KI-Firmen kaufen alte Bücher: Darum werden sie geschreddert

Gedruckte Bücher werden plötzlich zur begehrten KI-Ware. Der Grund ist ausgerechnet der ganze KI-Müll im Netz.

KI-Modelle brauchen immer neue Daten, doch das offene Web wird für viele Anbieter unattraktiver. Alte Bücher gelten nun als sauberer Rohstoff – auch für Apple spannend, wenn Apple Intelligence tiefer auf dem iPhone und Mac landet.

Alte Bücher gelten jetzt als saubere Datenquelle

ISBNdb hilft inzwischen dabei, gedruckte Bücher in großen Mengen zu beschaffen. Genannt werden Aufträge von 1.000 bis zu 1 Million Büchern – aus Gebrauchtmärkten, Bibliotheksbeständen und Restposten.

Der Reiz liegt im Veröffentlichungsdatum. Bücher vor 2022 stammen aus der Zeit vor der großen KI-Textwelle und sollen daher weniger Risiko für „Model Collapse“ und synthetisch verseuchte Trainingsdaten mitbringen. Werden KI-Systeme nämlich mit schlechten Texten trainiert, die Autoren mit KI erzeugt haben, leidet die Qualität.

Schneller Scan zerstört Bücher – alles für die KI

Problematisch wird es beim nächsten Schritt: Für schnelles Scannen werden Buchrücken abgeschnitten, die Seiten maschinell eingezogen und die gedruckten Originale danach entsorgt. Genau solche Abläufe wurden auch im Anthropic-Verfahren beschrieben.

Ein US-Gericht bewertete das Scannen gekaufter Bücher in diesem Fall als Fair Use, weil die Papierkopie durch eine interne digitale Kopie ersetzt und nicht weiterverbreitet wurde.

Dass die KI-Firmen, die anscheinend mittlerweile fast das komplette Internet abgegrast haben, mit Büchern von echten Menschen so achtlos umgehen, lässt uns mit einem bestürzenden Gefühl zurück.

Sale