Künstliche Intelligenz
Die letzten Daten der Menschheit
KI-Firmen haben das freie Internet leergesaugt. Jetzt greifen sie nach alten Büchern oder, wie zuletzt Google, nach den E-Mail-Archiven insolventer Firmen
Kolumne
/
Philip Pramer
Die Donau legt in diesem Hitzesommer Dinge frei, die eigentlich längst vergessen waren. Wegen der Trockenheit ist ihr Wasserstand so tief gefallen, dass mancherorts Schiffe aus dem Zweiten Weltkrieg aus dem Fluss ragen.
Es gab eine Zeit, da wäre der Schrott dieser alten Schiffe begehrt gewesen. Stahl, der vor 1945 hergestellt worden war, enthält keine Spuren jener künstlichen Radionuklide, die nach den ersten Atombombenversuchen und den oberirdischen Nukleartests in die Atmosphäre gelangten. Für besonders empfindliche Strahlungsmessgeräte war dieser sogenannte strahlungsarme Stahl begehrt. Aus vor der schottischen Küste versenkten deutschen Kriegsschiffen wurden etwa später Geigerzähler hergestellt.
Unverstrahlte Inhalte
Heute ist diese Form der Schatzsuche weitgehend überflüssig: Die radioaktive Belastung ist gesunken, und "low background steel" lässt sich auf anderen Wegen herstellen.
Auch bei Texten gibt es inzwischen ein Vorher und ein Nachher. Die Zäsur liegt im November 2022, als ChatGPT veröffentlicht wurde. Seither ist es unmöglich zu garantieren, dass ein Text im Netz nicht zumindest teilweise von einer KI verfasst oder überarbeitet wurde.
Für die Firmen, die die nächste Generation ihrer Modelle trainieren wollen, ist das ein Problem. Wenn ein KI-Modell zunehmend mit Text lernt, der von anderen KI-Modellen erzeugt wurde, drohen sich Fehler, Plattitüden und statistische Eigenheiten zu verstärken – ein Effekt, den Forscher "Model Collapse" nennen. Wie bei einer Fotokopie von einer Fotokopie von einer Fotokopie.
Der Reißwolf namens Amazon
Das World Wide Web, einst eine scheinbar unendliche Quelle an Informationen, ist dabei inzwischen restlos leergefischt. Öffentlich abrufbare Nachrichtenseiten, Foren und digitalisierte Bücher haben die KI-Modelle bereits durchgekaut. Neue, hochwertige und vor allem nachweislich "unverstrahlte" Daten sind damit zu einer der begehrtesten Ressourcen im KI-Wettlauf geworden.
Seit einigen Wochen bemerken Antiquariate ungewöhnliche Großbestellungen, bestehend aus dutzenden oder hunderten scheinbar wahllos ausgesuchten Büchern. Auch österreichische Antiquariate berichteten dem STANDARD von solchen Käufen. In der Branche machte schnell ein Verdacht die Runde: Hier kauft jemand nicht Bücher, sondern Trainingsdaten.
Mithilfe von versteckten Airtags hat die investigative Tech-Publikation 404 Media die Bücher nun zu Amazon zurückverfolgt. Dort werden Bücher zerlegt, eingescannt und anschließend vernichtet. Auch Anthropic hatte zuvor massenweise alte Werke gekauft. Das Unternehmen hatte sogar vor, "alle Bücher der Welt destruktiv zu scannen", wie interne Dokumente zeigen.
Sie wollen wissen, wie wir denken
Doch selbst dieses Material reicht den KI-Firmen inzwischen nicht mehr. Schließlich geht es längst nicht mehr um Chatbots, die Fragen beantworten und Texte generieren, sondern um agentische Systeme. Diese zerlegen größere Aufgaben in Arbeitsschritte und arbeiten sie selbstständig ab.
Wenn sie lernen wollen, wie ein Projekt koordiniert, eine Presseaussendung geschrieben oder ein Kundenanliegen bearbeitet wird, reicht das fertige Ergebnis nicht mehr. Sie müssen wissen, wie Menschen dabei recherchieren, sich abstimmen, nachfragen, korrigieren. Kurz gesagt: Die KI weiß längst, was wir wissen. Jetzt will sie wissen, wie wir denken.
