Auch Amazon lässt seltene Bücher für KI-Training schreddern
Um ihre Sprachmodelle zu trainieren, kaufen KI-Konzerne palettenweise alte Bücher auf. Was Buchhandlungen kurzfristige Gewinne beschert, wirft kritische Urheberrechtsfragen und die Sorge um verlorenes Kulturgut auf.
KI-Unternehmen suchen händeringend nach Material für das Training ihrer Sprachmodelle. «Material» ist alles, was Sprache enthält – vom Social-Media-Post über Zeitungsbeiträge bis zu YouTube-Videos. Auch vor Literatur in gedruckter Form machen die Unternehmen nicht Halt.
Vor wenigen Wochen berichteten Antiquariate unter anderem in Deutschland von auffälligen Massenbestellungen: Ältere Bücher, hauptsächlich unverkäufliche Ladenhüter, waren auf einmal begehrt – und das zu Tausenden. Der Verdacht: Die Bücher sollen digitalisiert und dann zerstört werden. Genau das wurde zu diesem Zeitpunkt dem US-Unternehmen Anthropic nachgewiesen. Anthropic entwickelt den Chatbot Claude. Ob andere KI-Unternehmen ebenfalls auf diese Weise vorgehen, war jedoch nicht bekannt.
Amazon kauft im großen Stil Bücher
Jetzt führt eine konkrete Spur zu Amazon, dem Online-Riesen, der 1994 selbst als Online-Buchhandlung angefangen hatte. Ein Rechercheteam der US-amerikanischen Website 404 Media versteckte einen Airtag in einer Lieferung aus rund 1000 Büchern, die ein Zwischenhändler bei einer Buchhandlung bestellt hatte. Dadurch ließ sich die Lieferung über mehrere Zwischenstationen bis zu einem Amazon-Warenlager in Las Vegas verfolgen.
Am Eingang des Gebäudes, an dem die Lieferung ankam, prangt ein großes Logo. Es enthält den Code der Zweigstelle, VGT3, über einem Tyrannosaurus Rex mit einem aufgeschlagenen Buch in den Klauen. Nach Recherchen von 404 Media scheint die Hauptaufgabe der Zweigstelle VGT3 im systematischen Digitalisieren von Büchern zu liegen.
Laut dem Bericht tauschen sich Angestellte von VGT3 online über die Arbeitsbedingungen und ihre Aufgaben aus. So lässt sich belegen, dass die Zweigstelle die empfangenen Bücher systematisch verarbeitet: Die ISBN-Codes werden gescannt, die Buchrücken abgeschnitten und die Seiten anschließend digitalisiert. Laut den Mitarbeitenden sogar teilweise in Tag- und Nachtschichten.
Amazon bestätigte den Kauf von Büchern in einer Stellungnahme gegenüber 404 Media. Das helfe dem Unternehmen «bei der Entwicklung und Verbesserung von Produkten und Diensten, die unsere Kundschaft nutzt». Was damit gemeint ist, liegt nahe, denn Amazon betreibt selbst KI-Modelle.
Hunger nach menschengeschriebenen Texten
Ein Sprachmodell kann nur so gut sein wie sein Training. Dessen Qualität hängt wiederum von der Menge und der Güte der dafür verwendeten Daten ab. Redigierte Texte aus Zeitschriften und Büchern gelten als qualitativ hochwertiger als Social-Media-Beiträge von Hinz und Kunz auf X. In einer internen Mail aus dem Jahr 2024 wurden Bücher im Facebook-Konzern «Meta» als essenziell im Konkurrenzkampf mit anderen KI-Firmen bezeichnet, berichtet die Washington Post.
KI-Unternehmen haben ein Interesse daran, möglichst viele hochwertige Textquellen zu erschließen. Viele öffentlich verfügbare digitale Quellen wurden in den vergangenen Jahren bereits systematisch ausgewertet. Ob dies immer rechtmäßig geschah, ist Gegenstand zahlreicher Gerichtsverfahren. Tausende Autorinnen und Verlage werfen KI-Firmen vor, Texte ohne Genehmigung für Trainingszwecke genutzt zu haben.
