Schreddern zum Trainieren: Im Inneren der rechtlichen Lücke, die seltene Bücher in KI-Brennstoff verwandelt

Überblick über die Kolumne

Inmitten dieser Geschichte herrscht eine seltsame Stille. Keine Proteste, keine Schlagzeilen, die haften bleiben, kein viral ausbreitender Empörungszyklus – nur Lastwagen, Lagerhallen und Maschinen, die Buchrücken schneller zerschneiden, als es jeder Mensch lesen könnte. Irgendwo in dieser Stille hat sich ein Geschäftsmodell gebildet, das darauf abzielt, seltene Bücher aufzukaufen, ihre Seiten zu scannen und den Rest zu vernichten. Ein Bundesrichter hat dies bereits für legal erklärt. Das kaufende Unternehmen versteckt sich nicht unbedingt, wirbt aber auch nicht dafür. Und der Grund, warum wir überhaupt davon erfahren haben, ist, dass ein Antiquar schließlich einem Reporter etwas erzählt hat.

Die Mechanik einer sehr effizienten Löschung

Der Prozess selbst ist fast klinisch. Hochgeschwindigkeits-Scananlagen sind so konstruiert, dass sie Bücher durch Zerstörung ihrer Bindung verarbeiten – der Rücken wird abgeschnitten, sodass die Seiten wie lose Blätter durchlaufen, was dramatisch schneller ist, als jedes Buch Seite für Seite zu fotografieren, während es intakt bleibt. Was danach übrig bleibt, ist kein Buch mehr. Es sind lose Blätter, die verpulvert oder entsorgt werden, denn ein Wiederaufbau war nie geplant.

Ein Dienst namens ISBNdb steht in der Mitte dieses Prozesses und vermittelt Großbestellungen – Berichten zufolge bis zu einer Million Bücher auf einmal –, während er die Identität der Käufer anonym hält. Diese Anonymität spielt hier eine große Rolle. Sie bedeutet, dass eine Bibliothek, ein Antiquariat oder ein Sammler, der eine Menge landwirtschaftlicher Texte aus dem 18. Jahrhundert verkauft, keine Ahnung hat, ob sein Inventar auf dem Weg zur Schreddermaschine statt ins Regal ist. Es bedeutet auch, dass die Öffentlichkeit keinen klaren Weg hat, nachzuverfolgen, wie viele unwiederbringliche Bände bereits durch diesen Prozess gegangen sind.

Warum die Zerstörung der Punkt ist, nicht ein Nebeneffekt

Hier ist der Teil, bei dem ich einen zweiten Lesedurchgang brauchte, um ihn vollständig zu erfassen: Die Zerstörung ist nicht zufällig im rechtlichen Argument enthalten, sie ist das Argument selbst. Ein Bundesrichter entschied, dass diese Praxis unter den Fair-Use-Schutz fällt, genau weil die Eliminierung des Originals sicherstellt, dass zu jedem Zeitpunkt nur eine Kopie des Werks existiert. Mit anderen Worten: Man kann nicht wegen effektiver Vervielfältigung eines urheberrechtlich geschützten Buches verklagt werden, wenn man sicherstellt, dass Duplikat und Original niemals nebeneinander existieren. Scannen, schreddern, und rechtlich gesehen wurde nichts kopiert – etwas wurde lediglich von Papier in Daten umgewandelt.

Es ist eine clevere Auslegung des Urheberrechts, und man kann leicht verstehen, warum Käufer Bücher bevorzugen, die etwa vor 2022 veröffentlicht wurden. Alles, was älter ist, ist garantiert frei von KI-generiertem Text, was enorm wichtig ist, wenn man versucht, ein Modell mit authentischem menschlichem Schreiben zu trainieren, anstatt versehentlich eine Schleife maschinengenerierter Prosa einzuspeisen, die aus neueren Druckläufen gescrappt wurde. Bücher vor 2022 sind in diesem Rahmen nicht nur historische Artefakte. Sie sind saubere Daten.

Ein Geschäft, das darauf aufgebaut ist, keine Schlagzeile zu sein

Was dies von den Kontroversen der letzten Jahre rund um das Training von KI unterscheidet – das Scrapen von Webseiten, das Torrenten von Schattenbibliotheken, das Abgreifen von Audio von Streaming-Plattformen – ist, dass das eigene Marketing von ISBNdb genau zu verstehen scheint, wie schlecht das aussieht. Berichte von 404 Media deckten Sprache auf der Website des Unternehmens auf, die im Wesentlichen wortwörtlich anerkannte, dass „KI-Unternehmen zerstört zwei Millionen Bücher“ keine Schlagzeile ist, die Sympathie erzeugt. Und dennoch existiert das Geschäft weiter, aufgebaut auf NDAs als Standardfeature und einer bevorzugten Terminologie, in der „Schreddern“ zu „digitaler Erhaltung“ wird.

