Der Data Act ist kein Teilungsmandat – er ist ein Schlachtfeld um Trainingsrechte
Wenn der EU Data Act am 12. September 2025 anwendbar wird, werden die meisten Maschinenbauer im DACH-Mittelstand ihn als Compliance-Verpflichtung lesen: Kunden erhalten neue Rechte auf Zugang zu Daten, die von vernetzten Produkten erzeugt werden, und Hersteller müssen technische Workflows aufbauen, um diese Anfragen zu erfüllen. Rechtsabteilungen werden Zugriffsrichtlinien entwerfen, die IT wird APIs bereitstellen, und die Organisation wird die gesamte Übung als Kostenstelle behandeln. Diese Rahmung verfehlt die strategische Verschiebung.
Der Data Act verteilt nicht bloß den Zugang zu Telemetrieströmen, Service-Logs und Nutzungsmustern neu. Er verteilt den ökonomischen Wert dieser Ströme als Trainings-Inputs für industrielle KI neu. Jedes Mal, wenn eine CNC-Maschine eine Spindelvibrations-Anomalie protokolliert, jedes Mal, wenn eine Verpackungslinie eine Stau-Sequenz meldet, jedes Mal, wenn ein Kompressor seinen Arbeitszyklus als Reaktion auf die Umgebungstemperatur anpasst, wird dieses Ereignis zu potenziellen Trainingsdaten für Predictive-Maintenance-Modelle, Prozessoptimierungs-Algorithmen oder generative Design-Systeme. Unter dem alten Regime kontrollierte der Maschinenbauer diese Schleife standardmäßig: Telemetrie floss zurück in die Cloud des Herstellers, Modelle trainierten auf aggregierten Flottendaten, und die resultierende Intelligenz wurde zu einem proprietären Produktvorteil oder einer Premium-Service-Stufe. Unter dem Data Act können Kunden ihre eigene Telemetrie verlangen, sie zu Drittanbieter-Analyseplattformen routen oder sie mit Maschinen von Wettbewerbern bündeln, um Modelle zu trainieren, die den ursprünglichen Ausrüstungshersteller vollständig umgehen.
Die entscheidende Frage ist nicht, ob Sie Daten teilen werden – die Regulierung klärt das – sondern wer die Lernschleife kapern wird. Wenn ein Kunde Telemetrie zu einer Cloud-Plattform exportiert, die vortrainierte industrielle KI-Modelle anbietet, nimmt diese Plattform den operativen Fingerabdruck Ihrer Maschine auf und nutzt ihn, um Modelle zu verfeinern, die an Ihre Wettbewerber verkauft werden. Wenn ein Wartungsservice Daten aus gemischten Flotten aggregiert, baut er prädiktive Fähigkeiten auf, die Ihren Aftermarket-Vorteil kommodifizieren. Wenn ein Kunde seine eigenen Modelle auf Telemetrie von mehreren Lieferanten trainiert, wird er zum Intelligenzzentrum seiner Produktionslinie, und Sie werden zum austauschbaren Komponentenanbieter. Der Data Act beschleunigt alle drei Szenarien, und das Zeitfenster, um Ihre Organisation auf der richtigen Seite dieser Verschiebung zu positionieren, ist kürzer, als die meisten Geschäftsführungen annehmen.
