Firmendaten für KI-Training verkaufen: Wer kauft, was gefragt ist und wie es abläuft

Der Markt für interne Unternehmensdaten ist 2026 sichtbar geworden. Das Register Who Sells Data zählt 13 Käufer, die auf ihren Websites konkrete Vergütungen für Firmendaten nennen, viele davon ab 100.000 US-$ je Unternehmen.^[6] micro1 hat angekündigt, in zwölf Monaten 1 Mrd. US-$ für Unternehmensdaten auszugeben.^[7] Dieser Beitrag erklärt, wer solche Daten kauft, wofür, und was Verkäufer vorbereiten sollten.

Warum kaufen KI-Unternehmen interne Firmendaten?

Um KI-Agenten an echten Arbeitsabläufen zu trainieren und zu testen. Öffentlich verfügbare Texte zeigen kaum, wie in Unternehmen tatsächlich gearbeitet, abgestimmt und entschieden wird.

KI-Labore entwickeln Agenten, die Büroaufgaben selbstständig erledigen sollen. Trainiert werden sie unter anderem in Reinforcement-Learning-Umgebungen, oft „Gyms“ genannt, in denen ein Agent Aufgaben übt und für gute Ergebnisse belohnt wird. Laut The Information hat Anthropic diskutiert, innerhalb eines Jahres über 1 Mrd. US-$ für solche Umgebungen auszugeben.^[3] OpenAI hat laut Wired gemeinsam mit Handshake AI Auftragnehmer gebeten, echte Arbeitsergebnisse aus früheren Jobs hochzuladen.^[5]

Dass Training mit echten Unternehmensdaten wirkt, zeigen veröffentlichte Fallstudien. Scale AI hat einen Agenten an Daten einer Versicherung trainiert: Der Anteil korrekt ausgeführter Datenbankabfragen stieg von 21,9 % beim besten Standardmodell auf 46,9 %. Bei einer Kanzlei sank der Anteil erfundener Antworten auf nicht beantwortbare Fragen von 49 % auf 21 %.^[4] Ob echte Archive synthetischen Daten generell überlegen sind, hat allerdings noch kein Unternehmen vergleichend veröffentlicht.^[1]

Wer kauft Unternehmensdaten?

Vier Gruppen: KI-Labore, spezialisierte Datenanbieter, Anbieter simulierter Arbeitsumgebungen und Unternehmen, die eigene Modelle trainieren.

Die Datenanbieter sind die direkten Ansprechpartner für Verkäufer. Sie kaufen Bestände, bereiten sie auf und liefern sie an die Labore weiter. Viele haben eigene Ankaufprogramme, etwa Scale AI, Turing, Replay oder Mode.^[6] Was diese Programme zahlen, zeigt der Beitrag Was ist ein Datenbestand wert?

Welche Daten sind gefragt?

Bestände, in denen sich ein Vorgang von der Anfrage bis zum Ergebnis nachverfolgen lässt, idealerweise über mehrere Systeme und viele Jahre.

micro1 sucht Arbeitsanweisungen, Wissensdatenbanken, CRM-Daten und Projekthistorien sowie Aufzeichnungen darüber, wie Teams Entscheidungen treffen.^[8] Labelbox stuft systemübergreifende Daten aus Salesforce, Jira und Slack mit Zeitstempeln und Rollen als dringend gefragt ein, ebenso Supportverläufe über mindestens sechs Monate.^[9] Turing interessiert sich ausdrücklich für die Abwägungen hinter Entscheidungen.^[13]

Was prüfen Käufer vor dem Kauf?

Rechte, Anonymisierung, Ausschlüsse, Vollständigkeit und die Dokumentation für die eigene Regulierung.

Wie läuft ein Verkauf ab?

Zuerst wird beschrieben, dann geprüft, erst danach verarbeitet. Daten verlassen das Unternehmen erst, wenn ein Käufer feststeht, und dann nur anonymisiert.

Bei den Käufern selbst geht es teils schnell: Ooak Data nennt zwei bis vier Wochen bei rund einer Stunde Aufwand für den Verkäufer, Turing prüft eine Stichprobe meist innerhalb einer Woche.^[10][13] Was in der Insolvenz rechtlich zu beachten ist, steht im Beitrag Daten in der Insolvenz verwerten.

Welche Risiken gibt es, und wie lassen sie sich begrenzen?

Das größte Risiko sind Personenbezüge, die trotz Bereinigung erkennbar bleiben. Es lässt sich durch Ausschlüsse, mehrstufige Anonymisierung und vertragliche Verbote deutlich verringern.

Der US-Anwalt Greg Ewing nennt solche Bestände „legally radioactive“, weil E-Mails und Kalender private Details wie Arzttermine enthalten.^[1] Wie ernst Beschäftigte das nehmen, zeigte der Verkauf der Daten von Spirit Airlines: Die Flugbegleitergewerkschaft legte Einspruch ein, weil erhaltene Verknüpfungen Rückschlüsse auf Einzelne erlauben könnten.^[16]

Für Verkäufer folgen daraus vier Maßnahmen:

• Personalakten, Gesundheitsdaten und andere besondere Kategorien von vornherein ausschließen.
• Mehrstufig anonymisieren: feste Muster, Namen im Fließtext und indirekte Bezüge aus dem Kontext.
• Verarbeitung in Deutschland oder in der eigenen Infrastruktur, Zuordnungstabelle nach der Übergabe löschen.
• Re-Identifizierung im Lizenzvertrag verbieten und eine Stichprobenprüfung vorsehen.