„Milliarden Bauteilnummern“ ist eine Zählfrage: Eine offene Bauteildatenbank braucht nur die Identitätsschicht

Der teuerste Teil dieses Projekts ist nicht, Milliarden Datensätze zu speichern, sondern jeden einzelnen für Dritte nachprüfbar zu machen. SiliconExpert sagt es auf der About-Seite unmissverständlich: eine Datenbank mit über 1 Mrd. Bauteilen, handgefertigt von mehr als 500 Elektro-, Software- und Daten-Ingenieuren, mit täglich aktualisierten API-Daten. Zu öffentlichen Cloud-Preisen kosten ein paar hundert Gigabyte wenige Dollar im Monat – vier bis fünf Größenordnungen weniger als mehrere hundert Personenjahre. Richtig ist deshalb nicht der Nachbau eines „kostenlosen SiliconExpert“, sondern genau jene eine Schicht, die am wenigsten geöffnet wird und öffentliche Governance am dringendsten braucht: eine eindeutige Identität aus Marke plus Bauteilnummer und die Evidenzkette hinter dieser Entscheidung.

Zahlen geprüft am 2026-11-08. Der direkte Aufruf der Herstellerseite liefert Akamai Access Denied; dieses Dossier stützt sich auf indizierte Fassungen öffentlicher Seiten (About / FAQ / Pricing / die chinesische Seite „Design Right“), offizielle chinesische Texte, öffentliches Partnermaterial und Kaufberater aus 2026. Schätzwerte sind jeweils als solche gekennzeichnet.

Arbeitscodename CUPI (Component URL & Provenance Index), kein formeller Produktname. Eröffnet am 2026-11-08.

1. Erst drei Zahlen korrigieren, sonst stimmt das Budget ab Seite eins nicht

Zwei der drei Annahmen in der Aufgabenstellung brauchen eine andere Bezugsgröße. Unten stehen nur belegbare Aussagen; Werbezahlen und harte Kennzahlen bleiben getrennt.

Also nicht mit der Serverdimensionierung anfangen. Die eigentliche Frage lautet: Wie viel menschliche Arbeit kostet es, eine Kombination aus Marke und Bauteilnummer für eindeutig zu erklären – und drei Jahre später noch von jemand anderem nachprüfen zu lassen?

2. „1 Milliarde+“ sind keine Milliarde Bauteilnummern

Die Milliarde aufgedröselt: Ein einziger Chip kann eigene Datensätze für Gurt-, Tray- oder Stangenverpackung, bleifreie und RoHS-Varianten, unterschiedliche Distributor-SKUs, Datenblatt-Revisionen sowie den Status vor und nach der Abkündigung belegen. Bei passiven Bauteilen ist es extremer – eine Chip-Widerstandsserie spannt sich über Widerstandswert × Toleranz × Spannung × Temperaturkoeffizient × Gehäuse × Verpackung auf, ein kartesisches Produkt für sich.

Vergleich mit belegbaren Ankern: DigiKey nennt „Over 18 million listed parts, with over a million available for immediate shipment“; Mouser liegt bei rund 6,8 Mio. Produkten aus über 1.200 Produktlinien (Kaufberater 2026); SiliconExpert nennt über 1 Mrd. Wenn ein Katalogdistributor bereits im zweistelligen Millionenbereich listet, erklärt sich eine zwei Größenordnungen größere kommerzielle Datenbank am plausibelsten als Zahl indizierter Datensätze – mit Quellendubletten, Verpackungsvarianten, historischen Revisionen und parametrischen Kombinationen –, nicht als eine Milliarde voneinander verschiedener bestellbarer Einheiten.

Damit ist der Instinkt „die Datenmenge ist wohl groß“ richtungsweisend, trifft aber das falsche Objekt. Groß ist nicht die Menge der eindeutigen Entitäten, sondern der Kombinationsraum aus Aliassen und Varianten. Eindeutigkeit herzustellen heißt, diesen Raum auf eine stabile ID zurückzufalten – ein Problem der Entitätsauflösung, nicht der Speicherkapazität.

