Datenprodukte, die Umsatz bringen: was Strategie von Wunschdenken trennt

Snowflakes Jahresbericht 2023 wies aus, dass der Data Marketplace mehr als 2.000 aktive Data Listings von Drittanbietern überschritten hatte. Die Zahl klingt beeindruckend, bis man fragt, wie viele dieser Anbieter damit nennenswerte, wiederkehrende Erlöse erzielen. Die ehrliche Antwort, gestützt auf Gespräche in der Branche, ist: eine kleine Minderheit. In der Lücke zwischen der Veröffentlichung eines Datenprodukts und dem Aufbau eines monetarisierbaren Produkts sterben die meisten CDO-Ambitionen einen stillen Tod.

Das ist kein Technologieproblem. Die Infrastruktur, um Datenprodukte zu verpacken, zu verteilen und zu bepreisen, ist deutlich reifer geworden. Plattformen wie Snowflake Data Marketplace, AWS Data Exchange und Databricks Marketplace haben die Distributionshürde auf nahezu null gesenkt. Der Engpass ist fast immer strategisch und organisatorisch, nicht technisch.

Die Mechanik der Datenprodukt-Monetarisierung im Jahr 2026

Der Begriff „Datenprodukt" wird heute für alles verwendet, vom Dashboard bis zum trainierten ML-Modell. Für die Umsatzgenerierung gilt: Ein Datenprodukt ist ein Asset, für das ein KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer zahlt, weil es seine Unsicherheit reduziert, ihm Verarbeitungszeit spart oder ihm einen analytischen Vorsprung verschafft, den ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → intern nicht günstig nachbauen kann.

Im Wesentlichen haben sich drei Erlösmodelle als dauerhaft erwiesen. Direkte Lizenzierung, bei der ein Unternehmen wie The Weather Company Wetterdaten-Feeds an Airlines und Logistikunternehmen verkauft, ist das älteste und einfachste. Zweitens embedded Analytics, bei dem eine SaaS-Plattform angereicherte Daten oder Intelligence direkt in ihr Produkt integriert und dafür eine Premium-Stufe berechnet. Veeva Systems etwa monetarisiert Daten zum Verordnungsverhalten von Ärzten, die direkt in die CRMCRMCustomer Relationship Management: Software und Strategie, um Kundeninteraktionen über den gesamten Lifecycle zu steuern und zu analysieren.Vollständige Definition ansehen →-Workflows für Pharmaunternehmen eingebettet sind. Die Daten werden also nie als eigenständige SKU verkauft, erhöhen aber die Wechselkosten und den durchschnittlichen Vertragswert erheblich. Drittens Data-as-a-Service, bei dem der Käufer APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen →-Zugang zu laufend aktualisierten Signalen erhält statt einer statischen Datei. Dieses Modell skaliert gut, verlangt aber ernsthafte Investitionen in Data-Quality-Governance und SLA-Management.

Neuer ist die Entwicklung synthetischer und modellabgeleiteter Daten als eigene Produktkategorie. Unternehmen verkaufen inzwischen nicht die Rohbeobachtung, sondern die aus Millionen Beobachtungen gezogene Inferenz, abgeschirmt gegen regulatorische Risiken rund um personenbezogene Rohdaten. Inrix, das Mobilitätsdaten aus vernetzten Fahrzeugen aggregiert, verkauft Traffic Intelligence und keine einzelnen GPS-Spuren. Dieser Unterschied ist rechtlich und kommerziell relevant.

Was das für den CDO bedeutet

Das erste praktische Problem des CDO ist die interne Positionierung. In den meisten Organisationen werden Daten als Kostenstelle oder Compliance-Funktion behandelt. Wer vorschlägt, sie extern zu monetarisieren, muss einen Business Case bauen, den Finance und Legal beide akzeptieren, meist gleichzeitig. CDOs, die diesen Schritt überspringen und direkt in den Aufbau eines Datenprodukts gehen, landen bei einem Asset, das niemand verkaufen darf.

Bevor die Produktarbeit beginnt, muss der CDO vier Fragen präzise beantworten. Wer ist der Käufer, und welche Entscheidung verändern diese Daten für ihn? Was ist das nächstliegende Substitut, das er heute nutzt, und was würde ihn ein Wechsel kosten? Welche laufende Datenpipeline und welcher Qualitätsstandard sind nötig, um das Produkt zuverlässig zu liefern? Und, entscheidend: Verfügt die Organisation über klare, prüfbare Rechte an den zugrunde liegenden Daten?