Telemetrie ist kein Abgas – sie ist der Rohstoff für Wettbewerbsgräben
Industrielle Telemetrie war schon immer wertvoll, aber ihr Wert war historisch in vertikalen Silos eingeschlossen: Ein Maschinenbauer nutzte vielleicht Flottendaten, um die nächste Produktgeneration zu verbessern, oder ein Großkunde analysierte seine eigenen Betriebsabläufe, um den Durchsatz zu optimieren. Der Data Act verändert die Ökonomie in Kombination mit der Reifung industrieller KI-Werkzeuge auf zwei Arten. Erstens senkt er die Kosten für die Aggregation lieferantenübergreifender Telemetrie, weil Kunden und Dritte nicht mehr proprietäre Protokolle zurückentwickeln oder maßgeschneiderte Datenteilungsvereinbarungen aushandeln müssen. Zweitens erhöht er den Wert aggregierter Telemetrie, weil moderne KI-Modelle sich mit Skalierung und Vielfalt verbessern: Ein Predictive-Maintenance-Modell, das auf zehntausend Maschinen von fünf Lieferanten trainiert wurde, wird ein Modell übertreffen, das auf zweitausend Maschinen von einem Lieferanten trainiert wurde, selbst wenn das Einzellieferanten-Modell tieferes Domänenwissen in seine Features eingebacken hat.
Die Implikation für Maschinenbauer ist, dass Datenexklusivität kein nachhaltiger Graben mehr ist. Wenn Ihr Wettbewerbsvorteil darauf beruht, die einzige Organisation zu sein, die sieht, wie sich Ihre Maschinen im Feld verhalten, demontiert der Data Act diesen Vorteil konstruktionsbedingt. Der nachhaltige Graben ist nicht Exklusivität, sondern Geschwindigkeit und Anwendung: Können Sie Telemetrie schneller in handlungsfähige Intelligenz verwandeln als ein Dritter, und können Sie diese Intelligenz in Produkte und Services einbetten, die Kunden nicht einfach durch Export von Rohdaten replizieren können? Ein Maschinenbauer, der Telemetrie als passives Archiv behandelt, wird gegen einen verlieren, der sie als lebendiges Trainings-Korpus für Modelle behandelt, die Maschinenleistung optimieren, Teilausfälle vorhersagen oder adaptive Steuerungsstrategien in Echtzeit generieren.
Diese Verschiebung ist bereits in angrenzenden Branchen sichtbar. In der Automobilindustrie formt die Frage, wer auf Fahrzeugtelemetrie trainiert – der OEM, der Flottenbetreiber, die Versicherung oder die Cloud-Plattform – Geschäftsmodelle und Partnerschaftsstrategien neu. In der Gebäudeautomation spielt sich derselbe Wettstreit zwischen Ausrüstungsherstellern, Facility-Managern und Energieoptimierungs-Plattformen ab. Maschinenbauer im DACH-Mittelstand betreten dieselbe Arena, und der Data Act ist der Startschuss.
Kartieren Sie Ihre Datenrechte, oder jemand anderes wird sie für Sie kartieren
Die erste strategische Aufgabe ist, zu inventarisieren, welche Telemetrie Ihre Maschinen erzeugen, und sie nach Trainingswert und vertraglicher Exposition zu klassifizieren. Nicht alle Telemetrie ist gleich. Betriebsparameter, die Ihre Steuerungsalgorithmen, proprietäre Tuning-Heuristiken oder Design-Trade-offs offenlegen, sind hochwertige Trainings-Inputs, die Sie schützen oder monetarisieren wollen. Nutzungslogs, die Kundenverhalten beschreiben, aber nicht Ihr geistiges Eigentum offenlegen, sind Teilungskandidaten mit geringerem Risiko. Diagnosecodes, Fehlersequenzen und Wartungsintervalle liegen irgendwo dazwischen: Sie sind nützlich für das Training prädiktiver Modelle, aber ihr Wert hängt von Aggregationsskalierung und Labelqualität ab.
Der Data Act gewährt Kunden Zugangsrechte zu produktgenerierten Daten, während abgeleitete Daten oder Erkenntnisse als Geschäftsgeheimnisse geschützt werden können – sofern sie gemäß Artikel 4(3) ordnungsgemäß dokumentiert und begründet sind. Die praktische Herausforderung ist, dass Geschäftsgeheimnis-Ansprüche nur so stark sind wie Ihre Dokumentation. Wenn Sie nicht nachweisen können, dass ein spezifischer Telemetriestrom proprietäres Wissen einbettet, wird ein Kunde oder Regulator ihn standardmäßig als teilbar behandeln. Viele Maschinenbauer haben diese Unterscheidung nie formalisiert, weil sie es nie mussten: Telemetrie blieb innerhalb ihrer eigenen Systeme, also war die rechtliche Grenze irrelevant. Der Data Act macht sie tragend.
