PIVOT
Datenweiterverkauf
Aggregiert Geschäftsdaten und Datenbanken und verkauft sie weiter.
Entscheidung im Überblick
Vertrauen
Mittel
Evidenzabdeckung
3/5
Belege ansehen
Entscheidende Annahmen
- Spezialisierte B2B-Daten (Kontakte, Finanzkennzahlen) haben bei Unternehmenskunden eine hohe Zahlungsbereitschaft
- Die Aggregation öffentlich zugänglicher Daten und ihre Strukturierung schaffen einen verkäuflichen Wert
- Nischen-Datensätze (für eine konkrete Branche) kosten 10 bis 100 Mal mehr als generische
62
/100
PIVOT
Begründung des Schwellenwerts
40–64 → PIVOT: Das Problem kann real sein, aber der Ansatz muss sich ändern.
Empfohlener nächster Schritt
Testen Sie den vorgeschlagenen Pivot und die riskanteste Annahme, bevor Sie in den Bau investieren.
Finanz-Dashboard — Schlüsselzahlen
Investitionsbedarf Gesamtkapital bis zum Break-even: Server, Marketing, Entwicklung.
5.000 USD
Startinvestition
Break-even Der Monat, in dem der monatliche Gewinn alle Anlaufkosten deckt.
Monat 9
ab Start
MRR-Ziel Monatliche Einnahmen, ab denen das Projekt als erfolgreich gilt und skalierbar ist.
3.000 USD
pro Monat
Marge Anteil jedes Dollars nach Infrastruktur, APIs und direkten Kosten. 70%+ ist gut für SaaS.
75%
des Umsatzes verbleibt
Monatliche Umsatzwachstumsprognose
Prognosedaten
| Monat | Realistischer Monatsumsatz |
|---|---|
| Monat 1 | 7 USD |
| Monat 2 | 32 USD |
| Monat 3 | 80 USD |
| Monat 4 | 151 USD |
| Monat 5 | 246 USD |
| Monat 6 | 368 USD |
| Monat 7 | 517 USD |
| Monat 8 | 694 USD |
| Monat 9 | 900 USD |
| Monat 10 | 1.495 USD |
| Monat 11 | 1.921 USD |
| Monat 12 | 2.227 USD |
| Monat 13 | 2.446 USD |
| Monat 14 | 2.603 USD |
| Monat 15 | 2.715 USD |
| Monat 16 | 2.796 USD |
| Monat 17 | 2.854 USD |
| Monat 18 | 2.895 USD |
Einheitenökonomie — Zahlen pro Kunde
Umsatz pro Kunde Wie viel ein Kunde pro Monat zahlt (ARPU). Je höher, desto weniger Kunden für guten Gewinn.
11 USD/Mon.
durchschnittlich pro Kunde
Rentabilität Anteil jedes Dollars nach Servern, APIs und sonstigen Kosten.
~75-82%
des Umsatzes verbleibt
Break-even Wann die Anlaufkosten gedeckt sind und das Unternehmen Nettogewinn erwirtschaftet.
~Monat 2–3
bis zur Rentabilität
Kundenwert Gesamteinnahmen von einem Kunden während der gesamten Beziehung (LTV). Idealerweise 3× über den Akquisitionskosten.
3.000 USD
Gesamtlebensdauer
Max. Akquisitionskosten Maximale Werbeausgaben pro Kunde bei profitablem Geschäftsmodell (CAC-Ziel).
200 USD
pro neuem Kunden
LTV / CAC Verhältnis von Kundenwert zu Akquisitionskosten. 3× und mehr ist gesund.
