Der Markt verschiebt sich zu Lizenz-Deals
Die KI-Branche reagiert bereits auf diese Entwicklung. Das alte Modell des weitgehend freien Einsammelns weicht zunehmend kommerziellen Datenpartnerschaften. Große Anbieter sichern sich seit mehreren Jahren vertraglich geregelten Zugriff auf Foren, Medienarchive, Bilddatenbanken und Fachplattformen.
Google schloss zum Beispiel einen Vertrag mit Reddit, der auf etwa 60 Millionen US-Dollar pro Jahr geschätzt wird. OpenAI vereinbarte ebenfalls eine Zusammenarbeit mit Reddit(öffnet im neuen Fenster). Auch die Partnerschaft zwischen OpenAI und Stack Overflow(öffnet im neuen Fenster) zielt auf besonders wertvolle Fachinformationen: validierte Programmierfragen und Antworten, die über Jahre hinweg von menschlichen Experten bewertet wurden.
Medienhäuser verhandeln ebenfalls ihre Inhalte zunehmend direkt. OpenAI schloss Vereinbarungen mit Axel Springer, der Financial Times(öffnet im neuen Fenster) und News Corp(öffnet im neuen Fenster). Der Vertrag mit News Corp soll über fünf Jahre mehr als 250 Millionen US-Dollar umfassen.
Im visuellen Bereich verlängerte OpenAI die Partnerschaft mit Shutterstock(öffnet im neuen Fenster), um Zugriff auf Bilder, Videos und Metadaten für Systeme wie Dall-E und Sora zu sichern.
Diese Entwicklung wirkt auf den ersten Blick wie eine gesunde Korrektur. Inhalteanbieter erhalten Geld, KI-Unternehmen bekommen rechtlich sauberere Daten, und die Herkunft der Trainingsdaten lässt sich besser dokumentieren. Für etablierte Verlage kann das durchaus ein neuer Erlösstrom sein.
Doch diese Entwicklung hat eine Kehrseite. Lizenzierte Daten werden zu einem strategischen Vorteil. Große Modellanbieter können solche Verträge bezahlen. Kleinere Unternehmen, Forschungsteams und offene Modellprojekte können das oft nicht. Damit verschiebt sich der KI-Markt weiter zugunsten jener Anbieter, die ohnehin über Rechenzentren, Kapital und juristische Ressourcen verfügen.
Open Source verliert den Zugriff auf den Rohstoff
Besonders problematisch ist die Lage für offene KI-Projekte. Viele von ihnen stützen sich auf öffentlich verfügbare Datensätze, Common Crawl und frei zugängliche Webinhalte. Wenn große Teile des hochwertigen Webs Crawler wie CCBot blockieren, leidet gerade die Datenbasis, die für offene Modelle wichtig war.
Große Konzerne können diesen Verlust durch Verträge ausgleichen. Sie kaufen Zugriff auf Archive, Foren, Nachrichtentexte, Bilder und Fachwissen. Offene Projekte haben diese Möglichkeit nur begrenzt. Damit droht eine paradoxe Entwicklung: Ausgerechnet der Versuch, unreguliertes Scraping einzudämmen, könnte die Marktmacht der größten Anbieter stärken.
Das bedeutet nicht, dass Publisher ihre Inhalte kostenlos abgeben sollten. Ihre Schutzreaktion ist nachvollziehbar. Doch wenn die Lösung ausschließlich in exklusiven Verträgen zwischen großen Plattformen und großen Rechteinhabern liegt, verengt sich der Markt.
Die entscheidende Frage lautet daher nicht nur, ob KI-Firmen künftig genug Daten bekommen. Entscheidend ist, unter welchen Bedingungen diese Daten zugänglich bleiben. Wenn hochwertige menschliche Daten nur noch über geschlossene Millionenverträge verfügbar sind, stärkt das wenige Anbieter und schwächt den Wettbewerb.
Fazit: Das Ende des kostenlosen Datenabbaus
Das frei zugängliche Internet als kostenloser Datensteinbruch existiert nicht mehr. Seitenbetreiber setzen Grenzen, und die Forschung zeigt, warum das für KI-Systeme kein Randproblem ist: Modelle, die zunehmend aus synthetischen Daten lernen, verlieren schrittweise Vielfalt und Präzision.
Entscheidend ist dabei weniger die Frage, ob KI-Firmen künftig genug Daten bekommen. Große Anbieter werden sich den Zugang ohne Mühe kaufen. Die eigentliche Frage ist, zu welchem Preis – und wer dabei außen vor bleibt. Wenn hochwertige menschliche Daten nur noch über geschlossene Millionenverträge verfügbar sind, ist das keine Korrektur eines dysfunktionalen Systems. Es ist dessen Fortsetzung unter anderen Vorzeichen.
Nils Matthiesen schreibt als freier Mitarbeiter über Technik, KI-Werkzeuge und digitale Alltagshelfer. Ein Schwerpunkt seiner Arbeit liegt auf Smartwatches, Drohnen, Actioncams und anderen vernetzten Geräten. Seit mehr als 25 Jahren arbeitet er als Technikjournalist und legt Wert auf verständliche Einordnung, kritische Tests und klaren Praxisbezug.
- Anzeige Hier geht es zu Künstliche Intelligenz: Wissensverarbeitung bei Amazon Wenn Sie auf diesen Link klicken und darüber einkaufen, erhält Golem eine kleine Provision. Dies ändert nichts am Preis der Artikel.