Der wertvollste Datensatz in KI ist der, den niemand behält

In der ersten Ausgabe argumentierte ich, dass die nächste Generation von KI – Weltmodelle, physische KI – auf Daten gewonnen wird, die nie online gestellt wurden. Das war die These.

Diese Ausgabe ist der Beweis, und sie ist enger als erwartet. Denn wenn man aufhört zu theoretisieren und tatsächlich auf den Markt hört – Tausende von datierten, unabhängigen Signalen aus der Realwirtschaft –, deutet dies nicht auf eine vage "Industriedaten"-Chance hin. Es deutet immer wieder auf einen Datensatz hin.

Hier ist, was zwei Monate des Zuhörens uns gelehrt haben.

1. Was die Maschine hörte: 5.000 Signale, eine wiederkehrende Form

Unsere Plattform basiert auf einem einfachen, bewusst unaufgeregten Prinzip, das wir signal-first nennen: Wir gehen nicht von einer Meinung darüber aus, wo die Daten liegen. Wir beginnen mit Fakten – einer Finanzierungsrunde, einer M&A-Transaktion, einer Datenpartnerschaft, einer Ausschreibung, einer IoT-Einführung, einer behördlichen Einreichung – jeder datiert, jeder aus der Fachpresse bezogen, jeder, der auf ein Thema hinweist, das Daten produziert.

In den letzten acht Wochen hat die Engine ca. 5.000 solcher Signale geerntet. Dann tat sie etwas Wichtiges: Sie weigerte sich, einem einzelnen Signal zu vertrauen. Ein Thema wird erst zu einer echten "Nische", wenn mindestens drei unabhängige Quellen darauf konvergieren – eine Absicherung gegen den Hype einer lauten Schlagzeile. An dieser Messlatte haben 195 Nischen die Bestätigung bestanden.

Und hier ist der bemerkenswerte Teil. Diese ca. 5.000 Signale generierten Tausende von Kandidatenthemen – aber sie kollabieren zu einer Handvoll von Familien, und jede einzelne davon ist die physische Wirtschaft in Aktion:

• Energie, Stromnetz, erneuerbare Energien & Speicherung – ca. 1.000 Cluster, ca. 2.500 Signale
• Lieferkette, Logistik & Fracht – ca. 620 Cluster, ca. 2.200 Signale
• Robotik & industrielle Automatisierung – ca. 455 Cluster, ca. 1.500 Signale
• Mobilität, E-Fahrzeuge, Automobil & Flotten – ca. 530 Cluster, ca. 1.350 Signale
• Bergbau, kritische Mineralien & Materialien – ca. 310 Cluster, ca. 1.000 Signale

Nicht "KI". Nicht "LLMs". Nicht das Web. Der Markt spricht immer wieder über Maschinen, die in der realen Welt laufen – und implizit über die Daten, die diese Maschinen jede Sekunde produzieren und die niemand aufbewahrt.

2. Fragen Sie "welche Daten und für wen?" – und es kollabiert zu einer Nische

Signale sagen Ihnen, wo die Hitze ist. Die eigentliche Frage ist: Welchen Datensatz erzeugt dies tatsächlich und wer würde dafür bezahlen?

Wir haben nun 413 reale Datenhalter kartiert (gegenüber 311 in der letzten Ausgabe – die Karte wächst). Wenn wir klassifizieren, was jeder einzelne tatsächlich besitzt, ist die Verteilung nicht flach. Eine Nische ragt über den Rest hinaus:

• 43% jedes von uns kartierten Halters entfallen auf denselben Anwendungsfall: Predictive Maintenance – 179 von 413. Die Zweitplatzierten (Industrieüberwachung, Dokumentenintelligenz, regulatorisches RAG, diagnostische KI) liegen weit zurück.
• 100% dieser 179 sind Zeitreihen. Jede einzelne. Maschinenprotokolle, Sensortelemetrie, Flotten-Telematik – das Rohsignal der physischen Welt, mit Zeitstempel.
• Es durchzieht alle Sektoren: Industrie (89), Mobilität/Flotten (58), Energie & Sonstiges (23), Gesundheitswesen (7) – dieselben Familien, über die die Signale schrien.
• Und die Nachfrageseite hat ein dominantes Käuferprofil: Anbieter von Industrie-KI und Wartungsoptimierung.

