Warum (und wann) externe Daten kaufen

Der Kauf externer Daten ist längst kein Randthema mehr: Der europäische Datenmarkt übersteigt 115 Mrd. € und wächst um 11,6 % pro Jahr (EU-Kommission), und der globale Data-Broking-Markt wird auf rund 434 Mrd. $ im Jahr 2025 geschätzt, mit einem Ziel von 617 Mrd. $ bis 2030. Für ein Unternehmen sind externe Daten zu einem strategischen Input geworden.

Die Anwendungsfälle sind zahlreich: Training oder Verfeinerung einer KI (Korpora, gelabelte Daten, RAG), Anreicherung eines CRM und seiner Akquise, Marktintelligenz (Marktgröße, Wettbewerbsbeobachtung), Alimentierung eines Risikoscorings oder Personalisierung eines Produkts und seiner Zielgruppenansprache. Dieselbe Datengrundlage dient oft mehreren Zwecken, was ihren Wert erklärt. Im Zeitalter der generativen KI stellen proprietäre oder exklusive Daten einen verteidigbaren Wettbewerbsvorteil – einen „Moat“ – dar, so dass große Akteure sie bereits bar bezahlen (Reddit hat mit Google eine Vereinbarung über rund 60 Mio. $ pro Jahr unterzeichnet).

Sollte man kaufen oder produzieren? Die Faustregel: Kaufen Sie, wenn die Daten bereits woanders existieren, sie aktueller, umfangreicher oder vollständiger als Ihre eigenen sind und ihre interne Rekonstitution teurer wäre; andernfalls produzieren Sie sie. Was den Kauf betrifft, so lassen sich Daten in sieben monetarisierbare Familien einteilen (Transaktionsdaten, Verhaltensdaten, operative Daten, Sensor-/IoT-Daten, Geodaten, aggregierte HR-Daten, Inhalte) – detailliert im Leitfaden „Die 7 Daten-Assets“.

Das Wesentliche bleibt: Vertrauensvoll kaufen. Schlecht beschaffte Daten (unklare Rechte, nicht beherrschte DSGVO, fragwürdige Qualität) sind ein Risiko, kein Vermögenswert – daher die Bedeutung einer Käufer-Due-Diligence, dem Thema des entsprechenden Leitfadens. Der erste konkrete Schritt: die auf d-nvest verfügbaren Datensätze erkunden.