Zerstörerisches Scannen: Digitalisierung auf Kosten des Buches

Vor einigen Wochen geriet Anthropic, das Unternehmen hinter Claude, in einen Rechtsstreit. Der Vorwurf: Anthropic habe Tausende raubkopierte Bücher fürs KI-Training genutzt. Der Fall endete mit einem Vergleich über 1,5 Milliarden Dollar. Doch er wirft eine noch spannendere Frage auf. Woher bekommen KI-Unternehmen die riesigen Textmengen für ihr Training?

Der Fall zeigt: KI-Unternehmen dürfen sich keine illegalen Buchkopien beschaffen. Sie dürfen aber gedruckte Bücher kaufen und digitalisieren. Die gewonnenen Texte können sie dann fürs Training nutzen. Der Unterschied ist wichtig: Das Originalbuch wurde legal gekauft. Die digitale Kopie ersetzt das gedruckte Buch. Sie kommt nicht einfach noch dazu.

Hier kommt das Destructive Scanning ins Spiel. Dabei wird das Buch zerlegt. Der Buchrücken wird abgeschnitten und die Bindung entfernt. Anschließend werden die einzelnen Seiten gescannt. So lassen sie sich schnell durch automatische Scanner schicken. Daraus entstehen digitale Dateien, deren Text später erkannt werden kann. Das ist effizient, aber unumkehrbar: Das Originalbuch ist danach unbrauchbar.

Das macht Bücher für Entwickler von KI-Modellen besonders wertvoll. Sie enthalten nicht nur riesige Textmengen. Vor allem stammen viele Inhalte aus der Zeit vor generativer KI. Bücher von vor 2022 können deshalb besonders wertvoll sein. Damals nutzten noch nicht Millionen Menschen täglich Tools wie ChatGPT.

Bei neueren Inhalten gibt es nämlich ein neues Problem. Es heißt "AI Slop". Gemeint sind Texte, die KI ganz oder teilweise erzeugt hat. Trainiert man damit neue Modelle, steigt ein bestimmtes Risiko. KI lernt dann womöglich aus Texten, die KI selbst erzeugt hat. Stattdessen sollte sie aus Texten lernen, die Menschen geschrieben haben. So wird eine alte Bibliothek plötzlich erstaunlich modern. Sie bewahrt Texte aus der Zeit vor dem KI-Boom.