Kurz gesagt / Das Wichtigste
- WiFi-Analytics arbeitet in zwei Modi: Präsenz (anonym, sensorbasiert) und Engagement (identifiziert, über das Captive Portal). Die meisten Standorte brauchen beide, denn jeder beantwortet eine andere Frage.
- Die MAC-Randomisierung hat die Disziplin verändert. Plattformen, die sich angepasst haben, nutzen statistische Korrektur und Identifizierung mit Einwilligung, um eine Genauigkeit von ±3-7 % gegenüber Kamerazählungen als Referenz zu halten. Plattformen, die die Änderung ignoriert haben, haben an Genauigkeit verloren.
- Die zentralen Kennzahlen sind Besucherfrequenz, Verweildauer, Wiederbesuchsrate, Zonenwechsel, Verhältnis neuer zu wiederkehrenden Besuchern und Erfassungsrate. Ehrlich gelesen zählt der korrigierte Wert mit Konfidenzintervall, nicht die rohe Zahl der Probe Requests.
- GDPR-konforme Analytics sind machbar: mit gehashter und rotierender MAC-Adresse für die Präsenz, ausdrücklicher Einwilligung im Portal für das Engagement, einer DSFA und klarer Beschilderung am Standort. Die britische Datenschutzbehörde ICO und die französische CNIL haben beide positive Leitlinien zu diesem Modell veröffentlicht.
- Die stärksten Anwendungen finden sich im Einzelhandel, in Einkaufszentren, Flughäfen, Stadien, Museen und Unternehmensbüros. Alle nutzen dasselbe Datenmodell, jeweils mit einer eigenen Darstellungsebene darüber.
Die meisten Standorte verfügen bereits über ein bezahltes Sensornetz: die Access Points, die sie für das Gäste-WiFi installiert haben. Dieselbe Hardware, dieselben Funkereignisse, dieselben Verbindungsprotokolle liefern, anders genutzt, ein brauchbares Bild davon, wer hereinkam, wie lange er blieb, wohin er ging und ob er wiederkam.
Das ist WiFi-Analytics. Sie ist kein perfekter Ersatz für einen Drehkreuzzähler am Eingang oder eine Kamera mit Bilderkennung an der Kasse. Sie ist ein deutlich günstigerer Ersatz, der den gesamten Standort statt eines einzelnen Durchgangs abdeckt und Bewegungs- und Verweildaten liefert, die Kameras nicht erzeugen können.
Dieser Leitfaden ist die praktische Referenz für Standort- und Marketingteams, die WiFi-Analytics erwägen oder bereits nutzen. Er behandelt die beiden Modi (Präsenz und Engagement), die wichtigen Kennzahlen, was die MAC-Randomisierung verändert hat und wie sich die Disziplin angepasst hat, den Vergleich mit anderen Technologien zur Personenzählung, den Rahmen nach UK GDPR und die Branchenanwendungen, die funktionieren.
Die beiden Modi: Präsenz und Engagement
Fast jedes verwirrende Gespräch über WiFi-Analytics entsteht, weil diese beiden Modi verwechselt werden. Sie nutzen unterschiedliche Daten, beantworten unterschiedliche Fragen und beruhen auf unterschiedlichen Rechtsgrundlagen.
Präsenz-Analytics
Anonym und sensorbasiert, abgeleitet aus Probe Requests und Verbindungsprotokollen. Zählt eindeutige Geräte in einer Zone innerhalb eines Zeitfensters. Gehashte MAC-Adresse mit Rotation als technische Datenschutzkontrolle.
Beantwortet: wie viele Menschen kamen, wie lange sie blieben, wie sie sich zwischen Zonen bewegten und ob das Gesamtvolumen steigt oder sinkt.
Rechtsgrundlage: berechtigtes Interesse mit DSFA, Beschilderung und Widerspruchsmöglichkeit.
