Die besten Data-as-a-Service-Unternehmen 2026: Ein detaillierter Vergleich

In diesem Blogbeitrag erfahren Sie:

• Was Data-as-a-Service ist, wie es funktioniert und warum es wichtig ist.
• Warum DaaS-Lösungen beliebter denn je sind und warum es die richtige Entscheidung ist, sich auf einen dedizierten Anbieter zu verlassen.
• Die wichtigsten Aspekte, die bei der Bewertung von DaaS-Anbietern zu berücksichtigen sind.
• Einen detaillierten Vergleich der 10 führenden Data-as-a-Service-Unternehmen anhand dieser Kriterien.

Lassen Sie uns eintauchen!

TL;DR: Übersichtstabelle der besten Data-as-a-Service-Unternehmen

Anbieter	Infrastruktur	Skalierbarkeit	Hauptanwendungsfälle	Historische Daten	Echtzeitdaten	GDPR-Konformität	Kostenlose Demo/Testversion	Preise
Bright Data	Unternehmensfähig, cloudbasiert, unterstützt durch ein Proxy-Netzwerk mit über 150 Millionen Servern	Unbegrenzt	Webdaten-Pipelines von praktisch jeder Website weltweit, die nahezu alle Branchen abdecken	✅	✅	✅	✅	Sowohl nutzungsbasiert als auch Abonnements (ab ~1,50 $ / 1.000 Datensätze)
Dun & Bradstreet (D&B)	Unternehmensgerecht, cloudbasiert	Hoch	Stammdatenverwaltung, Risiko	✅	❌	✅	✅	Stufenbasiert (15.000–50.000+ USD)
Coresignal	Cloud-basiert	Hoch	Talent Intelligence, Jobdaten	✅	✅	✅	✅	Ab 49 $/Monat, Datensätze ab 1.000
InfobelPRO	Cloud-basiert	Hoch	Standort- und Geodaten	✅	✅	✅	✅	Nicht bekannt gegeben (angebotsbasiert)
Cognism	Cloud-basiert	Hoch	GTM- und CRM-Anreicherung	✅	✅	✅	✅	Benutzerdefiniert
ZoomInfo	Cloud-basiert	Hoch	Vertrieb und Marketing	✅	❌	✅	✅	Nicht bekannt gegeben (lead-basiert)
RocketSource (Incubeta)	Cloud-basiert	Hoch	Attribution und Analyse	✅	❌	✅	❌	Nicht angegeben
Datafiniti	API-first, cloudbasiert	Unbegrenzt	Immobilien- und Produktdaten	✅	❌	❌	✅	Nicht bekannt gegeben (volumenbasiert)
FactSet	Cloud-nativ	Hoch	Investitions- und Finanzdaten	✅	✅	✅	✅	Nicht veröffentlicht
Data Axle	Unternehmens-Cloud	Hoch	Identitäts- und Zielgruppenaktivierung	✅	❌	❌	✅	Nicht bekannt

Eine Einführung in Data-as-a-Service-Unternehmen

Bevor wir uns mit dem Vergleich der besten Data-as-a-Service-Unternehmen befassen, benötigen Sie einige Hintergrundinformationen. Verstehen Sie, wie dieses Datenmodell funktioniert, was es umfasst und warum es wichtig ist!

Was bedeutet Data-as-a-Service?

Data-as-a-Service (DaaS) ist ein Modell, bei dem ein Unternehmen über APIs, Cloud-Bereitstellung, Abonnements oder Webplattformen On-Demand-Zugriff auf hochwertige, kuratierte oder Rohdaten bietet.

Die Idee dahinter ist, Ihnen den Zugriff, die Integration und die Analyse von Informationen zu ermöglichen. All dies ohne die Verwaltung einer komplexen internen Infrastruktur und bei gleichzeitiger Automatisierung der Datenbereinigung, -anreicherung und -bereitstellung. Durch die Zentralisierung der Daten in einer einzigen Quelle reduziert DaaS Silos, gewährleistet eine einzige Quelle der Wahrheit und lässt sich an die Anforderungen des Unternehmens anpassen.

Häufige Anwendungsfälle sind Echtzeitanalysen, Business Intelligence, Marktforschung und KI-Modelltraining, wodurch datengestützte Entscheidungen in allen Branchen ermöglicht werden.

Arten von DaaS-Angeboten

Data-as-a-Service-Angebote lassen sich aus technischer, datenbezogener und branchenbezogener Perspektive klassifizieren. Aus technischer Sicht können Datendienste sein:

• API-basierte Datendienste: Stellen strukturierte Daten über APIs bereit und ermöglichen so eine nahtlose Integration in externe Anwendungen und Pipelines.
• Cloud-Datenplattformen: Zentralisierte Cloud- oder webbasierte Plattformen für die Datenerfassung, -verarbeitung, -abfrage und -analyse.
• Anbieter von Datensätzen: Kuratierte Datensätze mit Schwerpunkt auf bestimmten Branchen, Märkten oder Themen, die für die direkte Analyse oder Integration in bestehende Systeme bereit sind.
• Managed Services: Vollständig verwaltete Datenlösungen, bei denen der Anbieter Daten im Auftrag des Kunden extrahiert, verarbeitet, pflegt und versendet. Diese sind auf die individuellen Bedürfnisse und Projektanforderungen des Kunden zugeschnitten.

In Bezug auf Datentypen können DaaS-Unternehmen Folgendes anbieten:

• Rohdaten-Feeds: Unverarbeitete Datenpunkte direkt aus der Quelle, die in der Regel zur Versorgung interner Analyse-Engines, KI-Modelle oder benutzerdefinierter Verarbeitungs-Pipelines verwendet werden.
• Angereicherte/validierte/aggregierte Daten: Kombiniert mehrere Quellen mit zusätzlichem Kontext, bereinigt und auf Genauigkeit überprüft.
• Live-Daten: Liefern Informationen sofort nach ihrer Generierung, was für Anwendungen wie Hochfrequenzhandel, Notfallmaßnahmen oder Social-Media-Monitoring von entscheidender Bedeutung ist.
• Historische Daten: Vorab gesammelte Daten aus vergangenen Zeiträumen, die für Trendanalysen, Prognosen, Benchmarking, das Training von Machine-Learning-Modellen und retrospektive Studien nützlich sind.
• Insight-basierte Daten: Verarbeitete Daten, die mit KI-gesteuerten Analysen, Visualisierungen und umsetzbaren Empfehlungen geliefert werden.

