Wettbewerbs- und Marktbeobachtung aus Web und Nachrichten

Zu wissen, was Wettbewerber, Kunden und Lieferanten tun, hieß früher: Ein Analyst liest die Fachpresse, ruft Websites von Wettbewerbern immer wieder auf und pflegt Foliensätze von Hand. KI-gestützte Wettbewerbs- und Marktbeobachtung (Competitive and Market Intelligence, CI/MI) durchsucht Nachrichten, Websites, Registerauszüge und Stellenanzeigen rund um die Uhr. Sie erkennt bedeutsame Änderungen (eine neue Preisstufe, einen Produktstart, die Eröffnung eines Werks, den Weggang eines Finanzvorstands), filtert Rauschen heraus, übersetzt und fasst zusammen und liefert Erkenntnisse mit Quellenangaben an die Personen, die damit arbeiten: automatisch aktualisierte Battlecards für den Vertrieb, Übersichten für die Geschäftsführung und Warnmeldungen zu Auslöse-Ereignissen für die Priorisierung von Kunden.

Problem & Nutzen

• Heute: CI ist oft eine Nebenaufgabe für eine Produktmarketing-Kraft oder eine Assistenz. Genutzt werden Google Alerts, Lesezeichen und manuelle Website-Prüfungen. Informationen kommen spät an, werden doppelt erfasst und sind selten zur richtigen Zeit am richtigen Ort (im CRM während eines Verkaufsgesprächs). Mittelständische Unternehmen in B2B-Nischenmärkten beobachten oft Dutzende Wettbewerber in mehreren Sprachen und haben gar keinen eigenen Analysten.
• Warum KI hilft: Sprachmodelle (LLMs) machen aus unstrukturierten, mehrsprachigen Seiten strukturierte Fakten („Wettbewerber X hat den Listenpreis von Produkt Y um 8 % erhöht"). Sie bewerten die Wichtigkeit, erkennen dieselbe Meldung aus 40 Medien als Dublette und schreiben kurze Zusammenfassungen mit Links. Agenten können außerdem Ad-hoc-Fragen zum gesammelten Bestand beantworten und Battlecards ohne manuelle Bearbeitung aktualisieren.
• Berichtete Ergebnisse (Fallstudien der Anbieter, nicht unabhängig): Klue berichtet von 28 % höherer Gewinnquote gegenüber den wichtigsten Wettbewerbern und 10 Stunden Zeitersparnis pro Woche bei Blackbaud, dazu 60 % Zeitersparnis im CI-Team bei SAS [1]. Crayon berichtet von 22 % höherer Gewinnquote im Wettbewerb bei Salsify und 40 % mehr Nutzung der Battlecards bei Alteryx [2]. Verstehen Sie diese Zahlen als Obergrenzen aus dem Marketing. Messen Sie Ihre eigene Ausgangslage.

Varianten

• CI für den Vertrieb (B2B-Software, Industriegüter): Wettbewerbsbeobachtung, Battlecards und Win/Loss-Erkenntnisse, geliefert in Salesforce, HubSpot, Slack oder Teams.
• Strategische Marktbeobachtung (Unternehmensstrategie, F&E): Technologie- und Marktanalysen, Übernahmeziele, regulatorische und Patent-Signale. Das überschneidet sich mit Deep Research (KNOW-015), Patentrecherche (KNOW-007) und Beobachtung von Regulierung (LANG-020).
• Erkennung von Kaufabsichten und Auslöse-Ereignissen zur Priorisierung von Kunden (zusammengeführte Variante): Auslöse-Ereignisse auf Kundenebene aus Nachrichten, Stellenanzeigen, Finanzierungsrunden, Registereinträgen und Führungswechseln extrahieren. Beispiele: „eröffnet neues Werk in Polen", „stellt 5 SAP-S/4HANA-Berater ein", „neuer CIO ernannt". Die Ereignisse werden am idealen Kundenprofil bewertet und ins CRM übertragen. Daten und Modelle entsprechen dem Rest dieses Anwendungsfalls. Verhaltensbasierte Intent-Daten (Bombora, 6sense) und Lead Scoring gehören zu PRED-005. Das Handeln auf Basis des Signals (Ansprache-Sequenzen) gehört zu AGENT-007.
• Einkauf / Lieferantenbeobachtung: Nachrichten zu Insolvenz, Kapazität oder Eigentümerwechseln bei Lieferanten. Die Risikobewertung übernimmt ANOM-011.
• Preisbeobachtung: Listenpreise und Sortimentsänderungen von Wettbewerbern verfolgen. Entscheidungen zur Preisgestaltung übernimmt OPT-004, den Preisvergleich für Verbraucher PERS-011.
• Investment-Recherche: Pflichtveröffentlichungen, Telefonkonferenzen zu Quartalszahlen und Analystenstudien (KNOW-023).
• Öffentlicher Sektor: Wirtschaftsförderungen und Kammern, die regionale Branchen- und Standortmeldungen beobachten. Untersuchungen zu Personen sind ausgeschlossen; siehe KNOW-026.
• Privat / Freiberufler: ein Nachrichtenüberblick zu verfolgten Themen, erstellt mit den Funktionen für geplante Aufgaben oder Deep Research eines Verbraucher-Assistenten.

