Trainingsdaten: KI-Firmen kaufen massenhaft alte Bücher
Auf der Suche nach unkontaminierten Trainingsdaten greifen Entwickler von künstlicher Intelligenz zunehmend auf gedruckte Bücher zurück. Das Unternehmen ISBNdb(öffnet im neuen Fenster), das eine sehr große Buchdatenbank betreibt, bietet dazu spezielle Dienstleistungen an. Über diesen Service erwerben KI-Entwickler gedruckte Werke in Chargen von 1.000 bis zu 1 Million Exemplaren.
Der Grund für diese Nachfrage liegt in der Datenqualität: Gedruckte Bücher, die vor dem Jahr 2022 erschienen sind, enthalten keinen KI-generierten Text(öffnet im neuen Fenster). Werden Sprachmodelle stattdessen mit Daten trainiert, die bereits von KI erzeugt wurden, droht ein Qualitätsverlust, der als Model Collapse bezeichnet wird. Zudem verhindern alte Printmedien ein gezieltes Sabotieren der Daten durch Autoren.
Massenkäufe und Zerstörung beim Scannen
Auf Marktplätzen für gebrauchte Bücher macht sich dieser Trend laut 404media(öffnet im neuen Fenster) bereits bemerkbar. Demnach berichten Buchhändler vereinzelt von einer ungewöhnlich hohen Zahl an Verkäufen über verschiedene Fachportale hinweg. Auch Vertreter der Plattform Alibris bestätigten, dass neue Großkäufer am Markt aktiv sind und größere Mengen an Werken aufkaufen.
In vielen Fällen werden die erworbenen Werke während des Digitalisierungsprozesses zerstört. Beim sogenannten destruktiven Scannen wird der Buchrücken abgeschnitten, damit die einzelnen Seiten schneller und günstiger eingelesen werden können. Unterlagen aus einer Urheberrechtsklage gegen das KI-Unternehmen Anthropic(öffnet im neuen Fenster) zeigten, dass dort Millionen gedruckter Werke auf diese Weise verarbeitet wurden.
Rechtliche Bewertung des Prozesses
ISBNdb schützt die Identität der Käufer durch Geheimhaltungsvereinbarungen. Das Unternehmen verweist darauf, dass der Aufkauf von Gebrauchtbüchern Autoren finanziell nicht schädige, da die Entlohnung bereits beim Erstverkauf erfolgt sei.
Aus rechtlicher Sicht stufte US-Bundesrichter William Alsup(öffnet im neuen Fenster) das destruktive Scannen legal erworbener Print-Exemplare im Fall Anthropic als Fair Use ein. Da die physischen Originale beim Einlesen vernichtet wurden und die digitalen Kopien ausschließlich intern verbleiben, liege eine umgestaltende Nutzung vor. Das Herunterladen von raubkopierten Büchern aus Onlinequellen wie Lib Gen stufte das Gericht hingegen nicht als Fair Use ein.
Der Streit um die Raubkopien war bereits im September 2025 durch einen Vergleich beigelegt worden, den US-Bezirksrichterin Araceli Martínez-Olguín am 20. Juli 2026 endgültig genehmigte. Anthropic zahlt rund 1,5 Milliarden US-Dollar(öffnet im neuen Fenster) an die Rechteinhaber von schätzungsweise 500.000 Werken, also etwa 3.000 US-Dollar pro Titel.
- 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.