Aus Sicht der Industrie können sie schließlich Folgendes abdecken:

• Markt- und Finanzdaten: Umfassen Branchentrends, Aktivitäten von Wettbewerbern, Preisgestaltung und Marktdynamik zur Unterstützung strategischer Entscheidungen und Recherchen.
• B2B-Daten: Unternehmensprofile, Firmografien und Geschäftskontaktdaten für Lead-Generierung, Vertrieb und Business Intelligence.
• Mitarbeiter- und Arbeitsmarktdaten: Informationen zu Trends in der Belegschaft, offenen Stellen, Funktionen, Gehältern und Mitarbeiterbewegungen in verschiedenen Branchen.
• Einzelhandelsdaten: Verbraucherverhalten, Produktverfügbarkeit, Preisgestaltung und Transaktionsdaten für Merchandising, Bestandsplanung und Marketing.
• Reisedaten: Informationen zu Flügen, Hotels, Buchungen und Mobilität für Tourismus, Logistik und Routenoptimierung.
• Social-Media-Daten: Beiträge, Interaktionskennzahlen und Stimmungsanalysen für Markenüberwachung, Trenderkennung und Marketingeinblicke.
• Weitere branchenspezifische Daten…

Warum Data-as-a-Service nicht länger ignoriert werden kann

Jeden Tag werden etwa 402,7 Millionen Terabyte an Daten erstellt. Darüber hinaus hat das Gesamtvolumen der weltweit erstellten, erfassten, kopierten und konsumierten Daten laut Statista bereits 149 Zettabyte erreicht. Es ist zu erwarten, dass diese Zahlen mit dem rasanten Aufstieg der KI, die bekanntermaßen sehr datenintensiv ist, noch weiter steigen werden.

Allein das Training großer Sprachmodelle erfordert enorme Datensätze. Modelle wie das von OpenAI für ChatGPT verwendete wurden beispielsweise mit Hunderten von Milliarden Wörtern trainiert, was mehreren zehn Terabyte an Rohtextdaten (komprimiert auf mehrere hundert Gigabyte) entspricht, um eine brauchbare Leistung zu erzielen.

Das Gleiche gilt für moderne RAG-Pipelines, KI/ML-Workflows und datengesteuerte Entscheidungssysteme. Sie alle sind auf riesige Mengen an aktuellen, gut strukturierten und kontinuierlich aktualisierten Daten angewiesen, um zuverlässige Erkenntnisse und genaue Ergebnisse zu generieren. In einer datengesteuerten Welt reicht es selten aus, sich ausschließlich auf interne Daten und Fachwissen zu verlassen.

Während einige Daten offen und frei zugänglich sind, ist der Zugriff auf die meisten hochwertigen Daten schwierig. In der Regel sind dafür fortgeschrittene Techniken wie Web-Scraping erforderlich, oder die Daten müssen gekauft, bereinigt, angereichert und aus mehreren Quellen aggregiert werden, bevor sie nutzbar sind.

Diese Dynamik erklärt, warum Data-as-a-Service-Unternehmen rasch an Bedeutung gewinnen und zu einem der am schnellsten wachsenden Segmente der globalen Datenwirtschaft werden.

Warum Sie einen Data-as-a-Service-Anbieter benötigen

Wenn Sie jemals versucht haben, Daten in großem Umfang zu sammeln, wissen Sie, wie schwierig das sein kann. Zu den häufigsten Hindernissen gehören:

• Anti-Scraping-Maßnahmen: Websites setzen CAPTCHAs, IP-Blockierung, Ratenbegrenzungen und Fingerprinting-Techniken ein, um die automatisierte Datenerfassung von Webseiten aktiv zu verhindern.
• Compliance- und rechtliche Einschränkungen: Bei der Datenerfassung müssen Datenschutzgesetze wie die DSGVO und der CCPA sowie die Nutzungsbedingungen der Plattformen beachtet werden.
• Probleme mit Formaten, Aggregation und Datenqualität: Rohdaten liegen oft in inkonsistenten Formaten vor, enthalten Duplikate oder Fehler und müssen umfangreich bereinigt, normalisiert und aggregiert werden, um verwendet werden zu können.
• Skalierbarkeit und Infrastrukturprobleme: Die zuverlässige Erfassung großer Datenmengen erfordert eine skalierbare Infrastruktur, Überwachung, Wiederholungsversuche und Fehlerbehandlung, deren Aufbau und Wartung kostspielig sind.
• Wartung und Zuverlässigkeit: Datenpipelines fallen häufig aufgrund von Änderungen in externen Quellen aus und erfordern eine kontinuierliche Überwachung, Aktualisierungen und technisches Fachwissen, um sie am Laufen zu halten.

Die meisten Unternehmen, Organisationen oder Einzelpersonen möchten einfach nur Zugang zu hochwertigen Daten. Oft fehlen ihnen die internen Fähigkeiten, Ressourcen oder die Zeit, um diese Herausforderungen zu bewältigen. Daher ziehen sie es vor, sich auf einen Data-as-a-Service-Anbieter zu verlassen.

Ein Data-as-a-Service-Unternehmen liefert gebrauchsfertige Daten. Es kümmert sich für Sie um die Erfassung, Compliance, Infrastruktur, Datenqualität und andere operative Herausforderungen. So können Sie sich auf die Nutzung der Daten für Analysen, Entscheidungsfindungen oder Ihren spezifischen Anwendungsfall konzentrieren, anstatt sich mit der Komplexität der Datenerfassung und -pflege auseinanderzusetzen.

