// HEISE ONLINE — INTELLIGENZA ARTIFICIALE
KI-Update kompakt: Trainingsdaten, OpenAI Astra, Fotografie, Sonnenstürme
Das "KI-Update" liefert drei mal pro Woche eine Zusammenfassung der wichtigsten KI-Entwicklungen.
Mit Ihrer Zustimmung wird hier ein externer Podcast (Podigee GmbH) geladen.
Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden.
Damit können personenbezogene Daten an Drittplattformen (Podigee GmbH) übermittelt werden.
Mehr dazu in unserer
Datenschutzerklärung.
Wem gehören die Daten, mit denen Firmen ihre KI-Systeme trainieren, und wer soll dafür zahlen? Um diese Frage streiten Europas Tech-Konzerne und der Kreativsektor. Die EU-Kommission hat eine öffentliche Konsultation durchgeführt und über vierhundert Stellungnahmen erhalten, von Tech-Firmen, Kreativverbänden, Forschungseinrichtungen und Verwertungsgesellschaften. Im Zentrum steht das Text- und Data-Mining, also das automatisierte Auslesen und Analysieren großer Datenmengen. Die europäische Urheberrechtsrichtlinie von 2019 erlaubt das grundsätzlich, auch für gewerbliche Zwecke. Rechteinhaber können aber widersprechen, ein sogenanntes Opt-out.
Der Kreativsektor wirft KI-Firmen vor, sich der Lizenzierung zu entziehen und sogar Raubkopien zu nutzen. Er fordert ein Opt-in-System, bei dem Firmen vorher um Erlaubnis fragen müssen. Die Tech-Industrie hält dagegen, KI-Modelle speicherten keine Texte, sondern erlernten Muster. Eine Pflicht zur Lizenzierung treffe vor allem kleine Anbieter. Der Verband Bitkom warnt vor Nachteilen gegenüber den USA und China. Es gibt auch Kompromissvorschläge. Wikimedia Deutschland will die Datei robots.txt als Standard für Opt-outs festlegen. Die Verwertungsgesellschaft GEMA fordert ein neues Recht für die kommerzielle Nutzung KI-generierter Inhalte. Die Kommission muss nun einen Mittelweg finden.
Google hat sich für zehn Millionen US-Dollar die Geschäftsdaten der insolventen Billigfluglinie Spirit Airlines gesichert. Das Paket enthält hunderte Millionen E-Mails und Chat-Nachrichten sowie Millionen Zeilen Quellcode. Google will diese Daten anonymisiert für das KI-Training nutzen.
Das Vorgehen liegt in der Branche im Trend. KI-Firmen kaufen gezielt die Datenschätze insolventer Unternehmen, um ihre Modelle mit echten Geschäftsprozessen zu füttern. Solche realen, nicht öffentlichen Daten sind besonders wertvoll für das Training von KI-Agenten.
Weil die Daten aus dem Internet weitgehend ausgeschöpft sind, beschaffen sich KI-Firmen inzwischen massenhaft Bücher für das Training ihrer Sprachmodelle. Antiquare berichten von nächtlichen Bestellungen aus Nordamerika, die teils sechsstellige Gewinne brachten. Die Bücher werden beim Scannen häufig zerstört, denn das Abtrennen der Buchrücken geht schneller und billiger als schonendes Digitalisieren.
Anthropic bestätigte in Gerichtsdokumenten ein „Project Panama“ zum destruktiven Scannen aller Bücher weltweit. In Deutschland ist das Vorgehen urheberrechtlich problematisch. In den USA kann die Zerstörung sogar rechtlich vorteilhaft sein, weil sie als Formatwechsel und nicht als zusätzliche Kopie gilt. Der Datenhunger treibt diese Praxis voran.
OpenAI hat das Training seiner Modelle für zwei Wochen gestoppt. Der Grund: Das kommende Modell „Astra“ erreicht in internen Tests so starke Fähigkeiten im Bereich Cybersicherheit, dass OpenAI die höchste Risikostufe seines eigenen Sicherheits-Frameworks nicht mehr ausschließen kann. Der größte geplante Trainingslauf bleibt weiter angehalten. Auch andere Prozesse pausieren, bis sie neue Sicherheitsanforderungen erfüllen.