Die KI ist gekommen, die Ankerpunkte der Datenvermögenswerte haben sich verändert

Am 1. Januar 2024 trat die Vorläufige Regelung für die buchhalterische Behandlung von Datenressourcen von Unternehmen in Kraft, womit die Einbeziehung von Datenvermögen in die Bilanz offiziell freigegeben wurde. In jener Zeit fragten fast alle Unternehmen, mit denen ich Kontakt hatte, dasselbe: Können unsere Daten in die Bilanz aufgenommen werden und wie viele Milliarden können sie bewertet werden?

Zwei Jahre später hat sich die Richtung des Wandels geändert.

Auf der anderen Seite passiert Folgendes: Microsoft zahlt Reddit jährlich 60 Millionen US-Dollar, nur um die Lizenz zu erhalten, Forenbeiträge für das KI-Training zu nutzen; News Corp hat mit OpenAI einen Inhaltslizenzvertrag unterzeichnet, der angeblich mehr als 50 Millionen US-Dollar pro Jahr wert ist. Beachten Sie, dass das Geld keine Kopien der Datenbank kauft, sondern das Trainingsrecht – die Berechtigung, Daten in das Modell einzuspeisen.

Dieselben Daten haben zwei Preissysteme. Auf der einen Seite steht die Bewertung im Bewertungsbericht, auf der anderen Seite die echten, harten Einkaufsaufträge von Unternehmen für große Modelle. Die Lücke dazwischen liegt nicht an Problemen mit der Bewertungsmethode, sondern daran, dass sich der Ankerpunkt geändert hat: Der Wert des Datenvermögens wechselt von „Kann es in die Bilanz aufgenommen werden und kann es gehandelt werden“ zu „Kann es das Modell ausreichend versorgen“.

In diesem Artikel erläutere ich fünf neue Trends des Datenvermögens im Kontext der KI-Entwicklung und gebe Ihnen am Ende eine Checkliste, die Sie direkt in Ihren jährlichen Arbeitsplan übernehmen können.

Trend 1: Die Preisgebung wandert – von der Börse in die GPU-Rechenzentren

Früher haben wir bei der Preisbestimmung von Datenvermögen auf drei Dinge verwiesen: den notierten Preis an Datenbörsen, die Bewertungsrichtlinien für immaterielle Vermögenswerte von Bewertungsinstituten und die buchhalterischen Kriterien für die Einbeziehung in die Finanzbilanz. Die zugrundeliegende Annahme dieses Systems lautet: Daten haben wie Grundstücke und Immobilien einen „fairen Wert“, der nur entdeckt werden muss.

KI hat diese Annahme umgeworfen.

Heute sind die großzügigsten Datenkäufer der Welt keine Makler an der Börse, sondern Unternehmen für große KI-Modelle. Ihre Logik beim Datenkauf ist völlig anders: Sie schauen nicht, wie viele Terabyte Ihre Daten haben, sondern nur, wie sehr sie das Modell stärken können. Dieselben Kundenservice-Gesprächsprotokolle werden im Bewertungsbericht möglicherweise nur nach der „Kostenmethode“ auf Hunderttausende Euro abgeschrieben, aber für ein Unternehmen, das intelligente Kundenservice-Agenten entwickeln möchte, sind es hunderttausend Antwortproben mit echten menschlichen Rückmeldungen – ein unschätzbares Rohmaterial.

Der Mechanismus liegt darin: KI hat die Grenzwertkurve des Datenwerts verändert. Früher waren Menschen die Konsumenten von Daten, und die Lesemenge einer Person hat eine Obergrenze; heute sind Modelle die Konsumenten von Daten, und der Appetit an Trainingskorpora wird in Billionen von Token gemessen. Die Nachfragekurve verschiebt sich insgesamt nach rechts, und der Preis der knappen Datenteile – hoher Qualität, annotiert, mit klarer Semantik – steigt natürlich entsprechend.

Daraus ergibt sich unsere Schlussfolgerung: Wie viel Ihre Daten wert sind, hängt immer weniger davon ab, wie schön der Bewertungsbericht geschrieben ist, sondern davon, „wie viele Modelle sie benötigen“.

Schlüsselsatz: Die Einbeziehung in die Bilanz ist nur Buchführung, erst die Versorgung des Modells bestimmt den Preis.

Trend 2: Der „erste Leser“ des Datenvermögens wechselt von Menschen zu Maschinen

Stellen Sie sich eine Frage: Für wen sind Ihre sorgfältig aufgebauten Kennzahlensysteme, Daten-Dashboards und Datenverzeichnisse gedacht?

