---
title: "Empfehlungen für die Einführung einer Customer Data Platform"
description: "Empfehlungen für Auswahl und Einführung von Customer Data Platforms: Systemtypen, Kriterien, Use Cases und Integrationsstrategien im Überblick."
canonical_url: "https://www.shiftcx.de/mediathek/asset/vortrag-1-1-3.html"
published: "2021-12-10"
updated: "2026-04-23"
language: "de"
content_type: "VideoObject"
publisher: ""
---

# Empfehlungen für die Einführung einer Customer Data Platform

**Aufgezeichnet am:** 10.03.2022
**Dauer:** 30 Min.

## Sprecher
- [Alexander Nitsche](/experten/alexander-nitsche.html) — Team Lead Customer Intelligence, b.telligent

Empfehlungen für Auswahl und Einführung von Customer Data Platforms: Systemtypen, Kriterien, Use Cases und Integrationsstrategien im Überblick.

Customer Data Platforms (CDP) stehen im Mittelpunkt eines praxisorientierten Projektberichts, der die Herausforderungen und Lösungswege bei der Auswahl und Einführung solcher Systeme in komplexen Unternehmensarchitekturen beleuchtet. Im Fokus stehen datengetriebene Großunternehmen, die vor der Aufgabe stehen, eine Vielzahl an Tools, Systemlandschaften und organisatorischen Anforderungen zu koordinieren. Die Perspektive verbindet technische Tiefe mit konkreten Handlungsempfehlungen und adressiert insbesondere die Abgrenzung und Integration von CDPs, Data Warehouses und bestehenden Marketing-Technologien. Besonderes Augenmerk liegt auf der methodischen Herangehensweise von der Ist-Analyse über die Use-Case-Definition bis zur iterativen Implementierung.
Die inhaltliche Analyse differenziert vier CDP-Typen (Data, Analytical, Engagement, Delivery) und stellt deren jeweilige Funktionen und Einsatzbereiche dar. Die Auswahl eines geeigneten Systems erfolgt anhand eines fachlich und technisch gewichteten Kriterienkatalogs, der gemeinsam mit einem cross-funktionalen Team entwickelt wird. Zentrale Kriterien sind Real-Time-Fähigkeit, Datenmodell, Integrationsoptionen und Preismodelle. Die iterative Einführung, beginnend mit priorisierten Use Cases, wird als zielführender Ansatz hervorgehoben, um Komplexität und Kosten zu steuern. Alternativszenarien, etwa die Nutzung bestehender Data-Warehouse-Strukturen mit Reverse-ETL, werden ebenfalls diskutiert. Die Ownership der Kundendaten, die klare Definition von Verantwortlichkeiten und die kontinuierliche Überprüfung des technischen Fits bilden die Leitplanken für eine nachhaltige CDP-Implementierung.

## Kernaussagen
- <p>Die Einführung einer Customer Data Platform erfordert eine detaillierte Ist-Analyse, die Definition und Priorisierung von Use Cases sowie die Erstellung eines fachlich und technisch gewichteten Kriterienkatalogs.
- Es existieren verschiedene Typen von Customer Data Platforms (Data, Analytical, Engagement, Delivery), die sich in Funktionalität und Integrationsgrad unterscheiden und deren Auswahl maßgeblich vom individuellen Zielbild und der bestehenden Systemlandschaft abhängt.
- Die Evaluierung des CDP-Marktes ist aufgrund der Vielzahl an Tools und Überschneidungen mit bestehenden Systemen wie Data Warehouse und Marketing Automation komplex und erfordert einen strukturierten, iterativen Auswahlprozess.
- Eine erfolgreiche Implementierung einer Customer Data Platform gelingt nur durch frühzeitige Einbindung aller relevanten Stakeholder, klare Zieldefinition, iterative Umsetzung der wichtigsten Use Cases und kontinuierliche Überprüfung des Technical Fit.
- Alternativen zur klassischen Customer Data Platform, wie der Einsatz von Data Warehouse mit Reverse ETL oder Best-of-Breed-Architekturen, sollten im Evaluierungsprozess immer mitbetrachtet werden.</p>

## Zitat
> Eine Customer Data Platform ist keine Allzwecklösung – der Nutzen hängt maßgeblich davon ab, ob sie zu den eigenen Use Cases und der bestehenden Infrastruktur passt. – Alexander Nitsche
Die Einführung einer CDP gelingt nur mit einer sauberen Ist-Analyse, klaren Prioritäten und einem iterativen Vorgehen – der Big Bang führt selten zum Ziel. – Alexander Nitsche
Nicht jedes Unternehmen braucht eine CDP: Wer bereits ein leistungsfähiges Data Warehouse und flexible Schnittstellen hat, kann viele Anforderungen auch ohne zusätzliche Plattform abdecken. – Alexander Nitsche