Federated Learning Of Cohorts: Personalisierte Werbung ohne Nutzerprofile

Mit einer neuen Technik will Google die Quadratur des Kreises schaffen: Cookiefreies und dennoch akkurates Werben. Basis sind dann Kohorten.

Lesezeit: 2 Min.
In Pocket speichern
vorlesen Druckansicht Kommentare lesen 22 Beiträge

Interessensgruppen statt Cookies: So schaut Googles Plan für die Online-Werbung aus.

(Bild: Anton Watman/Shutterstock.com)

Von
  • Torsten Kleinz
Inhaltsverzeichnis

Googles Vorbereitungen auf die Abschaffung des Third Party Cookies nehmen mehr Gestalt an. In einem Whitepaper hat der Konzern eine neue Technik vorgestellt, die das personalisierte Werben revolutionieren soll: Mit Federated Learning of Cohorts (FLoC) sollen Werber Interessenprofile nutzen können, ohne dass diese Informationen das Gerät des Nutzers verlassen.

Anfang des Jahres hatte Google das Ende der Third Party Cookies zu Werbezwecken innerhalb von zwei Jahren angekündigt. Mit der Initiative "Privacy Sandbox" stellt der Konzern seither Techniken wie Turtledove vor. Das Ziel: Während die Browser-Konkurrenz Werbung und Tracking zunehmend blockiert, will Google neue Alternativen schaffen, die einen Kompromiss zwischen Privatsphäre der Nutzer und dem Datenhunger der Werbetreibenden herstellen.

Nun hat Google ein Whitepaper auf Github veröffentlicht, das das Konzept vorstellt. Der Kerngedanke: Die Endnutzer werden bestimmten "Kohorten" zugeteilt, die einem gemeinsamen Nutzerprofil angehören. Werbetreibende können dann ihre geplanten Werbekampagnen diesen Kohorten zuordnen, sodass sie an Nutzer mit einem passenden Interessenprofil ausgeliefert werden. "Wir wollen Privatsphäre-freundliche Mechanismen zur Verfügung stellen, die es den Werbenden ermöglichen, ihre Werbung zu personalisieren, ohne die Nutzer zu identifizieren oder tracken zu müssen."

Der Clou des Federated Learning: Um diese Interessen-Kohorten zu erstellen, ist es nicht notwendig, die Interessenprofile der Nutzer zentral zu sammeln. Stattdessen sollen Algorithmen auf dem Endgerät etwa aus der Browser-Historie Hashwerte berechnen, die eine Zuordnung zu einer solchen Gruppe ermöglichen. Dabei wird die Technik SimHash eingesetzt.

Damit die Kohorten nicht nachträglich wieder konkreten Personen zugeordnet werden können, hat sich Google gegen die "Differential Privacy" entschieden, die etwa bei der Datenaufbereitung von Bewegungsdaten in Google-Produkten zum Zug kommt und die darauf beruht, die Daten im Einzelnen zu verrauschen, ohne das Gesamtergebnis zu beeinflussen. Stattdessen setzt FloC auf k-Anonymität, bei der Nutzer in so große Kohorten eingeteilt werden, bis keine Rückschlüsse auf einzelne Nutzer mehr möglich sind. Im Whitepaper ist etwa die Zahl von 5000 Nutzern genannt, die zu hinreichend ähnlichen Interessenprofilen gruppiert werden.