Google macht gerade vor, wie das in der Praxis aussieht. Der Tech-Konzern hat gerade für zehn Millionen US-Dollar einen Teil des digitalen Nachlasses der insolventen US-Fluglinie Spirit Airlines ersteigert. Darunter: rund 100 Millionen E-Mails, 500 Millionen interne Teams-Nachrichten, Crew-Einsatzpläne, Treibstoffprotokolle. Die personenbezogenen Informationen sollen entfernt werden, beteuert Google. Übrig bleibt das, was für KI-Unternehmen zunehmend wertvoll ist: ein gewaltiges Archiv echter menschlicher Arbeit.
Neuer Goldrausch
Auch OpenAI zahlt Fachleuten über den Dienstleister Handshake bis zu 30.000 US-Dollar, wenn sie echte Arbeitsdokumente aus ihrem Berufsleben bereitstellen. Inzwischen hat sich daraus ein eigenes Geschäftsmodell entwickelt, wie Forbes berichtet. Der Dienstleister SimpleClosure, der Start-ups beim Abwickeln hilft, hat nach eigenen Angaben bereits mehr als 100 solche Deals vermittelt – meist mit gescheiterten Start-ups, die sich damit ein letztes Mal etwas Geld verdienen. Die Summen bewegen sich meist zwischen 10.000 und 100.000 US-Dollar.
Shanna Johnson etwa, die die Transkriptionsfirma cielo24 abwickelte, verkaufte den in 13 Jahren angesammelten digitalen Fußabdruck ihres Unternehmens für einige hunderttausend Dollar. Zuvor habe sie nicht gewusst, wie sie überhaupt die Rechnungen bezahlen solle, erzählte sie Forbes. Durch den Verkauf konnte sie das Unternehmen stattdessen geordnet abwickeln. Sie sei zwar emotional, was die Schließung angehe – aber es fühle sich gut an zu wissen, dass die Daten des Unternehmens weiterleben und anderen nützen könnten.
Bejubelt wird dieser neue Goldrausch auf Unternehmensdaten freilich nicht von allen. Die Gewerkschaft der Flugbegleiterinnen und Flugbegleiter ist entsetzt über den Google-Spirit-Deal und sieht die Privatsphäre ihrer Mitglieder mit Füßen getreten. Sie hat beim zuständigen Insolvenzgericht Einspruch gegen den Verkauf erhoben.
Totalüberwachung im Namen der KI
Ganz ähnliche Bedenken hatte vor einigen Monaten ein Projekt bei Meta ausgelöst. Mit der "Model Capability Initiative" ließ der Konzern auf Firmenlaptops Tastenanschläge, Mausbewegungen und Screenshots von US-Mitarbeitern mitschneiden, um eine KI zu trainieren. Erst nach Protesten und einem Datenleck stoppte Meta das Projekt.
Wer heute einem Dienst erlaubt, dass seine Daten für KI-Training verwendet werden dürfen, hat zumindest formal eine Wahl getroffen. Die Crew-Mitglieder von Spirit Airlines hatten diese Wahl nie. Ihre E-Mails sind zu einer Zeit entstanden, in der es die Technologie, die heute daraus lernen soll, nicht gab, ja gar nicht vorstellbar war.
Ilya Sutskever, Mitgründer und ehemaliger Chefwissenschafter von OpenAI, brachte es bereits 2024 auf den Punkt: Daten seien die fossilen Brennstoffe im KI-Zeitalter. In der Vergangenheit entstanden, endlich, der Förderhöhepunkt bereits erreicht.
Das Bild von Daten als Öl des 21. Jahrhunderts ist zugegebenermaßen ziemlich abgenutzt. Aber es passt eben. Die leicht erschließbaren Lagerstätten sind ausgebeutet. Jetzt geht es ans Fracking, an die Ölsande, an die Vorkommen im Naturschutzgebiet. Ganz sauber ist das alles nicht. (Philip Pramer, 21.8.2026)
Forum: 11 Postings
Ihre Meinung zählt.
Die Kommentare im Forum geben nicht notwendigerweise die Meinung der Redaktion wieder. Die Redaktion behält sich vor, Kommentare, welche straf- oder zivilrechtliche Normen verletzen, den guten Sitten widersprechen oder sonst dem Ansehen des Mediums zuwiderlaufen (siehe ausführliche Forenregeln), zu entfernen. Benutzer:innen können diesfalls keine Ansprüche stellen. Weiters behält sich die STANDARD Verlagsgesellschaft m.b.H. vor, Schadenersatzansprüche geltend zu machen und strafrechtlich relevante Tatbestände zur Anzeige zu bringen.