Die Schlussfolgerung ist eindeutig: Wer sich „wie viele Zeilen wir speichern“ zum Ziel setzt, gräbt sich ein Loch, das nie voll wird. Wer fragt „können wir entscheiden, ob zwei Zeichenketten dieselbe bestellbare Einheit bezeichnen“, für den wird der Umfang beherrschbar – und genau diese Fähigkeit lässt sich nicht kopieren.

3. Vergleich: drei Marktschichten, und die teure ist nicht die Suche

Chinesische und internationale Plattformen danach zu ordnen, womit sie Geld verdienen, zeigt mehr über die Preislogik als jede Funktionsliste.

Zur Preisfrage: Die Pricing-Seite und die FAQ von SiliconExpert bieten nur ein „customized quote“. Kaufberater 2026 nennen 5.000–9.000 USD pro Arbeitsplatz und Jahr, andere Berichte 10.000–25.000 USD für ein Team-Paket und rund 100.000 USD/Jahr für die API, Z2Data 12.000–35.000 USD und Supplyframe DSI 7.500–50.000 USD. Eine so weite Spanne zeigt: Das ist kein Standardprodukt. „Ein paar Zehntausend im Jahr“ passt zu einem Einstiegsarbeitsplatz oder Einzelmodel über einen lokalen Partner, ist aber kein offizieller Preis.

Die entscheidende Beobachtung: Keine der drei Schichten rechnet nach Datensatzzahl. Transaktion verdient an der Abwicklung, Discovery am Aufrufvolumen, Entscheidung daran, ob man mit diesem Datensatz eine Obsoleszenzentscheidung verantworten will. Das Abonnement kauft „eine Quelle, auf die man zeigt, wenn etwas schiefgeht“, nicht „ein Ergebnis, das ich nachschlagen kann“.

4. Was das Jahresabonnement tatsächlich kauft

Drei Sätze der offiziellen FAQ lassen sich als Lastenheft lesen: „over 1 billion components, including cross references, lifecycle, parametric, obsolescence forecasts, regulation compliance and inventory data“; „We centralize and normalize that data“; sowie „With over 500 data engineers ... Supporting source documentation is always provided“.

Der dritte Satz ist der entscheidende – er legt offen, was das Produkt wirklich ist. Geliefert wird keine Parametertabelle, sondern der Beleg hinter jeder Aussage. In einem Compliance-Prozess liegt die Verantwortung für einen falschen RoHS-Status nicht auf dem Server des Datenbankanbieters, sondern bei der Ingenieurin, die unterschreibt. Deshalb muss ein Klick zur Herstellererklärung mit Revision und Datum zurückführen. Die Feldliste der chinesischen Seite bestätigt das: ECCN, REACH, SCIP, China RoHS, Konfliktmineralien, Materialdeklarationen, PCN, JEDEC-Dokumente – fast jeder Eintrag braucht einen Originalbeleg.

Hinzu kommt die Aktualität. Die Pricing-Seite nennt API-Daten „updated daily“. Bauteildaten verfallen schnell: PCN, EOL, Last-Time-Buy, geänderte Nummernsuffixe und Markenwechsel nach Übernahmen passieren wöchentlich. Eine Datenbank ohne dauerhafte Aktualisierung ist am Tag der Veröffentlichung ein historisches Archiv.

Daraus folgt die Kostenstruktur: Crawling und Parsing ist einmaliges Engineering; Normierung und Disambiguierung, Pflege der Evidenzkette und Compliance-Einstufung binden dauerhaft Personal, und jede dieser Aufgaben braucht einen Namen dahinter. Nur die erste lässt sich automatisieren. Die anderen drei sind der Alltag dieser über 500 Ingenieure.

Ein letzter Punkt, den ein offenes Projekt nicht bekommen kann: SiliconExpert ist eine Tochter von Arrow Electronics und kann für Obsoleszenzprognosen auf Transaktionsdaten des autorisierten Vertriebs zurückgreifen. Solche Daten sind für ein offenes Projekt unerreichbar, und so zu tun als wäre es anders, wäre unehrlich. Die Funktion ohne diese Datenvoraussetzung in eine Vergleichstabelle zu schreiben, ist die häufigste Selbsttäuschung in Plänen dieser Art.

