Business of Data
Instagram kostet nichts. TikTok kostet nichts. Google Maps, YouTube, Gmail, Snapchat: alles gratis. Trotzdem gehören diese Firmen zu den wertvollsten der Welt. Irgendwoher muss das Geld also kommen.
Für den Unterricht: Zu diesem Thema gibt es eine Diskussions-Präsentation mit Schätzfragen und Positionierungs-Übungen.
Für den Einstieg: Die interaktive Dokureihe Do Not Track von Arte, BR und Upian dreht den Spiess um: Die Folgen lesen deinen Standort, dein Wetter und deinen Browser aus und bauen dich in die Erzählung ein. Besonders passend sind Episode 1 («Morgenrituale») und Episode 2 («Breaking Ad») zu je rund zehn Minuten. Damit die Interaktivität funktioniert, muss der Ad-Blocker ausgeschaltet sein – und du gibst dabei tatsächlich Daten preis. Das ist der Punkt der Serie, aber es ist deine Entscheidung.
1. «If you're not paying for the product, you are the product»
Der Satz stammt in dieser Form von einem Internetnutzer namens Andrew Lewis, der ihn 2010 in einem Forum schrieb; die Idee selbst ist älter als das Web. Er trifft den Kern des Geschäftsmodells: Du bist nicht die Kundin dieser Plattformen, sondern das, was verkauft wird. Verkauft wird genau genommen nicht «du», sondern der Zugang zu deiner Aufmerksamkeit – möglichst präzise sortiert nach Alter, Interessen, Kaufkraft und Wohnort.
Bei Meta, dem Konzern hinter Instagram, Facebook und WhatsApp, stammen rund 98 Prozent des Umsatzes aus Werbung. 2025 erzielte Meta weltweit im Schnitt etwa 57 US-Dollar Umsatz pro Nutzer:in und Jahr, wobei der Wert in Europa und Nordamerika deutlich höher liegt als in anderen Weltregionen.
Pro Tag klingt das nach fast nichts – und genau deshalb funktioniert das Geschäftsmodell. Interessant wird es erst, wenn du es mit einem Abo vergleichst: Bei 50 Fr. pro Jahr müsstest du rund 4.17 Fr. pro Monat zahlen, damit die Plattform ohne Werbung gleich viel verdient.
Orientierungswert: Meta erzielte 2025 weltweit rund 57 US-Dollar Umsatz pro Nutzer:in und Jahr – in Europa und Nordamerika deutlich mehr, in anderen Weltregionen deutlich weniger. Fast der ganze Betrag stammt aus Werbung.
Die Rechnung wird dann interessant, wenn du sie umdrehst. Pro Tag geht es um wenige Rappen – deshalb spürst du nichts. Auf eine Schulklasse und ein Schuljahr hochgerechnet ist es der Preis einer guten Skiwoche.
Bevor du weiterliest, überleg dir kurz: Wärst du bereit, diesen Betrag als Abo zu bezahlen, wenn dafür keine Daten über dich ausgewertet würden? Und wenn nein – warum fühlt sich das Bezahlen falscher an als das Hergeben der Daten, obwohl es derselbe Gegenwert ist?
2. Wie die Werbung zu dir kommt
Wenn du eine Seite mit Werbung öffnest, passiert in den etwa hundert Millisekunden bis zum fertigen Bild Folgendes: Die Seite meldet einer Werbebörse, dass hier gleich ein Werbeplatz frei wird, und liefert mit, was sie über dich weiss – ungefähres Alter, Region, Interessen, Gerät, manchmal frühere Kaufabsichten. Dutzende bis Hunderte von Werbetreibenden bieten automatisch auf diesen Platz. Wer am meisten bietet, gewinnt, und die Anzeige wird ausgeliefert. Diese Auktion läuft jedes Mal neu, milliardenfach pro Tag.
Daraus folgt zweierlei. Erstens: Je genauer dein Profil, desto höher die Gebote, also lohnt sich das Sammeln direkt in Franken. Zweitens: Jede Sekunde, die du länger auf der Plattform bleibst, bedeutet mehr Werbeplätze und damit mehr Umsatz. Deine Zeit ist die Ware.