15.0×
Über dem Benchmark
Entwicklungsszenarien
| Szenario | Umsatz bis Monat 6 | Umsatz bis Monat 12 | Schlüsselannahme |
|---|---|---|---|
| Pessimistisch | 128 USD | 779 USD | CAC über der Prognose, Konversion unter 5 % |
| Realistisch | 368 USD | 2.227 USD | Nach Plan: CAC ≤ Ziel, Churn ≤ 5 %/Monat |
| Optimistisch | 920 USD | 5.567 USD | Viralität hat gegriffen, CAC liegt 2-mal unter dem Ziel |
Warum dieses Urteil
Argumente DAFÜR
- Hoher ARPU im B2B-Segment
- Skalierbarkeit, denn Daten lassen sich mehrfach verkaufen
- Wachsende Nachfrage nach hochwertigen Daten für KI-Modelle
Warum nicht höher
- Rechtliche Risiken: GDPR, CCPA, branchenspezifische Regulierung
- Kommodifizierung: Daten veralten schnell und verlieren an Wert
- Konkurrenz durch große Anbieter (Bloomberg, Nielsen, ZoomInfo)
Wann das Projekt stoppen
K1
Keine Konversionen nach 100 Klicks
leads == 0 AND clicks >= 100
K2
CAC überschritt LTV × 0.5
cac > ltv * 0.5 AND leads >= 5
K3
Zwei Gate-Fehler
gate_failures >= 2
Was vor der Skalierung validiert werden muss
Was die KI-Modelle sagten
Claude Opus (Kritiker)
Datenweiterverkauf ist ein rechtlich schwieriges Feld. GDPR und CCPA machen viele Modelle der Datenverarbeitung illegal. Ohne einen klaren rechtlichen Rahmen besteht ein ernstes Risiko.
GPT-4.1 (Marktstratege)
Legaler Datenweiterverkauf (öffentliche Daten, B2B-Daten mit Einwilligung) ist ein funktionierendes Modell. Der Schlüssel liegt in der Spezialisierung auf einen konkreten vertikalen Markt und einer einzigartigen Verarbeitung beziehungsweise Anreicherung der Daten.
Grok-3 (Technischer Analyst)
Der Data-Marktplatz ist ein Milliardenmarkt. Spezialisierte Daten (Krypto-On-Chain, B2B-Kontakte, Immobilien) werden für 10K USD-100K pro Datensatz verkauft. Aggregation und Bereinigung schaffen den eigentlichen Wert.
Meilensteine & Phasen
M1
Datenerfassung und -normalisierung
Erledigt
M2
Entwicklung der Aggregationsplattform
Erledigt
M3
Gewinnung der ersten Kunden
In Bearbeitung
M4
Aufbau der rechtlichen Grundlage
Ausstehend
M5
Skalierung des Datenbestands
Ausstehend
Investition & Exit-Szenarien
Gesamtinvestition benötigt
5.000 USD
bis zur Rentabilität
Marketing
2.500 USD
Entwicklung
1.250 USD
Infrastruktur
750 USD
Betrieb
500 USD
Stärken & Risiken auf einen Blick
Positive Signale
-
Hohe Marge: Nach der einmaligen Aggregation und Bereinigung entstehen für die Daten kaum noch variable KostenMarge ~75-82 % (Projektkarte), margin_pct=75 (Unit-Modell)
-
Skalierbarkeit ohne steigende Kosten: derselbe Datensatz wird mehrfach an verschiedene Käufer verkauft
-
Wachsender Datenmarkt für B2B-Analysen und das Training von KI-Modellen. Die Gesamtnachfrage nach Daten wächst jährlich im zweistelligen Bereich.Der globale Data-Broker-Markt wird für 2026 auf 300 USD-460 Mrd. geschätzt (Spanne aufgrund unterschiedlicher Methodik der Branchenberichte)
-
Das technische MVP steht bereits: Datenquellen sind angebunden, der Datensatzkatalog funktioniertMeilensteine M1 und M2 im Status erreicht
-
Auf dem Papier hat die Unit-Economics einen guten Puffer: der Ziel-LTV liegt 15-mal über dem Ziel-CACLTV 3.000 USD / CAC-Ziel 200 USD
-
In das Modell sind bereits automatische Stopp-Mechanismen eingebaut, die verhindern, dass Budget in einen nicht funktionierenden Kanal fließtKill-Trigger K1 (0 Conversions bei 100 Klicks) und K2 (CAC über LTV×0,5)