Engagement-Analytics
Identifiziert und über das Captive Portal, abgeleitet aus Anmeldungen und laufenden Sitzungen. Verknüpft Besuche mit einem Kontaktdatensatz. Die Grundlage für Segmentierung, Customer Journeys und Lifecycle-Marketing.
Beantwortet: wer kam, wie oft und zu welcher Tageszeit, welche Standorte einer Marke mit mehreren Standorten besucht wurden und welches Kohortenverhalten sich für das Marketing nutzen lässt.
Rechtsgrundlage: ausdrückliche Einwilligung bei der Anmeldung im Portal.
Die meisten Standorte brauchen beides. Präsenz liefert die zentralen Werte zu Besucherfrequenz und Verweildauer, vergleichbar über alle Standorte. Engagement liefert die identifizierte Kohorte, für die das Marketing tatsächlich Customer Journeys umsetzen kann. Beide treffen sich im Captive Portal: Ein Besucher, der sich anmeldet, wechselt für diesen Besuch vom Präsenz- in den Engagement-Datensatz.
MAC-Randomisierung und warum sie die Disziplin verändert hat
Fast die gesamten 2010er-Jahre beruhte WiFi-Analytics auf einer stillschweigend falschen Annahme: dass die MAC-Adresse eines Geräts über Besuche hinweg gleich bleibt. iOS 14 (2020) hat das für iPhones beendet, Android 10 für Android. Windows 11 und macOS Sonoma haben die Änderung auf Laptops ausgeweitet. 2026 zeigt die große Mehrheit der Endgeräte bei Probe Requests vor der Verbindung eine zufällige, wechselnde MAC-Adresse.
Eine naive Zählung, die jede eindeutige MAC-Adresse als eigenes Gerät wertete, zählte plötzlich zu viel. Die Wiederbesuchsraten brachen ein, der Anteil neuer Besucher schoss nach oben, und die Kurven zur Kohortenbindung ergaben keinen Sinn mehr.
Die Disziplin hat sich auf zwei Wegen angepasst. Erstens durch statistische Korrektur: Wahrscheinlichkeitsmodelle, die die erwartete Randomisierungsrate und den Rotationsrhythmus pro Geräteklasse berücksichtigen und an bekannten Standorten gegen Kamerazählungen kalibriert sind. Zweitens durch Identifizierung über das Captive Portal: Besucher, die sich anmelden, haben eine stabile Identität, die von der Randomisierung völlig unberührt bleibt.
Die kombinierte Genauigkeit aus korrigiertem Präsenz-Datenstrom und einer Engagement-Ebene mit Opt-in liegt 2026 auf dem Niveau der Frequenzanalyse von 2018, bei besserem Datenschutz. Anbieter, die die Korrektur umgesetzt haben, haben ihre Genauigkeit gehalten, die anderen haben sie verloren. Das sollten Sie bei der Bewertung ausdrücklich prüfen.
Sie möchten sehen, wie sich die MAC-Rotation auf Ihre Kennzahlen auswirkt? Mit unserem kostenlosen MAC Randomization Simulator (aus unserer Bibliothek kostenloser WiFi-Tools) modellieren Sie rohe Gerätezahlen, tatsächliche Besucherzahlen und die abgeglichenen Werte.
Chronik der Randomisierung
- 2014: iOS 8 führt randomisierte Probe Requests ein (in der Praxis standardmäßig aus).
- 2020: iOS 14 randomisiert standardmäßig pro SSID.
- 2020: Android 10+ randomisiert standardmäßig pro SSID.
- 2022: Windows 11 weitet die Randomisierung auf alle WLAN-Probes aus.
- 2023: macOS Sonoma übernimmt auf Laptops das Verhalten von iOS.
- 2026: Randomisierung ist der Normalfall, eine feste MAC-Adresse die Ausnahme.
Die sechs Kennzahlen, die es zu berichten lohnt
WiFi-Analytics-Plattformen können Hunderte abgeleitete Kennzahlen liefern. Sechs davon tragen fast das gesamte Gewicht für Entscheidungen.
