Wirtschaftliche Bewertung von Daten: Methoden, Praxisbeispiele und Entscheidungsgrundlagen
Die Bewertung von Daten als immaterielles Vermögen ist zentral für Strategie, Investitionen und Monetarisierung. Dieser Blog zeigt vier praxiserprobte Ansätze – Ertragswert, Marktwert, Szenarien und Kosten – und wie sie je nach Ziel und Reifegrad kombiniert werden können.
Wirtschaftliche Bewertung von Daten stellt eine besondere Herausforderung dar, da es sich um immaterielle, dynamische und oft kontextabhängige Vermögenswerte handelt. Um den Datenwert greifbar,vergleichbar und steuerbar zu machen, stehen mehrere methodische Ansätze zur Verfügung. Die Wahl der Methode hängt dabei von Datenverfügbarkeit, Nutzungsszenario, Reifegrad und Bewertungszweck ab – etwa für bilanzielle Fragestellungen, Investitionsentscheidungen oder externe Verwertungen.
Ertragswertverfahren: Daten als Cashflow-Treiber
Das Ertragswertverfahren betrachtet Daten als Quelle zukünftiger Zahlungsströme. Es fragt konkret: Welcher ökonomische Mehrwert (z. B. Umsatzsteigerung, Kostenreduktion, Margenverbesserung) lässt sich nachweislich auf die Nutzung bestimmter Daten zurückführen? Der Vorteil dieser Methode liegt in ihrer betriebswirtschaftlichen Logik und Praxisnähe – sie eignet sich insbesondere zur ROI-Argumentation gegenüber Investoren oder zur Bewertung datengetriebener Geschäftsmodelle. Berücksichtigt werden müssen jedoch auch die laufenden Kosten für Datenpflege, Qualitätssicherung und Infrastruktur. Zudem ist der Wertverfall ein relevantes Thema: Daten verlieren mit der Zeit an Aktualität, rechtlicher Nutzbarkeit oder Relevanz – durch technologische Entwicklungen oder regulatorische Anforderungen.
Praxisbeispiel:Ein E-Commerce-Unternehmen erzielt mit automatisierten Cross-Selling-Modellenauf Basis von Transaktions- und Verhaltensdaten jährlich 150.000 € zusätzlichen Umsatz bei einer Marge von 40 %. Die Datenpflegeverursacht laufende Kosten von 20.000 €.Bei einer Planung überfünf Jahre und einemDiskontsatz von 10 % ergibt sich ein Barwert von rund 210.000 €. Dieser Wert kann in die Datenbilanzierung, Business Cases oderBewertungen integriert werden.
Marktwert-Ansatz: Bewertung durch externe Vergleichswerte
Der Marktwertansatz orientiert sich an beobachtbaren Preisen, die für vergleichbare Datensätze erzielt wurden – etwa auf Data Marketplaces, über Datenbroker oder in M&A-Transaktionen. Da exakte Vergleichswerte selten verfügbar sind, arbeitet diese Methode mit sogenannten Peers: Vergleichsdaten, die hinsichtlich Struktur, Qualität, Exklusivität und rechtlicher Nutzbarkeit analysiert werden. Eine gängige Technik ist das „Notching“, bekannt aus der Kreditrisikobewertung: Der Basispreis wird durch qualitative Zuschläge oder Abschläge angepasst.
Praxisbeispiel: Ein Mobility-Startup verfügt über Bewegungsdaten von 100.000 Nutzern. Vergleichbare Daten werden auf einem Marktplatz für 0,08 € pro Datensatz gehandelt. Aufgrund höherer Granularität, DSGVO-Konformität und Anreicherungsqualität wendet das Unternehmen einen Notching-Up-Faktor von 25 % an – der resultierende Marktwert beträgt rund 10.000 €. Der Vorteil dieser Methode: Sie ist nachvollziehbar und marktverankert. Der Nachteil: Marktpreise sind volatil, schwer generalisierbar und nicht immer transaktionssicher.
Zukunftsbezogener Datenwert (Expected Data Value)
Dieses Verfahren ergänzt bestehende Bewertungsansätze um eine explizite Zukunftsperspektive. Es wird analysiert,mit welcher Wahrscheinlichkeit ein Datensatz zukünftig neue Wertschöpfungspotenziale erschließt. Dazu gehören technologische Entwicklungen(z. B. KI-Einsatz), regulatorische Änderungen (z. B. Datenräume)oder neue Geschäftsmodelle (z. B. datenbasierte Services). Bewertet wird über eine Szenarioanalyse, die Eintrittswahrscheinlichkeit, potenzielle Einnahmen und Investitionskosten einbezieht. Volatilität und Unsicherheit werden transparent gemacht und eingepreist.
