Datenmonetarisierung: drei Modelle & das Data Flywheel

Daten sind ein Asset. Wie jedes Asset 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 →önnen sie über ihren ursprünglichen Zweck hinaus Rendite erzeugen. Der CDO, der Datenmonetarisierung versteht, erweitert das Wertversprechen der Datenfunktion von „Cost Center, das interne Entscheidungen ermöglicht" zu „Capability, die externen Umsatz und Wettbewerbsvorteile erzeugt".

Die drei Modelle der Datenmonetarisierung

Direkte Monetarisierung: Daten direkt an Dritte verkaufen. Die offensichtlichste Form, aber die am stärksten durch Datenschutzregulierung eingeschränkte. Erfordert explizite Consent-Frameworks und eine sorgfältige rechtliche Prüfung. Im B2B-Kontext (Branchen-Benchmarks, Marktdaten) häufiger als im B2C.

Indirekte Monetarisierung: Daten nutzen, um Produkte und Services zu verbessern, die Umsatz erzeugen. Hier liegt für die meisten Organisationen der größte Wert. Amazons Recommendation Engine, Netflix' Personalisierung, Spotifys Discover Weekly: jedes davon monetarisiert Daten indirekt, indem es das Kernprodukt besser macht.

Datenbasierte Geschäftsmodelle: Neue Geschäftsfelder, die auf Datenkompetenzen aufbauen. Ein Händler, der ein Retail Media Network aufbaut (Verkauf von Werbeinventar an Marken auf Basis der eigenen Kaufdaten). Eine Bank, die ein Data-as-a-Service-Angebot für Fintech-Startups aufbaut.

Die meisten Organisationen sollten sich zuerst auf indirekte Monetarisierung konzentrieren: Sie erfordert keine neuen rechtlichen Frameworks und der ROIROIReturn on Investment: das Verhältnis von Nettogewinn zu den Kosten einer Investition. Ein ROI von 300 % bedeutet, dass jeder investierte Dollar 3 Dollar zurückbringt.Vollständige Definition ansehen → ist oft am höchsten.

Den wirtschaftlichen Wert von Daten berechnen

Bevor Sie Daten monetarisieren, müssen Sie ihren Wert verstehen. Das Infonomics-Framework (Douglas Laney) bietet drei Ansätze:

Kostenbasierte Bewertung: Was hat es gekostet, diese Daten zu erzeugen, zu erheben und zu pflegen? Das setzt eine Untergrenze: Daten unter ihren Erstellungskosten zu verkaufen, zerstört Wert.

Marktbasierte Bewertung: Was würden vergleichbare Daten am Markt kosten? Vergleichbare Transaktionsdaten, Preise von Data Brokern und Lizenz-Benchmarks liefern Referenzpunkte.

Bewertung nach wirtschaftlichem Wert: Welche Geschäftsentscheidungen ermöglichen diese Daten, und was ist der messbare wirtschaftliche Effekt dieser Entscheidungen? Das ist der strengste und oft höchste Bewertungsansatz, erfordert aber, Daten mit Geschäftsergebnissen zu verknüpfen.

Der Ansatz über den wirtschaftlichen Wert ist auch für die interne Priorisierung am nützlichsten: Welche Datasets ermöglichen die wertvollsten Entscheidungen? Diese verdienen die größten Investitionen in Qualität und Zugänglichkeit.

Das Data-Marketplace-Modell

Mehrere Branchen haben sich in Richtung Data Marketplaces entwickelt, Plattformen, auf denen mehrere Datenanbieter und -abnehmer Daten austauschen. Wichtige Beispiele:

Finanzdienstleistungen: Bloomberg, LSEG Data & Analytics (früher Refinitiv) und S&P Capital IQ aggregieren Finanzmarktdaten und verkaufen den Zugang. Broker für Alternative Data (Nasdaq Data Link, das 2021 Quandl übernommen hat, und YipitData) verkaufen nicht traditionelle Datasets (Satellitenbilder, Kreditkarten-Transaktionspanels, App-Nutzungsdaten).

Healthcare: Anbieter von Real World Data (IQVIA, Symphony Health) aggregieren anonymisierte Patientendaten und verkaufen sie an Pharmaunternehmen für Arzneimittelentwicklung, Safety Monitoring und Market-Access-Research.

Retail Media Networks: Walmart Connect, Amazon DSP, Target Roundel, also Händler, die Werbeinventar auf Basis von Kaufdaten verkaufen. Walmarts globales Werbegeschäft erreichte im Geschäftsjahr 2025 rund 4,4 Mrd. $ (einschließlich Vizio), gegenüber etwa 3 Mrd. $ im Jahr 2023, eines der am schnellsten wachsenden Segmente des Unternehmens.