Besucherfrequenz
Eindeutige Besucher, die eine definierte Zone in einem Zeitfenster betreten. Die zentrale Kennzahl für Händler und Standortbetreiber.
Verweildauer
Median, p25/p75 und p95 der Zeit in einer Zone pro Besuch. Unterscheidet Stöberer von Käufern.
Wiederbesuchsrate
Anteil der Besucher in einem Zeitraum, die auch in den vorangegangenen N Tagen da waren. Signal für Kundenbindung.
Zonenwechsel
Ströme von Ausgangs- zu Zielzone zwischen definierten Zonen. Die Grundlage für Laufweganalysen und Layouttests.
Neu und wiederkehrend
Verhältnis von Neukunden zu Bestandskunden. Nützlich für die Marketingattribution und für ehrliches Reporting zum Frequenzzuwachs.
Erfassungsrate
Anteil der erkannten Präsenz, der zu einer Anmeldung im Captive Portal führt. Die Brücke zwischen Präsenz und Engagement.
WiFi, Kameras und Türsensoren im Vergleich
WiFi-Analytics ist nicht die einzige Technologie zur Personenzählung. Die richtige Lösung für die meisten Standorte kombiniert zwei davon: einen hochgenauen Zähler am Eingang und WiFi im gesamten Standort für Verweildauer und Laufwege.
| Methode | Genauigkeit | Abdeckung | Kosten | Datenschutz | Laufwege |
|---|---|---|---|---|---|
| WiFi-Präsenz | ±3-7 % | Gesamter Standort | Nutzt vorhandene APs | Gehashte MAC, Widerspruch, Beschilderung | Nativ |
| Bilderkennung | ±1-3 % am Eingang | Nur Sichtfeld | Pro Kamera + Rechenleistung | Größte Bedenken in der EU | Eingeschränkt |
| Türsensor (IR / 3D) | ±2-4 % | Nur Eingang | Pro Tür | Gering | Keine |
Branchenanwendungen
Das Datenmodell ist in allen Branchen gleich, nur die Darstellungsebene darüber ändert sich. Sechs Branchen machen den Großteil aus.
Regelkonformität: UK GDPR, CNIL, CCPA, ISO 27001
Datenschutzkonforme WiFi-Analytics sind ein gelöstes Problem. Das folgende Modell hat die CNIL ausdrücklich gebilligt, und die britische Datenschutzbehörde ICO lässt es durchgehend zu. Pizza Express, AGS Airports und die University of Sheffield betreiben ihre Standort-Analytics mit Purple.
UK GDPR
Präsenz-Analytics: berechtigtes Interesse mit DSFA. Engagement-Analytics: ausdrückliche Einwilligung im Portal. Eine gehashte MAC-Adresse mit Rotation ist die anerkannte technische Kontrolle für die Präsenz.
Referenz ›Leitlinien der CNIL
Die französische Aufsichtsbehörde hat eigene Leitlinien zu WiFi-Analytics veröffentlicht. Das Modell, das die Anforderungen der CNIL erfüllt, ist das Modell, dem der Rest der EU folgt.
Referenz ›CCPA / CPRA
Kalifornien verlangt einen Datenschutzhinweis und eine Widerspruchsmöglichkeit. WiFi-Analytics, die aggregiert und anonymisiert, fügt sich in den bestehenden Rahmen der Datenschutzrichtlinie ein.
Referenz ›ISO 27001
Anhang A.5.34 (Datenschutz und Schutz personenbezogener Daten) und A.5.12 (Klassifizierung von Informationen) sind anwendbar. Die Plattform sollte eine DSFA-Vorlage und einen Export des Aufbewahrungsplans liefern.
Referenz ›Die vier betrieblichen Anforderungen: eine abgeschlossene DSFA, eine gehashte MAC-Adresse mit Rotation für den Präsenz-Datenstrom, die ausdrückliche Einwilligung im Captive Portal für den Engagement-Datenstrom und eine sichtbare Beschilderung am Standort, die erklärt, was gemessen wird und wie man widersprechen kann. Purple liefert für alles Vorlagen und Beschilderungsmaterial. Die Compliance ist Teil des Produkts, kein nachträglicher Gedanke.