Warnsignale
-
Eines der drei KI-Modelle, die den Bericht geprüft haben, stuft das rechtliche Risiko als ernst ein: GDPR/CCPA und die wachsende Zahl von US-Bundesstaaten mit Registrierungspflicht für Data Broker machen einen Teil der Geschäftsmodelle schlicht illegalhigh
-
Die Registrierung als Data Broker kostet echtes Geld zusätzlich zum Budget von 5.000 USD: Kalifornien 6.000 USD/Jahr, Vermont bis zu 900 USD/Jahr plus eine Kaution von 20,000 USD nach den neuen Änderungen. Strafen für eine versäumte Registrierung erreichten in Kalifornien bereits 42,000 USD.high
-
Die rechtliche Grundlage des Geschäfts (M4) steht noch nicht, obwohl die Gewinnung der ersten zahlenden Kunden (M3) bereits läuft. Es besteht das Risiko, Daten zu verkaufen, bevor die Compliance abgeschlossen ist.high
-
Die Konkurrenz ist bei Datenreichweite und Marketingbudget um zwei Größenordnungen größer: ZoomInfo hat 260 Mio.+ Kontakte, Apollo.io 270 Mio.+medium
-
Daten veralten schnell (Kommodifizierung). Ohne laufende Aktualisierung sinkt der Wert eines Datensatzes innerhalb weniger Monate.medium
-
Zum Zeitpunkt der Analyse gibt es keinen einzigen bestätigten zahlenden Kunden. Die gesamte angegebene Unit-Economics (CAC 200 USD LTV 3.000 USD) ist bisher eine Hypothese, kein Fakt.medium
Risikomatrix
| Risiko | Wahrscheinlichkeit | Auswirkung | Maßnahme |
|---|---|---|---|
|
Verstoß gegen GDPR/CCPA oder Verkauf ohne die vorgeschriebene Data-Broker-Registrierung
Abbruchkriterium
|
35% | High | Datenschutzanwalt vor dem ersten Verkauf einschalten; Registrierung in Bundesstaaten mit Registrierungspflicht (CA/VT/TX/OR); nur öffentliche oder ausdrücklich zugestimmte Datenquellen nutzen |
|
Compliance-Kosten fressen Budget und Marge auf
|
40% | Medium | Separat 6 USD-10 Tsd./Jahr für Registrierung und rechtliche Begleitung einplanen, nicht mit dem Startbudget von 5.000 USD vermischen; mit Jurisdiktionen ohne Registrierungspflicht beginnen |
|
Der Datensatz veraltet schneller, als er sich amortisiert (Kommodifizierung)
|
55% | Medium | Fokus auf eine einzige enge Vertikale mit wöchentlicher automatischer Aktualisierung statt eines breiten generischen Katalogs |
|
Große Anbieter (ZoomInfo, Apollo.io, Coresignal) nehmen die Nachfrage weg
|
50% | High | Nicht bei allgemeinen Kontaktdaten konkurrieren, sondern eine enge Nische wählen, in der die Großen kein fertiges Produkt haben |
|
CAC übersteigt LTV×0,5 bei den ersten 5+ Leads
Abbruchkriterium
|
35% | Medium | 2-3 Kanäle parallel mit kleinem Budget testen und sofort den tatsächlichen CAC pro Kanal berechnen |
|
Null Conversions nach 100 Klicks Traffic
Abbruchkriterium
|
25% | High | Traffic pausieren, Angebot und Landingpage prüfen, Kanal wechseln |
Monatlicher Cashflow (realistisches Szenario)
| Zeitraum | Umsatz | Ausgaben | Netto | Kumuliert |
|---|---|---|---|---|
| Monat 1 | 7 USD | 2.900 USD | −2.893 USD | −2.893 USD |
| Monat 2 | 32 USD | 550 USD | −518 USD | −3.411 USD |
| Monat 3 | 80 USD | 550 USD | −470 USD | −3.881 USD |
| Monat 4 | 151 USD | 1.150 USD | −999 USD | −4.880 USD |
| Monat 5 | 246 USD | 550 USD | −304 USD | −5.184 USD |
| Monat 6 | 368 USD | 550 USD | −182 USD | −5.366 USD |
