Was ist ein Data Clean Room?

Ein Data Clean Room ist eine kontrollierte Datenumgebung, in der zwei oder mehr Organisationen ihre Informationen gemeinsam abgleichen und analysieren, ohne sich gegenseitig die Originaldaten zu übergeben. Jede Partei behält die Kontrolle über die eigenen Daten und erhält nur aggregierte Ergebnisse der Abfragen, die innerhalb der Umgebung laufen.

Der Begriff stammt aus der Halbleiterindustrie, wo ein Reinraum ein Raum mit kontrollierten Bedingungen ist, um Verunreinigung zu verhindern. Auf Daten übertragen bedeutet die „Sauberkeit", dass kein Teilnehmer die Rohdaten des anderen sieht: er sieht das Ergebnis einer gemeinsamen Analyse, nie die Einzelliste, aus der es entstanden ist.

Sinnvoll ist die Abgrenzung zu benachbarten Begriffen. Eine CDP (Customer-Data-Plattform) bündelt die First-Party-Daten eines einzelnen Unternehmens für den internen Gebrauch; ein Data Clean Room erlaubt mehreren Unternehmen, ihre Daten abzugleichen, ohne sie direkt zu teilen. Ebenso wenig entspricht er einer klassischen Datenintegration, bei der eine Partei ihre komplette Datenbasis an die andere übergibt. Und er ist für sich genommen kein Compliance-Werkzeug: Die DSGVO gilt weiterhin für die Daten, die in den Raum gelangen, die Umgebung senkt das Risiko der Offenlegung zwischen Unternehmen, ersetzt aber nicht die Rechtsgrundlage für deren Verarbeitung.

In der Werbung ist der häufigste Anwendungsfall, den Erfolg einer Kampagne zu messen, indem die Kundenliste eines Werbetreibenden mit den Ausspielungsdaten einer Plattform abgeglichen wird, ohne dass der Werbetreibende sieht, wen die Plattform erreicht hat, und ohne dass die Plattform die vollständige Kundenbasis des Werbetreibenden sieht.

Der Mechanismus stützt sich auf drei Bausteine: eine Umgebung mit eingeschränktem Zugriff, eine gemeinsame Abfragesprache und Regeln, die festlegen, was diese Umgebung verlassen darf.

Erstens verbindet oder lädt jede Organisation ihre Daten in die Umgebung, in der Regel identifiziert über einen Hash oder eine gemeinsame ID, zum Beispiel eine E-Mail-Adresse oder Telefonnummer, die auf beiden Seiten mit demselben Algorithmus verschlüsselt wurde, um einen Abgleich zu ermöglichen, ohne das Originaldatum offenzulegen. Keine der Parteien lädt in diesem Schritt die Daten der anderen herunter, nicht einmal der Betreiber der Umgebung erhält Zugriff im Klartext.

Zweitens werden die Abfragen in SQL oder einer ähnlichen Sprache geschrieben und innerhalb der Umgebung ausgeführt, nicht außerhalb davon. Der Code der Abfrage kann für beide Seiten sichtbar oder prüfbar sein, aber das Einzige, was die Umgebung verlässt, ist ein Aggregat: eine Zählung, ein Prozentsatz, ein Mittelwert. Google Ads Data Hub etwa erzwingt Datenschutzprüfungen, bevor Daten das eigene Google-Cloud-Projekt verlassen, und aggregiert die Daten, bevor sie an den Werbetreibenden übergeben werden.

Drittens gibt es Mindestschwellen für die Aggregation: Würde ein Ergebnis eine zu kleine Personengruppe betreffen, zum Beispiel weniger als fünfzig, blockiert das System die Abfrage, weil eine kleine Gruppe leichter reidentifizierbar ist. Manche Implementierungen fügen den Ergebnissen zusätzlich statistisches Rauschen hinzu, eine Technik, die als differenzielle Privatsphäre bekannt ist, um diese Reidentifizierung weiter zu erschweren.

Das praktische Ergebnis ist, dass keine der Parteien eine Personenliste oder eine Datei mit Einzeldaten der anderen mitnimmt. Sie nimmt eine Zahl oder eine aggregierte Tabelle mit, und genau diese Zahl ist das Einzige, was den Raum verlässt.