5. Die Kosten in eine nachrechenbare Rechnung übersetzen

Alles Folgende ist eine Größenordnungsabschätzung, kein Angebot. Die Einheitspreise stammen aus gängigen öffentlichen Object-Storage-Tarifen, der Personalaufwand ist grob über die offiziell genannten 500+ Ingenieure überschlagen, ohne Sozialkosten, Verwaltung und Vertrieb. Es geht ausschließlich um den Größenvergleich.

Wer „Milliarden Datensätze“ als Budgetbegründung anführt, hat die Richtung umgedreht. Was den Preis auf einen fünfstelligen Jahresbetrag treibt, ist dass täglich jemand entscheiden muss, ob zwei Bauteilnummern dasselbe sind – und die Grundlage dafür archiviert. Speicher ist die billigste Zeile dieser ganzen Rechnung.

Umgekehrt spart ein offenes Projekt genau den größten Posten: keine hunderten Personen für die Vollparameterbereinigung. Nur die Identitätsschicht dünn und nachprüfbar bauen, Herstellerbekanntmachungen, Distributorkataloge und Community-Beiträge jeweils ihre Belege liefern lassen und das Zusammenführen Regeln statt Personal überlassen.

6. Rechtsgrenze: zuerst festlegen, was nicht übernommen werden darf

Tatsache und Ausdruck sind zu trennen. Eine Bauteilnummern-Zeichenkette, ein Nennwiderstand oder eine Gehäuseabmessung sind in der Regel nicht urheberrechtlich geschützt; Datenblatt-PDFs, die Anordnung von Parametertabellen und deren Wortlaut schon. In der EU kann eine Datenbank wegen einer wesentlichen Investition in Beschaffung, Prüfung oder Darstellung zusätzlich ein 15-jähriges Schutzrecht sui generis genießen (Richtlinie 96/9/EG), das Entnahme und Weiterverwendung wesentlicher Teile untersagt – und ein Bauteilkatalog fällt offensichtlich in diese Kategorie.

Artikel 3 und 4 der Richtlinie (EU) 2019/790 schaffen Ausnahmen für Text- und Data-Mining, doch Artikel 4 erlaubt Rechteinhabern maschinenlesbare Nutzungsvorbehalte (robots.txt, TDM-Reservierungsprotokolle), und die Forschungsausnahme hat Voraussetzungen zur Person. Ein kommerzielles offenes Projekt darf nicht annehmen, dass es darunter fällt. Wo eine robots.txt steht, wird angehalten – nicht umgangen.

Die architektonische Konsequenz ist hart: Keine fremden, bereits bereinigten Ergebnismengen übernehmen. Nur aus einer rechtlich geklärten Tatsachenschicht schöpfen – öffentliche Bauteilseiten der Hersteller, PCN-/EOL-Bekanntmachungen, Dokumente von Standardisierungsorganisationen und Daten, die ausdrücklich unter CC0, ODbL oder offenen API-Bedingungen veröffentlicht sind. Pro Datensatz nur „Aussage + Quell-URL + Erfassungszeit + Inhalts-Hash + Lizenz“ speichern, weder Text kopieren noch PDFs spiegeln.

Die eigene Datenbank sollte unter ODbL erscheinen (OpenStreetMap ist 2012 genau wegen des Datenbankrechts von Creative Commons zu ODbL gewechselt), der Code unter Apache-2.0 oder MIT, die reine Tatsachenschicht gegebenenfalls unter CC0; bei gemischten Rechten empfiehlt ODbL die Kennzeichnung pro Eintrag. Das muss vor der ersten Zeile Erfassungscode feststehen, sonst ist die Lizenzkette später nicht mehr rekonstruierbar und eine einzige Löschanforderung wirft das ganze Projekt auf Null zurück.

7. Wie weit die Open-Source-Seite bereits ist

Diese Richtung ist nicht leer; was fehlt, ist ganz konkret. Die Tabelle nennt nur Projekte, deren Implementierung einsehbar ist.