| Monat 7 | 517 USD | 550 USD | −33 USD | −5.399 USD |
| Monat 8 | 694 USD | 550 USD | 144 USD | −5.255 USD |
Wettbewerbslandschaft
Marktkatalysator: Die wachsende Nachfrage nach hochwertigen Daten für das Training von KI-Modellen und für B2B-Analysen treibt weiterhin den gesamten Datenmarkt an
| Konkurrent | Größe | Provisionssatz | Schwäche |
|---|---|---|---|
ZoomInfo |
260 Mio.+ Kontakte | Preis nicht veröffentlicht (Enterprise) | Enterprise-Preise und komplexe Verträge sind für kleine Unternehmen unerschwinglich, die Nische für einen günstigen Einstieg bleibt frei |
Apollo.io |
270 Mio.+ Kontakte | ab 49 USD/Platz/Monat (Basic) | Breite allgemeine Kontaktabdeckung, aber keine Spezialisierung auf enge vertikale Datensätze |
Coresignal |
strukturierte Datensätze zu Unternehmen und Mitarbeitern | ab 1.000 USD/Jahr für API-Zugang | Teurer Einstieg für kleine Käufer, das lässt Raum für ein günstigeres Nischenabonnement |
Bright Data |
breite Web-Scraping-Infrastruktur | — | Fokus auf Rohdaten aus dem Web und Proxys statt auf kuratierten vertikalen Datensätzen für eine konkrete Branche |
MVP — Wochenplan
Woche 1
- Rechtliche Prüfung der Datenquellen, Klärung ob eine Data-Broker-Registrierung nötig ist (CA/VT/TX/OR)
- Eine enge Vertikale für den ersten Datensatz auswählen
Rechtsgutachten liegt vorVertikale ausgewählt
Woche 2
- Ersten Nischen-Datensatz sammeln und bereinigen (500-1000 Einträge)
- Zahlung und Zugangsvergabe einrichten (Creem + API-Schlüssel oder CSV-Export)
Datensatz verkaufsbereitZahlungsablauf End-to-End getestet
Woche 3
- Landingpage mit zwei Tarifen starten: 11 USD/Monat Self-Service-Zugang und Anfrage für individuellen Unternehmensdatensatz 500 USD/Monat
- Warme Kontaktaufnahme über 2-3 Kanäle (LinkedIn, Nischenforen, Cold-E-Mail)
Erste Testzugänge vergebenÖffnungsrate der E-Mails >20 %
Woche 4
- Erste bezahlte Abonnements abschließen
- Tatsächlichen CAC je Kanal mit dem Ziel von 200 USD abgleichen; Kill-Trigger K1 prüfen
3-5 zahlende KundenCAC pro Kanal gemessen
Woche 6
- Wöchentliche Aktualisierung des Datensatzes automatisieren
- Unit-Economics anhand der tatsächlichen Zahlen der ersten 10-15 Kunden neu berechnen
Aktualisierung ohne manuelle ArbeitTatsächlicher CAC ≤ 200 USD oder Trigger K2 ausgelöst
Woche 8
- Entscheidung: Vertikale skalieren oder eine zweite Nische testen
- Data-Broker-Registrierung abschließen, bevor der Datenvolumen-Schwellenwert überschritten wird, falls zutreffend
MRR im Bereich 150 USD-250 (realistisches Szenario)Rechtlicher Status abgeschlossen
Wettbewerbsburggraben
Leicht zu kopieren
- Sammlung öffentlicher Daten, das kann jeder Konkurrent mit einem Scraper nachbauen
- Standard-UI für Katalog/Marktplatz, eine gewöhnliche SaaS-Lösung
- Preismodell 11 USD/Monat, leicht zu kopieren
Schwer zu kopieren
- Expertise in einer konkreten engen Vertikale und aufgebaute Beziehungen zu Datenquellen
- Rechtlich sauberer Status (Data-Broker-Registrierung, Verträge zur Datennutzung), ein Konkurrent braucht dafür Zeit und Geld für Compliance
- Angesammelte Historie beziehungsweise Zeitreihen im Datensatz, ein neuer Anbieter startet bei null
Burggraben entsteht bis: M12+
Akquisitionskosten nach Kanal
| Kanal | CAC | Notizen | Profitabel? |