So vergleichen Sie Data-as-a-Service-Lösungen

DaaS-Lösungen sind allgegenwärtig, und der Markt ist voll von Optionen. Angesichts dieser Vielzahl kann die Auswahl des richtigen Anbieters eine Herausforderung sein. Der Vergleich wird viel einfacher, wenn Sie über klare Kriterien zur Bewertung der Anbieter verfügen, wie zum Beispiel

• Datenumfang: Die Arten und der Umfang der vom DaaS-Anbieter angebotenen Daten.
• Methoden der Datenbeschaffung: Wo und wie der Anbieter seine Daten sammelt, sofern dies öffentlich bekannt gegeben wird.
• Infrastruktur: Die Fähigkeit des Anbieters, zu skalieren, die Verfügbarkeit aufrechtzuerhalten und große Datenmengen zu verarbeiten.
• Aktualität der Daten: Verfügbarkeit von historischen, nahezu in Echtzeit, kontinuierlich aktualisierten oder Echtzeitdaten.
• Methoden der Datenbereitstellung: Wie werden die Daten den Kunden zugänglich gemacht (über API, Cloud-Integrationen oder andere Methoden) und in welchen Formaten (JSON, CSV, Excel usw.)?
• Technische Anforderungen: Fähigkeiten, Tools oder Infrastruktur, die für den Zugriff, die Verarbeitung und die Integration der Daten erforderlich sind.
• Compliance: Einhaltung von Datenschutz- und Sicherheitsrahmenwerken wie DSGVO und CCPA.
• Preise: Verfügbarkeit von Abonnementmodellen, individuellen Paketen oder kostenlosen Testversionen/Beispieldatensätzen zur Evaluierung.

Die 10 besten Data-as-a-Service-Unternehmen

Entdecken Sie die besten Data-as-a-Service-Anbieter, die sorgfältig ausgewählt und anhand der oben genannten Kriterien bewertet wurden.

1. Bright Data

Bright Data begann als Proxy-Anbieter und hat sich zu einer vollwertigen Webdatenplattform entwickelt. Was das Unternehmen auszeichnet, ist seine hoch skalierbare und KI-fähige Infrastruktur auf Unternehmensniveau, die für alles ausgelegt ist, von der einfachen Datenextraktion bis hin zu komplexen Datenpipelines.

Bright Data bietet mehrere Data-as-a-Service-Tools, die die direkte Datenaufnahme in Ihre Pipelines, Workflows und Systeme ermöglichen. Dazu gehören:

• Scraper-APIs: Extrahieren Sie aktuelle, strukturierte Webdaten aus über 120 Websites mit integrierter Compliance, automatischer Skalierung und Pay-per-Result-Preisen. Jede site-spezifische API ist programmgesteuert oder über eine integrierte No-Code-Schnittstelle zugänglich.
• Web Unlocker API: Automatisiert die Umgehung von Blockierungen, CAPTCHAs und erweiterten Anti-Bot-Schutzmaßnahmen, um eine konsistente Datenerfassung in großem Maßstab zu gewährleisten. Sie verwaltet Proxys, Anti-Bot-Herausforderungen und JavaScript-lastige Seiten und gibt rohes HTML, LLM-fähige Markdown-Ausgabe oder sogar KI-strukturiertes JSON zurück.
• SERP-API: Liefert geografisch ausgerichtete Suchmaschinenergebnisse von Google, Bing, Yandex und anderen großen Suchmaschinen. Sie ist ideal, um KI-Datenpipelines die Überprüfung von Informationen und das Abrufen aktueller Daten aus verifizierbaren Quellen zu ermöglichen.

Wenn Sie stattdessen den direkten Zugriff auf gebrauchsfertige Daten bevorzugen, bietet Bright Data auch Folgendes an:

• Datensatz-Marktplatz: Vorab gesammelte, validierte und kontinuierlich aktualisierte Datensätze aus über 120 beliebten Domänen. Die Daten sind in JSON, CSV und anderen Formaten verfügbar und eignen sich daher für KI-, ML- und RAG-Systeme sowie Business-Intelligence-Workflows.
• Vollständig verwaltete Datenbeschaffungsdienste: Sie definieren Ihre Geschäftsziele und Bright Data kümmert sich um den gesamten Datenlebenszyklus. Dazu gehört die Entwicklung der Erfassungsstrategie und anschließend das Sammeln, Validieren, Anreichern und Bereitstellen strukturierter Daten über Dashboards, Berichte oder direkte Integrationen.

Dies ist nur ein Ausschnitt aus der breiten Produktpalette von Bright Data für DaaS-Szenarien. Alle Dienste werden von einem globalen Proxy-Netzwerk mit über 150 Millionen IPs unterstützt und bieten unbegrenzte Skalierbarkeit mit einer Verfügbarkeit und Erfolgsquote von 99,99 %. Diese Infrastruktur unterstützt Unternehmen jeder Größe, von Start-ups bis hin zu Fortune-500-Unternehmen.

Zusammengenommen machen diese Fähigkeiten Bright Data zu einer der attraktivsten Data-as-a-Service-Plattformen, die derzeit für Unternehmen jeder Größe verfügbar sind.

👑 Am besten geeignet für: Unternehmen jeder Größe, einschließlich großer Unternehmen, die eine skalierbare und hochflexible DaaS-Lösung für eine Vielzahl von Szenarien suchen.

Datenumfang:

• Daten aus Hunderten von beliebten Domains sowie praktisch jeder öffentlichen Website.
• Unterstützte Anwendungsfälle in den Bereichen E-Commerce, Wettbewerbsanalyse, Social Media und Content-Plattformen, Stellenanzeigen und Personalbeschaffung, KI und maschinelles Lernen, Marktforschung, Einzelhandelsanalyse, Immobilien, branchenübergreifende Einblicke und viele andere branchenspezifische Szenarien.
• Zu den Quellen gehören LinkedIn, Amazon, Instagram, Crunchbase, Zillow, X (Twitter), TikTok, Facebook, YouTube, Indeed, Walmart, Yahoo Finance, Booking.com, Glassdoor, Shein, Airbnb, Yelp, ChatGPT, Google, Perplexity, Grok, Bing und viele andere.

Methoden der Datenbeschaffung:

• Ethische, konforme Erfassung öffentlich zugänglicher Webdaten durch groß angelegtes Web-Scraping.

Infrastruktur:

• 99,99 % Plattform-Verfügbarkeit.
• 99,99 % Erfolgsquote beim Scraping von APIs.
• Über 150 Millionen Residential -Proxys, Mobile -Proxys, ISP -Proxys und Datacenter -Proxys in 195 Ländern.
• Proprietäre Technologie für CAPTCHA-Lösung, Anti-Bot-Umgehung und strukturierte Datenextraktion über Hunderte von Domains hinweg.
• Unterstützung für unbegrenzte Parallelität und Massenextraktion (bis zu 5.000 URLs pro Anfrage).
• Erweiterte Filterung und Segmentierung von Datensätzen zur Kostensenkung und Verbesserung der Relevanz.
• Zugriff auf Petabytes an zwischengespeicherten Daten über die Web Archive API.
• Rund um die Uhr verfügbarer Support durch Datenexperten.