Die vier zusammengenommen zeigen die Lücke deutlich: Es fehlt ein öffentlicher Identifikator, der keiner Plattform gehört, katalogübergreifend referenzierbar, versioniert, belegt und gemeinschaftlich schiedsfähig ist. Alle bauen denselben Primärschlüssel im eigenen System nach, und niemand möchte behaupten, „diese beiden Bauteilnummern sind dasselbe“ sei nachprüfbar begründet.

8. Fazit: nur die Identitätsschicht bauen

Codename CUPI, in einem Satz definiert: keine vollständigen Parameter speichern, nur „wer hat wann und mit welchem Beleg gesagt, dass diese beiden Zeichenketten dieselbe bestellbare Einheit bezeichnen“.

Das ist Arbeitsteilung, kein Wettbewerb. Die offene Schicht verantwortet das öffentliche Gut aus Identifikatoren, Aliassen, Markenhistorie und Änderungsereignissen; kommerzielle Plattformen erlösen weiterhin Prognosen zur Restlaufzeit, Compliance-Dokumentation und Risikobewertungen. Je vertrauenswürdiger die offene Schicht, desto geringer der Normierungsaufwand der kommerziellen Datenbanken – beides schließt sich nicht aus.

Das erklärt auch, warum aus „zu teuer“ nicht direkt „bauen wir eine kostenlose“ folgt. Was der Kunde eigentlich nicht bezahlen kann, sind Urteil und Verantwortung, und Urteile brauchen dauerhaft Menschen und Institutionen. Open Source kann ersetzen, dass ein Unternehmen die Eindeutigkeit allein definiert – nicht, dass jemand unterschreibt.

Nachprüfbarkeit ist der einzige Burggraben. Jede Aussage lässt sich von jedermann über Quell-URL und Hash wiederholen, Konflikte laufen über öffentliche Pull Requests und ein Schiedsprotokoll, Fehler sind zurückrollbar, die Historie bleibt unveränderlich. Kommerzielle Datenbanken liefern Ergebnisse, die offene Schicht liefert die Fähigkeit, sie zu prüfen – genau die Aufgabe, die dieser Site beim Schreiben über Bauteile immer wieder begegnet.

9. Minimales Datenmodell, ID-Design und Phasen

Nur sieben Feldgruppen: kanonische ID, Marken-Namespace, kanonische MPN, Aliasmenge, Lebenszyklus-Ereignisse (PCN / EOL / Last-Time-Buy mit Datum und Bekanntmachungslink), Quellenbeleg (URL + Zeitstempel + Hash + Lizenz) sowie Konfidenz und Schiedsprotokoll. Keine Bestände, keine Preise, keine Compliance-Urteile, kein Hosting von Datenblättern.

Die ID leiht sich das Modell von purl (Package URL), in der Form cupi:brand/mpn@rev?pkg=...&grade=...#variant. Der Namespace absorbiert Markenübernahmen – alte Bauteilnummern werden in den neuen Namespace abgebildet, behalten aber ihre ursprüngliche ID –, Qualifier nehmen Verpackungs- und Güteklassen-Suffixe auf, damit Varianten nicht in Zeilen der Haupttabelle explodieren. Die Spezifikation muss Groß-/Kleinschreibung, Bindestriche, führende Nullen und Suffixe verbindlich festschreiben: Genau daran scheitert MPN-Disambiguierung in den meisten Fällen, nicht am Parametervergleich.

Governance übernimmt den Git-Ablauf von nawotech/parts: JSONL als Quelle, SQLite-Build, Pull-Request-Review, ein Maintainer je Warengruppe. Ein neuer Fusionskandidat braucht zwei unabhängige Quellen; Konflikte wandern in eine Schiedswarteschlange statt automatisch zusammengeführt zu werden. Das ist dieselbe Disziplin wie in Projekt eins – Kandidaten erzeugen, nie automatisch fusionieren –, denn eine falsche Zusammenführung ist nicht rückgängig zu machen.

