Public Data vs. Open Data – Entwicklung und rechtlicher Rahmen (EU & Deutschland)

Der heutige Unterschied beider Begrifflichkeiten ist das Ergebnis einer mehrjährigen rechtlichen und nutzerbasierten Entwicklung auf europäischer und nationaler Ebene. Ausgangspunkt war die Frage, wie Daten des öffentlichen Sektors (Public) nicht nur verwaltet, sondern aktiv und am besten frei verfügbar (Open) genutzt werden können.

Bereits 2003 legte die EU mit der PSI-Richtlinie (Public Sector Information) den Grundstein. Sie verfolgte das Ziel, die Weiterverwendung öffentlicher Daten zu erleichtern und wirtschaftliche Potenziale zu erschließen. Der Fokus lag zunächst auf der Nutzbarkeit vorhandener Daten, nicht auf deren vollständiger Offenheit. Mit der Open Data Richtlinie (EU 2019/1024), die die PSI-Richtlinie aus 2003 ersetzte, verschob sich der Schwerpunkt deutlich. Neben der Weiterverwendung wurde nun auch die aktive Bereitstellung offener Daten in den Mittelpunkt gestellt. Insbesondere wurden sogenannte „High Value Datasets“ definiert – Datensätze, die aufgrund ihres wirtschaftlichen und gesellschaftlichen Potenzials verpflichtend kostenfrei, maschinenlesbar und möglichst über APIs bereitgestellt werden sollen.

Deutschland setzte diese Richtlinie 2021 mit dem Datennutzungsgesetz (DNG) um. Dieses schafft den rechtlichen Rahmen für die Weiterverwendung öffentlicher Daten und konkretisiert die Anforderungen an deren Bereitstellung. Parallel dazu wurde das E-Government-Gesetz (EGovG) angepasst, um Open-Data-Prinzipien – insbesondere im Bund – stärker zu verankern. Doch die praktische Umsetzung erfolgte fragmentiert und unterschiedlich zwischen Bund und Ländern. Erst in jüngster Zeit zeigt sich ein operativer Durchbruch: Mit der Entscheidung der Vermessungsverwaltungen (AdV), Geobasisdaten ab 2024 bundesweit als Open Data bereitzustellen, wird deutlich, wie aus regulatorischen Vorgaben konkrete Open Data Strukturen entstehen. Da aber auch weiterhin große Public Data Bestände eben nicht frei, sondern unter strikteren Nutzungsbedingungen und Lizenz- und Aufwandsgebühren verfügbar sind, etablierten sich die Begrifflichkeiten Public Data und Open Data.

Die Bezeichnung Public Data beschreibt dabei mehr die Quelle (Amt) mit einer von mehreren unterschiedlichen Lizenzformen und Open Data nur die freie Nutzungsform und damit eine rechtliche Regelung bei offener Verfügbarkeit mit bewusster Freigabeentscheidung.

Was ist Open Data?

Open Data beschreibt ein Prinzip der freien Zugänglichkeit und Nutzung von Daten. Daten gelten als offen, wenn sie ohne Einschränkungen zugänglich sind, in maschinenlesbaren Formaten vorliegen und unter einer offenen Lizenz stehen, die Weiterverwendung, Veränderung und Verbreitung erlaubt. Entscheidend ist dabei: Nicht die Herkunft der Daten ist maßgeblich, sondern die Lizenz. Ein zentrales Beispiel ist die „Datenlizenz Deutschland – Zero 2.0“ (https://www.govdata.de/dl-de/zero-2-0). Diese erlaubt die uneingeschränkte Nutzung – auch kommerziell und ohne Namensnennung. Damit werden staatliche Daten erst durch die Lizenz zu Open Data. Weitere Beispiele sind OpenStreetMap oder offene APIs von Unternehmen, die Daten gezielt zur freien Nutzung bereitstellen. In all diesen Fällen gilt: Offenheit ist kein Zufall, sondern eine bewusste Entscheidung.

Open Data ist damit ein klar definierter Idealzustand: Daten sind vollständig frei nutzbar, ohne rechtliche, technische oder wirtschaftliche Hürden. In der Realität betrifft dies jedoch meist nur einen Teil der tatsächlich verfügbaren Datenbestände – insbesondere im öffentlichen Sektor.

Was ist Public Data?

Public Data bezeichnet Daten, die im öffentlichen Interesse stehen und typischerweise von staatlichen Institutionen erhoben oder bereitgestellt werden. Dazu zählen etwa Registerdaten, Geobasisdaten, Statistik- oder Umweltdaten. Im Gegensatz zu Open Data beschreibt Public Data nicht die Zugänglichkeit, sondern die gesellschaftliche Funktion und Herkunft der Daten. Ein zentrales Missverständnis ist, dass „öffentlich“ gleichbedeutend mit „frei“ sei. Tatsächlich sind viele Public Data bewusst reguliert. Ein Beispiel ist das Registerportal der Länder (https://www.handelsregister.de). Hier können Informationen zu Unternehmen und Organisationen eingesehen werden. Gleichzeitig gelten klare Einschränkungen: nur Einzelabfragen, keine systematischen Massenabrufe, Zugriffslimits und rechtliche Vorgaben. Die Daten sind öffentlich einsehbar – aber nicht frei nutzbar.

Ein weiteres Beispiel sind Geobasisdaten der Bayerischen Vermessungsverwaltung (https://www.ldbv.bayern.de/mam/ldbv/dateien/nutzungsbedingungen_daten.pdf). Diese Daten sind essenziell für Planung, Verwaltung und Wirtschaft. Ihre Nutzung ist jedoch lizenzbasiert, teilweise kostenpflichtig und unterscheidet klar zwischen interner und externer Nutzung. Externe Weitergabe ist stark eingeschränkt.

Public Data folgt damit nicht dem Prinzip der Offenheit, sondern der Zweckbindung. Die Daten sind öffentlich relevant, aber ihre Nutzung wird bewusst gesteuert – aus Gründen des Datenschutzes, der Qualitätssicherung und der Finanzierung staatlicher Dateninfrastrukturen.

Die Public Data Lizenz des Dateninstituts (dai)

Die Public Data Lizenz des data analytics institute (dai) positioniert sich zwischen Open Data und klassischem Public Data. Sie greift ein etabliertes Prinzip aus der öffentlichen Verwaltung auf: Die Nutzung von Daten ist frei, ihre Bereitstellung jedoch kostenpflichtig. Grundlage ist die dai-Lizenzvereinbarung: https://dai.institute/wp-content/uploads/2026/02/Lizenzvereinbarung_OGC_19122025-V1.pdf

Dieses Prinzip findet sich beispielsweise auch in den Gebührenmodellen der Vermessungsverwaltungen (AdV), etwa in den Bezugsbedingungen für Geodaten: https://www.adv-online.de/AdV-Produkte/Bezugsbedingungen/AdV-GR_4_0_1_f6f8a.pdf

Die dai-Lizenz orientiert sich an diesem Modell – ist jedoch deutlich einfacher und freier gestaltet. Sie reduziert komplexe Unterscheidungen (z. B. interne vs. externe Nutzung, verschiedene Gebührenarten) auf ein klares Prinzip: Zugang gegen Bereitstellungsgebühr, Nutzung weitgehend frei.

Der entscheidende Unterschied liegt in der ökonomischen Logik: Nicht die Nutzung wird bepreist, sondern die Bereitstellung eines nutzbaren Datenprodukts. Damit entsteht ein Modell, das sowohl wirtschaftlich tragfähig als auch praktisch nutzbar ist – und die Lücke zwischen Offenheit und Regulierung schließt.

Unterschied Public vs. Open Data – ein Fazit

Die Unterscheidung zwischen Open Data und Public Data ist mehr als semantisch – sie bestimmt, wie Daten tatsächlich genutzt werden können. Open Data steht für maximale Freiheit, ist jedoch in der Praxis oft nur für ausgewählte Datensätze realisierbar. Public Data hingegen bildet die Grundlage staatlicher Informationssysteme, ist aber häufig reguliert und eingeschränkt nutzbar. Die Beispiele machen das deutlich: GovData zeigt, wie Daten durch offene Lizenzen vollständig nutzbar werden (https://www.govdata.de/dl-de/zero-2-0). Das Registerportal zeigt, wie Public Data bewusst begrenzt zugänglich ist (https://www.handelsregister.de). Geodaten der Vermessungsverwaltungen zeigen, wie Nutzung über Lizenzen gesteuert wird (https://www.ldbv.bayern.de/mam/ldbv/dateien/nutzungsbedingungen_daten.pdf). Und die AdV verdeutlicht, dass Bereitstellungsgebühren ein etabliertes Modell sind (https://www.adv-online.de/AdV-Produkte/Bezugsbedingungen/AdV-GR_4_0_1_f6f8a.pdf). Die entscheidende Frage ist daher nicht, ob Daten offen sind, sondern ob sie nutzbar sind. Die Public Data Lizenz bietet hier einen pragmatischen Ansatz: Sie verbindet die gesellschaftliche Relevanz von Public Data mit einer hohen praktischen Nutzbarkeit, ohne vollständige Offenheit vorauszusetzen.

Die Zukunft entscheidet sich nicht an „open oder nicht open“, sondern an nutzbar oder nicht nutzbar.

Keine News verpassen?

Hier gehts zur Anmeldung vom Newsletter 

Geschafft: Open Data aller Länder als Basis

Das data analytics institute (dai) arbeitet seit Wochen intensiv an einer Lösung, die Deutschland im Bereich der Nutzung von Geodaten und dem datenschutzkonformen Umgang mit Adressen einen deutlichen Push geben soll:

• Eine Open Source Software, die auf Open Data zugreift.
• Eine Lösung, die sich jede Institution kostenlos installieren kann und
• die lokal und sicher im eigenen Netz Adressen so verarbeitet, dass
• präzise Koordinaten ermittelt werden können und/oder
• beliebig räumlich aggregiert werden können
• zur Anonymisierung oder
• zur Berechnung gebietsbezogener Kennziffern

Das alles beinhaltet der neue Open Geocoder. Grundlage und Datenbasis dafür bildet erstmals ein homogener, komplett auf Open Data der Länder basierender Datensatz.

Alle Adressen, alle Siedlungsblöcke, Flurstücke und Gemarkungen

Das Dateninstitut dai hat erstmals alle rund 23 Mio. Adressen aus unterschiedlichen Open Data Quellen der 16 Bundesländer zusammengetragen. Dazu gehören auch alle Siedlungsblöcke, die die wesentliche Planungsebene für die kommunale Wärmewende darstellen. Der Datensatz beinhaltet auch alle amtlichen Gemarkungen (Orts- und Stadtteile) und alle verfügbaren Flurstücke. Letztere allerdings ohne Bayern. Hier schert der Freistaat immer noch aus. Der Datensatz folgt dem TWIN-Datenmodell und ist ebenfalls offen.

Damit stellt der Open Geocoder einen wesentlichen Bestandteildes Spatial Aggregation Framework for Data Privacy (SAFeDY) dar. SAFeDY dient der räumlichen Aggregation von Daten unter Wahrung des Datenschutzes. Der Open Geocoder ist ein Werkzeug innerhalb dieses Frameworks, das Adressen, Koordinaten oder räumliche Referenzen datenschutzkonform verarbeiten lässt – in diesem Fall über Generalisierung oder Clustering. Oberstes Ziel ist: Präzise, aber nicht identifizierbare Geodatenverarbeitung – also die Balance zwischen räumlicher Genauigkeit und Privatsphäre.

Jetzt schon Version sichern!

Das Dateninstitut ist weiter im Aufbau und so gibt es viel zu tun. Die erste Version des Open Geocoders wird noch von uns mit begleitet. Danach steht die Lösung zum freien Download zur Verfügung. Ansprechpartner ist Herr Sascha Jablonski sascha.jablonski@dai.institute

Von gaia-x zu daia-x: Die Idee der europäischen Datenräume

gaia-x steht für die Vision eines europäischen Datenökosystems, das technologische Innovation mit digitaler Souveränität verbindet. Diese Vision wird nun inhaltlich umgesetzt. Hier setzt das Netzwerk daia-x an. Es stellt die praktische Brücke zwischen Infrastruktur und Anwendung für sektorübergreifende Datenräume auf Basis eines einheitlichen Datenmodells (TWIN) dar.

daia-x schafft Strukturen, in denen Daten nicht zentralisiert, sondern qualitativ vernetzt werden. Es soll so den Herausforderungen unserer gesellschaftlichen Transformation wie beispielsweise der Energie- und Mobilitätswende evidenzbasiert begegnet werden.

Die neue Infrastruktur für vertrauenswürdige Datenräume in Deutschland

Im Zentrum von daia-x steht ein Netzwerk spezialisierter Dateninstitute und ihren Datenräumen, die unterschiedliche Lebens- und Wirtschaftsbereiche abbilden:

1. daia-W – Datenraum für Wohnen und Soziales
   Daten über Gebäude, Wohn- und Lebenssituationen insbesondere Energie und Gesundheit.
2. daia-M – Datenraum für Mobilität
   Daten über Mobilitätsverhalten.
3. daia-A – Datenraum für Arbeit & Ökonomie
   Daten über Unternehmen, Arbeitsmarkt, Bildung und Beschäftigung.
4. daia-K – Datenraum für Kommunikation & Journalismus
   Geprüfte Daten für Journalismus, Diskurs und gesellschaftliche Teilhabe.
5. daia-S – Datenraum für Statistik & AI
   Methodische Brücke zur Wissenschaft, die die Standards für Qualität und Validität von Daten und Analysen definiert (TRUST).

Neues Forschungsdatenzentrum (FDZ) geplant

Im Rahmen der Initiative ist zudem geplant, ein Forschungsdatenzentrum (FDZ) zu etablieren. Ein FDZ ist eine wissenschaftliche Einrichtung, die den sicheren Zugang zu sensiblen, personen- oder unternehmensbezogenen Mikrodaten für Forschung und Politikberatung ermöglicht. Ziel ist es, hochwertige Datenbestände – z. B. aus amtlichen, wirtschaftlichen oder sozialwissenschaftlichen Quellen – unter klar definierten Datenschutz- und Qualitätsstandards bereitzustellen.

Kontakt
presse@dai.institute

Open Geocoder erscheint noch in diesem Quartal

Der Open Geocoder wird in den nächsten Wochen als Open Source Software im GIT-Hub kostenlos zur Verfügung gestellt. Er nutzt das TWIN-Datenmodell, was die Anonymisierung von Adressen durch räumliche Aggregation (zB pro Siedlungsblock oder Ortsteil) ermöglicht. Damit ist der Open Geocoder wesentlicher Baustein des DSGVO-Frameworks SAFeDY.

Adressbasis mit Koordinaten offen und modular integrierbar

Alle Bundesländer außer Bayern und Niedersachsen stellen ihre Verzeichnisse als Open Data zur Verfügung. Um eine bundesweite Lösung zu ermöglichen, muss man Brücken zu weiteren Public & Private Datenquellen schlagen, was der dai nun gelungen ist. Die Datenbasis ist somit modular aufgebaut. Der Bereitstellung von Software und Daten steht also nichts mehr im Wege: Geocodierung für alle – und damit auch Anonymisierung für alle! So die Devise des Dateninstituts dai.

SAFeDY als grundlegender Bestandteil von daia-x

Das DSGVO-konforme Framework SAFeDY wird beim Austausch von Daten auf der neuen Datenplattform daia-x eine grundlegende Rolle spielen. daia-x wird spezielle Datenräume für Wissenschaft, Wirtschaft, Journalismus und Politik bereitstellen.

Use Case Kommunale Wärmeplanung

Seit die Energiewende operativ durch die kommunale Wärmeplanung bei den Gemeinden und örtlichen Energieversorgern angekommen ist, gilt es (spätestens mit dem Wärmeplanungsgesetz) Daten untereinander auszutauschen, damit Strategie und Planung auf einer möglichst evidenten Datenbasis erfolgt. Der Open Geocoder stellt dazu ein effektives und kostenloses Basistool dar.

Kontakt

presse@dai.institute

SAFeDY – Spatial Aggregation Framework for Data Privacy – bietet ein Set an Tools zur Anonymisierung personenbezogener Daten durch räumliche Aggregation

Räumliche Aggregation zur Anonymisierung von Positionen wie Adressen oder GPS-Daten gehören zur grundlegenden Herausforderung in der Verarbeitung personenbezogener Daten. Das neue und offene Framework SAFeDY bietet Institutionen den dafür notwendigen Werkzeugkasten. Zum Framework zählt u.a.

• Ein offenes, hierarchisches Mehrebenen-Raummodell, was Adressen und Standorte in beliebige Gebiete wie beispielsweise Wohnblöcke, Quartiere und Stadteile oder Kacheln (100x100m, 1x1km usw.) zusammenfassen lässt
• Eine offene Geokodierung, die sich flexibel in jede Infrastruktur implementieren lässt und Adressen innerhalb einer Institution verarbeiten lässt, um die Raumebenen anreichern zu können
• Die flexible, DSGVO-konforme Aggregation (und Darstellung) personenbezogener Daten in beliebige Gebiete

Open Geocoder – offene Geokodierung für Alle

Die Open Source & Data Initiativen machen es möglich. Das Dateninstitut dai plant noch im Laufe dieses Quartals und damit bis Ende des Jahres erstmals einen Open Geocoder auf den Markt zu bringen. Hauptelement der dazu notwendigen Referenzdaten sind die offenen Geodaten der einzelnen Bundesländer (u.a. die 3D-Gebäudedaten), die im Datenmodell TWIN am Institut zusammenfließen und harmonisiert werden. Die Softwareentwicklung und spätere Lizenz folgt dabei den Möglichkeiten von Open Source Richtlinien. Geokodierung ist somit erstmals für alle da (und weiterentwickelbar).

Kontakt

Sie haben Fragen zur räumlichen Aggregation oder zum Framework SAFeDY? Dann kontaktieren Sie uns unter presse@dai.institute

Daten als Mehrwert für unsere Gesellschaft

Die Pandemie hat deutlich gezeigt, wie wichtig Daten für ein objektives Verständnis aktueller und zukünftiger Herausforderungen sind. Nur qualitativ hochwertige, belastbare Daten fehlen oft. Nicht ohne Grund findet der Begriff Datenwüste Deutschland seinen Weg über Wissenschaft und Wirtschaft in die Medien. Das data analytics institute soll das als erstes unabhängiges und interdisziplinäre Dateninstitut ändern. Durch die gezielte Identifikation von Datenlücken, neuer Einsatzmöglichkeiten von AI und daraus resultierende datenwirtschaftsrechtliche Fragestellungen schafft die dai AG qualitatives Wissen, auf das man sich verlassen kann. So erst werden evidenzbasierte, richtige Entscheidungen in Wirtschaft und Politik möglich.

Das Dateninstitut und seine Ziele

Das data analytics institute versteht sich als unabhängiger Berater und Informationslieferant, um sektorübergreifend Institutionen beim strategischen Einsatz von Daten zu unterstützen. 

Im Fokus dabei stehen:

• Evaluation, Qualifizierung und Entwicklung von Daten durch hochspezialisierte Data Scientisten in Kombination mit AI-gestützter Verfahren
• Datenschutz- und lizenzrechtliche Fragestellungen, z.B. wem gehört ein Datum?
• Verknüpfung von Daten aus Quellen der Public, Private und Science Data als bestmöglichen „Digitalen Zwilling“ sowie die dazu notwendige Beratung und bedarfsgerechte Bereitstellung von Daten
• Schließen von Datenlücken und Fördern von Datenwissen in Deutschland
• Beratung und Implementierung AI-gestützter Datenplattformen und Agenten

Bereits in der Gründungsphase startet das dai mit folgenden wegweisenden Forschungsprojekten:

• Aufbau des Datenmodells TWIN als Digitales Abbild von Mensch & Erde
• Implementierung AI-gestützter Datenimputation TERRAIN
• Umsetzung einer datenspezifischen AI-Infrastruktur (DAII) für Organisationen
• Entwicklung des agentenbasierten Data Scientist MAIK und einem neuen statistischen Vorhersagefaktor CERTAIN

Zum Gründungsteam

Die dai AG baut von Beginn an auf die Expertise führender Datenwissenschaftler Deutschlands. Gründer, Vorstand und Aufsichtsrat setzen sich aus einem einzigartigen, interdisziplinären Team zusammen

• Björn Schmidt, CFO & Vorstandsvorsitzender ist Rechtsanwalt mit der Spezialisierung auf Datenschutz- und Datenwirtschaftsrecht, was u.a. auch das Urheber- und Lizenzrecht umfasst. Sein Wissen und Expertise beeinflusst seit Jahren die deutsche Datenlandschaft.
• PD Dr. oec. publ. Ursula Berger, CSO, ist Biostatistikerin und Epidemiologin. Als Chief Science Officer ist sie im Vorstand zuständig für datenwissenschaftliche Forschungfragen – insbesondere für komplexe Datenmodelle im Bereich Health Care.
• Michael Herter, CEO, übernimmt die operative Führung der dai AG und baut dabei auf mehr als zwei Jahrzehnte Erfahrung im Management und Marketing für Daten & Analysen.
• Thomas Losse-Müller, Vorsitzender des Aufsichtsrats, ist einer der führenden Politiker für Digitalisierung und Klimaneutralität. Er ist u.a. Direktor der Stiftung Klimaneutralität sowie des Sozial-Klimarats.
• Özlem Doger-Herter, Aufsichtsrätin, ist Gründungsgeschäftsführerin von ASK-A-WOMAN.COM und Vorständin der German Data Science Society sowie Ambassador für Women in Data Science der Stanford University mit dem Fokus “Diversity in Data Science”.
• Prof. Dr. Göran Kauermann, Aufsichtsrat, ist Professor für Statistik an der LMU München, Vorstand der German Data Science Society (GDS) und Gründungsvorsitzender der Deutschen Arbeitsgemeinschaft für Statistik (DAGStat). Er ist ausgesprochener Fachexperte für statistische Methodik, u.a. in der Bestimmung von Uncertainty in AI-Modellen.
• Jörn Bielfeldt, Gründungsgesellschafter und Geschäftsführer der Public Good GmbH, komplettiert das Team beratend.

Pressekontakt

Für weitere Informationen steht Ihnen jederzeit Michael Herter (CEO) unter 0151 6767 6600 zur Verfügung.