Die Entscheidung, in einen Data Clean Room zu investieren, hängt meist davon ab, mit wem etwas gemessen werden muss, ohne Rohdaten zu teilen, sei es aus rechtlichen oder vertraglichen Gründen: ein Hersteller und ein Händler, oder ein Werbetreibender und eine Videoplattform.

Der Kontext hat die Rechnung verändert. Safari und Firefox blockieren Drittanbieter-Cookies seit Jahren standardmäßig. Chrome kündigte im Juli 2024 an, den Plan zur vollständigen Abschaffung aufzugeben, und überließ die Entscheidung stattdessen den Nutzern über einen Auswahlhinweis; damit ist Chrome nicht mehr die stabile Referenz, die es das letzte Jahrzehnt lang war. Ein wachsender Teil des Traffics lässt den Datenabgleich per Drittanbieter-Cookie gar nicht mehr zu, unabhängig davon, welche Richtlinie sich bei den einzelnen Browsern am Ende durchsetzt. Data Clean Rooms sind von diesem Cookie unabhängig, deshalb gewinnen sie als Alternative für die gemeinsame Messung an Gewicht.

Im Retail Media ist es zudem eine übliche Vertragsbedingung: Große Handelsketten verlangen von Marken, ihre Kampagnen innerhalb der Umgebung der Kette zu messen, nicht außerhalb davon, um die eigene Kundenbasis nicht an Dritte abzugeben.

Die andere Entscheidung, die davon abhängt, ist, wem der Raum gehört. Ein Data Clean Room eines einzelnen Anbieters, etwa der von Google oder der einer Handelskette, gibt der anderen Seite weniger Kontrolle als ein neutraler, von einem unabhängigen Dritten betriebener Raum.

• Lege vor dem Verbinden von Daten mit dem Raum gemeinsam mit dem anderen Teilnehmer fest, welche Mindestschwelle für die Aggregation jede Abfrage einhalten muss, zum Beispiel keine Ergebnisse zu veröffentlichen, die weniger als 50 Personen betreffen.
• Prüfe, wer die Umgebung betreibt, bevor du eigene Daten einbringst: ein Raum eines einzelnen Anbieters ist zwischen den Parteien nicht neutral, ein von einem unabhängigen Dritten betriebener Raum schon.
• Dokumentiere die DSGVO-Rechtsgrundlage jedes Datums, bevor es in den Raum hochgeladen wird. Die Umgebung senkt das Risiko der Offenlegung, ersetzt aber weder die Einwilligung noch die Rechtsgrundlage.
• Teste Abfragen mit fiktiven Daten, bevor sie mit echten Daten ausgeführt werden, um Granularitätslecks zu erkennen, bevor sie mit Daten realer Personen auftreten.
• Vereinbare vertraglich, was mit den aggregierten Ergebnissen nach Ende der Zusammenarbeit geschieht: wer sie aufbewahrt, wie lange und zu welchem Zweck.
• Prüfe, ob der Clean Room eine Prüfung des Abfrage-Codes erlaubt, nicht nur des Endergebnisses, bevor Zugriff auf sensible Kundendaten gewährt wird.

• Den Data Clean Room als Ersatz für die Einwilligung der Nutzer zu behandeln, obwohl er in Wirklichkeit nur das Risiko der Offenlegung zwischen Unternehmen senkt.
• Daten hochzuladen, ohne sie zu hashen oder zu pseudonymisieren, im Vertrauen darauf, dass die Zugriffskontrolle der Umgebung allein genügt, um sie zu schützen.
• Keine Mindestschwelle für die Aggregation festzulegen, wodurch Abfragen so spezifisch werden können, dass sie am Ende eine einzelne Person identifizieren.
• Anzunehmen, dass alle Data Clean Rooms untereinander interoperabel sind: Jeder Anbieter nutzt sein eigenes ID-Format und eigene Zugriffsregeln.
• Nicht zu prüfen, wem die Infrastruktur gehört, was einem Anbieter einen Informationsvorsprung gegenüber den übrigen Teilnehmern des Raums verschaffen kann.