So funktioniert es

1. Quellenverzeichnis (Wettbewerber, Kunden, Themen, URLs, Feeds, Schlagwörter)
2. Erfassung: News-APIs / RSS / GDELT, geplante Abrufe beobachteter Seiten, Register- und Pflichtveröffentlichungs-Feeds, Jobbörsen (robots.txt, Nutzungsbedingungen und TDM-Vorbehalte beachten)
3. Normalisierung: Entfernen von Kopf-/Fußbereichen
4. sauberes Markdown, Spracherkennung, maschinelle Übersetzung
5. Änderungserkennung: Vergleich mit dem letzten Stand (Preis-/Produkt-/Karriereseiten)
6. Dublettenerkennung & Clustering: Embeddings + Erkennung von Beinahe-Dubletten (eine Meldung, viele Medien)
7. Anreicherung: Verknüpfung von Entitäten (Unternehmen, Produkt, Person in Rolle), Ereignistypisierung (Produktstart, Preisänderung, Finanzierung, Übernahme, Einstellung, Führung, Partnerschaft, Rechtsstreit)
8. Relevanz- und Wichtigkeitsbewertung (kleines LLM oder Klassifikator, abgestimmt durch Rückmeldungen der Analysten)
9. Synthese: LLM-Zusammenfassung mit Quellenangaben; Wettbewerberprofil / Entwurf der Battlecard aktualisieren
10. menschliche Prüfung (CI-Verantwortliche geben Änderungen an Battlecards und ausgehende Newsletter frei)
11. Auslieferung: CRM-Felder und -Aufgaben, Slack/Teams, E-Mail-Übersicht, RAG-Fragen und -Antworten zum Bestand

• Zentrale KI-Bausteine: Ereignisextraktion und Entitätsverknüpfung (LLM mit strukturierten Ausgaben oder ein feingetunter NER-Klassifikator bei hohem Volumen, siehe LANG-015), Clustering auf Basis von Embeddings, ein Modell zur Wichtigkeitsreihung und eine RAG-Schicht, damit Nutzer fragen können: „Was hat sich bei Wettbewerber X seit dem 2. Quartal geändert?" – mit Quellenangaben.
• Mensch-in-der-Schleife (Human-in-the-Loop): Die Analysten pflegen die Quellenliste, bewerten die Relevanz (diese Rückmeldungen trainieren die Bewertung) und geben Änderungen an Battlecards sowie extern sichtbare Inhalte frei. Der Vertrieb sieht KI-Vorschläge als Entwürfe, nie als geprüfte Aussagen über Wettbewerber.

Datenaufbereitung

Die Beobachtung stützt sich überwiegend auf öffentliche Quellen, daher ist die Datenaufbereitung leicht. Die eigentlichen Eingaben sind ein gepflegtes Quellenverzeichnis (Websites von Wettbewerbern, Preis- und Karriereseiten, Feeds, Registerbekanntmachungen) und interner Kontext: Win/Loss-Notizen im CRM, Gesprächsprotokolle und Außendienstberichte. In einem KMU liegen diese im CRM, in E-Mails, in Teams oder Slack und in verstreuten PowerPoint-Battlecards, oft ohne einheitliche Bezeichnung der Wettbewerber.

