KI-Unternehmen kaufen antike Bücher, um Modelle zu trainieren, und zerstören sie dann in großem Maßstab

Unternehmen für künstliche Intelligenz kaufen zu Hunderttausenden antike und vergriffene Bücher, speisen ihre Inhalte in Trainingsdatensätze ein und zerstören dann die physischen Bände – eine Praxis im industriellen Maßstab, die laut Forschern und Buchhändlern das kulturelle Erbe auslöscht, während sie gleichzeitig die nächste Generation von Sprachmodellen vorantreibt. Die Enthüllungen, die zuerst in Gerichtsdokumenten auftauchten und nun in den europäischen Buchhandelsgemeinschaften Widerhall fanden, haben eine neue Front im KI-Urheberrechtskrieg eröffnet. Für aktuelle KI-Nachrichten zu den Kontroversen um Trainingsdaten, die die Branche verändern, zeigen die folgenden Details, wie sich die Suche nach sauberem Text in ein Lagerfeuer seltener Bücher verwandelte.

Wie die Praxis funktioniert

Laut Dokumenten, die Anthropic während eines Gerichtsverfahrens im Jahr 2026 offengelegt und von der Washington Post berichtet hat, wird der Prozess absichtlich industrialisiert. In der Akte wird beschrieben, wie die „hydraulisch angetriebene Schneidemaschine“ eines Scan-Unternehmens Bücher „sauber auseinanderschneiden“ würde, sodass die Seiten „auf Hochgeschwindigkeits-, Qualitäts- und Produktionsscannern gescannt werden könnten“. Sobald die Bücher digitalisiert seien, heißt es in der Akte, werde das Scanunternehmen „mit dem Recyclingunternehmen einen Termin vereinbaren, um die fertigen Bücher abzuholen“.

Mit anderen Worten: Die Bücher werden nicht zurückgegeben. Sie werden auf digitalen Text reduziert und dann eingestampft.

Warum Unternehmen alte, gedruckte Bücher wollen

Der Appetit auf physische Bücher ist auf ein sich verschlimmerndes Problem für KI-Entwickler zurückzuführen: Das offene Internet wird zunehmend mit KI-generierten Texten verunreinigt. Wie der Rechtsblog Verfassungsblog in einer Analyse mit dem Titel „AI Is Eating the Book World“ erklärte, besteht bei Schulungen zu synthetischen Inhalten die Gefahr einer Verschlechterung der Modellqualität – ein Phänomen, das Forscher als Modellkollaps bezeichnen. Bei Büchern, die vor 2022 gedruckt wurden, ist hingegen garantiert, dass sie von Menschen geschrieben wurden.

Es gibt auch eine gesetzliche Berechnung. Unternehmen haben argumentiert, dass das Scannen physischer Bücher, die sie besitzen, unter die „Fair Use“-Bestimmung des US-amerikanischen Urheberrechts fallen könnte, eine Verteidigung, die ihrer Meinung nach stärker ist als das Scrapen urheberrechtlich geschützter Webinhalte. Ob Gerichte dieses Argument akzeptieren, bleibt eine offene Frage, aber es hat den Kaufrausch nicht gestoppt.

Das Zoom Books-Phänomen

In Europa konzentrierte sich die Aufmerksamkeit auf einen kanadischen Online-Buchladen namens Zoom Books, der laut Verfassungsblog Hunderttausende Sachbuchtitel erworben hat, für die es kaum noch eine kommerzielle Nachfrage gibt. Diese Bände – obskure wissenschaftliche Werke, regionale Geschichten und spezielle technische Handbücher – sind für Gebrauchtbuchverkäufer nahezu wertlos, stellen aber eine reiche Quelle bisher unerschlossenen Schulungsmaterials für KI-Labore dar.

Futurism berichtete, dass die Zerstörung „in unglaublichem Ausmaß geschieht, auch wenn fast keine Kopien mehr übrig sind“, was bedeutet, dass bei einigen Titeln die gescannte und geschredderte Kopie möglicherweise zu den letzten erhaltenen Ausgaben im Umlauf gehörte.

