Was ist eine Customer Data Platform (CDP)?

Den Begriff prägte David Raab von Raab Associates in seiner Kolumne bei Demand Gen Report vom 30. April 2013. Er sah dort „an entirely new category of system: the Customer Data Platform (CDP)“. Seine Definition hatte drei Teile: eine Datenbank je Kunde, die die Kennungen einer Person verknüpft (E-Mail-Adresse, Browser-Cookies, Kundenkonto), fast automatisch erstellte Prognosemodelle und Antworten in Echtzeit an die Systeme mit Kundenkontakt. Laut Raab ersetzt die CDP weder CRM noch Marketing-Automation und liefert ihnen Daten und Empfehlungen.

Laut CDP Institute benannte Raab die Kategorie im April 2013 in einem Blogbeitrag. Die deutsche Übersetzung Kundendatenplattform gibt es, gesucht wird aber vor allem der englische Name.

Raabs Fassung umfasste Prognosemodelle und Entscheidungen, die heutige Definition stellt das Profil in die Mitte. Die Daten laut CDP Institute:

• September 2013: Raab veröffentlicht den ersten Branchenbericht zu CDPs mit elf Systemen.
• 2016: Gründung des CDP Institute; CDPs erscheinen erstmals im Gartner Hype Cycle.
• Seit 2020: Das Institut wächst international und hat heute regionale Ableger, darunter einen für die Iberische Halbinsel.
• 2021: Die Definition spricht von „packaged software“, die Fachabteilungen kaufen und steuern, im Unterschied zum Data Warehouse, das die IT baut.
• 2025: Das Institut wird Teil der Customer Data Alliance.
• 2026: Die neue Definition streicht „packaged“ und nennt drei Architekturen: mit eigenem Speicher, warehouse-nativ (composable) und hybrid.

Laut Gartner muss eine CDP First-Party-Kundendaten erfassen, online und offline, in Echtzeit oder nahezu in Echtzeit. Der Ablauf hat fünf Schritte:

• Erfassen: Ereignisse aus Website und App, Käufe, CRM- und Filialdaten.
• Identitätsauflösung: Welche Kennungen gehören zur selben Person?
• Profil: die Historie jedes Kunden, laut CDP Institute in vollem Detail und so lange, wie das Unternehmen will.
• Segmente: Gruppen nach Regeln oder nach berechneten Werten wie Trends oder Modellwerten.
• Aktivierung: Profile und Segmente für andere Systeme, per API, Abfrage oder Dateiexport, laut Institut.

Gartner nennt zwei Arten der Identitätsauflösung, deterministisch und probabilistisch. Die deterministische verknüpft Datensätze, wenn eine Kennung übereinstimmt; Adobe dokumentiert, dass sein Identity Service eine Verknüpfung anlegt, wenn Namensraum und Wert der Kennung übereinstimmen. Die probabilistische schätzt die Übereinstimmung aus Signalen ohne Gewissheit und kann zwei verschiedene Personen zusammenführen.

Auch die deterministische versagt. Twilio Segment beschreibt ein geteiltes iPad in einer Filiale: Registrieren sich mehrere Kunden darauf, tragen ihre Ereignisse dieselbe Geräte-ID und landen ohne Regeln in einem Profil. Segment beschreibt außerdem einen fest eingetragenen Testwert im Feld user_id, der in die Produktion gelangt und Hunderte Profile fälschlich zusammenführt.

Das CDP Institute teilt die Anbieter in vier Arten ein. Jede umfasst die Funktionen der vorherigen.

Quelle: CDP Institute, „What is a CDP?“, Abschnitt „Types of CDPs“ (abgerufen am 13.11.2026).

Nach Architektur hält die CDP mit eigenem Speicher (packaged) ihre eigene Kopie der Daten; die composable CDP arbeitet auf dem Data Warehouse des Unternehmens mit Bausteinen mehrerer Anbieter; die hybride kombiniert beides. Laut CDP Institute führen Befürworter an, dass der composable Ansatz eine weitere Kopie vermeidet und mehr Kontrolle gibt; das Institut weist darauf hin, dass die meisten Data Warehouses Echtzeit schlecht unterstützen und das ein Kopieren der Daten nötig machen kann.

In einem Beispiel aus Adobes Dokumentation meldet sich eine Person am Laptop in einem Onlineshop an, und das System erhält ihre Kunden-ID und die ID des Browsers. Später meldet sie sich am Smartphone an, und eine zweite Browser-ID kommt hinzu. Weil beide Ereignisse dieselbe Kunden-ID tragen, verknüpft der Identitätsgraph alle drei.

