Thema: Tracking-Qualität

Custom Dimensions in GA4: einrichten und auditieren

Bernhard Prange · 2026-06-01 · Aktualisiert 2026-06-16 · 10 Min. Lesezeit

Benutzerdefinierte Dimensionen (Custom Dimensions) sind der Hebel, mit dem aus generischem GA4-Tracking eine wirklich auswertbare Datenbasis wird. Standardmäßig weiß GA4 nicht, ob ein Besucher eingeloggt war, welche Artikelkategorie er sich angesehen hat oder ob er Premium-Kunde ist. Genau solche Informationen machst du mit Custom Dimensions sichtbar - in den Berichten, in den Explorationen und im BigQuery-Export.

Der Haken: Custom Dimensions funktionieren nur, wenn zwei Dinge zusammenkommen - das Senden des Parameters und ein Setup-Schritt in der GA4-Oberfläche. Wird einer davon vergessen, bleibt die Dimension leer. Deshalb gehören sie zu den häufigsten Fehlerquellen, die wir in Audits sehen. Dieser Artikel erklärt Schritt für Schritt, was Scopes praktisch bedeuten, wie die Einrichtung wirklich abläuft und woran typische Setups scheitern.

Was sind Custom Dimensions in GA4?

Custom Dimensions (benutzerdefinierte Dimensionen) sind eigene, selbst definierte Attribute, mit denen du zusätzliche Event- oder Nutzer-Eigenschaften in GA4 auswertbar machst - also Informationen, die GA4 standardmäßig nicht erfasst. Typische Beispiele: article_category (Artikelkategorie), login_status (eingeloggt ja/nein) oder membership_level (Mitgliedsstufe).

Sobald eine Custom Dimension eingerichtet ist, kannst du sie überall nutzen, wo GA4 Dimensionen anbietet: als primäre oder sekundäre Dimension in Standardberichten, als Spalte oder Filter in Explorationen, beim Erstellen von Zielgruppen (Audiences) und als eigene Spalte im BigQuery-Export.

Dimension vs. Metrik: Eine Dimension beschreibt ein Merkmal (das „Was" - z. B. die Artikelkategorie), eine Metrik ist ein messbarer Zahlenwert (das „Wie viel" - z. B. die Anzahl Käufe). Custom Dimensions erweitern also die Merkmale deiner Daten, nicht die Kennzahlen.

Die drei Scopes - und was sie praktisch bedeuten

Der Scope (Geltungsbereich) entscheidet, worauf sich ein Wert bezieht: auf ein einzelnes Ereignis, auf den Nutzer insgesamt oder auf einen einzelnen E-Commerce-Artikel. Diese Entscheidung triffst du einmal bei der Registrierung - und sie lässt sich später nicht mehr ändern. Deshalb lohnt es sich, den Scope vorab zu verstehen.

Event-scoped: ein Wert pro Ereignis

Eine event-scoped Dimension beschreibt ein einzelnes Event. Der Wert gilt genau für dieses eine Ereignis und kann sich beim nächsten Event wieder ändern.

Praktisches Beispiel: Beim Event view_item schickst du den Parameter article_category mit dem Wert „Sneaker". Sieht sich derselbe Nutzer als Nächstes eine Jacke an, sendet das nächste view_item den Wert „Jacken". In den Berichten kannst du nun z. B. die Conversion-Rate je Artikelkategorie auswerten oder „Aufrufe nach Kategorie" als Tabelle bauen.

In der UI taucht eine event-scoped Dimension überall auf, wo du Ereignisse analysierst - etwa als sekundäre Dimension im Bericht „Ereignisse" oder als Aufschlüsselung in einer freien Exploration. Event-Scope ist der häufigste Fall; nimm ihn immer dann, wenn die Eigenschaft zum Moment der Aktion gehört.

User-scoped: ein Wert, der am Nutzer „klebt"

Eine user-scoped Dimension beschreibt den Nutzer über Sitzungen hinweg. Der Wert wird einmal als User Property gesetzt und bleibt am Nutzer haften, bis er überschrieben wird - auch in späteren Besuchen.

