Google-Tools

GA4 BigQuery Export: Die volle Kontrolle über deine Webanalyse-Daten

GA4 BigQuery Export: Was geht damit – verständlich erklärt mit Beispielen aus der Schweiz. Praktische Tipps von SEO-Experte Maik Möhring. Jetzt mehr erfahren.

Lesedauer 9 Min
Veröffentlicht 3. Juli 2026
Autor Maik Möhring
Aktualisiert 1. Juli 2026
GA4 BigQuery – GA4 BigQuery Export: Die volle Kontrolle über deine Webanalyse-Daten

Die Standard-Oberfläche von Google Analytics 4 zeigt dir das, was Google für wichtig hält. Der GA4 BigQuery Export hingegen zeigt dir alles – und zwar roh, ungesampelt und bereit für Analysen, die im GA4-Interface schlicht unmöglich sind. Für mich ist die Anbindung an BigQuery keine Option, sondern eine absolute Pflicht für jedes Unternehmen, das datengetriebene Entscheidungen treffen will.

Kurz zusammengefasst
Der GA4 BigQuery Export ist deine direkte Pipeline zu den rohen, ungesampelten Event-Daten deiner Website. Er ermöglicht komplexe SQL-Abfragen, hebt die Limitierungen von GA4 auf und erlaubt die Anreicherung deiner Webanalyse-Daten mit externen Quellen wie deinem CRM für eine 360-Grad-Sicht auf deine Nutzer.

Das Wichtigste im Überblick

GA4 BigQuery – GA4 BigQuery Export: Die volle Kontrolle über deine Webanalyse-Daten
GA4 BigQuery – GA4 BigQuery Export: Die volle Kontrolle über deine Webanalyse-Daten
  • Kostenloser Export: Die Datenübertragung von GA4 nach BigQuery ist für alle Properties kostenlos. Kosten fallen nur für die Datenspeicherung und -abfrage in BigQuery an, wobei es ein grosszügiges kostenloses Kontingent gibt.
  • 100% Rohdaten: Du erhältst jeden einzelnen Hit als separate Zeile. Keine Aggregation, keine Zusammenfassungen – nur die puren Event-Daten.
  • Kein Data Sampling: Analysiere auch Websites mit Millionen von Events, ohne dass Google die Daten zur schnelleren Verarbeitung reduziert (Sampling).
  • Volle Datenhoheit: Die Daten liegen in deinem eigenen Google Cloud Projekt. Du entscheidest, wie lange sie gespeichert werden, nicht Google.
  • SQL-Power: Führe komplexe Analysen durch, die weit über die Klick-Möglichkeiten im GA4-Frontend hinausgehen, zum Beispiel für detaillierte User Journeys oder eigene Attributionsmodelle.
  • Daten anreichern: Verbinde deine Webanalyse-Daten mit CRM-Informationen, Shop-Daten oder Offline-Conversions, um den wahren Wert deiner Marketingkanäle zu ermitteln.

Was ist BigQuery in GA4 eigentlich?

GA4 BigQuery – GA4 BigQuery Export: Die volle Kontrolle über deine Webanalyse-Daten
GA4 BigQuery – GA4 BigQuery Export: Die volle Kontrolle über deine Webanalyse-Daten

Bevor wir tief eintauchen, klären wir die Grundlagen. BigQuery ist ein Teil der Google Cloud Platform (GCP) und fungiert als sogenanntes «serverless Data Warehouse». Stell es dir wie eine riesige, extrem schnelle Datenbank in der Cloud vor, die darauf spezialisiert ist, gigantische Datenmengen (Terabytes in Sekunden) zu analysieren. «Serverless» bedeutet, du musst dich nicht um die Infrastruktur, Server-Wartung oder Skalierung kümmern – das übernimmt Google für dich.

Im Kontext von Google Analytics 4 ist der GA4 BigQuery Export also der Mechanismus, der eine Kopie aller Rohdaten von deiner Website oder App direkt in dein persönliches Data Warehouse in der Google Cloud schickt. Die GA4-Oberfläche ist das Schaufenster, BigQuery ist die riesige Lagerhalle dahinter, in der jedes einzelne Teil säuberlich sortiert liegt.

Die 5 grössten Vorteile des GA4 BigQuery Exports

Warum solltest du dir die Mühe machen, das aufzusetzen? Weil die wahren Insights nicht in den Standard-Reports von GA4 liegen, sondern in der Kombination und tiefen Analyse der Rohdaten.

1. Schluss mit Data Sampling

Sobald deine GA4-Property eine bestimmte Menge an Daten überschreitet (aktuell 10 Millionen Events für Standard-Reports), beginnt Google, für komplexere Analysen nur noch eine Stichprobe (ein «Sample») der Daten zu verwenden. Das Ergebnis ist dann eine Schätzung, keine exakte Auswertung. Mit dem GA4 BigQuery Export umgehst du dieses Problem komplett. Jede deiner Abfragen läuft auf 100% der erfassten Daten, egal ob du 100’000 oder 100 Millionen Events pro Monat hast.