3. Aufmerksamkeit als Rohstoff
Genau deshalb ist die zentrale Frage jeder Empfehlung nicht «Was tut dieser Person gut?», sondern «Was hält sie hier?». Ein Empfehlungsalgorithmus wird darauf optimiert, dass du weiter schaust, weiter scrollst, weiter kommentierst. Und weil Empörung, Streit und Extreme zuverlässiger fesseln als Ausgewogenheit, werden sie systematisch belohnt – nicht, weil jemand das so beschlossen hätte, sondern weil es die Zahl ist, auf die hin optimiert wird.
Wie stark solche Systeme wirken, ist keine Vermutung, sondern gemessen. 2014 veröffentlichten Forschende zusammen mit Facebook eine Studie, für die bei 689'003 Nutzerinnen und Nutzern heimlich der Newsfeed emotional gefärbt worden war: Wer weniger positive Beiträge sah, schrieb danach selbst negativer. Der Effekt war klein, aber messbar – und die Empörung über das Experiment gross, weil niemand zugestimmt hatte.
2021 machte die ehemalige Facebook-Mitarbeiterin Frances Haugen interne Unterlagen öffentlich, die sogenannten Facebook Files. Darin fanden sich eigene Untersuchungen des Konzerns dazu, wie Instagram bei einem Teil der jugendlichen Nutzerinnen das Körperbild verschlechtert – Erkenntnisse, die intern vorlagen, aber nicht veröffentlicht wurden.
Der bekannteste Fall bleibt Cambridge Analytica: Über eine harmlos wirkende Persönlichkeitstest-App gelangten Daten von rund 87 Millionen Facebook-Profilen an eine Firma, die daraus politische Werbung punktgenau auf einzelne Wählergruppen zuschnitt. Facebook zahlte 2019 eine Busse von fünf Milliarden Dollar an die US-Handelsbehörde. Bemerkenswert daran: Die allermeisten Betroffenen hatten die App nie installiert – es genügte, mit jemandem befreundet zu sein, der sie installiert hatte.
4. Filterblase – aber ehrlich
Die verbreitete Erzählung geht so: Der Algorithmus zeigt dir nur noch, was du ohnehin denkst, und schliesst dich in eine Blase ein. Das klingt einleuchtend, und ein Teil davon stimmt auch.
Die Forschung ist allerdings weniger eindeutig, als die Erzählung nahelegt. In mehreren grossen Studien, die 2023 in Science und Nature erschienen und rund um die US-Wahl 2020 direkt mit Facebook und Instagram durchgeführt wurden, stellte man Testgruppen den Feed auf rein chronologische Reihenfolge um oder reduzierte Inhalte aus dem eigenen politischen Lager. Das Nutzungsverhalten änderte sich deutlich – die politischen Einstellungen der Betroffenen aber kaum.
Ein grosser Teil der Blase entsteht nämlich nicht im Algorithmus, sondern in unserer eigenen Auswahl: Wir folgen Menschen, die ähnlich denken, und klicken weg, was uns nicht passt. Genau diese Unterscheidung – was macht die Maschine, was machen wir selbst – lohnt sich als Diskussion, und sie ist ehrlicher als die einfache Version.
5. Dark Patterns: der Trick mit der Zustimmung
Rechtlich braucht es für viele Auswertungen deine Einwilligung. Also holt man sie sich – aber so, dass «Ja» leicht und «Nein» mühsam ist. Probier es aus und zähle mit:
Wir schätzen deine Privatsphäre
Wir und unsere 1284 sorgfältig ausgewählten Partner verwenden Cookies, um dir das bestmögliche Erlebnis zu bieten, Inhalte zu personalisieren und Werbung zu messen.
6. Selbsttest
Business of Data
Frage 1 von 7
7. Aufträge
Auftrag A – Start-up in Datenburg
Im fiktiven Kanton Datenburg wird ein Förderpreis für das beste junge Datenunternehmen ausgeschrieben: 100'000 Franken für die überzeugendste Geschäftsidee. Ihr bewerbt euch in Dreiergruppen.