Praxisbeispiel: Ein Energieversorger speichert Smart-Meter-Verbrauchsdaten, die heute nur für Abrechnung und Netzbetrieb genutzt werden. Ab 2027 sollen daraus Services wie dynamische Stromtarife oder Nachhaltigkeitsboni entwickelt werden. Erwarteter Jahresumsatz: 250.000 €, Eintrittswahrscheinlichkeit: 70 %, Investition: 400.000 €, Diskontierungssatz: 12 %. Daraus ergibt sich ein positiver Erwartungswert von rund 520.000 €. Diese Methode eignet sich besonders für strategische Planung, Innovationsprojekte und PE-Case-Simulationen.
Kostenorientiertes Verfahren: Bewertungsuntergrenze
Das kostenbasierte Verfahren bewertet Daten auf Basis der bereits angefallenen oder kalkulierten Herstellungskosten. Dazu zählen u. a. Aufwände für Datenerhebung (z. B.Sensorik, Eingaben), Bereinigung, Integration, Speicherung, Klassifizierung sowie alle Governance-Aktivitäten (z. B. Dokumentation, Sicherheit, Compliance). Diese Methode liefert eine objektive, nachvollziehbare Bewertungsuntergrenze („Floor Value“), wird häufig in CapEx-Planungen oder bei bilanziellen Prüfungen (z. B. Impairment Tests) herangezogen. Sie erlaubt jedoch keine Aussage über die strategische oder kommerzielle Nutzbarkeit.
Praxisbeispiel: Ein Industrieunternehmen investiert 600.000 € in die Erstellung eines zentralen Materialstammdatensatzes. Dieser Wert kann als aktivierbare Investition angesetzt werden, ist aber nicht automatisch monetarisierbar. Der Nutzen hängt von der nachfolgenden Nutzung ab – etwa durch Automatisierung, Reduktion von Fehlbestellungen oder Integration in KI-gestützte Prozesse.
In der Praxis ist häufig eine Kombination dieser Verfahren sinnvoll – je nach Bewertungsanlass, Datenart und Zielgruppe. Während das Ertragswertverfahren vor allem für Investoren und Controller attraktiv ist, bietet der Marktwert Ansätze zur Preisfindung bei Datendeals, der Erwartungswert eine Perspektive für strategisches Management und das Kostenverfahren eine Bilanzierungsgrundlage. Entscheidend ist die transparente Dokumentation der Bewertungsannahmen und deren Validierung durch KPIs, Benchmarks oder Szenarien.
Häufige Fragen (FAQ):
1. Wie kann man den wirtschaftlichen Wert von Daten berechnen?
Der Datenwert kann mit vier Methoden bewertet werden: Ertragswertverfahren, Marktwertansatz, szenariobasierte Zukunftswerte und kostenorientierte Verfahren– je nach Zielsetzung und Datentyp.
2. Was ist das Ertragswertverfahren bei Daten?
Es bewertet Daten basierend auf dem zukünftigen wirtschaftlichen Nutzen, z. B.Umsatzsteigerung oder Kostenersparnis, abzüglich der laufenden Betriebskosten.
3. Wie funktioniert der Marktwertansatz bei Daten?
Daten werden anhand vergleichbarer Marktpreise (z. B. von Datenmarktplätzen oder Datendeals)bewertet – oft angepasst durch Qualitäts- oder Nutzungsfaktoren („Notching“).
4. Was ist der erwartete Datenwert (Expected Data Value)?
Dabei wird der potenzielle künftige Nutzen von Daten über Szenarien abgeschätzt– inklusive Eintrittswahrscheinlichkeit, Ertragspotenzial und Investitionsbedarf.
5. Wann ist ein kostenorientierter Bewertungsansatz sinnvoll?
Wenn Daten z. B. für Bilanzierung oder CapEx-Planung bewertet werden müssen, bildet der Aufwand für Erstellung und Pflege die Bewertungsuntergrenze.
6. Welche Methode eignet sich für Datenmonetarisierung?
Für die Preisfindung bei Datenverkäufen oder Lizenzmodellen ist der Marktwert entscheidend, bei Business Cases und PE-Bewertungen meist der Ertragswert.
7. Warum sollte man mehrere Bewertungsmethoden kombinieren?
Eine Kombination ermöglicht valide, kontextgerechte Bewertungen – je nach Reifegrad, Zielgruppe und Nutzungsart der Daten.
