Startseite > Lexikon > Tracking & Analytics > Big Data

Bleistiftskizze: Gießkanne und durchnässte Figur mit Eimer am riesigen Wasserfall, im Fluss dreht sich ein orangefarbenes Wasserrad, als Bild für Big Data
Tracking & Analytics

Big Data

Ein Schlagwort, das jeder kennt und kaum einer sauber erklären kann. Was Big Data wirklich ist, wo die Grenze zu normalen Daten liegt und was kleine Unternehmen davon haben.

Auch bekannt alsMassendaten

5 Min

Lesezeit

15.11.2026

Letzte Aktualisierung

Was ist Big Data?

Ist deine Kundenliste mit 5.000 Zeilen schon Big Data? Nein. Und genau da fängt das Missverständnis an: Big Data heißt nicht einfach „viele Daten“.

Die US-Normungsbehörde NIST definiert Big Data als umfangreiche Datenbestände, die vor allem durch Menge, Vielfalt, Geschwindigkeit oder Wechselhaftigkeit geprägt sind und deshalb eine skalierbare Architektur zum Speichern und Auswerten brauchen. Der Kern: Klassische Werkzeuge wie Excel oder eine einfache Datenbank kommen nicht mehr hinterher.

Die Idee der „V“ geht auf den Analysten Doug Laney zurück, der 2001 drei Merkmale beschrieb: Volume, Velocity und Variety.

Die V von Big Data

Merkmal

Bedeutung

Volume

sehr große Menge

Velocity

Daten kommen schnell, oft in Echtzeit

Variety

viele Formate: Tabellen, Texte, Bilder, Klicks

Variability

Menge und Struktur schwanken stark

Die ersten drei stammen von Laney, Variability hat NIST in die Definition aufgenommen. Später kamen in der Praxis noch Veracity (Richtigkeit) und Value (Nutzen) dazu, ohne einheitliche Norm. Schon eines der Merkmale kann reichen, wenn die üblichen Werkzeuge daran scheitern.

Zur Größenordnung: Laut dem Marktforscher IDC entstehen 2026 weltweit mehr als 274 Zettabyte Daten, für 2030 erwartet IDC über 718 Zettabyte. Das sind Prognosen, die mit jeder Ausgabe angepasst werden — aber die Richtung ist klar.

Wie viele Unternehmen Daten wirklich nutzen

Viel Gerede, wenig Umsetzung. Das zeigen die Zahlen der EU-Statistikbehörde Eurostat zu Unternehmen ab zehn Beschäftigten in Deutschland für 2025:

Case A · Kleine Firmen

10 bis 49 Beschäftigte

32,5 %

werten Daten aus

9,1 %

werten Kundendaten aus

Nur jede elfte kleine Firma nutzt Kundendaten

Gemeint sind Kaufinformationen, Standort, Vorlieben, Bewertungen. Im EU-Schnitt sind es bei kleinen Firmen 14,3 %.

Case B · Große Firmen

ab 250 Beschäftigten

81,3 %

werten Daten aus

39,0 %

werten Kundendaten aus

Bei Kundendaten liegen die Großen gut viermal vorn

Die Lücke ist weniger eine Frage der Datenmenge als der Leute und Werkzeuge.

Über alle Größen hinweg werten in Deutschland 37,7 % der Unternehmen Daten aus, im EU-Schnitt 39,9 %. Deutschland tritt seit 2023 auf der Stelle, die EU holt auf. Eurostat misst dabei seit 2023 „Datenanalyse“ allgemein; den früheren Indikator „Big-Data-Analyse“ gibt es nur bis 2020, die beiden Reihen sind nicht vergleichbar.

Big Data im Marketing

  • Webanalyse: Jede Sitzung, jeder Klick, jedes Ereignis in Google Analytics 4. Mit dem BigQuery-Export landen die Rohdaten in einem Data Warehouse.
  • Werbeplattformen: Google, Meta und LinkedIn steuern Gebote mit riesigen Datenmengen — du nutzt Big Data, ohne es selbst zu betreiben.
  • CRM und Shop: Käufe, Anfragen, Newsletter-Klicks, zusammengeführt für Segmente und Prognosen.
  • Social Listening: Erwähnungen und Kommentare als unstrukturierte Textdaten.

Häufige Fehler

Fehler 1 · Erst sammeln, Zweck später

„Wir speichern mal alles, vielleicht brauchen wir es irgendwann.“ Das widerspricht der Zweckbindung und erzeugt einen Datenfriedhof, den niemand auswertet. Starte mit der Frage, nicht mit dem Speicher.

Fehler 2 · Menge mit Qualität verwechseln

Zehn Millionen fehlerhafte Tracking-Ereignisse sind weniger wert als zehntausend saubere. Ohne gepflegtes Tracking und klare Definitionen liefern auch große Datenbestände falsche Antworten.

Fehler 3 · „Das ist nur was für Konzerne“

Rund ein Drittel der kleinen deutschen Unternehmen wertet bereits Daten aus. Werkzeuge wie BigQuery bezahlst du nach Nutzung, kleine Datenmengen kosten dort oft wenig oder nichts.

Was du als KMU tun solltest

  • Eine Frage zuerst: Welche Entscheidung soll besser werden? Budgetverteilung, Sortiment, Kundenbindung?
  • Vorhandene Daten nutzen: GA4, Search Console, CRM und Shop haben meist mehr, als du ansiehst.
  • Früh exportieren: Der BigQuery-Export von GA4 sammelt erst ab dem Einschalten, alte Daten holt er nicht nach.
  • Klein anfangen: ein Dashboard in Data Studio oder Power BI, bevor du über Data Lakes nachdenkst.

Häufige Fragen

Was ist Big Data einfach erklärt?

Big Data sind Datenbestände, die so groß, vielfältig oder schnell sind, dass normale Datenbanken und Tabellen nicht mehr reichen und man skalierbare Systeme zum Speichern und Auswerten braucht.

Ab wann spricht man von Big Data?

Es gibt keine feste Mengengrenze. Entscheidend ist, ob die üblichen Werkzeuge an Menge, Vielfalt, Geschwindigkeit oder Wechselhaftigkeit der Daten scheitern.

Was sind die V von Big Data?

Ursprünglich Volume, Velocity und Variety (Menge, Geschwindigkeit, Vielfalt). NIST nennt dazu Variability, in der Praxis kommen oft Veracity und Value hinzu.

Brauchen kleine Unternehmen Big Data?

Selten im engeren Sinn. Sinnvoll ist, die vorhandenen Daten aus Webanalyse, CRM und Shop gezielt auszuwerten. 2025 tat das rund ein Drittel der kleinen Unternehmen in Deutschland.

Ist Big Data mit der DSGVO vereinbar?

Ja, wenn Zweckbindung, Datenminimierung und eine Rechtsgrundlage beachtet werden. Bei umfangreichen Auswertungen personenbezogener Daten kann eine Datenschutz-Folgenabschätzung nötig sein. Das ist keine Rechtsberatung.

Begriff teilenHat dir die Definition geholfen? Schick sie weiter.