Dieser Begriff, digitale Erhaltung, leistet Fast Beeindruckendes in seiner Unehrlichkeit. Erhaltung impliziert normalerweise, etwas für die Zukunft sicher aufzubewahren. Hier bedeutet es das Gegenteil: Das physische Objekt wird absichtlich zerstört, und was überlebt, ist eine digitalisierte Kopie, die ausschließlich als Trainingsmaterial dient und wahrscheinlich nie wieder in irgendeiner sinnvollen Weise von einem Menschen gelesen wird. Ein Buchverkäufer, der mit 404 Media sprach, beschrieb das Einspeisen von Bänden mit fast keinen anderweitig erhaltenen Exemplaren – Bücher, die bereits Kriege, Brände, Überschwemmungen und einige hundert Jahre gewöhnlicher Vernachlässigung überstanden hatten, nur um ihr Ende in einer Scananlage zu finden, die auf Geschwindigkeit statt auf Sorgfalt ausgelegt ist.

Scraping ist reversibel. Dies ist es nicht.

Ich habe viele Geschichten darüber gelesen, wie KI-Unternehmen offene Webpages scrapen oder aus piratierten Buchsammlungen ziehen, und immer gab es das implizite Trostgefühl: „Naja, wenigstens ist es irgendwo noch da.“ Eine Website kann erneut hochgeladen werden. Ein Bestseller kann unendlich oft neu aufgelegt werden. Selbst ein getorrentetes Archiv, ethisch zwar fragwürdig, löscht den ursprünglichen Text nicht aus der Existenz – irgendjemand, irgendwo, hat noch eine Kopie.

Seltene Bücher haben dieses Sicherheitsnetz nicht. Wenn eine bestimmte Ausgabe einer botanischen Untersuchung oder einer regionalen Geschichte drei erhaltene Exemplare auf der Welt hat und eines dieser Exemplare in einen Scanner eingespeist und zerschreddert wird, reduziert sich die Anzahl der erhaltenen Exemplare dauerhaft auf zwei. Es gibt keine Neuauflage, keinen Backup-Server, keine zweite Quelle. Dies ist die erste KI-Trainingskontroverse, auf die ich gestoßen bin, bei der das Rohmaterial selbst der Verlierer ist, nicht nur das Kompensationsmodell darum herum.

Das übt auch einen neuen Druck auf die breitere Branchenkonversation über die Beschaffung von Trainingsdaten im großen Maßstab aus – Unternehmen einschließlich Anthropic sollen laut Berichten Senior-Talente von großen Digitalisierungsprojekten angeworben haben, darunter einen ehemaligen Leiter der Partnerschaften bei Google Books, speziell um umfassenden Buchzugang zu Trainingszwecken zu verfolgen. Der Ehrgeiz, „alle Bücher der Welt“ in eine nutzbare digitale Form zu bringen, ist nicht neu; Google selbst verbrachte fast zwei Jahrzehnte damit, Millionen von Bänden zu scannen. Was neu ist, ist die Art und Weise, dies zu tun, ohne das physische Original zurückzulassen.

Legal, effizient und es lohnt sich, darüber nachzudenken

Keines davon erfordert einen Bösewicht. Niemand bricht ein Gesetz. Ein Gericht hat sich die Praxis angesehen und eine plausible, wenn auch beunruhigende Grundlage gefunden, sie als Fair Use zu bezeichnen. ISBNdb verbirgt nicht, dass es existiert. Die Käufer sehen sich vermutlich als Lösung für ein echtes Datenproblem – sauberer, vor-KI-Text ist eine echte Knappheit, und das gute Trainieren von Modellen ist eine echte technische Herausforderung.

Aber Legalität und Komfort sind nicht dasselbe, und es lohnt sich, ehrlich zu sein darüber, worüber wir tatsächlich sprechen. Eine Entscheidung, die irreversible Zerstörung als Bedingung behandelt, die das Kopieren akzeptabel macht, wird das Verhalten so lange prägen, wie sie besteht, und das Verhalten, das sie prägt, ist der Massenerwerb physischer Knappheit – Bücher, die nicht ersetzt werden können, sobald sie weg sind. Das ist eine andere Kategorie von Verlust als eine gescrapte Webseite oder ein vergriffenes Taschenbuch, und es ist die Art von Sache, die tendenziell nur im Nachhinein verstanden wird, wenn spezifische Texte verschwunden sind und jemand nach einer Kopie sucht, die nicht mehr existiert.