Aktualität der Daten:

• Historische Daten und Trenddaten sind über vorgefertigte Datensätze mit flexiblen Aktualisierungsintervallen (täglich, wöchentlich, monatlich) verfügbar.
• Echtzeit-Datenerfassung über API-basierte und No-Code-Tools.
• Regelmäßig aktualisierte Datensätze, um die Aktualität und neue Datensätze sicherzustellen.

Methoden zur Datenbereitstellung:

• APIs, die Daten in JSON, HTML, Markdown und anderen Formaten zurückgeben.
• Datensätze über Amazon S3, Google Cloud, Snowflake, Azure, SFTP, Pub/Sub, Webhooks und mehr.
• Flexible Datensätze, darunter JSON, NDJSON, CSV und Parquet.

Technische Anforderungen:

• Grundlegende technische Kenntnisse reichen aus, um mit der Datenerfassung über APIs zu beginnen.
• No-Code-Scraper ermöglichen eine schnelle und vereinfachte Datenextraktion.
• Für fortgeschrittene Automatisierung, benutzerdefinierte Workflows und BI-Integrationen werden API-Kenntnisse empfohlen.

Compliance:

• DSGVO- und CCPA-konform.
• Daten stammen ausschließlich aus öffentlich zugänglichen Informationen.
• Zertifiziert nach den Standards ISO 27001, SOC 2 Typ II und CSA STAR Level 1.

Preise:

• Kostenlose Testversion verfügbar.
• Die Preise variieren je nach Produkt, wobei sowohl Pay-as-you-go- als auch Abonnementoptionen verfügbar sind:
  • Unlocker-API: ab 1,50 $ pro 1.000 Ergebnisse.
  • Browser-API: ab 8 $/GB.
  • SERP-API: ab 1,50 $ pro 1.000 Ergebnisse.
  • Scraper-APIs: ab 1,50 $ pro 1.000 Datensätze.
• Vollständig verwaltete Datendienste: Ab 2.500 $/Monat.
• Datensätze: ab 250 $ pro 100.000 Datensätze.

2. Dun & Bradstreet (D&B)

Dun & Bradstreet (D&B) ist ein führender Anbieter von Wirtschaftsdaten und -analysen, dessen Angebot auf einer riesigen Daten-Cloud mit über 600 Millionen Einträgen basiert. Zu seinen Dienstleistungen gehört ein Master Data-as-a-Service (MDaaS)-Produkt. Dabei handelt es sich um eine konfigurierbare, API-gesteuerte Lösung, die hochwertige, vorab aufbereitete Wirtschaftsdaten direkt in die Workflows, CRM- oder ERP-Systeme eines Unternehmens liefert.

👑 Am besten geeignet für: Stammdatenmanagement in Unternehmen.

Datenumfang:

• Stammdaten von Unternehmen, einschließlich grundlegender Geschäftsdaten über Organisationen und Entscheidungsträger.
• Einblicke in Geschäftsrisiken, Lieferantenrisiken, Finanzrisiken, Compliance-Risiken und andere unternehmensrelevante Kennzahlen.
• Umfasst über 600 Millionen Organisationen weltweit aus verschiedenen Branchen und Sektoren.
• Enthält Analysen, Bewertungen und Ratings, die aus aggregierten Daten abgeleitet wurden.

Methoden der Datenbeschaffung:

• Die Daten werden aus globalen Registern, von verifizierten Partnern und aus realen Geschäftsaktivitäten gesammelt.
• Durch zahlreiche monatliche Überprüfungen verfeinert, um eine entscheidungsreife Qualität zu erreichen.

Infrastruktur:

• Cloud-basierte Lösungen mit skalierbarer Bereitstellung über APIs und Integrationen.
• Integration über MDM- und CRM-Plattformpartner für nahtlose Workflow-Konnektivität.

Aktualität der Daten:

• Zentralisierte, kontinuierlich aktualisierte Stammdaten.
• Mehr als 15 Jahre historische Daten.

Methoden der Datenbereitstellung:

• Zugriff über direkte API-Verbindungen.
• MDM/CRM-Plattform-Integrationen.
• Datenströme in gewünschten Formaten für einfachen Zugriff zu jeder Zeit.

Technische Anforderungen:

• Grundlegende technische Kenntnisse für API-Integrationen erforderlich.
• Die Integration in Arbeitsabläufe erfordert möglicherweise eine Konfiguration innerhalb von MDM- oder CRM-Systemen.

Compliance:

• Entspricht den Bestimmungen der DSGVO und des CCPA.
• Zertifizierungen nach ISO 27701, ISO 27001 und Privacy Information Management Systems (PIMS).
• Unterstützt EU-US- und Schweiz-US-Datenschutzschild/Datenschutzrahmen, UK-Erweiterung, APEC CBPR und TRUSTe Responsible KI-Zertifizierung.

Preise:

• Kostenlose Testversion für einige Dienste verfügbar.
• Von ~15 bis 50.000 US-Dollar, je nach Produktstufe und Paketgröße.

3. Coresignal

Coresignal ist ein bekannter Webdatenanbieter mit Lösungen, die auf groß angelegte B2B-, Mitarbeiter- und Stellenanzeigendaten zugeschnitten sind. Das Unternehmen fungiert als Data-as-a-Service-Lösung und bietet über REST-APIs Zugriff auf Milliarden von Datensätzen. Der Schwerpunkt des Unternehmens liegt auf der Umwandlung unstrukturierter Webdaten in standardisierte, KI-fähige Datensätze für Talent Intelligence, Investment Research, Lead Enrichment und ähnliche Anwendungsfälle.

👑 Am besten geeignet für: Talent Intelligence und Workforce Analytics.

Datenumfang:

• Über 75 Millionen Unternehmensdatensätze, über 500 Datenpunkte, Daten seit 2016.
• Über 839 Millionen Mitarbeiterdatensätze, über 250 Datenpunkte, Daten seit 2016.
• Über 425 Millionen deduplizierte aktive und historische Stellenanzeigen, über 85 Datenpunkte, Daten seit 2020.

Methoden der Datenbeschaffung:

• Daten aus über 15 öffentlichen Webquellen.

Infrastruktur:

• Cloud-basierte Self-Service-Plattform, die die Erstellung benutzerdefinierter Datensätze und die Verbindung über APIs unterstützt.