Phasen: Woche 0–12 nur eine Warengruppe (zuerst passive Bauteile oder eine MCU-Familie), 10.000 Entitäten, drei Quellen, dazu ein öffentlicher Validator und CI. Phase zwei ergänzt Markenhistorie und PCN-/EOL-Ereignisabonnements. Erst Phase drei spricht über Community-Governance und eine Read-only-API. Keine Phase wird nach Datensatzzahl abgenommen, sondern nach Streitlösungsquote und Wiederholbarkeit der Belege.

10. Ausdrückliche Verzichtsliste und drei Abbruchlinien

• Keine vollständige Parameterdatenbank, keine Distributorpreise oder -bestände, keine Restlaufzeitprognose – genau das sind die Erlöskerne kommerzieller Datenbanken und zugleich die Posten mit der größten Verantwortung.
• Keine Werbung als „kostenloser SiliconExpert-Ersatz“. Wer nur „offene Datenbank“ sagt und nicht „Identitätsschicht“, wird ab dem ersten Tag an der Datensatzzahl gemessen und daran scheitern.
• Keine Daten aus unklaren oder nicht geklärten Quellen. Zehntausend nachprüfbare Datensätze sind mehr wert als hundert Millionen Zeilen unbekannter Herkunft.
• Kein Versprechen technischer Verwendbarkeit. Auf der Dokumentationsstartseite muss stehen: Diese Schicht dient Identifikation und Herkunft, ersetzt kein Herstellerdatenblatt und stellt weder eine Alternativbauteil-Qualifizierung noch ein Compliance-Urteil dar.

Abbruchlinien: Erstens, wenn die mittlere Schiedsdauer über 10.000 Entitäten in den ersten 12 Wochen mehr als 14 Tage beträgt, funktioniert das Governance-Modell nicht. Zweitens, wenn eine Upstream-Quelle einen maschinenlesbaren Nutzungsvorbehalt veröffentlicht oder formell die Einstellung der Erfassung verlangt, wird diese Quelle sofort entfernt statt umgangen. Drittens, wenn kein einziges Fremdwerkzeug die ID übernimmt – nicht einmal ein KiCad-Plugin –, hat die Schicht keinen Wert als öffentliches Gut: stoppen.

Zusammenfassung

Zurück zur Ausgangsfrage: Sind Milliarden Datensätze teuer? In Bytes gemessen überhaupt nicht. Gemessen als „jede Zeile ist nachprüfbar“ so teuer, dass ein Unternehmen über 500 Ingenieure beschäftigt – deshalb kostet das Abonnement einen fünfstelligen Jahresbetrag.

Was Open Source ändern kann, ist nicht dieser Preis, sondern diese Struktur. Die Identitätsentscheidung aus dem Privatvermögen eines Unternehmens in eine öffentliche Schicht mit Quellen, Rollback und Schiedsverfahren überführen und die unterschriftsbedürftigen Hochwerturteile auf der kommerziellen Seite belassen. So wird weder ein kostenloser Nachbau von SiliconExpert vorgetäuscht, noch bleibt jene eine Schicht geschlossen, die am dringendsten offen sein müsste.

Ein Satz zum Abschluss: Nicht eine größere Datenbank bauen, sondern ein Hauptbuch, das jeder prüfen kann.

Zurück zum Ideenarchiv · Projekt eins PrivateGraph-BP · Projekt zwei Risikoanalyse zur Ein-Klick-Verteilung; verwandte Praxis: Bauteilbeschaffung und Vermittlung.

Nachtrag 2026-11-08: Upstream-Quellen machen aus Zugang eine bepreiste Ware (von Pay Per Crawl zu Pay Per Use und x402, womit Seiten, Datensätze, APIs und MCP-Werkzeuge abgerechnet werden können), während Content Signals nur eine Bitte und keine Lizenz bleibt. Die Verzichtsliste des ursprünglichen Dossiers – keine Distributorpreise und Lagerbestände, nur Originaldaten mit klaren Rechten – gilt damit erst recht. Der erste Auftrag sollte ein manueller BOM-Disambiguierungsbericht sein; siehe die 5W1H-Neusortierung hinter den Zugangswällen.