Typische Lücken: uneinheitliche Namen von Wettbewerbern und Produkten, veraltete Battlecards, leer gelassene Win/Loss-Gründe, Dubletten über mehrere Medien und personenbezogene Daten zu namentlich genannten Führungskräften in Nachrichten und Stellenanzeigen.

Schritte der Aufbereitung: - Quellenliste und eine Stammliste der Wettbewerber, Produkte und Schlagwörter mit Synonymen aufbauen (PREP-015). - CRM-Felder bereinigen und Win/Loss-Gründe vereinheitlichen (PREP-019, PREP-020); aktuelle Battlecards als verbindliche Grundlage pflegen (PREP-013). - Protokolle und Notizen aus dem CRM oder aus Gesprächswerkzeugen exportieren (PREP-005) und personenbezogene Daten entfernen, wo sie nicht nötig sind (PREP-022). - Den Abruf von Websites mit Änderungserkennung einrichten (DATA-004) und dabei robots.txt und TDM-Vorbehalte beachten.

Aufwandsanteil: gering, etwa 10–20 Prozent des Projekts. Die laufende Pflege der Quellen ist wichtiger als die erste Bereinigung. Für eine erste Einschätzung siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• KMU — A: Ein ausgereiftes Produkt (oder der bereits lizenzierte Assistent plus ein Website-Änderungsmonitor) deckt 5–15 Wettbewerber günstig ab; es gibt Angebote mit Hosting in der EU, etwa Dealfront.
• Großunternehmen — B: Nischenquellen, eigene Ereignistypen und die Lieferung in das eigene CRM und die eigenen Strategieprozesse passen selten zu einem fertigen Produkt, und die API-Kosten bleiben moderat.
• Entwickler — C: Open-Source-Crawler (Crawl4AI, selbst betriebenes Firecrawl) und Modelle mit offenen Gewichten geben volle Kontrolle und verursachen keine Gebühren pro Nutzer.
• Öffentlicher Sektor — B: APIs aus EU-Regionen oder souveränen Clouds halten Beschaffungs- und Souveränitätsanforderungen bei der Beobachtung öffentlicher Quellen beherrschbar.

Weg A — Kaufen (empfohlen für die meisten KMU mit klar definiertem Vertriebseinsatz)