Früher war die Antwort klar: Für Menschen. Für die Geschäftsbereiche, für das Management, für die Revisionsstelle. Deshalb zielen viele Gestaltungen der Datenverwaltung im Wesentlichen darauf ab, die Lesegewohnheiten von Menschen zu bedienen – die Visualisierung soll schön sein, die Kriterien müssen verständlich erklärt werden, und die Berichte sollen hierarchisch gegliedert sein.

Mit dem Aufkommen von Agenten gibt es eine neue Kategorie von Lesern. Und die Lesemenge dieser Kategorie wird bald die von Menschen übertreffen: Der Einkaufsagent im Unternehmen liest direkt die Materialstammdaten, um Bestellungen aufzugeben, der Finanzagent liest direkt die Belegfelder, um Konten abzugleichen, der Betriebsagent liest direkt die Schnittstelle, um Daten abzurufen. Sie schauen sich Ihre sorgfältig gestalteten Dashboards gar nicht an.

Die Geschmäcker von maschinellen Lesern und menschlichen Lesern sind völlig unterschiedlich:

• Menschen können Unklarheiten durch gemeinsames Verständnis ergänzen, Maschinen führen Unklarheiten bis zum Ende aus;

• Menschen wissen, dass „Lager“ und „Lager (alter Code)“ dasselbe bedeuten, Maschinen behandeln sie als zwei verschiedene Materialien und veranlassen den Einkauf, eine zusätzliche Bestellung aufzugeben;

• Menschen können ungenaue Feldnamen tolerieren, jedes Join-Vorgang der Maschinen wettet darauf, dass die Semantik Ihrer Felder eindeutig ist.

Deshalb gibt es einen neuen Standard für die Nutzbarkeit von Datenvermögen: Maschinenlesbarkeit. Ob die Datenstruktur frei von Unklarheiten ist, ob die Metadaten vollständig genug sind, um automatische Aufrufe zu unterstützen, ob Schnittstellen einen höheren Stellenwert haben als Berichte – diese Fähigkeiten, die früher als „zusätzliche Verbesserung“ galten, sind jetzt Teil des Vermögens.

Ich gehe davon aus, dass in den nächsten zwei Jahren eine Reihe von Unternehmen damit beginnen wird, „Datenverzeichnisse für Agenten“ zu erstellen: Keine Webseiten zum Durchsuchen für Menschen, sondern API-Verzeichnisse, die von Maschinen direkt abgerufen und genutzt werden können. Wer dies zuerst macht, dessen Agenten können zuerst in Betrieb gehen.

Schlüsselsatz: Daten für Maschinen sind nicht repräsentativ, aber Maschinen zahlen dafür.

Trend 3: Die Akzeptanzkriterien ändern sich – von „konform und prüfbar“ zu „für KI nutzbar“

Früher wurden bei der Abnahme eines Datenverwaltungsprojekts mehrere Kennzahlen betrachtet: Abdeckungsgrad der Standards, Datengenauigkeit, Konformitätsrate der Standardumsetzung, Vollständigkeit der Prüfspuren. Diese Kennzahlen beantworten die Frage: Sind diese Daten konform? Halten sie einer Prüfung stand?

Im KI-Zeitalter muss man eine weitere Frage stellen: Kann man diese Daten direkt an das Modell übergeben?

Die Antworten auf diese zwei Fragen stimmen oft nicht überein. Ein Kunde hat mir erzählt, dass seine Stammdaten „eine Genauigkeit von 98 % haben und die Prüfung bestanden haben“, aber nach der Nutzung für RAG war das Ergebnis miserabel – dasselbe Material hat in drei Systemen drei verschiedene Kriterien, Menschen nutzen es mit gemeinsamer Übereinkunft, aber das Modell hat kein solches gemeinsames Verständnis.

In einem früheren Artikel über Datenstandardisierung, den ich geschrieben habe, gibt es einen Satz, den ich hier noch einmal wiederholen möchte: Wenn Menschen auf Unklarheiten stoßen, hören sie auf und fragen nach, wenn Agenten auf Unklarheiten stoßen, raten sie eine Antwort und laufen weiter. Früher haben widersprüchliche Kriterien dazu geführt, dass Berichte nicht übereinstimmten, was durch eine Absprache in einer Besprechung behoben werden konnte; heute führen widersprüchliche Kriterien dazu, dass Agenten direkt falsche Entscheidungen ausführen – und das in großem Maßstab, 24 Stunden am Tag ohne Unterbrechung.

