Federated Learning of Cohorts

Hintergrund und Entstehung

Das Konzept von Federated Learning of Cohorts entstand durch wachsende Kritik am Third-Party-Cookie-Tracking. Third-Party-Cookies (Drittanbieter-Cookies) sind kleine Textdateien, die nicht von der besuchten Website, sondern von eingebundenen Drittanbietern im Browser gespeichert werden. Sie ermöglichen das Verfolgen eines Nutzers über viele Websites hinweg und das Erstellen detaillierter Interessenprofile.

Die Datenschutz-Grundverordnung (DSGVO) schränkte diese Praxis in der EU zunehmend ein. Browser-Hersteller wie Apple (Safari) und Mozilla (Firefox) begannen, Third-Party-Cookies standardmäßig zu blockieren. Google musste eine Nachfolgelösung entwickeln. Sie sollte Datenschutzanforderungen erfüllen und gleichzeitig personalisierte Werbung ermöglichen.

FLoC wurde ab 2019 innerhalb von Googles Initiative Privacy Sandbox konzipiert. Diese Initiative bündelt mehrere Technologien zur datenschutzfreundlichen Umgestaltung des Web-Ökosystems.

Funktionsweise von Federated Learning of Cohorts

Das Verfahren basiert auf dem Prinzip des Federated Learning. Dabei handelt es sich um einen Ansatz aus dem maschinellen Lernen: Modelle werden dezentral auf lokalen Geräten trainiert, ohne Rohdaten zentral zusammenzuführen. Im Werbekontext bedeutet das:

• Der Browser analysiert die besuchten Websites über einen definierten Zeitraum (z. B. sieben Tage) lokal auf dem Endgerät.
• Ein integrierter Algorithmus – bei Chrome war dies der SimHash-Algorithmus – berechnet daraus eine numerische Kohorten-ID.
• Nutzer mit ähnlichem Surfverhalten erhalten dieselbe Kohorten-ID und bilden so eine anonyme Gruppe.
• Diese ID – nicht die Browshistorie – wird Werbetreibenden auf Anfrage mitgeteilt.

Werbetreibende können Anzeigen an Kohorten mit bestimmten Interessen ausspielen. Der einzelne Nutzer bleibt dabei anonym. Die individuelle Browshistorie verlässt das Gerät zu keinem Zeitpunkt.^[1]

Federated Learning of Cohorts im technischen Überblick

FLoC arbeitet vollständig im Browser-Client. Für ausreichende Anonymität sollte eine Kohorte mindestens einige Tausend Nutzer umfassen. Die Kohorten-IDs wurden zentral von Google koordiniert, damit sie browserübergreifend vergleichbar blieben. Dies war jedoch gleichzeitig ein zentraler Kritikpunkt. In ersten Origin-Trial-Tests aktivierte Google FLoC für einen Teil der Chrome-Nutzer, um die Praxistauglichkeit zu erproben.^[2]

Kritik und datenschutzrechtliche Bewertung

FLoC wurde trotz seines Privacy-by-Design-Ansatzes stark kritisiert — von Datenschutzbehörden, Bürgerrechtsorganisationen und anderen Browser-Herstellern. Die Electronic Frontier Foundation (EFF) warnte vor einem neuen Risiko: Kohorten-IDs könnten das Browser-Fingerprinting erleichtern. Dabei werden Nutzer anhand technischer Geräteeigenschaften identifiziert, ganz ohne Cookies.

Besonders in Europa gab es Bedenken zur DSGVO-Konformität. Kritiker wiesen darauf hin, dass Kohortenzugehörigkeit sensitive Rückschlüsse ermöglichen kann — etwa auf Gesundheit, politische Überzeugungen oder sexuelle Orientierung. Das wäre der Fall, wenn Kohorten auf Basis von Besuchen entsprechender Websites entstehen. Google schloss daraufhin Tests in Europa vorerst aus.^[3]

Alle anderen großen Browser lehnten FLoC ab: Firefox, Safari, Brave und Edge implementierten das Verfahren nicht. Auch die W3C Technical Architecture Group (TAG) äußerte grundsätzliche Bedenken zur Architektur.

Einordnung in die Privacy Sandbox und Ablösung durch Topics API

Die Privacy Sandbox ist Googles Programm für datenschutzkonforme Werbe-Technologien im offenen Web. Sie umfasst mehrere Vorschläge: FLEDGE für Remarketing, Attribution Reporting für Conversion-Messung und FLoC für interessenbasiertes Targeting. Das übergeordnete Ziel ist die Ablösung von Third-Party-Cookies — ohne die wirtschaftliche Grundlage werbefinanzierter Inhalte zu gefährden.^[4]

Im Januar 2022 stellte Google FLoC ein. Als Nachfolger wurde die Topics API vorgestellt. Ihr Ansatz ist vereinfachter: Der Browser ordnet das Surfverhalten wöchentlich bestimmten Themen-Kategorien (Topics) aus einem Taxonomie-Katalog zu. Werbetreibende erhalten beim Seitenaufruf bis zu drei dieser Topics. Kohorten-IDs und zentrale Koordination entfallen damit.

Im Bereich des psychografischen Targetings werden ähnliche Ziele verfolgt: die Ansprache von Nutzergruppen anhand von Interessen und Verhaltensprofilen. Die Topics API lässt sich mit Multi-ID-Targeting-Strategien kombinieren, bei denen verschiedene Identifikatoren parallel eingesetzt werden.

Abgrenzung zu verwandten Konzepten

FLoC ist von mehreren Konzepten abzugrenzen. Kontextuelles Targeting richtet Werbung nach dem Inhalt der besuchten Seite aus — nicht nach dem Nutzerverhalten. Browser-Fingerprinting zielt bewusst auf individuelle Wiedererkennung ab, was das Verfahren gerade verhindern sollte. Federated Learning als allgemeines KI-Konzept beschreibt dezentrales Modelltraining in vielen Anwendungsbereichen — nicht nur in der Werbetechnik.

Im Vergleich zur klassischen Advertising Identity — einer persistenten, gerätebezogenen Kennung — ist die Kohorten-ID bewusst nicht personenbezogen. Sie identifiziert eine Gruppe, nicht ein Individuum. Die folgende Tabelle fasst die wesentlichen Unterschiede zusammen:

Bedeutung für die digitale Werbewirtschaft

FLoC markierte einen Wendepunkt in der Debatte um die Zukunft cookie-basierter Werbung. Das Verfahren selbst gelangte nie in den breiten Einsatz. Es prägte jedoch die Diskussion darüber, wie Datenschutz und werbefinanziertes Web vereinbar sind. Dass selbst ein Privacy-by-Design-Ansatz wie Federated Learning of Cohorts auf breite Ablehnung stieß, zeigt die Komplexität dieser Anforderungen.

Publisher, Werbenetzwerke und Advertiser stehen seitdem vor einer Neuausrichtung. First-Party-Data-Strategien, kontextuelles Targeting und datenschutzfreundliche Identifikatoren gewinnen an Bedeutung. Werbeformate, die keine individuelle Profilbildung erfordern, rücken zunehmend in den Fokus.