• CI-Plattformen für den Vertrieb: Klue (Compete Agent, Win/Loss-Paket, „Ask Klue" in LLM-Assistenten) [1], Crayon (KI-Zusammenfassung von Nachrichten, Wichtigkeitsbewertung, wiederkehrende Recherchen mit „Sparks") [2]. Das sind Jahresverträge im mittleren fünfstelligen Bereich, ausgerichtet auf B2B-Software und größere Mittelstandsunternehmen.
• Plattformen für Marktbeobachtung: Contify (über 1 Mio. Quellen, über 117 Sprachen, KI-Agent Athena, DSGVO und ISO 27001 aufgeführt) [3], AlphaSense (über 500 Mio. Premium-Dokumente einschließlich Analystenstudien und Experteninterviews von Tegus, Deep Research, Quellenangaben auf Satzebene), vor allem für Strategie- und Finanzteams [4].
• EU- und DSGVO-freundliche Angebote für B2B-Signale: Dealfront (europäisch, „Built & Hosted in EU"; Handelsregister- und Kammerdaten, über 40 Kaufsignale, MCP-Server; die Marke erscheint inzwischen als Leadfeeder, nachdem das frühere deutsche Echobot darin aufgegangen ist) [5]. Suiten zur Medienbeobachtung überschneiden sich mit LANG-018.
• Günstiger Weg für KMU: Geplante Aufgaben oder Deep-Research-Funktionen des bereits lizenzierten allgemeinen Assistenten (Microsoft 365 Copilot, ChatGPT, Claude, Gemini, Le Chat von Mistral, EU-Anbieter) plus ein Website-Änderungsmonitor. Das funktioniert für 5–15 Wettbewerber, bietet aber weder einen gemeinsamen Bestand noch eine Nachvollziehbarkeit.
• A wählen, wenn: der Hauptnutzer Vertrieb oder Marketing ist, Sie die CRM-Anbindung sofort einsatzbereit brauchen und das Budget ein Abonnement pro Nutzer oder für die Plattform zulässt.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Erfassung: News-APIs (z. B. NewsCatcher, Event Registry) oder die kostenlosen GDELT-Feeds (über 100 Sprachen, Aktualisierung alle 15 Minuten) [6]. Die gehostete API von Firecrawl deckt Scrape, Crawl, Suche und Monitor ab; Monitor markiert beobachtete Seiten als gleich/neu/geändert/entfernt und löst Webhooks aus [7].
• Modelle: ein Spitzenmodell aus einer EU-Region für die Synthese (Azure OpenAI EU Data Zone, Claude über AWS Bedrock Frankfurt oder Google Vertex AI EU, Gemini auf Vertex EU, Mistral Large / Mistral Medium vom EU-Anbieter). Ein kleines, günstiges Modell übernimmt die Relevanzvorauswahl und die Ereignistypisierung. Verwenden Sie in der EU gehostete Embedding-Modelle für Dublettenerkennung und RAG.
• Orchestrierung: n8n oder Power Automate für Zeitpläne und Auslieferung; LangGraph oder ein ähnliches Agenten-Framework für recherchenahe Fragen. GPT Researcher (Apache-2.0) kann als Deep-Research-Modul mit Web- und lokaler Dokumentensuche und MCP-Client dienen [8].
• Integration: Ereignisse in CRM-Objekte schreiben (Salesforce, HubSpot, Microsoft Dynamics), in Teams/Slack posten und einen Vektorindex (pgvector, Qdrant) als gemeinsamen Bestand führen.
• B wählen, wenn: Sie Nischenquellen (Fachpresse, deutsche Registerbekanntmachungen, Ausschreibungen), eigene Ereignistypen oder die Integration in Ihr eigenes CRM brauchen und die Inhalte nicht vertraulich sind.

Weg C — Selbst betreiben (Open Source)

• Abruf und Extraktion: Crawl4AI (Apache-2.0, für LLMs aufbereitetes Markdown, schemabasierte LLM-Extraktion, v0.9.5 erschienen im Okt. 2026) [9], selbst betriebenes Firecrawl [7], Trafilatura für den Text von Nachrichtenartikeln und SearXNG als selbst betriebene Meta-Suche.
• Modelle: ein Instruktionsmodell mit offenen Gewichten im Bereich 7–32 Mrd. Parameter (Qwen3, Mistral Small 3.x, Gemma 3, Llama 3.x), betrieben mit vLLM oder Ollama für Extraktion und Zusammenfassungen. Nutzen Sie mehrsprachige Embeddings (BGE-M3, multilingual-e5) plus einen Reranker und Qdrant/pgvector oder OpenSearch für die hybride Suche.
• Hardware: HW2 (eine GPU mit 24–32 GB) genügt für einige tausend Artikel pro Tag mit einem quantisierten Modell von etwa 14–32 Mrd. Parametern. Wechseln Sie zu HW3, wenn ein Server zusätzlich die Synthese langer Dokumente oder mehrere Teams bedienen soll.
• Betriebsaufwand: Die Pflege der Crawler (Schutz vor Bots, Layoutänderungen, JavaScript-lastige Seiten) ist der eigentliche Kostenfaktor, nicht das Modell. Planen Sie die laufende Pflege der Quellen ein.
• C wählen, wenn: interne Inhalte (Win/Loss-Notizen, Gesprächsprotokolle, Strategiedokumente) mit dem externen Feed zusammengeführt werden und Ihre Infrastruktur nicht verlassen dürfen.

Weg D — Eigenes Training

Lohnt sich meist nicht. Feintuning zahlt sich nur bei sehr hohem Volumen (Hunderttausende Artikel pro Tag) oder bei einer branchenspezifischen Ereignissystematik aus. In diesen Fällen senkt ein kleiner Klassifikator oder ein kleines LLM, feingetunt auf einige tausend von Analysten gelabelte Entscheidungen „relevant / nicht relevant / Ereignistyp", Kosten und Rauschen der Vorauswahl. Daumen hoch/runter der Analysten in der Prüfoberfläche sind die natürlichen Trainingsdaten.