Deshalb tauchen in der Branche neue Messgrößen auf, auch wenn sie noch keine einheitlichen Namen haben, ist die Richtung klar:

• Korpus-Umwandlungsrate: Welcher Anteil der strukturierten Daten kann ohne Verlust in das Training oder die Retrieval-Augmentierung eingehen, ohne dass Menschen sie zweimal reinigen müssen;

• Semantische Dichte: Ob Kommentare und Geschäftsaussagen in derselben Tabelle so vollständig sind, dass Maschinen sie selbstständig verstehen können;

• Bestand an Unklarheiten: Wie viele Kriterien im Geschäftsbereich „nur alte Mitarbeiter durch gemeinsames Verständnis verstehen“ – das ist die Unfallquellenliste im Agenten-Zeitalter.

Die Art der Verwaltungsrückstände hat sich auch geändert. Früher haben Verwaltungsrückstände die Optik der Berichte beeinträchtigt und konnten aufgeschoben werden; heute bestimmen Verwaltungsrückstände direkt die Untergrenze der Modellausgabe – das Modell wird niemals vernünftiger sein als die Daten, die Sie ihm zuführen.

Schlüsselsatz: Die Verwaltung in der Vergangenheit bestimmt, wie gut die Berichte aussehen, die Verwaltung heute bestimmt, ob die KI Unsinn redet.

Trend 4: Bei der Rechtsbestätigung und Bewertung tauchen drei neue Konten auf

KI stellt dem Datenvermögen drei neue Aufgaben, die es früher nicht gab.

Erstes Konto: Konto für externe Lizenzierung. Ihre Daten wurden von Crawlern erfasst, um Modelle zu trainieren – sollten Sie dafür Geld verlangen und von wem? Die Praxis auf dem internationalen Markt ist klar mit festen Preisen – Reddit, News Corp und andere haben bereits Schecks erhalten. Die Registrierung des geistigen Eigentums von Daten in China wird auch vorangetrieben. Für die meisten Unternehmen gilt es, zumindest mit der Inventarisierung zu beginnen: Welche meiner Daten haben einen Wert für die externe Lizenzierung? Gibt es in den Lizenzverträgen Klauseln, die die Nutzung für das KI-Training einschränken?

Zweites Konto: Konto für rückfließende Daten. Nachdem das Modell in Betrieb gegangen ist, werden seine Ausgaben, die Korrekturen der Nutzer und die menschlichen Überprüfungen zu neuen Daten. Die Qualität dieser Daten ist oft sehr hoch – sie kommt mit geschäftlichen Rückmeldungen zurück. Die Frage lautet: Wessen Vermögen sind sie? Werden sie in das Bestandsverzeichnis aufgenommen? Wer ist für die Verwaltung verantwortlich? Viele Unternehmen inventarisieren ihr Datenvermögen einmal im Jahr, aber im KI-Szenario vermehrt sich der Wert der Daten jedes Mal, wenn sie im Flywheel umlaufen, statische Bestandsverzeichnisse können das überhaupt nicht verwalten.

Drittes Konto: Konto für synthetische Daten. Zählen die von Modellen generierten synthetischen Daten zum Vermögen? Wie wird ihre Zuverlässigkeit festgestellt? Sie haben in einigen Szenarien bereits die Hälfte des Trainingskorpus getragen, aber in den Vermögensverwaltungsvorschriften der meisten Unternehmen gibt es überhaupt keine Kategorie „synthetische Daten“.

Hinter diesen drei Konten steht dieselbe Veränderung des Mechanismus: Die Grenze des Datenvermögens ist zum ersten Mal dynamisch geworden. Früher haben wir angenommen, dass Vermögen ein Bestand ist und die Inventarisierung eine Momentaufnahme ist; im KI-Zeitalter ist Datenvermögen ein Fluss und eine Rückkopplungsschleife, die snapshot-basierte Verwaltung verpasst den am schnellsten wachsenden Teil.

Schlüsselsatz: Statische Bestandsverzeichnisse können kein dynamisches Flywheel verwalten.