Aktualität der Daten:

• Die Daten werden regelmäßig aktualisiert.
• Historische Daten verfügbar (seit 2016 für Unternehmen/Mitarbeiter, seit 2020 für Stellenangebote).
• Unterstützt Echtzeit-Zugriff über APIs.

Methoden zur Datenbereitstellung:

• REST-APIs für Unternehmens-, Mitarbeiter- und Jobdaten.
• Flatfiles zum Herunterladen im JSONL-Format.
• Selbstbedienungsplattform ermöglicht die Anpassung von Datensätzen und den Massen-Download.

Technische Anforderungen:

• Der Zugriff auf APIs erfordert grundlegende technische Kenntnisse für die Integration.
• Die Arbeit mit JSONL-Flatfiles erfordert möglicherweise Kenntnisse in der Datenanalyse.
• Die Plattform unterstützt die Suche in Alltagssprache, um die Nutzung zu vereinfachen.

Konformität:

• DSGVO- und CCPA-konform.
• Zertifiziert durch die Ethical Web Data Collection Initiative.

Preise:

• Datensätze: Ab 1.000 US-Dollar
• Abonnementbasierte Tarife:
  • Kostenlos: 0 $ für 200 Sammelguthaben und 400 Suchguthaben.
  • Starter: Ab 49 $/Monat für mindestens 250 Sammel-Credits und 500 Such-Credits.
  • Pro: Ab 800 $/Monat für mindestens 10.000 Sammel-Credits und 20.000 Such-Credits.
  • Premium: Ab 1.500 $/Monat für mindestens 50.000 Sammel-Credits und 150.000 Such-Credits.

4. InfobelPRO

InfobelPRO ist ein erfahrener globaler Datenanbieter für umfangreiche B2B-Informationen und Standortanalysen. Das Unternehmen agiert auch als DaaS-Anbieter und bietet On-Demand-Zugriff auf eine riesige Datenbank mit 375 Millionen Unternehmen, 172 Millionen Points of Interest (POIs) und 1 Milliarde Kontakten. Seine strukturierten Daten unterstützen CRM-Anreicherung, Echtzeit-Lead-Validierung und präzise georäumliche Kartierung.

👑 Am besten geeignet für: Standortinformationen und Geodatenanalyse.

Datenumfang:

• Über 172 Millionen POIs, darunter Orte, Gebäudeflächen, Polygone und Standortinformationsattribute.
• B2B-Daten zu über 375 Millionen Unternehmen, einschließlich firmografischer, technografischer und Kontaktdaten sowie Unternehmensverknüpfungen.
• Über 209 Millionen B2C-Verbraucherdateneinträge, darunter Opt-in-Namen, Mobiltelefone, E-Mails, physische Adressen und Einkommensklassen.

Methoden der Datenbeschaffung:

• KI-gestützte Verarbeitung unter Nutzung von über 1.100 nicht offengelegten Datenquellen.

Infrastruktur:

• Cloud-basierte Datenplattform für internationale Datenintegrationen.
• Unterstützt den Zugriff auf große Datenmengen über APIs, Flatfiles und DIY-Anwendungen.

Aktualität der Daten:

• Unterstützt Live-Datenströme über APIs.
• Umfasst historische B2B-Daten aus bis zu 8 Jahren.
• Die Daten werden kontinuierlich verarbeitet und aktualisiert.

Methoden der Datenbereitstellung:

• REST-APIs, einschließlich Unternehmensdaten, Standortdaten, POI, Anreicherung, Mehrwertsteuer und Anrufer-ID-APIs.
• Flatfiles für Plug-and-Play-Integration.
• DIY-Zugriff auf die zugrunde liegende Datenbank über eine spezielle Suchmaschine.

Technische Anforderungen:

• API-Integrationen erfordern grundlegende Kenntnisse in der Webintegration.
• Flatfiles erfordern Datenanalysefähigkeiten, um in großem Maßstab eingesetzt werden zu können.
• Technische Dokumentation und praktischer Kundensupport sind verfügbar.

Compliance:

• Schwerpunkt auf GDPR-Konformität und Datenschutzstandards.

Preise:

• Möglichkeit, die Daten-API kostenlos zu testen.
• Die Preisgestaltung erfolgt auf Angebotsbasis und hängt vom Anwendungsfall ab.
• Nach Rücksprache mit Datenexperten sind benutzerdefinierte Datensätze und flexible Liefermethoden verfügbar.

5. Cognism

Cognism ist eine Sales-Intelligence-Plattform, die hochwertige B2B-Vertriebsdaten bereitstellt. Das DaaS-Angebot basiert darauf, Teams über APIs oder Cloud-Integrationen wie Snowflake direkt in ihren GTM-Stacks (Go-to-Market) Zugriff auf verifizierte, konforme Kontakt- und Firmografiedaten zu gewähren. Das Endziel dieses Anbieters ist es, Vertriebs- und Marketingteams dabei zu unterstützen, die Kundenakquise zu beschleunigen und die datengesteuerte Kundenansprache zu verbessern.

👑 Am besten geeignet für: CRM- und GTM-Stack-Anreicherung.

Datenumfang:

• B2B-Daten, einschließlich Kontakten, Firmografien, Technografien, Absichten, Einstellungssignalen, berufsbezogenen Attributen und mehr.
• Starke Abdeckung der europäischen Märkte.

Methoden der Datenbeschaffung:

• Die Daten werden mithilfe eines KI-gestützten Frameworks gesammelt, das die menschliche Webrecherche simuliert, öffentliche Webdaten extrahiert und mehrere Verifizierungs- und Validierungsebenen anwendet.
• Zu den beliebten Quellen gehören Nachrichtenartikel und Pressemitteilungen, Unternehmenswebsites, Jahresberichte, Gewinnveröffentlichungen und öffentliche Register.

Infrastruktur:

• Cloud-basierte Infrastruktur für hohe Skalierbarkeit.

Aktualität der Daten:

• Zentralisierte B2B-Vertriebsinformationsdatenbank mit aktuellen und historischen Daten, die regelmäßig aktualisiert wird.

Methoden der Datenbereitstellung:

• REST-APIs.
• Flatfiles mit Unterstützung für Snowflake, AWS S3, Google Cloud, Databricks und SFTP.

Technische Anforderungen:

• API-Integrationen erfordern grundlegende technische Kenntnisse für die Implementierung und Wartung.
• Flatfiles erfordern Kenntnisse in Datenanalyse oder Datenwissenschaft, um den maximalen Wert aus den Datensätzen zu extrahieren.
• Professioneller Support für Integration, Schema-Design und benutzerdefinierte Aggregation für die DaaS-Option.