Die letzte Frage eliminiert überraschend viele Kandidaten. Nach Untersuchungen der MIT Sloan Management Review ist Unklarheit über Datenrechte der häufigste einzelne Grund, warum Datenmonetarisierungs-Initiativen nach dem Proof of Concept stecken bleiben. Das ist ein Governance-Thema mit Umsatzfolge, und CDOs müssen die Dokumentation von Datenrechten deshalb mit derselben Dringlichkeit vorantreiben wie die Datenqualität.

Pricing ist ein weiterer Bereich, in dem CDOs regelmäßig schwach abschneiden. Der Standard ist Cost-plus-Logik: berechnen, was die Erstellung des Daten-Assets kostet, und eine Marge aufschlagen. Das ist fast immer falsch. Datenprodukte werden über den Wert für den Käufer bepreist, nicht über die Produktionskosten. Ein Anbieter, der Kreditrisiko-Signale an eine Regionalbank verkauft, sollte gegen die Kosten eines Kreditausfalls bepreisen, nicht gegen die Kosten des PipelinePipelineAlle aktiven Verkaufschancen über die Phasen des Vertriebsprozesses hinweg, zusammen mit ihrem gesamten potenziellen Wert und ihrer Abschlusswahrscheinlichkeit.Vollständige Definition ansehen →-Betriebs. Diese Sichtweise verlangt von CDOs kommerzielles Gespür, für das die meisten Datenverantwortlichen nie ausgebildet wurden.

Die Frage der Organisationsstruktur ist ebenso wichtig. Externe Datenprodukte brauchen eine Produktmanagement-Funktion, eine Go-to-MarketGo-to-MarketDie Strategie, die festlegt, wie Sie ein Produkt einführen: Zielsegmente, Kanäle, Value Proposition und koordinierter Aktionsplan.Vollständige Definition ansehen →-Bewegung und eine Customer-Success-Fähigkeit. Beides existiert in den meisten Datenteams nicht. CDOs, die Daten monetarisieren wollen, ohne diese Funktionen aufzubauen oder auszuleihen, werden feststellen, dass selbst ein technisch starkes Produkt kommerziell scheitert. Das wirksamste Modell, das sich 2026 beobachten lässt, ist eine kleine, dedizierte Datenprodukt-Einheit an der Schnittstelle zwischen Datenorganisation und kommerzieller Organisation, mit direkter Verantwortung für Umsatz statt für IT-Delivery-Kennzahlen.

Konkrete Schritte für CDOs auf dem Weg zur Monetarisierung

• Beginnen Sie mit einer Bestandsaufnahme, welche Daten-Assets Sie schon haben, die externen Wert besitzen. Das heißt: mit Käufern sprechen, nicht nur interne Assets katalogisieren. Die Daten zur Zahlungsgeschwindigkeit eines Finanzdienstleisters sind intern vielleicht unsichtbar, für eine Kreditauskunftei aber sehr wertvoll.
• Trennen Sie interne Datenprodukte (Werkzeuge, die interne Entscheidungen verbessern) von externen Datenprodukten (Assets, die an Dritte verkauft werden). Beide sind legitim, aber sie brauchen unterschiedliche Governance-Modelle, unterschiedliche Pricing-Logik und unterschiedliche Erfolgskennzahlen. Wer sie vermischt, erzeugt strategische Verwirrung.
• Investieren Sie in die Dokumentation von Datenrechten, bevor Sie das Produkt bauen. Das bedeutet, mit Legal Herkunft, Einwilligungen und vertragliche Beschränkungen für jede Datenquelle im Kandidatenprodukt zu erfassen. Das nachträglich zu tun, ist schmerzhaft und teuer.
• Gewinnen Sie einen Referenzkunden, bevor Sie die Distribution skalieren. Ein zahlender Kunde mit gut dokumentiertem Use Case ist mehr wert als ein Listing auf einem Data Marketplace ohne Traktion. Der Referenzkunde sagt Ihnen außerdem mehr über die tatsächliche Zahlungsbereitschaft als jede interne Preisanalyse.
• Behandeln Sie die P&L des Datenprodukts als echte P&L. Benennen Sie einen Product Owner, verfolgen Sie Herstellkosten, Umsatz und churn. Ohne das bleibt Datenmonetarisierung ein Projekt und wird kein Geschäft.

Die CDOs, die 2026 echten Umsatz mit Daten erzielen, machen nichts Exotisches. Sie haben einen konkreten Käufer mit einem konkreten Problem identifiziert, ein Produkt mit disziplinierten Qualitätsstandards gebaut und kommerzielle Strenge angewandt, die ihre Kollegen in der Data GovernanceData GovernanceData Governance umfasst die Regeln, Rollen und Prozesse, die sicherstellen, dass Daten in einer Organisation korrekt, sicher, klar definiert und verantwortungsvoll genutzt werden.Vollständige Definition ansehen → selten mitbringen. Die Technologie war immer der einfachere Teil.