2. Volle Datenhoheit und -kontrolle

In der GA4-Oberfläche kannst du Daten maximal 14 Monate auf Event-Ebene speichern. Danach werden sie aggregiert oder gelöscht. In BigQuery gehören die Daten dir. Du kannst sie so lange speichern, wie du möchtest, und historische Vergleiche über Jahre hinweg durchführen. Das ist entscheidend für Langzeit-Analysen und das Verständnis von Saisonalität.

3. Komplexe Segmentierung und User Journeys

Die Segmentierung in GA4 ist gut, aber limitiert. In BigQuery kannst du mit SQL Abfragen bauen, die jeden denkbaren Nutzerpfad analysieren. Ein paar Beispiele:

  • Finde alle Nutzer, die über eine Google Ads Kampagne kamen, mindestens drei Seiten angesehen haben, ein Video zu 75% geschaut und dann ein Produkt in den Warenkorb gelegt haben, aber nicht kauften.
  • Analysiere die exakte Reihenfolge von Events, die zu einer Conversion führen.
  • Erstelle Kohorten von Nutzern basierend auf ihrem allerersten Interaktionsdatum und verfolge ihren Lifetime-Value über Monate.

4. Datenanreicherung mit externen Quellen

Das ist für mich der grösste Hebel. Du kannst deine GA4-Daten mit praktisch jeder anderen Datenquelle verbinden, die du besitzt. Lade die Daten aus deinem CRM-System hoch und verbinde sie über eine User-ID mit den Web-Daten. Plötzlich kannst du Fragen beantworten wie: «Welche Marketingkanäle bringen uns die Kunden mit dem höchsten Customer Lifetime Value, nicht nur mit der ersten Conversion?»

5. Eigene Attributionsmodelle bauen

GA4 bietet dir eine Handvoll Attributionsmodelle. Aber was, wenn dein Geschäftsmodell ein ganz eigenes Modell erfordert? Mit den Rohdaten in BigQuery kannst du deine eigenen Modelle von Grund auf mit SQL erstellen und genau definieren, welcher Touchpoint in der Customer Journey wie viel Wert zugeschrieben bekommt.

⚙️ Aus meiner Praxis

Für meinen Co-Project-Partner finanzfabio.ch haben wir im Q1 2025 den GA4 BigQuery Export genutzt, um die User Journey für die neue SAXO Bank Partnerschaft zu analysieren. Indem wir die GA4-Rohdaten mit den Affiliate-Conversion-Daten aus dem SAXO-Backend verknüpft haben, konnten wir ein Muster identifizieren: Nutzer, die vor dem Klick zum Partner drei spezifische Artikel aus dem Vorsorge-Cluster lasen, konvertierten viermal besser. Diese Cross-Session-Analyse war in der GA4-UI unmöglich. Das Resultat: Wir haben das interne Linking strategisch angepasst, was zu einem Uplift von 22% an qualifizierten Leads für SAXO innerhalb von nur zwei Monaten führte.

GA4 mit BigQuery verbinden: Schritt-für-Schritt

Die Einrichtung ist einfacher, als viele denken. Du musst kein Cloud-Architekt sein, um die Verbindung herzustellen. Hier ist der Prozess im Schnelldurchlauf.

Voraussetzungen

Du benötigst ein Google Cloud Platform (GCP) Projekt. Falls du noch keins hast, kannst du es in wenigen Minuten erstellen. Wichtig: Für das GCP-Projekt müssen Zahlungsinformationen hinterlegt sein. Aber keine Sorge, für die Speicherung und Abfrage der GA4-Daten gibt es ein grosszügiges, monatliches kostenloses Kontingent, das für die meisten KMU-Websites ausreicht.

Die Verknüpfung in der GA4-Admin-Oberfläche

Die eigentliche Magie passiert in deiner Google Analytics 4 Property:

  1. Gehe in der GA4-Oberfläche zu Verwaltung (das Zahnrad links unten).
  2. Wähle in der Spalte «Property» den Punkt Produktverknüpfungen > BigQuery-Verknüpfungen.
  3. Klicke auf den blauen Verknüpfen-Button.
  4. Wähle dein zuvor erstelltes Google Cloud Projekt aus.
  5. Konfiguriere den Datenstandort (z.B. `europe-west6` für Zürich).
  6. Wähle die Häufigkeit des Exports: Täglich (ein kompletter Export pro Tag) und/oder Streaming (Daten werden wenige Minuten nach Erfassung exportiert). Ich empfehle, beide zu aktivieren.
  7. Bestätigen, fertig! Nach ca. 24 Stunden erscheinen die ersten Datensätze in deinem BigQuery-Projekt.