Compliance:

• GDPR- und CCPA-konforme Datenbeschaffung.
• ISO 27001- und SOC 2-konforme Sicherheitsstandards.

Preise:

• Optionen für kostenlose Datensätze.
• Für die DaaS-Erfahrung sind die Preise maßgeschneidert und hängen vom Anwendungsfall ab, basierend auf Datentyp, Volumen und Liefermethode.

6. ZoomInfo

ZoomInfo ist eine Go-to-Market-Intelligence-Plattform, die Ihnen hochwertige B2B-Daten für Vertrieb, Marketing und Personalbeschaffung zur Verfügung stellt. Als Data-as-a-Service-Unternehmen liefert es KI-fähige Erkenntnisse (z. B. Firmografien, Absichtssignale und Berufsprofile) über APIs und Cloud-Shares wie Snowflake oder AWS direkt in Ihre Workflows. Diese Integration automatisiert die CRM-Anreicherung, ersetzt manuelle Eingaben und fördert datengesteuerte Wachstumsstrategien.

👑 Am besten geeignet für: Vertriebs- und Marketingaktivitäten, die eine automatisierte, absichtsgesteuerte Zielgruppenansprache erfordern.

Datenumfang:

• B2B-Daten, einschließlich Berufsprofilen, Unternehmensprofilen, Firmografien, Technografien, Kontaktinformationen, Berufsbezeichnungen, Beschäftigungsgeschichte und Absichtssignalen.
• Globale Abdeckung, einschließlich Nordamerika und erweiterten internationalen Daten (über 34 Millionen Unternehmensprofile, über 200 Millionen Berufsprofile, über 45 Millionen Mobiltelefonnummern außerhalb Nordamerikas).
• Erweiterte Einblicke, wie z. B. Marketing-Komplexität, Online-Verhalten und Engagement-Signale.

Methoden der Datenbeschaffung:

• Erfasst über das FuZion-System, das KI, maschinelles Lernen, NLP, menschliche Forscher, Umfragen, Drittanbieter und Community-Mitwirkende kombiniert.
• Zu den Quellen gehören Unternehmenswebsites, öffentliche Geschäftsinformationen, Umfragen, Nischenanbieter und interne Forschungsteams.
• Mehrstufige Verifizierung gewährleistet Genauigkeit durch automatisierte Systeme und manuelle Überprüfungen.

Infrastruktur:

• Cloud-basierte DaaS-Plattform mit APIs, Webhooks und Flatfile-Optionen.
• Integrierbar mit CRM, Marketing-Automatisierung, Sales-Engagement-Tools und wichtigen Cloud-Plattformen (Snowflake, AWS, Google BigQuery).

Aktualität der Daten:

• Kontinuierlich aktualisierte Daten.
• Historische, nahezu in Echtzeit verfügbare und KI-fähige Daten für prädiktive Analysen.

Methoden zur Datenbereitstellung:

• REST-APIs und Webhooks für schnelle Integration.
• Flatfiles, einschließlich Unterstützung für Snowflake, AWS, Google BigQuery und CSV/Excel-Formate.

Technische Anforderungen:

• Grundlegende technische Kenntnisse für die API-Integration und Workflow-Automatisierung erforderlich.
• Datenanalyse- oder Data-Science-Kenntnisse erforderlich, um Flat-File-Datensätze nutzen zu können.
• Support für vereinfachte Integration, Schema-Design, benutzerdefinierte Anreicherung und prädiktive Modellierung verfügbar.

Compliance:

• GDPR- und CCPA-konforme Datenerfassung und -verarbeitung.
• Sicherheits- und Datenschutzstandards gemäß ISO 27001 und ISO 27701.
• SOC 2-Audits und TRUSTe-Validierungen gewährleisten die kontinuierliche Einhaltung gesetzlicher Vorschriften.

Preise:

• Kostenlose Testversion verfügbar.
• Die Preise werden nach Angabe Ihrer Daten angezeigt.

7. RocketSource von Incubeta

RocketSource (jetzt Teil von Incubeta) ist ein Beratungsunternehmen für Verhaltenswissenschaften und Daten, das Daten in „humanisierte” Erkenntnisse umwandelt. Damit ist es ein einzigartig positioniertes Data-as-a-Service-Unternehmen. Es vereint unterschiedliche Datenquellen in einem cloudbasierten Ökosystem, das Predictive Analytics und Full-Funnel-Attribution ermöglicht.

👑 Am besten geeignet für: Full-Funnel-Marketinganalysen und Attributionsmodellierung über komplexe Customer Journeys hinweg.

Datenumfang:

• Vor allem Marketing-, Kunden- und Verhaltensdaten.
• Full-Funnel-Marketingdaten, Customer-Journey-Daten, qualitative und quantitative Erkenntnisse sowie operative Daten.

Methoden der Datenbeschaffung:

• Die Daten stammen aus bestehenden Unternehmenssystemen (z. B. ERP, Geschäftsanwendungen), Marketingplattformen, Analysetools und Datenquellen von Drittanbietern.

Infrastruktur:

• Cloud-basierte Dateninfrastruktur, die zur Vereinheitlichung und Verarbeitung komplexer Datensätze aus mehreren Quellen entwickelt wurde.
• Unterstützt Datenpipelines, Workflow-Automatisierung und KI-gestützte Analysen.

Aktualität der Daten:

• Verfügbarkeit kontinuierlich aktualisierter Daten, die fortlaufende Analysen, Attributionsmodellierung und vorausschauende Erkenntnisse ermöglichen.
• Unterstützt Datenpipelines in nahezu Echtzeit.
• Historische Daten für deskriptive Analysen.

Methoden der Datenbereitstellung:

• Die Daten werden über integrierte Datenpipelines und Analyseumgebungen bereitgestellt und nicht als eigenständige Datensatz-Downloads.

Technische Anforderungen:

• Erfordert Fachwissen in den Bereichen Daten- und Software-Engineering, um Systeme zu integrieren, Pipelines zu entwerfen und Erkenntnisse zu gewinnen.
• Fortgeschrittene Anwendungsfälle umfassen Datenmodellierung, Analytik und KI/ML-Workflows.

Compliance:

• Ausdrückliche Unterstützung für Datenschutzkontrollen, einschließlich „Meine persönlichen Daten nicht verkaufen oder weitergeben“.