Das ist das am häufigsten wiederholte, am unabhängigsten bestätigte Muster in allem, was wir gesammelt haben. Der Markt fragt nicht nach "Daten". Er fragt nach Predictive-Maintenance-Zeitreihen – und er fragt laut.

3. Warum diese Nische und nicht eine andere: die Kosten des Problems sind erstaunlich

Predictive Maintenance ist nicht zufällig die produktivste Nische. Sie beruht auf einer der größten ungelösten Kosten in der Weltwirtschaft.

Laut Siemens' True Cost of Downtime 2024 verlieren die 500 größten Unternehmen der Welt schätzungsweise 1,4 Billionen US-Dollar pro Jahr durch ungeplante Ausfallzeiten – das entspricht 11% ihres Umsatzes, ungefähr dem BIP Spaniens. Am extremsten kostet eine Stunde ungeplanter Ausfallzeit in einem Automobilwerk jetzt bis zu 2,3 Millionen US-Dollar – mehr als 600 US-Dollar pro Sekunde – und diese Kosten pro Stunde haben sich seit 2019 etwa verdoppelt.

Das ist genau der Schmerz, den Predictive Maintenance lindern soll. Deshalb ist der Markt dafür real, keine leere Versprechung: Unabhängige Analysten schätzen den globalen Markt für Predictive Maintenance auf ca. 13–14 Milliarden US-Dollar im Jahr 2025 (Grand View ~$14,2 Mrd.; Fortune Business Insights ~$13,65 Mrd.; Mordor ~$14,1 Mrd.; MarketsandMarkets ~$12,1 Mrd.). Die Wachstumsschätzungen variieren stark – von ca. 11% bis ca. 34% CAGR, je nach Firma – behandeln Sie also die prognostizierte Wachstumsrate als Spanne, nicht als feste Zahl. Aber die Richtung ist einstimmig: nach oben und rechts, seit einem Jahrzehnt.

Eine riesige, quantifizierte, wiederkehrende Kosten – und die Daten, die dies beheben würden, sind genau die Daten, die unsere Halter unterausnutzen.

4. Warum es nicht gescrapt werden kann: diese Daten leben hinter der Firewall

Das macht diese Nische strukturell anders als den Web-Text-Markt, den die Labore bereits erschöpft haben.

Predictive-Maintenance-Zeitreihen befinden sich nicht im Internet und werden es auch nie sein. Sie leben in SCADA-Systemen, Plant Historians, CMMS-Datenbanken und PLCs – hinter der operativen Firewall, in Formaten, die für die Steuerung und nicht für die Veröffentlichung entwickelt wurden. Es gibt keinen Crawler, der sie erreicht.

Und die meisten davon werden nicht einmal verwendet. Die am häufigsten zitierte Zahl hier – Seagate und IDC's Rethink Data – ergab, dass nur 32% der Unternehmen zur Verfügung stehenden Daten jemals genutzt werden; die restlichen 68% bleiben ungenutzt (2020). Forrester bezifferte den Anteil ungenutzter Unternehmensdaten für Analysen auf 60–73% (2016). Diese Zahlen sind älter und beziehen sich auf Unternehmensdaten im Allgemeinen – aber sie beschreiben genau das Reservoir, das in jeder Fabrik, jedem Stromnetz und jeder Flotte brachliegt.

Das Ausmaß ist überall dort sichtbar, wo es einem Unternehmen gelungen ist, auch nur einen Teil davon zu aggregieren. In seinen SEC-Einreichungen berichtet das vernetzte Betriebsunternehmen Samsara über mehr als 25 Billionen Datenpunkte, die jedes Jahr über seine Plattform fließen – und stellt klar, dass "die Kosten und die Verfügbarkeit von Sensoren, Rechenleistung… eine weit verbreitete Analyse von physischen Betriebsdaten verhindert haben." Fünfundzwanzig Billionen Punkte, und das ist eine private Plattform. Der Rest ist dunkel.

Das ist die Definition eines knappen Vermögenswerts: enorm, wertvoll und für alle, die darauf trainieren wollen, unzugänglich.

5. Die Käufer kommen bereits – und sie sind eine brandneue Klasse von Modellen

Jahrelang war "Wer würde operative Zeitreihen kaufen?" eine berechtigte Frage. Im Jahr 2024 hörte sie auf, eine zu sein – denn eine ganz neue Kategorie von KI tauchte auf, die genau das brauchte.