|---|---|---|---|
| Cold email / LinkedIn outreach (B2B) | 150 USD-250 (Schätzung, noch nicht durch echte Verkäufe bestätigt) | Entspricht dem cac_target=200 USD aus dem Modell; hängt stark von der Genauigkeit der Adressatenliste ab | Ja |
| SEO / Content zu Nischen-Suchbegriffen | 20 USD-50 auf dem Papier, amortisiert sich aber erst nach 6-12 Monaten wegen des langsamen Traffic-Aufbaus | Langer Zyklus: hilft nicht, im Monat 8-9 die operative Gewinnschwelle zu erreichen, senkt aber langfristig den CAC | Ja |
| Bezahlte Werbung (Google/LinkedIn Ads) | 300 USD-500+ (Schätzung für B2B-Daten, meist teurer als organischer Traffic) | Kill-Trigger K2 (CAC über LTV×0,5 = 1.500 USD) kann hier früher auslösen als bei organischem Traffic, erst nach Prüfung der Conversion aktivieren | Nein |
| Partner-Integrationen / Datenkataloge | variabel, oft Prozent vom Verkauf statt eines festen CAC | Schnelleres Kundenvertrauen, aber die Provision an den Partner senkt die Marge unter die angegebenen 75-82 % | Ja |
Anti-Optimismus-Audit
1
Die Projektkarte gibt den Breakeven mit '~2-3 Monaten' an, während das detaillierte Finanzmodell die operative Gewinnschwelle erst für Monat 8-9 zeigt. Das sind zwei unterschiedliche Kennzahlen (Amortisation des CAC bei einem einzelnen Kunden gegenüber der Amortisation des gesamten Projekts), die an verschiedenen Stellen der Website verwechselt wurden.
Als realen Zeitpunkt für den operativen Gewinn des gesamten Projekts Monat 8-9 ansetzen, nicht die Zahl von der Projektkarte.
ändert das Urteil nicht, aber die Erwartungen an den Zeitrahmen sollten gesenkt werden
2
ARPU 11 USD/Monat auf der Projektkarte und ARPU 500 USD/Monat im Finanzmodell (Unit Economics) sind offenbar zwei unterschiedliche Tarife, die nicht ausdrücklich als getrennte Produkte beschrieben wurden.
Das Two-Tier-Modell (Self-Service 11 USD/Monat + Enterprise 500 USD/Monat) ausdrücklich festhalten, mit getrennter Unit-Economics für jeden Tarif, sonst ist die Gesamtprognose für MRR unzuverlässig.
senkt die Genauigkeit der MRR-Prognose, ändert das Urteil nicht
3
Meilenstein M3 (erste Kunden) läuft bereits, während Meilenstein M4 (rechtliche Grundlage) noch im Status ausstehend ist. Das heißt, der Verkauf kann beginnen, bevor die Compliance abgeschlossen ist.
Die Aufnahme zahlender Kunden aus Bundesstaaten mit Registrierungspflicht für Data Broker (CA/VT/TX/OR) bis zum Abschluss von M4 stoppen, auch wenn das das MRR-Wachstum verzögert.
senkt die Wahrscheinlichkeit des optimistischen Szenarios (MRR 5.567 USD bis Monat 12), realistischer ist die untere Hälfte des realistischen Szenarios
4
Das Verhältnis LTV:CAC von 15:1 wirkt verdächtig gut für einen Vertriebskanal, der noch durch keine einzige echte Zahlung bestätigt wurde.
Das bis zu 10+ echten zahlenden Kunden als Hypothese behandeln; am Anfang einen konservativeren CAC (300 USD-500) statt der Zielgröße 200 USD ansetzen.
die Unit-Economics kann in der Praxis schwächer ausfallen als angegeben, solange sie nicht durch Verkäufe bestätigt ist
Haben Sie eine eigene Idee?
Wir haben 40 Geschäftsideen mit 5 KI-Expertenperspektiven und einer separaten Synthese geprüft. Sehen Sie Urteile, Bewertungen, Margen und Break-even-Zeiten.
Idee prüfen — 39 USD