Buchhändler und Forscher wehren sich

Die Berichte haben antiquarische Buchhändler alarmiert, die sagen, dass Großkäufer den Gebrauchtmarkt verzerren und seltene Ausgaben schneller entfernen, als die Archive sie bewahren können. Die Agentur Anadolu zitierte einen türkischen Antiquariatshändler, der seine Skepsis hinsichtlich des Umfangs der Behauptungen zum Ausdruck brachte, gleichzeitig aber auch die wachsende Besorgnis auf den europäischen Buchmärkten anerkannte. Die Berichterstattung in der Times of India und Boing Boing bezeichneten den Trend als direkte Folge der Versuche von KI-Firmen, „ihrem eigenen KI-Mangel zu entkommen“, indem sie sich auf den Druck vor dem Internet zurückzogen.

Denkmalschützer argumentieren, dass die Zerstörung besonders besorgniserregend sei, da kein zentrales Register nachverfolge, welche Bücher gescannt und vernichtet wurden. Sobald ein Titel mit geringer Lebensdauer geschreddert wird, kann der Verlust dauerhaft sein – es sei denn, das Unternehmen, das ihn gescannt hat, entscheidet sich dafür, die digitale Kopie weiterzugeben, was in der Regel nicht der Fall ist.

Eine neue Phase des Urheberrechtskrieges

Die Buchkaufkampagne steht am Schnittpunkt zweier ungelöster Rechtsstreitigkeiten: ob das Training von KI-Modellen an urheberrechtlich geschützten Werken ohne Erlaubnis eine faire Nutzung darstellt und ob die Zerstörung der physischen Quelle nach dem Scannen die Rechnung ändert. Die Gerichte haben bisher gemischte Signale gesendet: Einige Urteile begünstigten KI-Entwickler, während andere die Ansprüche der Urheber wahrten.

Für KI-Unternehmen ist die Rechnung einfach. Gedruckte Bücher bieten dichten, qualitativ hochwertigen, von Menschen verfassten Text, der online immer schwieriger zu finden ist. Für Bibliotheken, Archive und die Sammler, die seltene Ausgaben hüten, ist der Kompromiss weitaus ungünstiger: unersetzliche physische Artefakte werden zu Trainingsmarken reduziert und dann zu Zellstoff recycelt.

Die Praxis wirft auch Fragen zur Transparenz auf. Die Offenlegung erfolgte nur, weil Anthropic in einem Rechtsstreit dazu gezwungen wurde. Es bleibt unklar, wie viele andere Unternehmen ähnliche Strategien verfolgen, wie viele Bücher bereits vernichtet wurden oder ob es einen branchenweiten Standard geben wird, um gefährdete Titel aufzubewahren, bevor sie gescannt und entsorgt werden.

Das Skalenproblem, das niemand quantifizieren kann

Ein Grund dafür, dass der Trend schwer zu kontrollieren ist, ist seine Diffusität. Im Gegensatz zu einem einzelnen großen Archiv oder einer einzelnen Datenbank verteilt sich die Buchkaufkampagne auf Tausende einzelner Transaktionen – bei Nachlassverkäufen, Ausleihverkäufen aus Bibliotheken und auf Online-Marktplätzen –, bei denen ein Großkäufer, der eine Palette Sachbuchtitel kauft, kein offensichtliches Warnsignal auslöst. Über Hunderttausende Käufe hinweg aggregiert, besteht der kumulative Effekt jedoch in der stillen Entfernung großer Teile von Nischenwissen mit geringer Auflage aus den physischen Aufzeichnungen.

Bibliothekare und Archivare warnen davor, dass der Verlust nicht gleichmäßig verteilt sei. Massenmarkt-Bestseller existieren in unzähligen Exemplaren, aber die Titel, die für KI-Trainer am attraktivsten sind – spezialisierte, informationsreiche Werke mit kleinen Auflagen –, sind genau diejenigen, die anderswo am wenigsten erhalten bleiben. Sobald sie zerstört sind, existieren sie möglicherweise nur noch als proprietäre Trainingsdaten, die auf den Servern eines Unternehmens eingeschlossen sind und für die Öffentlichkeit, die sie ursprünglich erstellt und auf sie angewiesen war, unzugänglich sind.

Bleiben Sie der KI immer einen Schritt voraus

Der Krieg um Trainingsdaten verschärft sich, und es geht weit über die Unternehmensbilanzen hinaus. Um weitere KI-Neuigkeiten zu lesen und zu verfolgen, wie Gerichte, Aufsichtsbehörden und Naturschützer reagieren, folgen Sie weiterhin AI Buzz Wire.

Weitere KI-Neuigkeiten lesen →