KI-Unternehmen kaufen und vernichten Millionen physischer Bücher für Chatbot-Trainingsdaten
Wichtige Erkenntnisse
- •KI-Unternehmen nutzen anonyme Vermittler, um physische Bücher im großen Maßstab zu kaufen, sie für Trainingsdaten zu scannen und die Originale zu entsorgen.
- •Bücher aus der Zeit vor 2023 sind bei KI-Entwicklern besonders begehrt, da sie ausschließlich von Menschen verfassten Text enthalten und eine Kontamination durch KI-generierte Inhalte vermeiden.
- •Buchhändler berichten, dass die wöchentlichen Verkäufe aufgrund von KI-Käufern von etwa 20 Büchern auf mehrere Hundert gestiegen sind, einige jedoch befürchten, dass ungewöhnliche Titel dauerhaft verloren gehen.
- •Ein Bundesrichter entschied im Fall Bartz v. Anthropic PBC, dass die zerstörende Digitalisierung rechtmäßig erworbener Bücher einen transformativen Fair Use darstellt.
- •Die Gerichte haben eine rechtliche Grenze zwischen dem Scannen gekaufter Bücher und der Verwendung piratenkopierter Exemplare gezogen, wie ein Vergleich in Höhe von 1,5 Milliarden Dollar zeigt, der Anthropic zur Entschädigung von Autoren verpflichtet, deren piratenkopierte Werke für das Training von Claude verwendet wurden.
Unternehmen der künstlichen Intelligenz kaufen anonym physische Bücher in großen Mengen und zerstören diese nach dem Scannen der Inhalte für das Training von KI-Modellen, wie ein erstmals von 404 Media veröffentlichter Bericht zeigt.
Buchhändler berichten, dass die Nachfrage nach obskuren und vergriffenen Titeln stark gestiegen ist, was Befürchtungen weckt, dass seltene und ungewöhnliche Bücher durch diese Praxis dauerhaft verschwinden.
Ein Bundesrichter hat entschieden, dass die zerstörende Digitalisierung rechtmäßig erworbener Bücher als Fair Use gelten kann, während separate Urheberrechtsklagen gegen KI-Entwickler weiterhin vor Gerichten verhandelt werden.
Eine Nischenbranche für zerstörende Digitalisierung
Wie in Ray Bradburys klassischem dystopischen Roman Fahrenheit 451 lesen einige KI-Unternehmen Bücher nicht nur – sie zerstören sie. Während Entwickler darum wetteifern, leistungsfähigere KI-Modelle zu entwickeln und Urheberrechtsklagen sich häufen, ist eine Nischenbranche entstanden, die sie mit Millionen physischer Bücher versorgt, welche zerlegt, in Trainingsdatensätze eingescannt und anschließend entsorgt werden.
Berichten zufolge nutzen KI-Unternehmer Vermittler, um Bücher im industriellen Maßstab anonym zu beschaffen. Firmen, die auf Massenbeschaffung spezialisiert sind, werben damit, Hunderttausende von Titeln beschaffen zu können, während sie ihren KI-Kunden Vertraulichkeit garantieren – ein Zeichen für die Sensibilität dieser Praxis.
Kritiker sagen, dass der Kaufrausch von KI-Unternehmen angetrieben wird, die menschenverfasstes Wissen sichern wollen, bevor es durch KI-generierten Text verwässert wird – oft als "AI slop" bezeichnet. Bücher, die vor dem Aufstieg von generativer KI im Jahr 2023 veröffentlicht wurden, gelten als besonders wertvoll, da sie hochwertige, vollständig von Menschen verfasste Trainingsdaten liefern. Diese Bestrebungen spiegeln eine branchenweite Herausforderung wider, die manchmal als „Data Wall" bezeichnet wird – da öffentlich zugängliche Internettexte zunehmend mit KI-generierten Inhalten gesättigt sind, wenden sich Entwickler Offline-Quellen verifizierten menschlichen Schreibens zu, um die Modellqualität aufrechtzuerhalten.
Umgestaltung des Gebrauchtbuchmarktes
Der Nachfrageanstieg gestaltet den Gebrachtbuchmarkt bereits um. Ein namentlich nicht genannter Buchhändler erzählte 404 Media, dass die wöchentlichen Verkäufe von etwa 20 Büchern auf mehrere Hundert stiegen, nachdem KI-Käufer den Markt betraten. Obwohl dieser Anstieg profitabel war, äußerte der Buchhändler die Sorge, dass ungewöhnliche und vergriffene Bücher nach dem Scannen und Vernichten dauerhaft verloren gehen.
"Es kommt mir finanziell zugute und hilft mir, altes Lager zu räumen, das sich sonst kaum verkaufen lässt", sagte der Buchhändler gegenüber 404 Media. "Für diese Verkäufe bin ich mit Beständen aus dem Ausland und fremdsprachigen Büchern gut aufgestellt. Andererseits gefällt mir der Endzweck nicht, und ich mag es nicht, dass ungewöhnliche Bücher zu Zellstoff verarbeitet werden."
Der Verlust physischer Exemplare ist bei Büchern besonders akut, die nur in begrenzten Auflagen existieren oder nie digitalisiert wurden, was die Frage aufwirft, ob KI-Unternehmen eine Verpflichtung haben, die Artefakte zu erhalten, die sie verarbeiten.
Rechtsprechung: Fair Use für zerstörende Digitalisierung
Die Praxis ähnelt dem „Project Panama" von Anthropic, das Millionen von Büchern durch zerstörende Digitalisierung digitalisierte.
Im vergangenen Sommer entschied ein Bundesrichter in San Francisco im Urheberrechtsprozess Bartz v. Anthropic PBC, dass das Scannen rechtmäßig erworbener physischer Bücher in digitale Kopien – selbst wenn die Originale zerstört wurden – einen transformativen Fair Use darstellt (Urteil). Bundesrichter fällten später ähnliche Fair-Use-Entscheidungen in separaten Urheberrechtsverfahren gegen OpenAI und Meta.
In einem separaten Fall genehmigte jedoch ein Bundesrichter im selben Bezirk einen Urheberrechtsvergleich in Höhe von 1,5 Milliarden Dollar, der Anthropic verpflichtet, Tausenden von Autoren jeweils etwa 3.000 Dollar pro Buch zu zahlen, nachdem das Unternehmen piratenkopierte Exemplare ihrer Werke für das Training von Claude verwendet hatte. Die gegensätzlichen Ergebnisse verdeutlichen eine rechtliche Unterscheidung, die KI-Unternehmen heute sorgfältig navigieren: Der Kauf und das Scannen eines physischen Buches können geschützt sein, die Beschaffung desselben Inhalts durch Piraterie jedoch nicht.
Branchenreaktion und Forderungen nach Erhaltung
Als Reaktion auf die wachsende Kritik haben sich KI-Entwickler, darunter Elon Musk, gegen die Praxis ausgesprochen und Unternehmen aufgefordert, die gescannten Bücher zu erhalten.
„Ich habe das SpaceXAI-Team gebeten, seltene Bücher in einer Bibliothek zu erhalten und sie auf dem mühsamen Weg zu scannen, anstatt einfach den Buchrücken abzuschneiden und zu scannen", schrieb Musk auf X.