Die zweite Aufgabe ist, Kunden-Datenzugriffs-Workflows zu entwerfen, die Ihre Trainings-Optionalität bewahren. Die Regulierung verlangt, dass Daten in einem nutzbaren Format verfügbar gemacht werden, aber sie schreibt die technische Implementierung nicht vor. Ein Maschinenbauer, der rohe Telemetrie-Dumps via FTP bereitstellt, verliert die Kontrolle über die Trainingsschleife. Ein Maschinenbauer, der strukturierte APIs mit granularen Zugangskontrollen, Nutzungstelemetrie und Modelltrainings-Ausschlüssen bereitstellt, behält Hebel. Der Unterschied ist nicht nur technisch – er ist strategisch. Wenn Sie wissen, welche Kunden Telemetrie exportieren, zu welchen Dritten sie sie routen und welche Use Cases sie verfolgen, können Sie informierte Entscheidungen darüber treffen, wo Sie in Ihre eigenen KI-Fähigkeiten investieren, welche Partnerschaften Sie verfolgen und welche Datenströme Sie einzäunen.
Die dritte Aufgabe ist, Ihre bestehenden Verträge und Plattform-Partnerschaften zu auditieren. Viele Maschinenbauer teilen bereits Telemetrie mit Cloud-Providern, Analytics-Anbietern oder Service-Partnern unter Vereinbarungen, die vor dem Data Act und bevor industrielle KI zu einer umkämpften Domäne wurde, entworfen wurden. Diese Vereinbarungen gewähren dem Plattform-Provider oft weitreichende Rechte, Telemetrie für Modelltraining, Benchmarking oder Service-Verbesserung zu nutzen. Wenn ein Kunde jetzt seine Data-Act-Rechte ausübt, um auf dieselbe Telemetrie zuzugreifen, und Sie vertraglich verpflichtet sind, Ihren Plattform-Partner darauf trainieren zu lassen, haben Sie ein Szenario geschaffen, in dem die Daten Ihres Kunden ein Modell trainieren, das Ihr Plattform-Partner an Ihre Wettbewerber zurückverkauft. Die Zeit, diese Bedingungen neu zu verhandeln, ist bevor der Kunde die Anfrage stellt, nicht danach.
Die KI-Strategie ist nicht, was Sie bauen – sondern was Sie andere daran hindern zu bauen
Für viele DACH-Maschinenbauer wird die instinktive Reaktion auf den Data Act defensiv sein: minimieren, was Sie teilen, Zugriffsanfragen verzögern und das gesamte Regime als regulatorische Last behandeln. Diese Reaktion ist verständlich, aber unvollständig. Die Organisationen, die in der Post-Data-Act-Umgebung gewinnen werden, sind jene, die die Regulierung als Forcing-Funktion nutzen, um ihre eigenen KI-Fähigkeiten zu beschleunigen. Wenn Kunden Telemetrie exportieren und ihre eigenen Modelle trainieren können, ist der einzige Weg, strategisch relevant zu bleiben, bessere Modelle schneller zu trainieren, sie in Produkte und Services einzubetten, die Kunden wertschätzen, und die Kosten der Replikation dieser Intelligenz höher zu machen als die Kosten, in Ihrem Ökosystem zu bleiben.