Stand der Technik (2026)

• Agentische CI: Anbieter sind von Alarm-Feeds zu Agenten übergegangen, die recherchieren, Battlecards aktualisieren und Fragen direkt in den Werkzeugen der Vertriebsmitarbeitenden beantworten, etwa Klues Compete Agent und „Ask Klue" in LLMs von Drittanbietern [1], Contify Athena [3] und AlphaSense Deep Research [4]. Gartner veröffentlicht inzwischen einen Magic Quadrant für Plattformen der Wettbewerbs- und Marktbeobachtung (Ausgabe 2026, laut Contify) [3].
• Webdaten für LLMs: Crawler, die sauberes Markdown und schemavalidiertes JSON ausgeben (Crawl4AI, Firecrawl), haben handgeschriebene Scraper bei den meisten Beobachtungsaufgaben abgelöst [7][9]. MCP-Server stellen CI-Daten jedem Assistenten zur Verfügung (Dealfront-MCP-Server [5]).
• Standardmäßig mehrsprachig: Spitzenmodelle und mittelgroße offene Modelle lesen und fassen deutsche, französische, chinesische oder japanische Quellen direkt zusammen. GDELT übersetzt 65 Sprachen in Echtzeit [6].
• Grenzen und Fehlerbilder: erfundene oder falsch zugeordnete Fakten (z. B. das falsche Unternehmen mit ähnlichem Namen), veraltete zwischengespeicherte Seiten, unkritisch übernommene Werbesprache aus Pressemitteilungen und Quellen hinter Bezahlschranken, die Crawler nicht sehen. Die Wichtigkeitsbewertung driftet ohne Rückmeldungen. Agenten können zudem durch Prompt Injection gesteuert werden, die in abgerufenen Seiten versteckt ist. Geben Sie immer Quellen an, zeigen Sie den Zeitstempel und halten Sie eine menschliche Prüfstufe ein, bevor Aussagen Kunden erreichen.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack für Erfassung und Bestand (web-scraping + embedding-text + vector-db + llm-general): DATA-004 intelligentes Scraping, LANG-018 Social Listening und Medienbeobachtung, LANG-020 Beobachtung regulatorischer Entwicklungen, KNOW-017 Auffinden von Ausschreibungen, ANOM-011 Beobachtung von Lieferantenrisiken. Eine Crawler-Flotte, eine Pipeline für Dublettenerkennung und Übersetzung und ein HW2/HW3-Inferenzserver können alle bedienen.
• Analysebausteine: LANG-015 Entitätsextraktion, LANG-016 Themen- und Trenderkennung, LANG-008 Zusammenfassung, LANG-012 Weiterleitung von Meldungen an die Verantwortlichen.
• Recherche-Schicht: KNOW-015 Deep-Research-Agent (Ad-hoc-Marktstudien auf dem Bestand), KNOW-023 Investment-Recherche, KNOW-007 / KNOW-022 Beobachtung von Patenten und Marken.
• Vertriebskette: Auslöse-Ereignisse → PRED-005 Lead Scoring → AGENT-007 KI-gestützte Ansprache durch SDRs. Workflow-Engine gemeinsam mit AGENT-002. Preissignale fließen in OPT-004.
• Abgrenzung: Profilbildung zu natürlichen Personen und Beziehungsanalysen gehören zu KNOW-026, wo strengere rechtliche Grenzen gelten.

Aufwand, Kosten & Kennzahlen

• Weg A: 2–6 Wochen bis zur Einführung (Wettbewerberliste, Abstimmung der Quellen, CRM-Integration). Die Kosten hängen von Nutzerplätzen und beobachteten Einheiten ab. Premium-Recherche-Inhalte (AlphaSense) kosten extra.
• Weg B: 1–3 Monate für einen MVP mit 20–50 Einheiten. Laufende Kosten sind News-API-Abonnements, LLM-Tokens (die Vorauswahl mit einem kleinen Modell hält sie niedrig) und Crawler-Infrastruktur.
• Weg C: 2–4 Monate; ein GPU-Server plus 0,2–0,5 Vollzeitstellen für die laufende Pflege von Quellen und Crawlern (grobe Planungsschätzung).
• Kennzahlen: Zeit bis zur Kenntnisnahme (Ereignis → Warnmeldung), Treffsicherheit der Warnmeldungen (Anteil als relevant bewertet), Aktualität und Nutzung der Battlecards, Gewinnquote im Wettbewerb gegenüber der Ausgangslage, eingesparte Analystenstunden und bei Auslöse-Ereignissen die Quote, mit der gemeldete Kunden zu Terminen führen.