Wirtschaftliche Bewertung von Daten: Methoden, Praxisbeispiele und Entscheidungsgrundlagen
Die Bewertung von Daten als immaterielles Vermögen ist zentral für Strategie, Investitionen und Monetarisierung. Dieser Blog zeigt vier praxiserprobte Ansätze – Ertragswert, Marktwert, Szenarien und Kosten – und wie sie je nach Ziel und Reifegrad kombiniert werden können.
Wirtschaftliche Bewertung von Daten stellt eine besondere Herausforderung dar, da es sich um immaterielle, dynamische und oft kontextabhängige Vermögenswerte handelt. Um den Datenwert greifbar,vergleichbar und steuerbar zu machen, stehen mehrere methodische Ansätze zur Verfügung. Die Wahl der Methode hängt dabei von Datenverfügbarkeit, Nutzungsszenario, Reifegrad und Bewertungszweck ab – etwa für bilanzielle Fragestellungen, Investitionsentscheidungen oder externe Verwertungen.
Ertragswertverfahren: Daten als Cashflow-Treiber
Das Ertragswertverfahren betrachtet Daten als Quelle zukünftiger Zahlungsströme. Es fragt konkret: Welcher ökonomische Mehrwert (z. B. Umsatzsteigerung, Kostenreduktion, Margenverbesserung) lässt sich nachweislich auf die Nutzung bestimmter Daten zurückführen? Der Vorteil dieser Methode liegt in ihrer betriebswirtschaftlichen Logik und Praxisnähe – sie eignet sich insbesondere zur ROI-Argumentation gegenüber Investoren oder zur Bewertung datengetriebener Geschäftsmodelle. Berücksichtigt werden müssen jedoch auch die laufenden Kosten für Datenpflege, Qualitätssicherung und Infrastruktur. Zudem ist der Wertverfall ein relevantes Thema: Daten verlieren mit der Zeit an Aktualität, rechtlicher Nutzbarkeit oder Relevanz – durch technologische Entwicklungen oder regulatorische Anforderungen.
Praxisbeispiel:Ein E-Commerce-Unternehmen erzielt mit automatisierten Cross-Selling-Modellenauf Basis von Transaktions- und Verhaltensdaten jährlich 150.000 € zusätzlichen Umsatz bei einer Marge von 40 %. Die Datenpflegeverursacht laufende Kosten von 20.000 €.Bei einer Planung überfünf Jahre und einemDiskontsatz von 10 % ergibt sich ein Barwert von rund 210.000 €. Dieser Wert kann in die Datenbilanzierung, Business Cases oderBewertungen integriert werden.
Marktwert-Ansatz: Bewertung durch externe Vergleichswerte
Der Marktwertansatz orientiert sich an beobachtbaren Preisen, die für vergleichbare Datensätze erzielt wurden – etwa auf Data Marketplaces, über Datenbroker oder in M&A-Transaktionen. Da exakte Vergleichswerte selten verfügbar sind, arbeitet diese Methode mit sogenannten Peers: Vergleichsdaten, die hinsichtlich Struktur, Qualität, Exklusivität und rechtlicher Nutzbarkeit analysiert werden. Eine gängige Technik ist das „Notching“, bekannt aus der Kreditrisikobewertung: Der Basispreis wird durch qualitative Zuschläge oder Abschläge angepasst.
Praxisbeispiel: Ein Mobility-Startup verfügt über Bewegungsdaten von 100.000 Nutzern. Vergleichbare Daten werden auf einem Marktplatz für 0,08 € pro Datensatz gehandelt. Aufgrund höherer Granularität, DSGVO-Konformität und Anreicherungsqualität wendet das Unternehmen einen Notching-Up-Faktor von 25 % an – der resultierende Marktwert beträgt rund 10.000 €. Der Vorteil dieser Methode: Sie ist nachvollziehbar und marktverankert. Der Nachteil: Marktpreise sind volatil, schwer generalisierbar und nicht immer transaktionssicher.
Zukunftsbezogener Datenwert (Expected Data Value)
Dieses Verfahren ergänzt bestehende Bewertungsansätze um eine explizite Zukunftsperspektive. Es wird analysiert,mit welcher Wahrscheinlichkeit ein Datensatz zukünftig neue Wertschöpfungspotenziale erschließt. Dazu gehören technologische Entwicklungen(z. B. KI-Einsatz), regulatorische Änderungen (z. B. Datenräume)oder neue Geschäftsmodelle (z. B. datenbasierte Services). Bewertet wird über eine Szenarioanalyse, die Eintrittswahrscheinlichkeit, potenzielle Einnahmen und Investitionskosten einbezieht. Volatilität und Unsicherheit werden transparent gemacht und eingepreist.