So bewerten Sie eine WiFi-Analytics-Plattform
Eine Checkliste mit acht Punkten für Einkauf, Betrieb und das Datenteam.
Eine Plattform, die randomisierte MAC-Adressen nicht korrigiert, misst 2026 keine Besucherfrequenz. Fragen Sie nach der Methodik und der Validierung gegen Kamerazählungen.
Sie brauchen den anonymen Modus für den ganzen Standort und den identifizierten Modus mit Einwilligung. Plattformen, die nur einen davon beherrschen, reichen nicht aus.
Zonen sollten im Dashboard bearbeitet werden, nicht durch neu verlegte Kabel. Abdeckungsbereiche, Ankergeschäfte, Abteilungen.
Betreiber mit mehreren Standorten brauchen normalisierte KPIs über Standorte unterschiedlicher Größe und Frequenz. Rohwerte funktionieren nicht.
Stündlicher Batch-Export nach S3 / BigQuery / Snowflake. Native Konnektoren für Looker / Tableau. Die Daten sollten dort landen, wo Ihre Analysten bereits arbeiten.
Die Plattform sollte Ihnen die Datenschutzunterlagen und die Beschilderung für den Standort liefern. Beides selbst zu erstellen, verzögert die Einführung um Wochen.
Cisco Meraki, HPE Aruba, Ruckus, Juniper Mist, Ubiquiti UniFi, Cambium, Extreme, Fortinet. Die Analytics-Ebene sollte den nächsten AP-Austausch überdauern.
Konfigurierbare Aufbewahrung je Datenklasse. Identifizierbare Daten nach dem kürzesten vertretbaren Zeitplan. Aggregierte Daten so lange, wie Ihr Reporting sie braucht.
Häufig gestellte Fragen
Was ist WiFi-Analytics?
+
WiFi-Analytics nutzt das vorhandene Funknetz eines Standorts als Sensor für Besucherfrequenz, Verweildauer und Kundenbewegungen. Es gibt zwei Modi: Präsenz-Analytics (anonym, sensorbasiert, von der MAC-Randomisierung betroffen) und Engagement-Analytics (identifiziert, über das Captive Portal, mit Opt-in). Die meisten Betreiber nutzen beide, denn jeder beantwortet eine andere Frage.
Wie genau ist die Frequenzzählung per WiFi?
+
Moderne WiFi-Analytics mit statistischer Korrektur der MAC-Randomisierung erreichen im Einzelhandel ±3-7 % gegenüber Kamerazählungen als Referenz. Das ist genau genug für flächenbereinigte Vergleiche, Trendbeobachtung und Benchmarking, aber nicht für einen Abgleich mit der Kasse. Berichten Sie den korrigierten Wert mit Konfidenzintervall, nicht die rohe Zahl der Probe Requests.
Hat die MAC-Randomisierung WiFi-Analytics unbrauchbar gemacht?
+
Sie hat sie verändert. iOS 14+, Android 10+, Windows 11 und macOS Sonoma randomisieren die MAC-Adresse in Probe Requests vor der Verbindung. Eine naive Zählung, die jede eindeutige MAC-Adresse als eigenes Gerät wertet, ist heute falsch. Statistische Korrekturmodelle plus Identifizierung über das Captive Portal mit Opt-in für Engagement-Analytics sind der Weg, auf dem moderne Plattformen genau bleiben. Plattformen, die die Änderung ignoriert haben, haben an Genauigkeit verloren, die anderen nicht.
Was ist der Unterschied zwischen Präsenz- und Engagement-Analytics?
