KI-Trainingsdaten: Amazon und Anthropic zerstören Millionen Bücher
Veröffentlicht am: 28.08.2026 um 14:08 Uhr | Redaktion boerse-global.de
Aktuelle Berichte des Mediums 404 Media belasten führende Technologieunternehmen schwer und werfen ein neues Licht auf die Methoden zur Beschaffung von Trainingsdaten für künstliche Intelligenz.
Den Veröffentlichungen zufolge setzen Unternehmen auf die gezielte physische Zerstörung von Büchern, um durch hochpräzise Scan-Verfahren hochwertige Datensätze zu generieren. Diese Vorgehensweise, die als „destruktives Scannen“ bezeichnet wird, betrifft demnach auch seltene Sammlerstücke und akademische Bestände.
Buchvernichtung in Las Vegas
Im Zentrum der Vorwürfe gegen den Online-Riesen Amazon steht eine Einrichtung in Las Vegas. Ehemalige Mitarbeiter des Standorts mit der Bezeichnung VGT3/LAS8 beschrieben detailliert die Abläufe in der Anlage.
Demnach seien dort mindestens 20 Scanner im Einsatz, um gedruckte Werke zu digitalisieren. Um die Effizienz und Qualität der Scans zu maximieren, würden die Buchrücken der Exemplare aufgeschnitten, was zur unwiederbringlichen Zerstörung der physischen Objekte führt.
Recherchen von 404 Media untermauern diese Aussagen. Den Berichten zufolge wurde der Weg von Büchern mittels Airtags bis in die Einrichtung in Las Vegas nachverfolgt.
Wer sich mit den rechtlichen Rahmenbedingungen für künstliche Intelligenz befasst, findet in diesem kostenlosen E-Book einen kompakten Überblick über alle neuen Anforderungen und Fristen. EU AI Act in 5 Schritten verstehen
Unter den zerstörten Werken befanden sich laut Zeugenberichten nicht nur gewöhnliche Titel, sondern auch seltene Exemplare, Regierungsdokumente sowie Bestände der London University. Die digitalisierten Inhalte umfassten ein breites internationales Spektrum, darunter deutsche, russische und japanische Titel.
Das „Project Panama“ von Anthropic
Auch das KI-Startup Anthropic steht aufgrund ähnlicher Praktiken in der Kritik. Im Rahmen eines Vorhabens mit dem Namen „Project Panama“ soll das Unternehmen ebenfalls auf destruktives Scannen zurückgegriffen haben, um die eigene KI zu trainieren. Diese Vorgehensweise mündete in einer der bislang umfangreichsten Urheberrechts-Rückforderungen der Geschichte.
In dem von Andrea Bartz initiierten Verfahren einigte sich Anthropic auf einen Vergleich in Höhe von 1,5 Milliarden US-Dollar. Von der Klage waren 91 % der beanspruchten Werke betroffen. Der Vergleich sieht vor, dass unter anderem der Verlag Bloomsbury einen Anteil erhält.
Insgesamt geht es um 14.087 Titel, wobei der Vergleichswert pro Titel mit etwa 3.000 US-Dollar beziffert wird. Zuvor hatte ein Gericht entschieden, dass das Training von KI auf urheberrechtlich geschütztem Material grundsätzlich unter die „Fair Use“-Doktrin fallen kann.
Suche nach sauberen Datenbeständen
Hintergrund für die physische Digitalisierung ist der wachsende Bedarf der Branche an sogenannten sauberen Daten. Experten weisen darauf hin, dass die Vermeidung von minderwertigen Inhalten, oft als „AI slop“ bezeichnet, für die Weiterentwicklung der Sprachmodelle entscheidend sei.
Die Zerstörung der Originale wird dabei als praktischer, wenn auch kulturell hochgradig umstrittener Weg gesehen, um fehlerfreie digitale Kopien zu erhalten. Während Befürworter die Erhaltung des Wissens in hochwertiger digitaler Form betonen, warnen Kritiker vor einem massiven kulturellen Verlust, Ausbeutung und der Bewegung in rechtlichen Grauzonen.
Die neue EU-KI-Verordnung stellt Unternehmen vor komplexe Aufgaben bei der Risikodokumentation und Kennzeichnung von Systemen. Dieser praxisnahe Umsetzungsleitfaden klärt auf, welche Pflichten jetzt konkret für Anwender und Entwickler gelten. Kostenlosen Report zu Risikoklassen und Pflichten herunterladen
Alternative Ansätze bei Google und in Singapur
Andere Marktakteure und Regionen wählen unterdessen andere Wege. Google startete kürzlich für sein Gemini Notebook die Funktion „Expert Intelligence“. Diese unterstützt den Zugriff auf über 100.000 Titel renommierter Verlage wie Penguin Random House, Macmillan und O’Reilly. Nutzer können hierbei legal erworbene Titel aus Google Play Books abfragen, wobei Zugriffskontrollen eine unerlaubte Weitergabe verhindern sollen.
Auf regulatorischer Ebene hat Singapur mit dem Copyright Act von 2021 bereits einen Rahmen geschaffen, der die Nutzung legal erworbener Werke für das KI-Training erlaubt. Am 26. August 2026 startete dort zudem eine öffentliche Konsultation durch das Ministerium für Recht und das geistige Eigentumsamt (IPOS).
Branchenvertreter wie Google unterstützen das Ziel einer klaren Rechtslage, während gleichzeitig über kollektive Lizenzierungsmodelle diskutiert wird, um Rechteinhabern die Kontrolle über den Zugang hinter Bezahlschranken zu ermöglichen.