Trend 5: Die wirklich wertvolle Form taucht auf – das Daten-Flywheel, nicht der Datenpool

Das Shadow-Modus von Tesla wurde schon oft erwähnt, aber aus der Perspektive des Datenvermögens lohnt es sich, es noch einmal zu betrachten: Millionen von Autos fahren auf der Straße und übertragen Fahrdaten automatisch zurück, die Daten trainieren das Modell, das stärkere Modell verkauft mehr Autos, und mehr Autos erzeugen mehr Daten. Beachten Sie, dass es in dieser Schleife keinen Schritt namens „Datenvermögensbewertung“ gibt – aber niemand zweifelt am Wert des Datenvermögens von Tesla.

Vergleichen Sie das mit dem Status quo vieler Unternehmen: Sie haben Datenpools im Petabyte-Bereich angehäuft, die seit zehn Jahren nicht mehr fließen. Sie sind nicht annotiert, haben keine Geschäfts-Semantik, die Kriterien widersprechen sich, und als die KI kam, um etwas zu tun, stellten sie fest, dass das, was sie ausgegraben haben, nur Schlamm ist.

Wo liegt der Unterschied? Der Datensee ist stehendes Wasser, das Flywheel ist fließendes Wasser. Wenn Daten unbewegt liegen, verlieren sie nur an Wert – das Geschäft ändert sich, die Kriterien verschieben sich, die Daten von gestern passen nicht zu den Problemen von heute; wenn Daten in der Schleife fließen, durchlaufen sie bei jeder Umdrehung den Zyklus „Erzeugung → Nutzung → Rückmeldung → Korrektur“, ihre Qualität wird durch die Nutzung erzwungen.

Deshalb habe ich eine neue Drei-Faktoren-Formel, um das Datenvermögen eines Unternehmens im KI-Zeitalter zu bewerten:

Wert des Datenvermögens = Datenbestand × Flussgeschwindigkeit × Anzahl der Rückkopplungsschleifen

Der Bestand ist nur die Basis, die Multiplikatoren sind die Faktoren, die die Lücke vergrößern. Zwei Unternehmen mit vergleichbarem Datenbestand: eines hat seine Daten im See liegen, das andere lässt seine Daten wöchentlich von Modellen und Agenten nutzen, mit Rückmeldungen nach der Nutzung – nach fünf Jahren nähert sich das Datenvermögen des ersten dem Abschreibungswert an, während das des zweiten Zinseszinsen generiert.

Schlüsselsatz: Datenpools werden nach Gewicht verkauft, Flywheels generieren Zinseszinsen pro Umdrehung.

Aktionsliste für Kollegen im Bereich Datenverwaltung

Oben sind die Beurteilungen. Beurteilungen reichen nicht zum Leben, unten sind sieben Punkte, die Sie direkt in Ihren Plan für das nächste Jahr übernehmen können, sortiert nach Priorität:

1. Machen Sie eine neue Inventarisierung des Datenvermögens und fügen Sie eine Spalte „KI-Nutzbarkeitsbewertung“ hinzu. Bewerten Sie jedes Kern-Datenvermögen einzeln nach vier Kriterien: Strukturierungsgrad, semantische Klarheit, Bestand an Unklarheiten, Lizenzstatus. Wenn zwei der vier Kriterien nicht erfüllt sind, können die Daten nicht in den Kandidatenpool für das „Modelltrainieren“ aufgenommen werden.

2. Leiten Sie den Verwaltungsaufwand von hochwertigen Szenarien ab. Fragen Sie zuerst, welche drei Geschäftsszenarien im nächsten Jahr KI einsetzen werden, dann entscheiden Sie, welche Datenbereiche prioritär verwaltet werden sollen. Geben Sie die Illusion der vollständigen Verwaltung auf – im KI-Zeitalter folgen die Verwaltungsressourcen den Modellen, nicht der Liste.

3. Schreiben Sie die Korpus-Lizenz in Verträge und Vorschriften ein. Nach außen: Definieren Sie die Grenzen der Nutzung für Trainingszwecke in Verträgen mit Datenlieferanten; nach innen: Erstellen Sie eine Whitelist, die festlegt, welche Daten für das Modelltraining und RAG zugelassen sind, und warten Sie nicht, bis etwas schiefgeht, um es nachzuholen.

4. Erstellen Sie eine maschinenlesbare Version des Datenverzeichnisses. Das Verzeichnis für Agenten hat Vorrang vor dem Verzeichnis für Menschen: Schnittstellen haben Vorrang vor Berichten, feldgenaue Semantik hat Vorrang vor schöner Seitenoptik. Das Kriterium ist einfach: Kann Ihr Agent ohne menschliche Erklärung selbstständig diese Daten finden und