+
Präsenz-Analytics zählt Geräte, die physisch anwesend, aber nicht authentifiziert sind. Sie misst Besucherfrequenz und Verweildauer anonym und ist auf Basis des berechtigten Interesses mit DSFA nach GDPR vertretbar. Engagement-Analytics misst das Verhalten von Besuchern, die sich im Captive Portal angemeldet und eingewilligt haben. Sie verknüpft Besuche mit einer Identität, ermöglicht Segmentierung und beruht auf ausdrücklicher Einwilligung. Die meisten Standorte brauchen beides.
Ist WiFi-Analytics GDPR-konform?
+
Ja, bei richtiger Gestaltung. Für Präsenz-Analytics hashen Sie die MAC-Adresse clientseitig mit Rotation, dokumentieren eine Interessenabwägung, führen eine DSFA durch und bringen eine sichtbare Beschilderung an. Engagement-Analytics beruht auf ausdrücklicher Einwilligung im Captive Portal. Die britische Datenschutzbehörde ICO und die französische CNIL haben beide positive Leitlinien zu WiFi-Analytics veröffentlicht, wenn diese Bedingungen erfüllt sind. Ein vollständiges Compliance-Playbook ist von diesem Leitfaden aus verlinkt.
Ist WiFi oder eine Kamera besser für die Personenzählung?
+
Beide erfüllen unterschiedliche Aufgaben. Kameras mit Bilderkennung zählen an einem einzelnen Eingang genauer (über 95 % im Vergleich zur Referenz), kosten aber mehr, sehen nur ihr Sichtfeld und werfen größere Datenschutzbedenken auf. WiFi deckt den gesamten Standort günstig ab, unterstützt Verweildauer- und Zonenanalysen nativ und erkennt wiederkehrende Besucher statistisch. Die meisten großflächigen Händler und Standortbetreiber nutzen beides: Kameras am Eingang für die Genauigkeit, WiFi im Innenbereich für die Abdeckung.
Mit welcher Verweildauer kann ich rechnen?
+
Mediane Verweildauer im Datensatz von Purple: 9-14 Minuten in der Systemgastronomie, 35-55 Minuten in der Casual-Dining-Gastronomie, 18-32 Minuten im Modehandel, 55-95 Minuten in Einkaufszentren, 75-130 Minuten im Airside-Bereich von Flughäfen. Nützlich als Benchmarks. Aussagekräftiger ist der eigene Verweildauertrend von Monat zu Monat im flächenbereinigten Vergleich.
Kann WiFi-Analytics Customer Journeys verfolgen?
+
Innerhalb eines Standorts ja. Zonenwechsel, Aufenthaltsdauer pro Zone, häufige Wege und Abbruchpunkte sind alle messbar. Über mehrere Standorte derselben Marke hängt es davon ab, ob sich der Besucher authentifiziert hat (Engagement) oder nicht (Präsenz). Reine Präsenz-Laufwege über mehrere Standorte sind nach Berücksichtigung der MAC-Randomisierung ein sehr schwaches Signal.
Funktioniert WiFi-Analytics für die Büroauslastung?
+
Ja. Dieselbe Infrastruktur, die Mitarbeitergeräte authentifiziert, meldet die Auslastung nach Etage, Wochentag und Uhrzeit. Die Integration in Buchungssysteme für Arbeitsplätze (Robin, Envoy, Microsoft Places) ist ein gängiges Muster. Die Büroauslastung gehört zu den aussagekräftigsten Anwendungsfällen, weil die Nutzer überwiegend authentifiziert sind und die Gerätezahl stabiler ist als die Besucherfrequenz im Handel.
Wie integriert sich das in meinen bestehenden BI-Stack?
+
Über direkten API-Zugriff, stündlichen Batch-Export nach S3 / BigQuery / Snowflake, native Konnektoren für Looker und Tableau sowie Webhook-Event-Streaming. Das Datenmodell ist dokumentiert und stabil. Die meisten großen Betreiber führen WiFi-Daten im selben Data Warehouse zusammen wie Kassen- und Treueprogrammdaten und erstellen ihr Reporting dann im Tool ihrer Wahl.