Preise:

• Preisdetails werden nicht öffentlich bekannt gegeben.

8. Datainfiniti

Datafiniti ist ein Datenunternehmen, das als Data-as-a-Service-Anbieter tätig ist. Im Einzelnen bietet es Zugang zu umfangreichen, vorstrukturierten Datensätzen aus den Bereichen Immobilien, Produkte, Unternehmen und Personen. Diese Datensätze werden über eine RESTful-API-Schnittstelle bereitgestellt. Hinter den Kulissen werden die Daten über Web-Scraping, öffentliche Quellen und Drittanbieter von Daten gesammelt.

👑 Am besten geeignet für: Immobilien- und Grundstücksinformationen für Bewertungen, Risikoprüfungen und Risikoanalysen.

Datenumfang:

• Produktdaten aus dem Einzelhandel und E-Commerce mit Attributen, Beschreibungen, Bildern und Bewertungen.
• Immobiliendaten für Immobilienanalysen, Bewertungen, Risikoprüfungen, Adressverifizierung und Betrugserkennung.
• Personendaten für Kontakt- und Identitätsprüfung, Anreicherung und risikobezogene Workflows.
• Daten zu Unternehmen und Points of Interest (POI) für Marktforschung, CRM-Anreicherung und Geodatenanalyse.

Methoden zur Datenbeschaffung:

• Die Daten werden aus dem öffentlichen Internet, öffentlichen Daten und Quellen Dritter gesammelt.
• Verwendet Web-Crawling in Kombination mit externen vertrauenswürdigen Quellen.
• Die Daten werden durch interne Pipelines standardisiert, dedupliziert und normalisiert.

Infrastruktur:

• Hochleistungsfähige API ohne künstliche Durchsatzbeschränkungen über die im Plan festgelegten Datensatzgrenzen hinaus.

Aktualität der Daten:

• Die Daten werden kontinuierlich erfasst, bereinigt und aktualisiert.
• Unterstützt historische Immobilientransaktionsdaten.

Methoden zur Datenbereitstellung:

• REST-API zur Integration in Anwendungen und Workflows.
• Webportal für explorative Suche, Validierung und Auswertung.
• Massen-Downloads für Offline-Analysen und Data-Science-Anwendungsfälle.

Technische Anforderungen:

• Der Zugriff auf die API erfordert grundlegende bis mittlere technische Kenntnisse.
• Für die Verarbeitung und Modellierung großer Datensätze sind Kenntnisse in Datenanalyse oder Datenwissenschaft erforderlich.
• Eine klare Dokumentation und stabile Schemata reduzieren die Implementierungs- und Einarbeitungszeit.

Compliance: Nicht bekannt gegeben.

Preise:

• Kostenlose Testversion verfügbar, mit Optionen für ausführliche Demos.
• Flexible Tarife, einschließlich monatlicher Abonnements und individueller Stufen basierend auf dem Datensatzvolumen.

9. FactSet

FactSet ist eine digitale Finanzplattform, die der Investment-Community integrierte Daten und Analysen bereitstellt. Insbesondere fungiert sie auch als Data-as-a-Service-Unternehmen und unterstützt komplexe Datenpipelines, die die Anreicherung und Bereitstellung von Finanzdatensätzen über APIs und Cloud-Integrationen automatisieren. Beachten Sie, dass sie in der Liste der besten alternativen Datenanbieter aufgeführt ist.

👑 Am besten geeignet für: Quantitative und datengesteuerte Investmentteams.

Datenumfang:

• Umfassende Finanz- und investitionsbezogene Daten.
• Die Abdeckung umfasst Unternehmens- und Wertpapierdaten, Marktdaten, alternative Daten, ereignisgesteuerte Daten, Nachrichten, Forschungsergebnisse, Schätzungen, Schulden und Daten zu nachhaltigen Investitionen.

Methoden der Datenbeschaffung:

• Sowohl proprietäre Methoden als auch Datenquellen von Drittanbietern.
• Die Daten stammen von Börsen, Marktteilnehmern und nicht-traditionellen (alternativen) Quellen.

Infrastruktur:

• Cloud-native Infrastruktur, die sowohl Batch- als auch kontinuierliche Bereitstellung über Managed Services und APIs unterstützt.
• Eröffnet Möglichkeiten für erweiterte Datenkonnektivität und -integration über proprietäre und Drittanbieter-Datensätze hinweg.
• Aufgebaut auf einem einheitlichen Sicherheits- und Entitätsdatenmodell zur Unterstützung von groß angelegten Verknüpfungen und Governance.

Aktualität der Daten:

• Unterstützt Echtzeit-Streaming, verzögerte und historische Marktdaten mit einer Abdeckung, die auf mehr als 40 Jahren Datenerfassung basiert.
• Kontinuierlich aktualisierte Datensätze für Märkte, Unternehmen, Ereignisse und Nachrichten.

Methoden der Datenbereitstellung:

• API-Schnittstelle.
• Datenfeeds über einen dedizierten Marktplatz zugänglich.
• Cloud-basierte Datenbereitstellung über Amazon Redshift, Snowflake Data Marketplace und Databricks
• Von FactSet gehostete Umgebungen und verwaltete Datendienste.
• Unterstützt die Integration mit internen Systemen, Analyseplattformen, Datenbanken und Statistiktools.

Technische Anforderungen:

• Die Nutzung der API erfordert Entwicklerkenntnisse für die Verbindung.
• Die gemeinsame Nutzung von Cloud-Daten und Marktplatzintegrationen erfordern Vertrautheit mit Plattformen wie Snowflake, Redshift oder Databricks.
• Datenmanagement-Funktionen reduzieren den Bedarf an benutzerdefiniertem Code, setzen jedoch weiterhin Fachwissen in den Bereichen Datenverarbeitung und Analytik voraus.

Konformität:

• DSGVO-konform.

Preise

• Möglichkeit, eine kostenlose Testversion anzufordern.
• Die Preise werden nicht öffentlich bekannt gegeben.

10. Data Axle

Data Axle ist ein traditionsreicher Datenanbieter, der sich auf Business- und Consumer-Intelligence spezialisiert hat. Als Data-as-a-Service-Anbieter zentralisiert er Milliarden von Datenpunkten in einer cloudbasierten Bereitstellungsschicht. Über robuste API-Schnittstellen unterstützt er B2B-, B2C- und B2B2C-Anwendungsfälle in den Bereichen Marketing, Vertrieb, Analytik und Aktivierung. Das hilft Unternehmen dabei, die Lead-Anreicherung zu automatisieren und KI-gesteuertes Audience Targeting zu betreiben.