Menschen & Veränderung

Früh einbinden: die Geschäftsführung (Budget, Umfang) und die Vertriebs- oder Produktleitung als Prozessverantwortliche, die festlegen, welche Wettbewerber und Ereignisse zählen. Anwender aus Vertrieb und Produkt helfen in einem Pilot von 4–6 Wochen mit einem Team, die Relevanz zu bewerten. Die IT übernimmt die Integration in CRM und Teams/Slack; die Rechtsabteilung prüft Scraping, Nutzungsbedingungen und Urheberrecht (zu Anbieterbedingungen siehe GUIDE-010).

Betriebsrat: In der Regel keine Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG, weil das System externe Quellen analysiert und nicht das Verhalten von Beschäftigten. Ausnahme: Wird die Nutzung pro Person protokolliert oder die Leistung bewertet, behandeln Sie es als „abhängig". Informieren Sie den Betriebsrat trotzdem nach § 90 Abs. 1 Nr. 3 BetrVG, da ein Arbeitsverfahren mit KI geplant wird.

Datenschutz: Namentlich genannte Personen in Nachrichten und Stellenanzeigen sind personenbezogene Daten. Binden Sie daher die Datenschutzbeauftragte(n) ein, schließen Sie mit jedem Anbieter einen AVV (Art. 28 DSGVO) und prüfen Sie kurz, ob eine DSFA (Art. 35 DSGVO) nötig ist. Konzentrieren Sie sich auf Unternehmen und Rollen.

KI-Kompetenz: Unterstützen Sie die Beschäftigten mit einer kurzen Schulung dazu, Quellenangaben zu prüfen und erfundene Aussagen über Wettbewerber zu erkennen (GUIDE-006).

Bedenken: „Ist das Spionage?" Antworten Sie mit einer schriftlichen Regel, dass nur öffentliche Quellen genutzt werden. „Ersetzt es Analysten?" Nein, die Analysten pflegen die Quellen und geben Battlecards frei, und der Vertrieb sieht KI-Ergebnisse als Entwürfe. Kommunikation und Fürsprecher: GUIDE-008; Pilotgestaltung: GUIDE-009.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): in der Regel minimales Risiko. Marktbeobachtung gehört nicht zu den Kategorien in Anhang III, und Art. 5 greift nicht. Die Pflicht zur KI-Kompetenz (Art. 4) gilt. Wird KI-generierter Text veröffentlicht, um die Öffentlichkeit zu Themen von öffentlichem Interesse zu informieren (z. B. ein öffentlicher Marktnewsletter), verlangt Art. 50 Abs. 4 eine Kennzeichnung, sofern nicht ein Mensch die redaktionelle Verantwortung trägt; das gilt ab dem 2. Aug. 2026 [10]. Interne Übersichten sind nicht betroffen.
• DSGVO: Unternehmensnachrichten enthalten personenbezogene Daten (Führungskräfte, in Artikeln genannte Beschäftigte, Kontaktpersonen in Stellenanzeigen). Das berechtigte Interesse (Art. 6 Abs. 1 Buchst. f) deckt rollenbezogene Geschäftsinformationen in der Regel ab. Vermeiden Sie Profile einzelner Personen, minimieren Sie Personendaten und legen Sie Aufbewahrungsfristen fest, und beachten Sie die Informationspflichten nach Art. 14, wenn Kontaktdaten im CRM gespeichert werden. Systematische, personenzentrierte Untersuchungen fallen unter KNOW-026.
• Urheberrecht und Nutzungsbedingungen: Text und Data Mining rechtmäßig zugänglicher Inhalte ist nach Art. 4 der DSM-Richtlinie (2019/790; § 44b UrhG in Deutschland) erlaubt, sofern sich der Rechteinhaber die Nutzung nicht maschinenlesbar vorbehalten hat (robots.txt, TDM-Reservation-Protokoll). Beachten Sie Vorbehalte, Bezahlschranken und Nutzungsbedingungen der Seiten. Speichern Sie Zusammenfassungen und Links statt vollständiger Kopien von Presseinhalten zur Weitergabe und beachten Sie das Leistungsschutzrecht der Presseverleger (§ 87f UrhG).
• Unlauterer Wettbewerb und Geschäftsgeheimnisse: Sammeln Sie nur öffentlich verfügbare Informationen. Nutzen Sie niemals Vorwände, gefälschte Konten oder umgangene Zugangssperren (UWG, GeschGehG / Richtlinie über Geschäftsgeheimnisse).
• Wettbewerbsrecht: Die Beobachtung öffentlicher Informationen ist zulässig. Wer mit KI-gestützter Preisbeobachtung Preise abstimmt oder wettbewerblich sensible Daten über gemeinsame Plattformen oder Anbieter austauscht, kann gegen Art. 101 AEUV verstoßen. Siehe das Kapitel zum Informationsaustausch in den EU-Horizontal-Leitlinien [11].
• Gegenmaßnahmen: Positivlisten für Quellen, Quellenangabe und Zeitstempel bei jeder Aussage, Filter gegen Prompt Injection in abgerufenen Texten, menschliche Freigabe für Battlecards und externe Inhalte sowie ein AVV mit einem in der EU hostenden Anbieter.

