Der Bericht „Deutschland als KI-Nation 2030“ sieht Data Spaces klar als Teil der KI-Infrastruktur an. Das ist ein wichtiges Signal. Doch dabei ist der strategische Blick auf die Daten scheinbar verloren gegangen: Es fehlen Systematik in Erfassung, Modellierung und vor allem in Monetarisierung und Wertschöpfung. Kann der Wandel zur KI-Nation ohne eine Datenökonomie überhaupt gelingen?
Bonn, 3. November 2026. Data Spaces und der Digital-Gipfel: Die Bundesregierung veröffentlichte gestern den Bericht „Deutschland als KI-Nation 2030“. Eine KI-Taskforce legt darin ein Zielbild bis 2030 mit messbaren Kennzahlen und 18 ressortübergreifenden Maßnahmen vor. Der Bericht ordnet Data Spaces als Teil der KI-Infrastruktur ein und sieht sie als Grundlage für den sicheren Austausch hochwertiger Daten. Bis 2030 sollen mindestens drei sektorale Datenräume in Deutschland skaliert und mindestens zwei europäische Datenräume für Gesundheit und Energie etabliert werden. Eine Datenstrategie, die systematische Erfassung, Modellierung und Wertschöpfung zusammendenkt, fehlt jedoch. Ist eine KI-Nation ohne Datenökonomie überhaupt denkbar?
Data Spaces als zentrale Architektur für KI
Data Spaces können die zentrale Architektur bilden, über die Daten organisationsübergreifend sicher zugänglich und nutzbar werden. Der Bericht erkennt ihre Bedeutung an: Sie sollen einen souveränen und datenschutzkonformen Austausch zwischen Verwaltung, Unternehmen und Forschung ermöglichen und Daten für KI-Anwendungen verfügbar machen. (Ergebnisbericht, S. 21)
Maßnahme 14 sieht dafür einen Data Space Hub Germany als Koordinierungs- und Kompetenzzentrum vor. Unternehmen und öffentliche Stellen sollen unterstützt werden, Datenbestände KI-ready zu machen und sie für Forschung, Verwaltung und neue Wertschöpfungsmodelle bereitzustellen. (Ergebnisbericht, S. 35)
Damit Data Spaces diese zentrale Rolle tatsächlich erfüllen, müssen sie jedoch mehr verbinden als technische Schnittstellen und Zugangsregeln. Benötigt werden systematisch erfasste und gepflegte Daten, gemeinsame Datenmodelle, nachvollziehbare Qualität und konkrete Anwendungen. Der Bericht beschreibt Data Spaces als wichtige Infrastruktur, entwickelt diese umfassende Datenarchitektur aber nicht weiter. (Ergebnisbericht, S. 21–22, 35)
Data Spaces in der Umsetzung: Eine Datenstrategie fehlt
Im KI-Bericht werden Daten und Datenräume als Voraussetzungen für KI benannt. Was fehlt, ist eine durchgängige Strategie für den Umgang mit Daten – von ihrer Erfassung und Modellierung über Qualität und Pflege bis hin zu ihrer Nutzung und Wertschöpfung. Ein gemeinsames Datenmodell, semantische Standards oder eine Architektur, die Daten in institutionell verfügbares Wissen überführt, werden nicht beschrieben. Interoperabilität wird als Ziel genannt, aber nicht konkretisiert. (Ergebnisbericht, S. 21–22, 35)
Auch die Kennzahlen bleiben eng gefasst: Sie zählen skalierte beziehungsweise etablierte Datenräume und fragen, ob Unternehmen und Forschungseinrichtungen ihren Zugang zu Trainingsdaten und öffentlichen Datenbeständen als ausreichend oder unkompliziert einschätzen. Die Zielwerte für diese beiden Zugang-Kennzahlen sind noch offen. Wie Datenqualität, tatsächliche Nutzung oder daraus entstehende Wertschöpfung gemessen werden sollen, bleibt unbeantwortet. (Ergebnisbericht, S. 22)
Eine Nationale Datenstrategie gab es bereits: Die erste Strategie wurde 2021 beschlossen – während der Pandemie, die die Bedeutung verlässlicher Daten und ihres Austauschs besonders deutlich machte. 2023 wurde sie unter dem Titel „Fortschritt durch Datennutzung“ weiterentwickelt. Sie behandelte nicht nur Infrastruktur, sondern auch mehr und bessere Daten sowie Datennutzung und Datenkultur. Datenräume und ihre Vernetzung wurden ausdrücklich als Instrumente der Datennutzung eingeordnet. (Nationale Datenstrategie 2023, S. 10, 22–30, 33–34)
Der KI-Bericht greift diese Strategie nicht auf. Die Begriffe „Datenstrategie“ und „Datenökonomie“ kommen darin nicht vor. Das ist eine strategische Lücke: Der Bericht setzt Ziele für KI und für Datenräume, verbindet sie aber nicht mit einer umfassenden Vorstellung davon, wie Daten zur Grundlage neuer Anwendungen und wirtschaftlicher wie gesellschaftlicher Wertschöpfung werden. (Ergebnisbericht, S. 21–22, 35)
Data in Data Spaces First. AI Next – Daten als Wissensinfrastruktur in Zeiten der KI
Im Impulspapier „Data First. AI Next.“ werden Datenräume als Teil einer umfassenderen Wissensinfrastruktur verstanden: Ein holistisches Datenmodell schafft gemeinsame Strukturen; Metadaten und Qualitätsinformationen machen Herkunft, Aktualität und Verlässlichkeit nachvollziehbar; eine Knowledge Base verbindet Daten und Kontext zu nutzbarem Wissen. Datenräume können diese Wissensbasis föderiert um externe Daten erweitern. (Impulspapier, S. 4–5)
Diese Perspektive ergänzt den Fokus des KI-Berichts. Data Spaces schaffen eine wichtige Infrastruktur für den sicheren Austausch. Damit aus Daten aber Wissen, Anwendungen und Wertschöpfung entstehen, braucht es auch systematische Erfassung, Modellierung, Qualitätssicherung und Pflege – sowie Wege, den daraus entstehenden Wert wirtschaftlich und gesellschaftlich nutzbar zu machen.
Der Digital-Gipfel hat diese Themen über mehrere Jahre hinweg zunehmend miteinander verbunden: 2024 standen Vernetzung und Interoperabilität von Datenräumen auf dem Programm; 2025 wurden Datenräume als Teil europäischer digitaler Souveränität sichtbar; 2026 erscheinen sie als messbares Element der KI-Infrastruktur.
Gut, dass Data Spaces auf dem Weg zur KI-Nation eine Rolle spielen. Jetzt braucht es auch den strategischen Blick auf die Daten selbst – und darauf, wie aus ihnen Wissen, Anwendungen und Wertschöpfung entstehen. Kann der Wandel zur KI-Nation ohne eine tragfähige Datenökonomie überhaupt gelingen?
Das data analytics institute (dai) unterstützt in der Beratung und im Aufbau datenbasierter Geschäftsmodelle für Public & Value Data, fragen Sie uns!
Keine News verpassen?
Hier gehts zur Anmeldung vom Newsletter