Dies erfordert kein KI-Labor im Hyperscaler-Maßstab. Es erfordert eine klare Sicht darauf, welche operativen Probleme Ihre Telemetrie lösen kann, welche Modelle sie lösen können und wie man diese Modelle auf Weisen deployed, die Kunden-Lock-in statt Daten-Lock-in erzeugen. Ein Predictive-Maintenance-Modell, das on-premise läuft und—mit entsprechender MLOps-Infrastruktur—sich mit lokaler Telemetrie aktualisiert, bietet einen relativen Vorteil, auch wenn Kunden exportierte Daten nutzen können, um konkurrierende Modelle anderswo zu trainieren. Ein generatives Design-Tool, das Maschinenkonfigurationen basierend auf historischer Leistung vorschlägt, ist klebriger als ein Dashboard, das rohe Telemetrie visualisiert. Ein Steuerungsalgorithmus, der sich in Echtzeit an Prozessvariationen anpasst, ist klebriger als ein statischer Parametersatz, den Kunden zurückentwickeln können.
Die ökonomische Logik ist unkompliziert: Wenn Ihr Wettbewerbsvorteil davon abhängt, dass Kunden keinen Zugang zu ihren eigenen Daten haben, hat der Data Act diesen Vorteil bereits eliminiert. Wenn Ihr Wettbewerbsvorteil davon abhängt, Daten in Intelligenz zu verwandeln, die Kunden nicht einfach replizieren können, wird der Data Act zu einer Gelegenheit zur Differenzierung. Die Organisationen, die ihn als Ersteres behandeln, werden die nächsten zwei Jahre in defensiver Haltung verbringen. Die Organisationen, die ihn als Letzteres behandeln, werden die nächsten zwei Jahre damit verbringen, die KI-Fähigkeiten aufzubauen, die das nächste Jahrzehnt industriellen Wettbewerbs definieren.
Die Deadline ist nicht September 2025 – sie ist der Moment, in dem Ihr Kunde fragt
Das Durchsetzungsdatum des Data Act ist ein regulatorischer Meilenstein, aber die strategische Deadline ist das erste Mal, wenn ein Kunde, ein Plattform-Partner oder ein Wettbewerber um Telemetriezugang bittet und Sie keine kohärente Antwort haben. Dieser Moment wird offenlegen, ob Sie Ihre Datenrechte kartiert, Ihre Zugriffs-Workflows entworfen und die KI-Fähigkeiten aufgebaut haben, die Telemetrieteilung zu einem handhabbaren Risiko statt einer existenziellen Bedrohung machen. Für die meisten Maschinenbauer ist dieser Moment näher, als sie denken.
Die Arbeit ist nicht isoliert rechtlich oder technisch – sie ist strategisch. Sie erfordert, dass die Geschäftsführung entscheidet, welche Telemetrieströme Kern des zukünftigen Wettbewerbsvorteils sind, welche ohne materielles Risiko geteilt werden können und welche neue KI-Fähigkeiten zur Verteidigung erfordern. Sie erfordert, dass IT- und Produktteams Systeme entwerfen, die Datenzugang auditierbar, kontrollierbar und monetarisierbar machen. Sie erfordert, dass kommerzielle Teams Servicemodelle, Partnerschaftsbedingungen und Kundenverträge in einer Welt überdenken, in der Telemetrie kein passives Asset mehr ist, sondern ein aktiver Trainings-Input. Und sie erfordert, dass alle drei Funktionen sich schneller bewegen als die Plattformen, Aggregatoren und Wettbewerber, die sich bereits positionieren, um die Lernschleife zu kapern.
Ein Fit Call kartiert Ihre Maschinentelemetrie-Landschaft, identifiziert hochwertige Trainings-Assets und entwirft die Zugriffs- und KI-Workflows, die den Data Act von einer Compliance-Verpflichtung in einen Wettbewerbsvorteil verwandeln – bevor Ihr Kunde Ihre Daten zu einer Plattform routet, die die Modelle Ihrer Wettbewerber trainiert.
Dieser Artikel stützt sich auf die Erfahrung des Autors bei der Beratung von DACH-Industrieunternehmen zu KI-Strategie und Data Governance in regulierten Umgebungen. Es wurden keine externen Studien oder regulatorischen Leitfäden zitiert.