Die Rolle des CDO in diesen Modellen: sicherstellen, dass Daten korrekt und sauber sind, wo nötig anonymisiert und mit angemessenen vertraglichen Schutzmechanismen bereitgestellt werden.

Daten als Wettbewerbsgraben

Die dauerhafteste Form der Datenmonetarisierung ist nicht der Verkauf von Daten, sondern die Nutzung proprietärer Daten, um Capabilities aufzubauen, die Wettbewerber nicht nachbilden 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 →önnen. Das ist das Data Flywheel:

Mehr Nutzer → mehr Verhaltensdaten → bessere Modelle → besseres Produkt → mehr Nutzer.

Amazons Flywheel läuft seit 25 Jahren. Die Genauigkeit der Produktempfehlungen, der Preisalgorithmus und die Logistikoptimierung basieren auf Datenvorteilen, die ein Wettbewerber ein Jahrzehnt brbrDer Anteil der Besucher, die nach nur einer angesehenen Seite wieder abspringen, häufig ein Signal für mangelnde Relevanz, verfehlte Suchintention oder schwache User Experience.Vollständige Definition ansehen →äuchte, um sie nachzubilden, wenn überhaupt.

Ihr Flywheel aufbauen: Identifizieren Sie, welche Datenassets für Ihre Marktposition einzigartig sind, investieren Sie in die ML-Capabilities, die diese Assets ausschöpfen, und gestalten Sie die Produkt-Feedback-Loops so, dass mit jeder Produktverbesserung mehr Daten entstehen.

Key Takeaways

• Es gibt drei Monetarisierungsmodelle: direkt (Daten verkaufen), indirekt (umsatzbringende Produkte verbessern) und datenbasierte Geschäftsmodelle. Indirekt liefert meist den höchsten ROIROIReturn on Investment: das Verhältnis von Nettogewinn zu den Kosten einer Investition. Ein ROI von 300 % bedeutet, dass jeder investierte Dollar 3 Dollar zurückbringt.Vollständige Definition ansehen →, ohne neues rechtliches Framework.
• Bewerten Sie Daten auf drei Wegen (Kosten, Markt, wirtschaftlicher Wert). Der Ansatz über den wirtschaftlichen Wert verbindet Daten mit Geschäftsentscheidungen und funktioniert am besten für die interne Priorisierung.
• Data Marketplaces sind in Finance (Bloomberg, LSEG Data & Analytics, Nasdaq Data Link) und Healthcare (IQVIA) etabliert und wachsen in Retail Media schnell (Walmart Connect erreichte im GJ2025 rund 4,4 Mrd. $ Werbeumsatz).
• Der stärkste Graben ist das Data Flywheel: mehr Nutzer erzeugen mehr Daten, das verbessert Modelle und Produkt, was mehr Nutzer anzieht.

Quizfragen

1. Welche Form der Datenmonetarisierung bietet für die meisten Organisationen den höchsten ROIROIReturn on Investment: das Verhältnis von Nettogewinn zu den Kosten einer Investition. Ein ROI von 300 % bedeutet, dass jeder investierte Dollar 3 Dollar zurückbringt.Vollständige Definition ansehen → und erfordert kein neues rechtliches Framework?

A) Der direkte Verkauf von Daten an Dritte

B) Indirekte Monetarisierung, also Daten nutzen, um umsatzbringende Produkte zu verbessern

C) Der Aufbau von Data Marketplaces

D) Data-as-a-Service-Angebote für Startups

Antwort: B

2. Wie wird im Ansatz „economic value-based valuation" von Douglas Laney der Wert eines Datasets berechnet?

A) Über die Kosten für Erhebung und Pflege der Daten

B) Über den Marktpreis vergleichbarer Daten

C) Über den messbaren wirtschaftlichen Effekt der Geschäftsentscheidungen, die diese Daten ermöglichen

D) Über das gespeicherte Datenvolumen

Antwort: C

3. Was ist das „Data Flywheel", wie Amazon es zeigt?

A) Ein Hochleistungs-Tool zur Datenspeicherung

B) Eine sich selbst verstärkende Schleife: mehr Nutzer → mehr Daten → bessere Modelle → besseres Produkt → mehr Nutzer

C) Eine Strategie zum Verkauf von Daten an Dritte

D) Ein System für automatische Daten-Backups

Antwort: B