-2.png?w=1024)
Ein seltenes Buch ging mit der Post auf die Reise. Was am anderen Ende herauskam, war ein Einblick in das zunehmend physische Rennen um Trainingsdaten für KI.
Amazon kauft große Mengen gedruckter Bücher, scannt sie für Trainingsdaten seiner KI und vernichtet dabei die physischen Exemplare – laut einer Untersuchung von 404 Media. Das Medium deckte eine bislang unbekannte Operation auf: In einem seltenen Buch, das vermutlich für das KI-Training gekauft worden war, wurde ein Ortungsgerät versteckt. Anschließend verfolgte man das Gerät bis zu einer Amazon-Anlage in Las Vegas.
Damit reiht sich Amazon in die branchenweite Suche nach hochwertigem, von Menschen verfasstem Material ein, während KI-Entwickler über das offene Web hinaus nach Daten suchen, mit denen sie immer ausgefeiltere Modelle trainieren können.
Ein geortetes Buch führte Reporter zu Amazon
Die Untersuchung von 404 Media begann mit einem ausgesprochen analogen Experiment.
Reporter platzierten einen Tracker in einem von mehreren seltenen Büchern, die ein Buchhändler verschickt hatte, nachdem ungewöhnlich viele Bestellungen eingegangen waren. Das Gerät führte sie schließlich zu VGT3, einer Amazon-Anlage in Las Vegas.
Mitarbeitern von Amazon zufolge, die 404 Media interviewte, erhalten die Beschäftigten in der Anlage große Lieferungen gedruckter Bücher und entfernen deren Einbände, damit die Seiten schneller gescannt werden können. Bei diesem Verfahren werden die physischen Bücher zerstört.
Amazon bestätigte, dass das Unternehmen Bücher für seine Technologievorhaben beschafft.
„Amazon kauft Bücher über kommerzielle Vertriebswege, um die Produkte und Dienstleistungen weiterzuentwickeln und zu verbessern, die unsere Kunden nutzen“, sagte ein Unternehmenssprecher gegenüber 404 Media.
Das Unternehmen teilte dem Medium nicht mit, welche konkreten KI-Produkte mit dem gescannten Material trainiert werden.
Das verleiht der Geschichte eine wichtige Nuance. Die Untersuchung wirft Amazon nicht vor, die georteten Bücher aus Piratenbibliotheken bezogen oder illegal heruntergeladen zu haben. Stattdessen dokumentiert sie eine physische Lieferkette, in der Bücher kommerziell gekauft, gescannt und vernichtet werden, während ihre Inhalte in digitale Daten umgewandelt werden.
Warum KI-Unternehmen alte Bücher wollen
Die Vorgehensweise von Amazon fällt in eine umfassendere Anstrengung von KI-Entwicklern, große Mengen hochwertigen, von Menschen erstellten Textes zu finden.
In einer früheren Untersuchung berichtete 404 Media, dass KI-Unternehmen alte gedruckte Bücher kauften – unter anderem, weil Bücher, die vor dem Boom der generativen KI veröffentlicht wurden, aus einer Zeit stammen, in der online erzeugte KI-Inhalte noch nicht rasant zunahmen. Diese Unterscheidung wird immer wertvoller, während Entwickler die Qualität und Herkunft ihrer Trainingsdaten bewerten.
Bücher bieten außerdem etwas, das das weitläufige Internet nicht immer garantieren kann: redigierte, strukturierte Texte zu spezialisierten Themen, in verschiedenen Sprachen, Berufen und historischen Epochen.
Für KI-Unternehmen, die nach mehr Trainingsmaterial suchen, werden die Bücherregale der Welt zu einer weiteren potenziellen Datenquelle. Doch die Umwandlung dieser Regale in Datensätze kann einen physischen Preis haben.
Die von 404 Media georteten Bücher wurden als selten bezeichnet, weil vergleichsweise wenige Exemplare noch im Umlauf waren. Das Medium nannte die Titel nicht und wies darauf hin, dass ihre Knappheit auf begrenzte Auflagen oder darauf zurückgehen könnte, dass die Bücher in Sprachen mit vergleichsweise wenigen Sprechern verfasst wurden.
Das macht nicht zwangsläufig jedes Buch zu einem wertvollen Sammlerstück. Es bedeutet jedoch, dass die Vernichtung eines Exemplars einen ohnehin begrenzten Bestand dauerhaft verringern kann.
Der Appetit der KI auf Bücher ist bereits ein juristisches Schlachtfeld
Die Enthüllung rund um Amazon erfolgt vor dem Hintergrund eines eskalierenden Streits darüber, ob und wie urheberrechtlich geschützte Bücher zur Entwicklung generativer KI verwendet werden dürfen.
Im Juli reichten Hachette Book Group, Cengage Learning, Elsevier und der Autor Scott Turow eine geplante Sammelklage ein. Darin warfen sie Google vor, urheberrechtlich geschützte Bücher und Zeitschriftenartikel unrechtmäßig zur Entwicklung von Gemini verwendet zu haben.