Ein Fallbeispiel ohne echtes Unternehmen: eine deutsche Handelskette mit Website, App und Filialen. Eine Kundin kauft in der App mit ihrer E-Mail-Adresse und zahlt in der Filiale mit einer Kundenkarte, die an dieselbe Adresse gebunden ist. Die CDP führt beide Spuren zusammen, und die Kette kann sie aus Neukundenkampagnen ausschließen, sofern sie dafür eine Rechtsgrundlage hat.

Eine CDP lohnt sich, wenn mehrere dieser Bedingungen erfüllt sind:

• Kundendaten liegen in mehreren Quellen, etwa Website, App, Filiale und CRM.
• Kunden kaufen oder interagieren über mehr als einen Kanal.
• Es gibt eine verlässliche Kennung, etwa eine Kunden-ID oder eine bestätigte E-Mail-Adresse.
• Ein Team legt die Anwendungsfälle fest und pflegt die Integrationen.

Bei einer Quelle und einem Kanal reicht ein CRM mit einem E-Mail-Werkzeug. Die Kosten sind der Integrationsaufwand und das Risiko, verschiedene Personen zusammenzuführen; die composable Variante braucht laut CDP Institute mehr Entwicklungsaufwand.

Quelle: CDP Institute, „What is a CDP?“, Abschnitt „How a CDP Differs from CRM, DMP and Data Warehouses“ (abgerufen am 13.11.2026).

Der Unterschied zur DMP liegt in der Art der Daten: First-Party-Daten zu identifizierten Kunden gegenüber anonymen Segmenten aus Drittdaten.

Produkte, die ihre Hersteller als CDP bezeichnen, alphabetisch und ohne Rangfolge.

Quelle: Produktseiten der Hersteller (abgerufen am 13.11.2026).

Das CDP Institute führt ein Verzeichnis mit mehr als 240 Anbietern.

Die maßgebliche Definition stammt von einem Institut, das sich laut eigener FAQ aus Beiträgen von CDP-Anbietern und Firmen mit verwandten Produkten finanziert. Seine Zertifizierung RealCDP prüft ein unabhängiger Dritter, bezahlt vom Anbieter.

Die Grenze zum Data Warehouse verschiebt sich. Gartner schreibt, CDPs arbeiteten im Einklang mit den Datenplattformen des Unternehmens, oft mit föderiertem oder kopierfreiem Zugriff. Laut CDP Institute ist eine klassische CDP oft wirksamer, wenn dem Warehouse viele Fähigkeiten fehlen.

Gartner Peer Insights fasste im Juli 2026 Lehren von CDP-Nutzern zusammen (mindestens 75 Antworten): Anwendungsfälle dokumentieren, Preise vor der Einführung klären, Daten vor der Migration bereinigen und schrittweise einführen.

In Deutschland verarbeitet eine CDP personenbezogene Daten und fällt unter die DSGVO: Jede Verarbeitung braucht eine Rechtsgrundlage (Art. 6), Betroffene können der Direktwerbung jederzeit widersprechen, auch dem Profiling dafür (Art. 21 Abs. 2), und bei einer Löschung (Art. 17) muss der Verantwortliche sie allen Empfängern mitteilen, es sei denn, das ist unmöglich oder unverhältnismäßig aufwendig (Art. 19); in einer CDP sind diese Empfänger die angeschlossenen Systeme. Für Cookies und ähnliche Zugriffe auf das Endgerät verlangt § 25 TDDDG eine Einwilligung auf Grundlage klarer und umfassender Informationen.

• Schreib die Anwendungsfälle auf, bevor du Anbieter ansiehst.
• Erfasse deine Datenquellen und die Kennung, die sie verbindet.
• Prüfe Rechtsgrundlage und Einwilligung je Quelle und Zweck.
• Wähle die Architektur nach dem Stand deines Data Warehouse und deines Technikteams.
• Starte mit einem Anwendungsfall und ein oder zwei Quellen.
• Leg vor dem Start fest, wie du das Ergebnis misst.

• Normalisiere Kennungen vor dem Laden, etwa E-Mail-Adressen in Kleinbuchstaben.
• Sperre Test- und Standardwerte als Kennungen, wie Segment es empfiehlt.
• Verbinde Löschungen mit allen Systemen, die Profile erhalten.

• Die Plattform kaufen, bevor die Anwendungsfälle feststehen.
• Annehmen, dass alle CDPs Kennungen gleich behandeln: Laut Dokumentation unterscheidet Adobe Groß- und Kleinschreibung, Segment nicht.
• Probabilistischen Abgleich für Zwecke nutzen, die Gewissheit über die Person verlangen.

Dieser Eintrag wurde im November 2026 mit Hilfe von KI geschrieben. Die Angaben stammen aus David Raabs Kolumne von 2013, vom CDP Institute, von Gartner, aus Dokumentation und Produktseiten der Hersteller und aus den Gesetzestexten. Er wurde vor der Veröffentlichung geprüft und enthält keine Kundendaten.