Erste Schritte

1. Die Leitfragen der Beobachtung und die Nutzer festlegen: welche 10–20 Wettbewerber/Kunden, welche Ereignistypen zählen (Preise, Produktstarts, Einstellungen, Führung, Finanzierung) und wer darauf reagiert.
2. Ein Quellenverzeichnis aufbauen: Preis-, Produkt- und Karriereseiten der Wettbewerber, RSS der Fachpresse, Registerbekanntmachungen, News-API-Abfragen. robots.txt und TDM-Vorbehalte prüfen.
3. Ein Werkzeug von Weg A oder einen kleinen Ablauf nach Weg B (n8n + Firecrawl/Crawl4AI + LLM aus einer EU-Region) 4–6 Wochen lang mit einer wöchentlichen Übersicht mit Quellenangaben erproben; die CI-Verantwortlichen bewerten jede Meldung.
4. Die wichtigsten Ereignistypen als Aufgaben oder Felder ins CRM übertragen. Treffsicherheit der Warnmeldungen und Nutzung im Vertrieb messen.
5. Auf automatische Entwürfe für Battlecards und die Bewertung von Auslöse-Ereignissen ausweiten, sobald die Treffsicherheit stabil ist.

Quellen

Abgerufen 2026-10. Die Websuche war während der Recherche eingeschränkt, daher stammen die Zahlen nur von den unten aufgeführten Seiten. 1. Klue — Compete Agent, Win-Loss suite and customer results — https://klue.com/customers 2. Crayon — Competitive intelligence platform, AI features and customer results (Salsify, Alteryx case studies) — https://www.crayon.co/case-studies 3. Contify — Market & competitive intelligence platform (Athena AI, sources, certifications) — https://www.contify.com/ 4. AlphaSense — Market intelligence and Deep Research — https://www.alpha-sense.com/ 5. Dealfront / Leadfeeder — EU-hosted B2B data, buying signals, MCP server — https://www.leadfeeder.com/dealfront/ 6. The GDELT Project — https://www.gdeltproject.org/ 7. Firecrawl — scrape, crawl, search and Monitor endpoints — https://www.firecrawl.dev/ 8. GPT Researcher (Apache-2.0) — https://github.com/assafelovic/gpt-researcher 9. Crawl4AI (Apache-2.0) — https://github.com/unclecode/crawl4ai 10. EU AI Act Article 50 — transparency obligations — https://artificialintelligenceact.eu/article/50/ 11. European Commission — Guidelines on horizontal co-operation agreements (OJ C 259, 21.7.2023) — https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=uriserv%3AOJ.C_.2023.259.01.0001.01.ENG 12. Directive (EU) 2019/790 (DSM Directive), Art. 4 TDM exception — https://eur-lex.europa.eu/eli/dir/2019/790/oj 13. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj