# Pilotstudie zur Vorbereitung der Datenlizenzierung

Erstellt: 2026-11-17
Aktualisiert: 2026-11-17

## Frage und Entscheidung

Was sollte eine Organisation vor ihrem ersten Gespräch mit einem Datenlizenzierungs- oder Datenbeschaffungsprogramm vorbereiten? Der Text richtet sich an Personen, die einen Datensatz einer Organisation besitzen oder verwalten und ihn genau beschreiben müssen. Diese Pilotstudie untersucht, ob öffentlich beschriebene Schritte zur ersten Kontaktaufnahme eine nützliche Vorbereitung ermöglichen. Sie misst weder die Leistung der Anbieter noch empfiehlt sie einen Anbieter.

Die 10 Programme in `observations.json` wurden vor der erneuten Prüfung der wichtigsten Quellen ausgewählt, um verschiedene sichtbare Arten der Kontaktaufnahme aus einer früheren Untersuchung eines Verzeichnisses von Wegen für Datenanbieter abzudecken. Die Auswahl erfolgte gezielt, nicht zufällig: direkte Interessenbekundung bei einem Forschungslabor, Marktplätze, ein von Analysten geprüftes Verzeichnis, Inhaltslizenzierung, operative Geschäftsdaten und Industriearchive. Das frühere Verzeichnis ist keine vollständige Markterhebung. Frühere Bewertungen, Kontoaktivitäten, private Daten und subjektive Ranglisten fließen nicht in diesen Datensatz ein.

## Erhebung

Recherchezeitpunkt: 17. November 2026, Asia/Bangkok. Quellen: offizielle englischsprachige öffentliche Programmseiten, unmittelbar relevante öffentliche Erläuterungen und öffentlich extrahierbare Feldbezeichnungen für die Kontaktaufnahme. Das Webabruf-Tool kann indexierte Kopien verwenden; die Auswertung gibt die an diesem Datum zugänglichen Quellen wieder und ist keine vom Anbieter bestätigte Live-Prüfung. Der erläuternde Artikel von OpenAI wurde ursprünglich am 9. November 2023 veröffentlicht; er wird nicht als neue Ankündigung behandelt.

Die Untersuchung endet vor der Eingabe personenbezogener Daten, der Erstellung eines Kontos, der Annahme einer Vereinbarung, dem Hochladen einer Stichprobe oder dem Absenden von Angaben. Keine dieser Handlungen wurde ausgeführt. Jeder Eintrag nennt die konkret geprüften Quellen und die Grenzen der Beobachtung. Wo die Einstiegsseite die Bewerbung nicht zugänglich machte, wurden zusätzliche öffentliche Erläuterungsseiten herangezogen. Die Untersuchungstiefe unterscheidet sich zwischen den Anbietern, sodass die Anzahl der offengelegten Angaben keine vergleichbaren Bewertungen ergeben würde.

Bei Turing Lazarus lieferte das Extraktionstool keinen nutzbaren Programminhalt. Die Startseite von The General Data Company war lesbar, der Weg zur Partnerschaft jedoch nicht. Diese beiden Fälle bleiben in der festgelegten Stichprobe und gelten für diese Frage als nicht beobachtbar; keiner wird als geschlossen, für Personen nicht verfügbar oder ohne Möglichkeit zur Kontaktaufnahme eingestuft. Das öffentliche Programm und der Kontaktweg von Protege waren lesbar, die eingebetteten Felder jedoch nicht. Das eingebettete Formular von Neudata wurde nicht extrahiert; die öffentliche Seite beschrieb die Anfrage nach Unternehmens- und Kontaktdaten sowie die folgenden Schritte.

## Kodierung

Ein Eintrag steht für ein Programm. `observation_status` ist `substantive`, wenn mindestens eine aktuelle Quelle aussagekräftige Informationen zur Kontaktaufnahme oder Vorbereitung liefert; andernfalls ist der Wert `unobservable`. Ein aussagekräftiger Eintrag bedeutet nicht, dass eine vollständige Bewerbung beobachtet wurde.

`first_action` beschreibt den angegebenen Einstieg: `interest_form`, `account_creation`, `provider_application`, `listing_request`, `partner_form`, `meeting_request`, `estimate_or_contact` oder `unknown`. Das Feld besagt nicht, dass die Handlung abgeschlossen wurde. `preparation` enthält knappe Paraphrasen ausdrücklicher Quellenangaben; `later_stage` gibt die von einem Anbieter beschriebene Abfolge wieder. `limitations` hält fest, was nicht einsehbar war. Feldbezeichnungen belegen keine Validierung, und Anbieterversprechen sind keine unabhängig beobachteten Ergebnisse.

Die Zusammenfassung gliedert die Vorbereitung in Unternehmenskontext, Merkmale des Datensatzes sowie Berechtigung und Umfang. Diese Ordnungskategorien wurden von den Autoren erstellt. Sie sind eine praktische Interpretation der Beobachtungen und keine validierte Skala. Unbekannte Informationen werden weder als null noch als fehlende Anforderung kodiert.

## Reproduzieren

Führe `python3 analyze.py` aus diesem Ordner aus. Das Skript liest nur `observations.json` und erstellt `results.json` und `evidence-table.md`; es stellt keine Netzwerkverbindungen her und hat keine Abhängigkeiten von Drittanbietern. Die Prüfungen kontrollieren die festgelegte Stichprobe, Daten, zulässige Handlungskategorien, Quellenverweise und die Abgrenzung zwischen aussagekräftigen und nicht beobachtbaren Einträgen. Die resultierende Zahl von 8/10 beschreibt ausschließlich die lesbaren Belege in dieser Pilotstudie; ein Konfidenzintervall oder ein Marktanteil in Prozent wäre nicht angemessen.

Die Analyse lässt sich anhand der mitgelieferten Beobachtungen deterministisch reproduzieren. Um die Erhebung zu reproduzieren, müssen die aufgeführten URLs erneut aufgerufen werden; ihre Inhalte können sich ändern. Der Download enthält bewusst von den Autoren erstellte sachliche Beobachtungen und Quellenverweise, keine weiterverbreiteten vollständigen Webseiten, Screenshots, Kontodaten oder den privaten Forschungskorpus. Die Urheberrechte an verlinktem Quellenmaterial verbleiben bei den jeweiligen Rechteinhabern. Sapien1s eigener Artikel, das Arbeitsblatt und die Beobachtungsdateien dürfen als Materialien der veröffentlichten Website verwendet werden; dieses Paket gewährt keine Rechte an Quelldatensätzen oder Inhalten Dritter.

Führe `python3 render-assets.py` aus, um die beiden ursprünglichen SVG-Abbildungen zu reproduzieren. Die Abbildung zu den Einstiegspunkten verwendet die Beobachtungseinträge; die Infografik zur Vorbereitung zeigt die von den Autoren erstellte Zusammenfassung. Beide enthalten editierbaren Text, Titel und Beschreibungen.