Die letzten zwei Jahre brachten die erste Welle von Zeitreihen-Grundlagenmodellen hervor: Googles TimesFM, Amazons Chronos, Salesforces Moirai, IBMs Granite / Tiny Time Mixers, CMUs MOMENT, Nixtlas TimeGPT. Das gleiche "ein großes Modell vortrainieren, überall generalisieren"-Rezept, das Text und Bilder transformierte – jetzt auf Signale über die Zeit gerichtet.

Aber sie stießen auf dieselbe Wand, die wir beschrieben haben. Googles TimesFM wurde auf ca. 100 Milliarden Zeitpunkten vortrainiert, die größtenteils aus Google Trends und Wikipedia-Seitenaufrufen stammen – öffentliche Webdaten, nicht eine einzige Stunde SCADA- oder Sensorteletrie. Und die Forscher, die diese Modelle entwickeln, sagen das Offensichtliche laut:

"Grundlagenmodelle haben Vision und Sprache durch Vortraining auf großen, strukturell kohärenten Korpora transformiert – doch kein analoges Substrat existiert für industrielle Zeitreihen." – FactoryNet, 2026

"Im Gegensatz zur Sprache, die über reichlich öffentliche Vortrainingsdaten in Terabytes verfügt, sind Zeitreihendaten relativ knapp, sehr vielfältig und öffentlich begrenzt." – IBM Research, Tiny Time Mixers (NeurIPS 2024)

Das Kapital folgt derselben Logik. Der Spezialist für Maschinengesundheit Augury sammelte 75 Millionen US-Dollar bei einer Bewertung von über 1 Milliarde US-Dollar (Februar 2025); die Plattform für industrielle Wartung Tractian sammelte 120 Millionen US-Dollar (Dezember 2024). Die Käufer von Predictive-Maintenance-Daten sind nicht mehr hypothetisch. Sie sind finanziert, sie bauen, und sie hungern nach genau dem Vorrat, auf dem unsere 413 Halter sitzen.

Das Fazit

Ausgabe #1 sagte, die nächste KI braucht Daten, die nie online waren. Ausgabe #2 sagt Ihnen, welche Daten, weil der Markt nicht aufhörte, darauf hinzuweisen: Predictive-Maintenance-Zeitreihen aus der physischen Wirtschaft – Maschinen, Stromnetze, Flotten, Minen.

Es ist das am häufigsten wiederholte Signal, das wir sammeln. Es ist die größte einzelne Nische, die wir kartiert haben (43% aller Halter). Es sind 100% Zeitreihen. Es beruht auf einem Problem von 1,4 Billionen US-Dollar pro Jahr. Es kann nicht gescrapt werden. Und eine brandneue Klasse von Grundlagenmodellen ist gerade angekommen, die ohne sie nicht trainieren kann.

Auf der einen Seite: Betreiber, die auf einem knappen, ungenutzten Vermögenswert sitzen – oft ohne zu erkennen, dass es der Treibstoff für das nächste Jahrzehnt der KI ist. Auf der anderen Seite: eine neue Generation von Modellen und die sie umgebenden Anbieter, die bereit sind, dafür zu bezahlen. Was zwischen ihnen fehlt, ist die Infrastruktur, um den Austausch abzugleichen, zu qualifizieren und zu vertrauen.

Das bauen wir.

Wenn Sie Maschinen, ein Stromnetz, eine Flotte oder eine Anlage betreiben – sitzen Sie fast sicher auf Predictive-Maintenance-Zeitreihen, für die jemand jetzt bereit ist zu zahlen. Wenn Sie KI aufbauen, die echte operative Signale benötigt – hier lebt sie. So oder so, jetzt ist die Zeit zu reden.

— Salim Labriki, d-nvest

Methodischer Hinweis: Die Marktgrößenangaben sind proprietäre Schätzungen von Anbietern, nach Firmen aufgeschlüsselt; wo Analysten uneins sind (insbesondere bei CAGR), zeigen wir die Spanne an, anstatt eine Zahl auszuwählen. Ein "Signal" ist eine datierte externe Tatsache (Presse/Register); eine Nische wird nur dann als qualifiziert gezählt, wenn ≥3 unabhängige Quellen darauf konvergieren.