksten Measurement Stacks kombinieren Attribution, MMM, Pipeline Analytics, Win-Loss-Forschung, qualitatives Vertriebs-Feedback, Experimente und Account-Engagement-Daten.