Praxisbeispiel: Ein Energieversorger speichert Smart-Meter-Verbrauchsdaten, die heute nur für Abrechnung und Netzbetrieb genutzt werden. Ab 2027 sollen daraus Services wie dynamische Stromtarife oder Nachhaltigkeitsboni entwickelt werden. Erwarteter Jahresumsatz: 250.000 €, Eintrittswahrscheinlichkeit: 70 %, Investition: 400.000 €, Diskontierungssatz: 12 %. Daraus ergibt sich ein positiver Erwartungswert von rund 520.000 €. Diese Methode eignet sich besonders für strategische Planung, Innovationsprojekte und PE-Case-Simulationen.
Kostenorientiertes Verfahren: Bewertungsuntergrenze
Das kostenbasierte Verfahren bewertet Daten auf Basis der bereits angefallenen oder kalkulierten Herstellungskosten. Dazu zählen u. a. Aufwände für Datenerhebung (z. B.Sensorik, Eingaben), Bereinigung, Integration, Speicherung, Klassifizierung sowie alle Governance-Aktivitäten (z. B. Dokumentation, Sicherheit, Compliance). Diese Methode liefert eine objektive, nachvollziehbare Bewertungsuntergrenze („Floor Value“), wird häufig in CapEx-Planungen oder bei bilanziellen Prüfungen (z. B. Impairment Tests) herangezogen. Sie erlaubt jedoch keine Aussage über die strategische oder kommerzielle Nutzbarkeit.
Praxisbeispiel: Ein Industrieunternehmen investiert 600.000 € in die Erstellung eines zentralen Materialstammdatensatzes. Dieser Wert kann als aktivierbare Investition angesetzt werden, ist aber nicht automatisch monetarisierbar. Der Nutzen hängt von der nachfolgenden Nutzung ab – etwa durch Automatisierung, Reduktion von Fehlbestellungen oder Integration in KI-gestützte Prozesse.
In der Praxis ist häufig eine Kombination dieser Verfahren sinnvoll – je nach Bewertungsanlass, Datenart und Zielgruppe. Während das Ertragswertverfahren vor allem für Investoren und Controller attraktiv ist, bietet der Marktwert Ansätze zur Preisfindung bei Datendeals, der Erwartungswert eine Perspektive für strategisches Management und das Kostenverfahren eine Bilanzierungsgrundlage. Entscheidend ist die transparente Dokumentation der Bewertungsannahmen und deren Validierung durch KPIs, Benchmarks oder Szenarien.
Häufige Fragen (FAQ):
1. Wie kann man den wirtschaftlichen Wert von Daten berechnen?
Der Datenwert kann mit vier Methoden bewertet werden: Ertragswertverfahren, Marktwertansatz, szenariobasierte Zukunftswerte und kostenorientierte Verfahren– je nach Zielsetzung und Datentyp.
2. Was ist das Ertragswertverfahren bei Daten?
Es bewertet Daten basierend auf dem zukünftigen wirtschaftlichen Nutzen, z. B.Umsatzsteigerung oder Kostenersparnis, abzüglich der laufenden Betriebskosten.
3. Wie funktioniert der Marktwertansatz bei Daten?
Daten werden anhand vergleichbarer Marktpreise (z. B. von Datenmarktplätzen oder Datendeals)bewertet – oft angepasst durch Qualitäts- oder Nutzungsfaktoren („Notching“).
4. Was ist der erwartete Datenwert (Expected Data Value)?
Dabei wird der potenzielle künftige Nutzen von Daten über Szenarien abgeschätzt– inklusive Eintrittswahrscheinlichkeit, Ertragspotenzial und Investitionsbedarf.
5. Wann ist ein kostenorientierter Bewertungsansatz sinnvoll?
Wenn Daten z. B. für Bilanzierung oder CapEx-Planung bewertet werden müssen, bildet der Aufwand für Erstellung und Pflege die Bewertungsuntergrenze.
6. Welche Methode eignet sich für Datenmonetarisierung?
Für die Preisfindung bei Datenverkäufen oder Lizenzmodellen ist der Marktwert entscheidend, bei Business Cases und PE-Bewertungen meist der Ertragswert.
7. Warum sollte man mehrere Bewertungsmethoden kombinieren?
Eine Kombination ermöglicht valide, kontextgerechte Bewertungen – je nach Reifegrad, Zielgruppe und Nutzungsart der Daten.