Entwickelt eine Geschäftsidee, mit der ihr aus Daten Geld macht – vom Reisedienst über die Gesundheitsberatung bis zur Partnervermittlung, die Branche ist frei. Ihr dürft dafür höchstens drei der folgenden Datenpools verwenden. Mit diesen Daten und nur mit diesen muss eure Idee funktionieren.
Wählt als Gruppe höchstens drei Datenpools aus. Nur mit diesen Daten muss eure Geschäftsidee funktionieren – mehr bekommt ihr nicht.
Eure Auswahl (0/3)noch nichts gewähltWas bedeuten die Sterne?
Erfassung Bevölkerung: ☆☆☆☆☆ = 0–5 % der Bevölkerung, ★★☆☆☆ = 21–45 %, ★★★★★ = 91–100 %.
Fehlerlosigkeit: ☆☆☆☆☆ = etwa jeder zweite Datensatz ist schwer fehlerhaft, ★★★☆☆ = etwa jeder zehnte, ★★★★★ = etwa jeder hundertste.Gebt eurer Firma anschliessend einen Namen und ein Logo und bereitet eine Präsentation von drei bis fünf Minuten vor. Die Jury – also die Klasse – bewertet nach drei Kriterien: Ist die Idee neu und spannend? Lässt sich damit wirklich Geld verdienen? Und verletzt sie keine Grundrechte, also weder die Privatsphäre noch den Schutz vor Diskriminierung?
Denkt beim Auswählen daran, dass Datenpools sehr unterschiedlich sind: Ein Pool, der fast alle erfasst, aber viele Fehler enthält, ist für manche Ideen wertlos – und umgekehrt.
Abgabe: eure Präsentation sowie eine Notiz, welche drei Datenpools ihr gewählt habt und warum genau diese.
Auftrag B – Zeitreise mit «Do Not Track»
Schau dir Episode 1 und Episode 2 von Do Not Track an (zusammen rund zwanzig Minuten) und notiere während des Schauens, welche Behauptungen über das Datengeschäft aufgestellt werden.
Die Serie ist von 2015 – das ist der eigentliche Auftrag: Ordne mindestens fünf dieser Behauptungen einer von drei Kategorien zu. Gilt das heute immer noch? Ist es überholt? Oder ist es sogar deutlich schlimmer geworden? Belege mindestens zwei deiner Einschätzungen mit einem aktuellen Beispiel aus diesem Kapitel oder aus einer eigenen Recherche.
Abgabe: eine Tabelle mit fünf Behauptungen, deiner Einschätzung und zwei Belegen.
Auftrag C – Streitgespräch
Bereitet in Zweiergruppen ein fünfminütiges Streitgespräch zur These vor: «Gratis-Plattformen sind ein fairer Deal – ich gebe Daten, ich bekomme einen Dienst.» Eine Person vertritt die Pro-Seite, eine die Contra-Seite, gelost wird erst kurz vor dem Auftritt. Beide brauchen mindestens drei Argumente mit einem echten Beispiel oder einer Zahl.
Abgabe: eure Stichwortkarten mit je drei belegten Argumenten pro Seite.
Quellen
Metas Umsatzangaben stammen aus den Quartals- und Jahreszahlen des Konzerns (2025) sowie aus Auswertungen von Statista. Weiter: A. Kramer et al., Experimental evidence of massive-scale emotional contagion through social networks (PNAS, 2014); die Berichterstattung des Wall Street Journal zu den Facebook Files (2021); die FTC-Verfügung gegen Facebook (2019) im Fall Cambridge Analytica; sowie die 2023 in Science und Nature veröffentlichten Studien des US 2020 Facebook and Instagram Election Study.
Die Idee zum Datenpool-Spiel stammt aus dem Big Data Lernparcours von Gerda Sieben und Esther Lordieck (jfc Medienzentrum Köln, 2018, CC BY-NC-SA) und aus dessen Bearbeitung durch die Fachschaft Informatik des Gymnasiums Kirchenfeld (CC BY-NC-SA). Die Datenpool-Karten hier sind eine eigene, auf Schweizer Verhältnisse umgeschriebene Fassung.