Gleichzeitig integrieren Websites mit hochwertigen digitalen Inhalten vermehrt Sperren, die Datensammlern den automatisierten Zugriff verwehren. Demgegenüber stehen gigantische Mengen an Büchern, Zeitschriften und Magazinen, die vor dem Aufkommen mächtiger Sprachmodelle (ab 2022) von Menschen verfasst und niemals digitalisiert wurden. Genau dieser riesige Papier-Datenspeicher rückt für KI-Unternehmen in den Fokus.
Die Muster der Großbestellungen lassen darauf schließen, dass Zwischenhändler automatisch ISBN-basierte Titellisten abarbeiten. So können sie gezielt nach noch nicht beschafften Büchern suchen und sie bestellen. Koste es, was es wolle: Antiquare berichten, dass die so verkauften Bücher meist unverkäuflich und deswegen sehr billig sind, während die Kosten für Versand und Zoll mit einem Vielfachen zu Buche schlagen.
Scannen und zerstören für die KI
Der Verdacht, dass KI-Konzerne hinter den Bestellungen stehen, ist nicht aus der Luft gegriffen. Genau dafür stand Anthropic, der Entwickler des Chatbots Claude, dieses Jahr vor Gericht. Aus internen Dokumenten, die während des diesjährigen Verfahrens veröffentlicht wurden, geht hervor, dass Anthropic 2024 das sogenannte «Project Panama» startete. Anthropic verfolgte damit das Ziel, «alle Bücher der Welt auf zerstörerische Weise zu scannen», wie den Unterlagen zu entnehmen ist.
Um die gewaltige Aufgabe für die Millionen seitdem gekauften Bücher effizient zu bewältigen, wurden die Buchrücken abgeschnitten, um die Seiten voneinander zu trennen. Hochleistungsscanner können die einzelnen Seiten auf diese Weise schnell digitalisieren. Die physischen Texte wurden danach entsorgt oder recycelt. Diese Praxis ist vor dem Gesetz sicherer als die Nutzung von Online-Bücherarchiven: Die Bücher wurden rechtmäßig erworben. Dadurch unterscheidet sich dieser Fall von der Nutzung illegal beschaffter Kopien.
Richter William Alsup entschied im Prozess gegen Anthropic, dass die Verwendung von Texten aus rechtmäßig erworbenen und digitalisierten Quellen für das Training von KI-Modellen als stark transformative Nutzung betrachtet werden und deshalb unter die in den USA verbreitete Fair-Use-Doktrin fallen könne. Transformative Nutzung bedeutet, dass die eingescannten Texte nicht wie Bücher verwendet werden, sondern mit dem KI-Training einem anderen Zweck dienen.
Einige Fragen sind jedoch in weiteren Urteilen zu klären, etwa wenn Autoren und Autorinnen einen konkreten wirtschaftlichen Schaden nachweisen können.
Kulturgut oder Lagerware, die niemand mehr will?
Der Aspekt der Zerstörung von Büchern ist dagegen rechtlich unproblematisch. Legal erworbenen Besitz darf der Eigentümer zerstören.
Anthropic bestritt im Verfahren, dass es seltene oder antiquarisch bedeutsame Bücher gekauft und zerstört habe. Und auch der Bericht von 404 Media bestätigt, dass die verfolgte Lieferung keine kulturhistorisch bedeutsamen Bücher enthalten habe.
Es klingt nach einer Win-Win-Situation, wenn sich Buchhändler über großvolumige Bestellungen von Ware freuen, die sonst niemand mehr abnimmt. Es handelt sich bei den Bestellungen aber um seltene Werke, etwa weil sie nur in kleiner Auflage gedruckt oder in einer selten gesprochenen Sprache erschienen seien.
Bibliothekare, Historikerinnen und Antiquariatsverbände sehen hier ein Problem: Das kostengünstige destruktive Scannen kann in Einzelfällen physische Kulturgüter endgültig vernichten. Manche Buchhändlerinnen und Buchhändler stehen dadurch vor einem moralischen Dilemma: Wollen sie daran teilhaben, seltene Bücher wissentlich der Zerstörung preiszugeben?
Fühlt sich vor dem Gaming-PC genauso zu Hause wie in der Hängematte im Garten. Mag unter anderem das römische Kaiserreich, Containerschiffe und Science-Fiction-Bücher. Spürt vor allem News aus dem IT-Bereich und Smart Things auf.
Interessantes aus der Welt der Produkte, Blicke hinter die Kulissen von Herstellern und Portraits von interessanten Menschen.
Alle anzeigen
