Zoom Books: Massenankauf gebrauchter Fachbücher als KI-Trainingsdaten

Frei verfügbare Texte im Internet werden als Trainingsgrundlage für große Sprachmodelle zunehmend knapp. Laut Berichten von SWR und SRF, zitiert im deutschen Branchenblatt Börsenblatt, weichen KI-Unternehmen deshalb auf ältere gedruckte Fachbücher aus, die bislang nicht digitalisiert vorlagen. Diese gelten als erschlossene, aber noch nicht ausgeschöpfte Textressource. Der Markt für viele dieser Titel ist gering, sie sind vergriffen und werden im Antiquariatshandel zu niedrigen Preisen angeboten.

Einen rechtlichen Rahmen für dieses Vorgehen liefert die US-amerikanische Fair-Use-Doktrin (Section 107 Copyright Act), unter die AI-Unternehmen die Digitalisierung zu subsumieren versuchen. Die Logik: Wer ein physisches Exemplar legal erwirbt und es anschließend für einen als transformativ gewerteten Zweck scannt, könnte sich auf Fair Use berufen, analog zum Präzedenzfall Authors Guild, Inc. v. Google, Inc., in dem Googles massenhafte Buchdigitalisierung als zulässige Fair-Use-Nutzung eingestuft wurde. Das Verfahren läuft im EU-Raum rechtlich anders: Artikel 4 der DSM-Richtlinie erlaubt Text- und Data-Mining unter einer Opt-out-Klausel. Bei physischen Altbeständen, für die kein digitaler Opt-out-Mechanismus existiert, ist die Rechtslage nach europäischem Urheberrecht ungeklärt.

Seit dem Frühjahr dieses Jahres beobachten Antiquare in Deutschland und der Schweiz ungewöhnlich große Bestellungen des kanadisch-amerikanischen Unternehmens Zoom Books. Recherchen von SWR und SRF zufolge kauft das Unternehmen gezielt Sachbücher und Fachtitel, die ab den 1970er-Jahren erschienen sind und eine ISBN tragen. Belletristik ist weniger gefragt. Einzelne Händler berichten von Bestellungen über Dutzende bis Hunderte von Bänden.

Die Bücher werden zunächst in temporären Lagern in Deutschland gesammelt und danach nach Kanada und in die USA transportiert. Dort erfolgt laut Washington Post ein destruktives Scanverfahren: Eine hydraulisch betriebene Schneidemaschine trennt den Buchrücken auf, die Seiten werden auf Hochgeschwindigkeitsscannern digitalisiert, und das physische Exemplar wird anschließend dem Recycling zugeführt und dauerhaft vernichtet.

Zoom Books hat eine Beteiligung an der Digitalisierung und Vernichtung von Büchern zum Zweck der KI-Entwicklung offiziell bestritten.

Das beschriebene Verfahren entspricht dem, was in der Branche als „destruktives Scannen" bezeichnet wird. Laut den Dokumenten, auf die die Washington Post Zugriff hatte, wurden für das Projekt Fachleute engagiert, die zuvor am Google-Books-Projekt mitgewirkt hatten und Erfahrung mit der Massendigitalisierung von Büchern besitzen.

Das KI-Unternehmen Anthropic bestätigte in einem Gerichtsverfahren, im Rahmen seines „Project Panama" tens of millions of dollars für den Ankauf und die Verarbeitung von Millionen gedruckter Bücher ausgegeben zu haben. Ob Zoom Books in diesem Zusammenhang als Dienstleister tätig war, geht aus den vorliegenden Quellen nicht eindeutig hervor.

Belastbare Zahlen zum Gesamtumfang der von Zoom Books in deutschsprachigen Ländern erworbenen Bücher liegen aus den vorliegenden Quellen nicht vor. Der Tübinger Buchhändler Roger Sonnewald erklärte gegenüber dem SWR, die Käufe seien zwar legal, die mutmaßliche Vernichtung der Bücher könne jedoch zum Verlust von Kulturgut führen. Europäische Verlegerverbände beginnen laut Medienberichten, klarere Regeln für die Nutzung urheberrechtlich geschützter Werke zum Training von KI-Systemen zu fordern.

Die Berichte aus dem deutschsprachigen Raum ordnen sich in ein größeres Bild ein: Ähnliche Praktiken wurden zuvor bereits aus den USA gemeldet. Das Besondere an den aktuellen Fällen ist, dass sich der Ankauf nun auf fremdsprachige Märkte ausweitet und gezielt auf vergriffene Bestände zielt, die außerhalb regulärer Verlagskataloge liegen. Damit tritt eine neue Phase des urheberrechtlichen Konflikts rund um KI-Training ein, eine Phase, in der physische Bücher zur letzten unerschlossenen Textressource werden, wie ein Kommentator es formuliert: „digital pastures have been grazed, physical books are their last frontier."