👑 Am besten geeignet für: Groß angelegte Identitätsauflösung und Zielgruppenaktivierung in B2B und B2C.

Datenumfang:

• Geschäftsdaten zu über 90 Millionen Unternehmen mit mehr als 400 Attributen, darunter firmografische, technografische, absichtsbezogene, fachspezifische und standortbezogene Daten.
• Verbraucherdaten, die mehr als 250 Millionen Verbraucherprofile mit über 300 Attributen umfassen.

Methoden der Datenbeschaffung:

• Die Daten stammen aus mehr als 100 öffentlichen und proprietären, nicht offengelegten Quellen.
• Verwendet proprietäre Datenkompilierungsprozesse und maschinelles Lernen, um Identitäten über Datensätze hinweg zu verknüpfen und zu vereinheitlichen.

Infrastruktur:

• Datenplattform im Unternehmensmaßstab, die jährlich über 2 Billionen Kundendatensätze verarbeitet.
• Entwickelt, um die Erfassung, Identitätsauflösung und Aktivierung großer Datenmengen zu unterstützen.
• Entwickelt, um Daten sicher über interne Systeme, Cloud-Plattformen und externe Partner zu verteilen.

Aktualität der Daten:

• Aktuelle Daten mit regelmäßig aktualisierten Geschäfts- und Verbraucherdatensätzen.
• Kontinuierliche Datenaktualisierungen für Aktivierungs-, Targeting- und Analysezwecke.
• Historische Geschäftsdaten verfügbar.

Methoden der Datenbereitstellung:

• APIs, unterstützt durch einen Developer Hub mit Dokumentation.
• Datenlieferung über direkte Integrationen, Cloud-Plattformen, digitale Marktplätze (z. B. DMPs, DSPs, Datenaustausch) und Datenlizenzen für die vollständige Installation von Datensätzen in Kundenumgebungen.
• Vorkonfigurierte Integrationen mit CRM- und Marketingplattformen.

Technische Anforderungen:

• Der API-Zugriff erfordert Entwicklerkenntnisse für die Integration und die fortlaufende Nutzung.
• Vorkonfigurierte Integrationen reduzieren den technischen Aufwand für gängige CRM- und Martech-Tools.

Compliance: Nicht bekannt gegeben.

Preise:

• Bietet kostenlose Testversionen, Demos und eingeschränkten Zugriff auf seine Datenplattformen.
• Die Preise sind nicht bekannt und erfordern die Kontaktaufnahme mit dem Vertrieb.

Fazit

In diesem Artikel haben Sie erfahren, was Data-as-a-Service (DaaS) ist, wie es funktioniert und warum es in der heutigen daten- und KI-gesteuerten Welt unverzichtbar geworden ist.

Unter den vielen verfügbaren Data-as-a-Service-Anbietern sticht Bright Data als erste Wahl hervor. Seine Datenerfassungsdienste auf Unternehmensniveau liefern zuverlässige Webdaten-Feeds über APIs und gebrauchsfertige Datensätze in verschiedenen Formaten mit erweiterten Filteroptionen.

Bright Data wird durch ein Proxy-Netzwerk mit 150 Millionen IPs unterstützt, bietet eine Verfügbarkeit von 99,99 % und erreicht eine Erfolgsquote von 99,99 %. In Kombination mit einem 24/7-Prioritäts-Support, flexibler Datenlieferung und benutzerdefinierten JSON-Ausgaben war der Zugriff auf Webdaten in großem Umfang noch nie so einfach.

Erstellen Sie noch heute ein Bright Data-Konto und beginnen Sie mit der kostenlosen Integration von Webdatenlösungen!

FAQ

Was ist DaaS (Data-as-a-Service)?

Data-as-a-Service (DaaS) ist ein Datenverteilungsmodell, bei dem ein Anbieter gebrauchsfertige Daten über Kanäle wie APIs, Cloud-Plattformen oder Managed Services bereitstellt. Durch die Behandlung von Daten als Dienstprogramm entfällt für Unternehmen die Notwendigkeit, eine komplexe Infrastruktur für die Datenerfassung, -speicherung und -verarbeitung aufzubauen und zu warten.

Was sind die richtigen Fragen, die man bei der Bewertung eines Data-as-a-Service-Unternehmens stellen sollte?

Dies sind die wichtigsten Fragen, die Sie jedem Data-as-a-Service-Anbieter stellen sollten, bevor Sie dessen Lösung einführen:

• Wie messen und gewährleisten Sie die Datengenauigkeit?
• Wie oft werden die Daten aktualisiert?
• Woher stammen die Daten?
• Entsprechen die Daten den gesetzlichen Vorschriften?
• Wie lauten Ihre Richtlinien zur Aufbewahrung und Löschung von Daten?
• Wie werden die Daten bereitgestellt?
• Wie einfach sind die Integration und die Nutzung?
• Welche Sicherheitsmaßnahmen gibt es?
• Welche SLAs garantieren Sie?
• Wie funktionieren Preisgestaltung und Skalierbarkeit?

Welche DaaS-Anbieter sind derzeit marktführend in Bezug auf KI-Bereitschaft und RAG-Integration?

Bright Data gilt dank seiner speziell für LLMs entwickelten Lösungen weithin als führend im Bereich KI-fähiger und RAG-optimierter Datendienste. Zu den KI-Angeboten gehören:

• Webzugriff: Ermöglicht KI-Inferenzsystemen das nahtlose Durchsuchen, Crawlen und Interagieren mit dem Live-Web, ohne durch Anti-Bot-Maßnahmen blockiert zu werden.
• Trainingsdaten: Bietet maßgeschneiderte, hochwertige Datensätze (einschließlich Text, Bilder, Video und Audio), die bereinigt, kuratiert und für das Modelltraining und die Feinabstimmung angepasst sind.

Insbesondere umfassen die Produkte von Bright Data KI-spezifische Funktionen wie die vereinfachte Integration mit über 70 KI-Frameworks, Markdown-Ausgabe ( ideal für die LLM-Erfassung), Datenüberprüfbarkeit und Tools zur Unterstützung von RAG-Pipelines von Anfang bis Ende.