Praktisches Beispiel: membership_level mit dem Wert „gold". Egal, welche Events der Nutzer auslöst, GA4 ordnet ihm „gold" zu, bis sich seine Stufe ändert. Damit beantwortest du Fragen wie „Wie verhalten sich Gold-Mitglieder im Vergleich zu Free-Nutzern?" - über mehrere Sitzungen hinweg.

In der Praxis nutzt du user-scoped Dimensionen vor allem zum Bilden von Zielgruppen und für nutzerbezogene Auswertungen. Wichtig: User Properties werden anders gesetzt als Event-Parameter (dazu unten beim Setup) - das ist eine der häufigsten Verwechslungen.

Item-scoped: ein Wert pro Produkt

Eine item-scoped Dimension beschreibt einen einzelnen Artikel innerhalb eines E-Commerce-Events. Sie lebt im items-Array, das du bei Events wie add_to_cart oder purchase mitsendest.

Praktisches Beispiel: Du ergänzt jedes Produkt im Warenkorb um material = „Leder" oder lieferzeit = „24h". So lässt sich der Umsatz nach Material oder Lieferzeit aufschlüsseln - zusätzlich zu den eingebauten Item-Feldern wie item_category. Item-Scope ist E-Commerce-spezifisch; in der Standard-Property sind hier die wenigsten Slots verfügbar (10).

Welchen Scope wählst du?

Eine einfache Faustregel:

• Gehört die Eigenschaft zum Moment der Aktion? → Event-Scope.
• Beschreibt sie den Menschen dahinter (dauerhaft)? → User-Scope.
• Beschreibt sie ein einzelnes Produkt im Warenkorb? → Item-Scope.

Bist du unsicher, ist Event-Scope meist die sichere Wahl. Eine falsch gewählte Scope-Zuordnung lässt sich nur durch Löschen und Neuanlegen korrigieren - mit neuem Namen und einem Datenbruch.

Custom Dimension einrichten - Schritt für Schritt

Hier kommt der entscheidende Punkt, an dem die meisten Setups scheitern: Eine Custom Dimension entsteht aus zwei Teilen. Der Parameter muss erstens mit dem Event ankommen und zweitens in der Property registriert werden. Erst die Registrierung macht aus einem rohen Parameter eine auswertbare Dimension. Ohne diesen Setup-Schritt sammelt GA4 den Wert zwar (im Rohdaten-Export sichtbar), zeigt ihn aber in keinem Standardbericht an.

Schritt 1: Den Parameter zuverlässig senden

Zuerst muss der Wert überhaupt bei GA4 ankommen - bei jedem relevanten Event und mit exakt dem Namen, den du später registrierst (Groß-/Kleinschreibung zählt).

Event-Parameter direkt über gtag.js:

gtag('event', 'view_item', {
  article_category: 'Sneaker'
});

Über den Google Tag Manager: Im GA4-Ereignis-Tag unter „Ereignisparameter" einen Parameter article_category ergänzen und den Wert aus einer dataLayer-Variable ziehen.

Eine User Property (für user-scoped Dimensionen) wird anders gesetzt - nicht als Event-Parameter:

gtag('set', 'user_properties', {
  membership_level: 'gold'
});

Im GTM passiert das im Abschnitt „Nutzereigenschaften" des GA4-Tags. Diese Trennung ist wichtig: Sendest du membership_level versehentlich als Event-Parameter, lässt es sich nicht als user-scoped Dimension registrieren.

Schritt 2: Die Dimension in GA4 registrieren (der Pflicht-Setup-Schritt)

Das ist der Schritt, der gern vergessen wird. So gehst du vor:

1. Öffne Verwaltung (Admin) und dort den Bereich Datenanzeige > Benutzerdefinierte Definitionen.
2. Reiter Benutzerdefinierte Dimensionen → Button Benutzerdefinierte Dimensionen erstellen.
3. Fülle die Felder:
   • Dimensionsname: der sprechende Anzeigename in den Berichten, z. B. „Artikelkategorie".
   • Bereich (Scope): Ereignis, Nutzer oder Artikel - jetzt richtig wählen, später nicht änderbar.
   • Beschreibung: kurz dokumentieren, wofür die Dimension steht (hilft dem Team und im Audit).
   • Ereignisparameter bzw. Nutzereigenschaft: exakt den Parameternamen eintragen, den du in Schritt 1 sendest (article_category). Tippfehler oder abweichende Schreibweise sind hier der Klassiker-Fehler.
4. Speichern.