Wie eWeek über die Urheberrechtsklage zu Gemini berichtete, wirft der Fall eine besonders knifflige Frage auf: Wenn Verlage einem Technologieunternehmen Material für Dienste wie die Suche oder den Verkauf von E-Books bereitgestellt haben, erstreckt sich diese Erlaubnis dann auch auf das Training eines KI-Modells? Die Verlage argumentieren, dass dies nicht der Fall ist.
Anthropic war in einen separaten und viel beachteten Rechtsstreit über die Nutzung von Büchern verwickelt.
In einem Urteil aus dem Jahr 2025 kam US District Judge William Alsup zu dem Schluss, dass Anthropics Nutzung urheberrechtlich geschützter Bücher zum Training seiner KI-Modelle als „Fair Use“ einzustufen sei. Der Richter behandelte die Beschaffung der Bücher jedoch als separate Frage und entschied, dass Anthropics Aufbau einer zentralen Bibliothek mit Raubkopien nicht allein deshalb geschützt war, weil das Material später für das KI-Training verwendet werden konnte.
Der Rechtsstreit führte schließlich zu einem umfangreichen Vergleich über die raubkopierten Werke. Im Juli erteilte ein Bundesrichter die endgültige Genehmigung für Anthropics Urheberrechtsvergleich über 1,5 Milliarden US-Dollar, der rund 500.000 Werke abdeckt und vor Abzug von Gebühren und sonstigen Kosten etwa 3.000 US-Dollar pro Titel vorsieht.
Die Untersuchung zu Amazon belegt nicht, dass das Unternehmen denselben Weg einschlägt, der das Verfahren gegen Anthropic ausgelöst hat. Amazon teilte 404 Media mit, dass es seine Bücher über kommerzielle Vertriebswege kauft.
Stattdessen veranschaulicht die Operation einen weiteren ungeklärten Teil des KI-Urheberrechtsproblems: Der rechtmäßige Erwerb eines physischen Buches beantwortet nicht automatisch alle Fragen dazu, welche Rechte mit dem Kauf einhergehen oder wie sein Inhalt anschließend verwendet werden darf.
Die umfassendere Rechtslage bleibt ungeklärt. Das US Copyright Office hat sich dagegen ausgesprochen, jedes KI-Training automatisch als zulässig oder als Rechtsverletzung einzustufen. Stattdessen betont es, dass die traditionelle „Fair Use“-Analyse von den Umständen abhängt, unter denen urheberrechtlich geschütztes Material erworben und verwendet wird.
Wie die Berichterstattung von eWeek über die Erkenntnisse des Copyright Office zum KI-Trainingerklärt, sind Fragen rund um Lizenzen, „Fair Use“ und die wirtschaftlichen Auswirkungen des KI-Trainings noch lange nicht geklärt.
Wenn Digitalisierung Zerstörung bedeutet
Die Untersuchung zu Amazon wirft außerdem eine Frage auf, die über das Urheberrecht hinausgeht: Was geschieht mit den Büchern selbst?
Digitalisierung wird traditionell eng mit Bewahrung verbunden. Bibliotheken und Archive scannen empfindliches Material, damit die Informationen erhalten bleiben, selbst wenn das Original irgendwann verfällt. Destruktives Scannen kehrt dieses Verhältnis um. Durch das Entfernen des Einbands können die Seiten effizient durch Hochgeschwindigkeitsscanner laufen, doch dabei wird das physische Exemplar geopfert.
Bei weit verbreiteten Büchern kann der Verlust eines einzelnen Exemplars die allgemeine Verfügbarkeit kaum beeinträchtigen. Komplizierter wird die Gleichung, wenn dasselbe Verfahren Bücher mit kleinen Auflagen, kaum bekannten fremdsprachigen Werken, vergriffenen technischen Nachschlagewerken oder anderen Titeln erreicht, von denen vergleichsweise wenige Exemplare erhalten sind.
Die Untersuchung von 404 Media zeigt weder, wie viele seltene Bücher Amazon vernichtet hat, noch nennt sie die bearbeiteten Titel. Diese offenen Fragen sind wichtig, wenn es um die möglichen Auswirkungen auf den Bestand physischer Bücher geht. Was die Untersuchung jedoch belegt, ist, dass Amazon eine Operation aufgebaut hat, die kommerziell gekaufte Bücher in ein digitales Format umwandeln und dabei die Originale zerstören kann. Das legt eine merkwürdige neue Ökonomie des Wissens offen.
Jahrelang konnten KI-Entwickler das Internet als riesiges Reservoir an Trainingsmaterial betrachten. Nun, da von KI erzeugte Texte einen wachsenden Anteil der digitalen Welt einnehmen, deutet die Berichterstattung darauf hin, dass von Menschen verfasstes Material aus der Zeit vor dem Boom der generativen KI einen neuen Wert erlangt hat.
Ebenfalls lesenswert: Während Amazon nach neuen Quellen für hochwertige Trainingsdaten sucht, ist das Unternehmen auch dabei, seine Nova-KI-Strategie zu überarbeiten – ein Zeichen für die umfassendere Anstrengung, seine Position im zunehmend umkämpften KI-Rennen zu stärken.