Stammdatenarmut ist eine Krankheit: Wie Sharedien aus dem Bilder-Archiv das Fundament der Content-Wertschöpfung macht

Worum es in dieser Folge geht

Simon Putzer ist Co-CEO von Sharedien und verantwortet dort Marketing, Vertrieb und die globale Go-to-Market-Strategie. Er bringt eine seltene Tiefe mit: über 25 Jahre im SaaS- und MarTech-Umfeld, davon zehn Jahre bei Salesforce. Jemand, der die Branche nicht von der Folie kennt, sondern aus dem Maschinenraum.

Mich interessiert in dieser Folge weniger das Schlagwort „Digital Asset Management" als die Frage dahinter: Was passiert eigentlich mit den Millionen Bildern, Videos und Dokumenten, die ein Konzern produziert — und warum wird genau dieser Berg im KI-Zeitalter plötzlich zum entscheidenden Asset? Simon erklärt das an Namen, die jeder kennt: Otto, Tesa, Siemens.

Die Storyline

Vom Bilder-Archiv zum modernen DAM

Ein klassisches Digital Asset Management war über Jahre ein besserer digitaler Aktenschrank: ein Ort, an dem Bilder und Videos liegen, abgelegt und wiedergefunden werden. Simons Punkt: Diese Definition ist überholt. Ein modernes DAM legt Assets nicht nur ab, es versteht sie — reichert sie automatisch mit Bedeutung an, macht sie durchsuchbar und spielt sie in die richtigen Kanäle aus. Aus dem Lager wird eine aktive Schicht in der Content-Wertschöpfung.

Otto: 23 Millionen Assets multimodal bewerten — für unter 1 Cent pro Bild

Das stärkste Beispiel der Folge ist Otto. Dort liegen über 23 Millionen Assets — eine Menge, die man manuell nie sortiert, geschweige denn bewertet bekommt. Der Hebel ist multimodales Scoring: Bild und Text werden gemeinsam analysiert, sodass jedes Asset eine Bewertung bekommt — wie gut, wie passend, wie verwendbar. Und das Entscheidende ist der Preis pro Vorgang.

Diese Zahl ist der eigentliche Gamechanger. Solange das Bewerten eines Bildes teuer war, blieb der Asset-Berg eine Black Box. Sobald es unter einen Cent kostet, wird aus Millionen unstrukturierter Dateien eine durchsuchbare, steuerbare Datenbasis — die Grundlage, auf der erst die spannenden KI-Use-Cases aufsetzen können.

Stammdatenarmut: der eigentliche Engpass im Mittelstand

Hier wird die Folge grundsätzlich. Simons Diagnose für den Mittelstand ist nicht „euch fehlt KI", sondern „euch fehlen saubere Stammdaten". Er prägt dafür ein Bild, das hängenbleibt — die titelgebende These der Folge.

Der Gedanke trifft, weil er die Reihenfolge umdreht. Viele Unternehmen wollen mit KI starten, haben aber keine saubere Basis an Stamm- und Metadaten. Dann wird Geld in Use-Cases gesteckt, die nie tragen, weil das Fundament fehlt. Erst wenn die Daten sauber, strukturiert und angereichert sind, fliegt der Use-Case darauf. Das ist exakt das Muster, das ich aus fast allen meinen Gesprächen kenne — und Simon bringt es auf einen Begriff.

Build vs. Buy im KI-Zeitalter

Daraus folgt die strategische Frage, die sich gerade jedes Unternehmen stellt: selbst bauen oder kaufen? Simons Antwort ist differenziert. Es ist kein Entweder-oder mehr, sondern eine Frage des Was. Das Fundament und die Plattform — also genau die Schicht, die saubere, bewertete Assets bereitstellt — kauft man sinnvollerweise ein, statt sie immer wieder neu zu erfinden. Die echte Differenzierung, das, was das eigene Geschäft einzigartig macht, baut man selbst darauf. Die Kunst liegt in der Grenzziehung.

Vom DAM zur Knowledge Graph Content Value Chain

Zum Schluss wird es Zukunft. Simons Vision reicht über das DAM hinaus: Die Reise geht zur Content Value Chain auf Basis eines Knowledge Graph. Assets werden dann nicht mehr nur abgelegt und bewertet, sondern mit Produkten, Kontexten und Bedeutung verknüpft — ein semantisches Netz, das versteht, welches Bild zu welchem Produkt, welcher Kampagne und welchem Kanal gehört. Genau diese semantische Schicht ist das, was Content im Zeitalter von KI-Agenten überhaupt erst maschinell nutzbar macht.

Warum mich das besonders umtreibt

Mich treibt um, wie sauber sich diese Folge in eine Reihe einfügt. Stefan Neubig hat gezeigt, dass das Schema teurer ist als die Server. Nicolai Dwinger hat gesagt, dass KI nicht das erste Problem des Mittelstands ist, sondern die digitale Basis. Und Simon bringt jetzt den Begriff, der alles zusammenhält: Stammdatenarmut. Drei Gäste, eine Wahrheit — der Vorsprung entsteht nicht im Modell, sondern in der Datendisziplin davor.

Was diese Folge für mich besonders macht, ist die Konkretheit. „Saubere Daten sind wichtig" sagt jeder. Aber 23 Millionen Assets für unter einen Cent pro Bild multimodal zu bewerten — das ist der Beweis, dass das Fundament heute bezahlbar geworden ist. Es gibt also keine Ausrede mehr. Wer seinen Asset- und Stammdatenberg jetzt nicht ordnet, verschenkt nicht nur Effizienz, sondern die Eintrittskarte für jeden ernsthaften KI-Use-Case. Genau deshalb glaube ich: Die Gewinner der nächsten Stufe sind nicht die mit dem größten Modell, sondern die mit den saubersten Daten.

Jetzt reinhören