Beachte die Limits: 50 event-scoped, 25 user-scoped, 10 item-scoped in der Standard-Property. Lege also nicht „auf Vorrat" an, sondern nur, was du tatsächlich auswertest.

Schritt 3: Prüfen, ob es funktioniert

• Sofort: Im DebugView (mit aktiviertem Debug-Modus bzw. GTM-Vorschau) siehst du in Echtzeit, ob der Parameter mit dem Event ankommt und welchen Wert er hat.
• Nach 24-48 Stunden: erscheinen die Werte in den Standardberichten und Explorationen.
• Wichtig: Custom Dimensions wirken nicht rückwirkend. Erst ab dem Zeitpunkt der Registrierung werden Werte befüllt - alles davor bleibt (not set). Registriere die Dimension daher vor einer wichtigen Kampagne, nicht danach.

Häufige Fehlerquellen - mit Beispielen

In Audits begegnen uns immer wieder dieselben Muster. Hier die typischen Fälle mit konkreten Beispielen:

• Gesendet, aber nie registriert. Das Entwicklerteam schickt brav article_category mit jedem view_item - aber niemand hat die Dimension in GA4 angelegt. Im Bericht taucht sie gar nicht erst zur Auswahl auf. Der Wert liegt nur im BigQuery-Export. Lösung: Schritt 2 nachholen.
• Tippfehler / falsche Schreibweise. Registriert ist articleCategory, gesendet wird article_category. GA4 findet keine Übereinstimmung, die Dimension bleibt vollständig (not set). Lösung: Namen exakt angleichen (inkl. Groß-/Kleinschreibung).
• Falscher Scope. membership_level wurde als event-scoped registriert statt user-scoped. Folge: Du kannst damit keine sauberen Nutzer-Zielgruppen bilden, und der Wert „springt", weil er nur am einzelnen Event hängt. Lösung: als user-scoped neu anlegen, User Property korrekt setzen.
• Hohe Cardinality. Jemand legt seiten_url_mit_parametern als Custom Dimension an - mit Tausenden eindeutigen Werten durch Query-Strings. Oberhalb der Tageslimits fasst GA4 die Werte unter (other) zusammen, eine Detailauswertung wird unmöglich. Lösung: Werte vorab gruppieren/normalisieren (z. B. Pfad ohne Parameter).
• Personenbezogene Daten (PII). E-Mail-Adresse oder Telefonnummer landen als Custom-Dimension-Wert in GA4 - ein Verstoß gegen die Google-Richtlinien und ein Datenschutzproblem. Lösung: niemals PII als Parameter senden; im Zweifel serverseitig entfernen.
• Limit gesprengt / tote Slots. Die 50 event-scoped Slots sind mit alten Test-Dimensionen voll, eine neue wichtige Dimension lässt sich nicht mehr anlegen. Lösung: registrierte, aber nie gesendete Dimensionen archivieren.

Wie der GA4 Auditor das prüft

Der GA4 Auditor liest deine Custom Definitions über die Admin-API und gleicht sie mit den real ankommenden Parametern aus dem BigQuery-Export ab. So siehst du auf einen Blick: registrierte, aber leere Dimensionen (Schreibfehler oder nie gesendet), gesendete, aber nicht registrierte Parameter (verschenktes Potenzial), Scope-Konflikte sowie Dimensionen mit auffällig hoher Cardinality. Statt manuell durch die Definitionen zu klicken, bekommst du die Lücken direkt benannt. Property jetzt prüfen.

Verwandte Themen

• GA4-Audit-Checkliste - alle Config-Checks.
• (not set) in GA4 - Quellenanalyse
• BigQuery-Export für GA4 - Custom Dimensions im Rohdaten-Export.

tracking ga4 datenqualität