Datengraben

Der Begriff stammt aus der Wirtschaft und beschreibt einen Schutzwall gegen Konkurrenz. Ursprünglich meinte man damit den Wassergraben um eine Burg: Wer ihn nicht überwinden kann, kommt nicht an die Burg heran. Bei einem Datengraben besteht dieser Schutzwall aus gesammelten Informationen. Ein Unternehmen besitzt Daten, an die andere Firmen nur schwer oder gar nicht herankommen. Wer ein konkurrierendes Produkt bauen will, hätte vielleicht dieselben Programmierer und dasselbe Geld, aber eben nicht dieselben Daten. Genau deshalb gilt ein Datengraben als besonders stabiler Vorteil.

Warum Daten schwerer nachzubauen sind als Software

Software lässt sich kopieren, nachprogrammieren oder billig einkaufen. Rechenleistung kann man mieten, wenn man das Geld hat. Daten dagegen entstehen über Zeit, und Zeit kann man nicht kaufen. Ein Kartendienst, der seit fünfzehn Jahren Straßen erfasst, hat einen Vorsprung, den ein Neueinsteiger nicht in einem Jahr aufholt.

Für Anleger und Wirtschaftsjournalisten ist das eine zentrale Frage. Sie wollen wissen, ob ein Technologieunternehmen seinen Vorsprung verteidigen kann. Ein Unternehmen ohne Datengraben lebt gefährlich, weil ein größerer Konkurrent das Produkt einfach nachbauen kann. Deshalb tauchen die Begriffe Datengraben und Moat regelmäßig in Analysen und Quartalsberichten auf.

Allerdings ist nicht jede große Datenmenge ein Graben. Entscheidend ist, ob die Daten einzigartig sind und ob sie das Produkt wirklich besser machen. Daten, die jeder aus dem offenen Internet herunterladen kann, schützen niemanden. Ein häufiger Irrtum besteht darin, schiere Menge mit Vorsprung zu verwechseln.

Die Schleife aus Nutzung und Verbesserung

Der stärkste Datengraben entsteht durch einen sich selbst verstärkenden Kreislauf. Nutzer verwenden ein Produkt und hinterlassen dabei Spuren: Klicks, Korrekturen, Bewertungen, abgebrochene Suchen. Diese Spuren fließen zurück in das System und verbessern es. Das bessere Produkt zieht mehr Nutzer an, die wiederum mehr Daten erzeugen. Fachleute nennen diese Schleife Data Flywheel, also Datenschwungrad.

Bei künstlicher Intelligenz wirkt dieser Kreislauf besonders stark. Ein Sprachmodell wird mit Texten trainiert, also mit Beispielen, aus denen es Muster lernt. Rückmeldungen der Nutzer zeigen, welche Antworten hilfreich waren und welche nicht. Solche Rückmeldungen sind wertvoll, weil sie nirgends öffentlich herumliegen. Sie entstehen nur dort, wo bereits viele Menschen das Produkt benutzen.

Ein Datengraben kann aber auch austrocknen. Gesetze wie die europäische Datenschutz-Grundverordnung schränken ein, was gespeichert und weiterverwendet werden darf. Nutzer können ihre Daten löschen lassen oder zu einem anderen Anbieter mitnehmen. Und manchmal entwertet eine neue Technik den alten Bestand einfach. Als Sprachmodelle brauchbare Übersetzungen aus allgemeinem Text lernten, verlor manche mühsam aufgebaute Übersetzungsdatenbank an Wert.

Datengräben in Nachrichten und in Apps

Sichtbar wird das Prinzip überall dort, wo ein Dienst mit der Nutzung besser wird. Eine Navigations-App kennt Staus, weil Millionen Handys ihre Geschwindigkeit melden. Ein Streamingdienst empfiehlt Serien anhand des Verhaltens seiner Abonnenten. Eine Suchmaschine lernt aus jeder Anfrage, welche Treffer wirklich passen. In allen drei Fällen hilft mehr Geld einem Neueinsteiger nur begrenzt weiter.

In Wirtschaftsnachrichten begegnet der Begriff meist bei Übernahmen und Partnerschaften. Wenn ein Technologiekonzern ein kleines Unternehmen für einen erstaunlich hohen Preis kauft, geht es oft um dessen Datenbestand. Ähnlich ist es bei Verträgen zwischen KI-Firmen und Zeitungsverlagen, Forumsbetreibern oder Krankenhäusern. Gekauft wird der Zugang zu Material, das sonst niemand hat.

Vom Datengraben abzugrenzen sind andere Schutzwälle. Ein Netzwerkeffekt bedeutet, dass ein Dienst wertvoller wird, je mehr Menschen ihn nutzen, etwa bei einem Messenger. Wechselkosten entstehen, wenn ein Umstieg zu mühsam erscheint. Oft treten alle drei zusammen auf, doch sie funktionieren unterschiedlich. Wer Berichte über Technologieunternehmen liest, sollte deshalb genau prüfen, welcher Vorteil tatsächlich gemeint ist.