Das GA4 BigQuery Schema verstehen

In BigQuery werden deine Daten in Tabellen organisiert, die täglich erstellt werden. Das Schema, also der Aufbau dieser Tabellen, ist anfangs etwas gewöhnungsbedürftig. Jeder Datensatz (jede Zeile) repräsentiert ein einzelnes Event. Wichtige Spalten sind zum Beispiel event_date, event_timestamp, event_name und vor allem event_params. Letztere enthält alle Parameter, die mit einem Event mitgeschickt wurden, wie z.B. die `page_location` oder den `ga_session_id`. Auch Daten zum Nutzer (user_pseudo_id) und zu E-Commerce-Artikeln (das `items`-Array) findest du hier. Eine genaue Beschreibung des Schemas findest du in der offiziellen Google-Dokumentation.

Häufige Fragen zum GA4 BigQuery Export

Was kostet der GA4 BigQuery Export?

Der Export der Daten von GA4 nach BigQuery ist komplett kostenlos. Kosten in der Google Cloud Platform können für zwei Dinge anfallen: Datenspeicherung und Datenabfragen (Queries). Google bietet jedoch ein grosszügiges kostenloses Kontingent (Free Tier): 10 GB Speicher und 1 TB an abgefragten Daten pro Monat sind gratis. Für die meisten KMU-Websites reicht das locker aus.

Warum weichen die Daten in BigQuery von der GA4-Oberfläche ab?

Das ist normal und hat mehrere Gründe. Die GA4-UI nutzt oft Schätzungen und Modelle (z.B. bei Consent Mode) und wendet Sampling bei grossen Datenmengen an. BigQuery enthält die exakten, unverarbeiteten Rohdaten. Zudem können unterschiedliche Zeitzonen-Einstellungen oder die Verarbeitungszeit der Daten zu kleinen Diskrepanzen führen. Die Daten in BigQuery sind die «Ground Truth».

Brauche ich SQL-Kenntnisse für den GA4 BigQuery Export?

Um direkt in der BigQuery-Konsole Abfragen zu schreiben: Ja, Grundkenntnisse in SQL sind unerlässlich. Aber: Du kannst BigQuery auch als reine Datenquelle für Visualisierungs-Tools wie Looker Studio (ehemals Google Data Studio), Tableau oder Power BI nutzen. Diese Tools haben oft grafische Oberflächen, um die Daten abzufragen, ohne selbst SQL-Code schreiben zu müssen.

Was ist der Unterschied zwischen dem täglichen und dem Streaming-Export?

Der tägliche Export erstellt einmal pro Tag eine vollständige Tabelle mit allen Events des Vortages. Diese ist garantiert komplett. Der Streaming-Export sendet Events wenige Minuten, nachdem sie in GA4 erfasst wurden, an eine spezielle Tabelle. Das ist ideal für Real-Time-Analysen, es kann aber sein, dass einzelne Events aufgrund von Verarbeitungsverzögerungen erst im täglichen Export auftauchen.

Mein Take

Für mich ist der GA4 BigQuery Export kein «Nice-to-have», sondern eine strategische Notwendigkeit für jedes Unternehmen, das Webanalyse ernsthaft betreibt. Die GA4-Oberfläche ist ein vereinfachtes Dashboard, das einen schnellen Überblick gibt. Die Wahrheit, die tiefen Zusammenhänge und die echten Business-Hebel liegen aber in den Rohdaten. Wer heute noch ohne direkten Zugriff auf seine eigenen Analytics-Rohdaten arbeitet, fliegt blind und überlässt die wirklich wertvollen Insights dem Zufall oder den Blackbox-Aggregationen von Google.

– Maik Möhring · Maik Möhring Media, Ermatingen TG

Maik Möhring Media

Maik Möhring · Schöntalweg 1 · 8272 Ermatingen TG
Telefon +41 79 132 43 78 · maik@maik-moehring.ch

ℹ️ Transparenz-Hinweis: Dieser Beitrag wurde unter Einsatz meiner eigenen KI-Content-Pipeline (Claude, Gemini) recherchiert und vorstrukturiert, anschliessend von mir redaktionell überarbeitet, mit Praxis-Erfahrungen aus meinen Kunden- und Eigenprojekten ergänzt und faktengeprüft. Das ist genau die Methode, die ich auch für meine Kunden umsetze.

MM
Über den Autor

Maik Möhring

SEO-Spezialist & Web-Entwickler · Ermatingen

Maik Möhring entwickelt seit über 15 Jahren SEO-optimierte Webseiten für Handwerker und KMU in der Schweiz. Spezialisiert auf Local-SEO Ostschweiz, Bodensee-Region und Winterthur. Inhaber von Maik Möhring Media in Ermatingen am Bodensee.