Tonnenweise Text: Wie Big Tech Antiquariate leerkauft, um seine KI zu füttern

Antiquariate sind wahre Fundgruben: Bibliophile Geister finden dort Schätze wie seltene Erstausgaben oder alte Atlanten, die man nicht einfach per Mausklick auf Amazon bestellen kann – und die selbst in gut sortierten Buchhandlungen vergriffen sind.

Wer in den Regalen stöbert, stößt auf vergessene Autoren oder Exemplare aus privaten Bibliotheken, die noch mit Stempel und handschriftlichen Notizen versehen sind. Entsprechend kunstsinnig und speziell ist auch das Publikum, das Antiquariate frequentiert.

Antiquariate von Bestellungen aus USA überschwemmt

George Orwell, der von 1934 bis 1935 für ein paar Monate als Gehilfe in einer antiquarischen Buchhandlung in London arbeitete und seine Erfahrungen in dem Essay „Bookshop Memories“ (1936) verarbeitete, schrieb: „Es gibt zwei bekannte Arten von Plagegeistern, von denen jeder Antiquar heimgesucht wird. Die eine ist die heruntergekommene, nach alten Brotkrusten riechende Person, die jeden Tag, manchmal sogar mehrmals am Tag kommt und versucht, einem wertlose Bücher zu verkaufen. Die andere ist die Person, die große Mengen an Büchern bestellt, obwohl sie nicht im Geringsten die Absicht hat, dafür zu bezahlen.“

Orwells Prophezeiungen sind teilweise Wirklichkeit geworden. Und auch das, was er in seinen „Bookshop Memories“ festhielt, liest sich 90 Jahre später wie eine Beschreibung der Gegenwart und dem, was sich aktuell auf dem Gebrauchtmarkt für Bücher abspielt – nur, dass die Kundschaft aus aller Welt kommt und bereitwillig die Schatulle öffnet.

Wie der Guardian kürzlich berichtete, erhalten Antiquariate in Großbritannien und Irland seit einigen Wochen auffällige Bestellungen aus den USA und Kanada. Zu den georderten Titeln gehören unter anderem Werke wie eine estnische Übersetzung von John le Carrés „The Mission Song“ sowie eine Ausgabe von Anne Brontës Roman „Agnes Grey“. Auch Nischiges wie Bücher über landwirtschaftliche Geräte im Afrika des 18. Jahrhunderts oder Biografien über Rennfahrer aus den 1950er Jahren landen auf den Bestelllisten. Auch in Australien werden Buchhändler mit Online-Bestellungen überhäuft. Nur: Welche Nerds lesen das alles?

Wer hinter den mysteriösen, mutmaßlich botgetriebenen Buchkäufern steckt, ist unklar. Laut dem Guardian handelt es sich bei einem der Ankäufer um das kanadische Unternehmen Zoom Books, das sich als „North America’s leading book recycling company“ bezeichnet. Die Lieferadressen verweisen auf Frachtlager in der Nähe des Londoner Flughafens Heathrow. Das nährt den Verdacht, dass womöglich Tech-Konzerne Antiquariate leerkaufen, um ihre datenhungrigen KI-Systeme zu trainieren.

Erst vor wenigen Tagen berichtete das Portal 404 Media, dass Amazon über „kommerzielle Kanäle“ in großem Stil Bücher erwirbt, um seine KI zu füttern: Eine Buchsendung, die mit einem GPS-Tracker versehen worden war, landete in einem Amazon-Lager in Las Vegas. Anschließend werden die Bücher vernichtet.

Das scheint kein Einzelfall zu sein. Im Januar hatte die Washington Post enthüllt, dass die Entwicklerfirma Anthropic mehrere Millionen Dollar für den Ankauf von Büchern ausgegeben hat, um ihr KI-Modell Claude mit hochwertiger Literatur zu füttern. Unter dem Codenamen „Project Panama“ trennte das Unternehmen mit Hydraulikpressen offenbar Millionen gedruckter Bücher von ihren Einbänden ab und scannte die losen Seiten ein – die Originale wurden hinterher geschreddert und entsorgt. „Project Panama ist unser Vorhaben, alle Bücher der Welt zerstörerisch zu scannen“, zitiert die Washington Post ein internes Dokument. Anthropic vernichtet also Wissen, um seine KI schlauer zu machen.

Wenn Bücher nicht mehr als ein Rohstoff sind

Autoren und Archivare sind entsetzt. Erst saugt Big Tech das Internet aus, und jetzt wirft es auch noch Bücher in den Müll. Schon als Google damit begann, für seinen Dienst Google Books Bücher einzuscannen, gab es unter Verlagen einen Aufschrei. Doch das Schreddern von Büchern hat nochmal eine ganz andere Dimension. Für die Tech-Konzerne sind Texte offensichtlich bloß ein Rohstoff wie für die Chemieindustrie Öl und Gas.

Der Hintergrund: Große Sprachmodelle (LLMs) benötigen riesige Datenmengen, um sprachstatistische Muster zu erkennen und auf Knopfdruck Texte zu generieren. ChatGPT wurde allein mit 300 Milliarden Wörtern trainiert, darunter der englischsprachigen Wikipedia, UN-Dokumenten und hunderttausenden Büchern.

Als das US-Magazin The Atlantic den Buchkorpus Books3 mit knapp 200.000 Titeln veröffentlichte, staunte mancher Autor nicht schlecht, dass sein Werk auf der Leseliste von KI stand. Der Literaturskandal war perfekt. Doch mit jedem weiteren Parameter, den die KI-Ingenieure in den Motor der Sprachmodelle einbauen, wächst der Daten- und Lesehunger der Maschinen. Das Problem: Die Lizenzierung von Texten ist zeitintensiv. Zeit, die man im Wettrennen um die beste KI nicht hat.

Um den dringend benötigten Rohstoff zu besorgen, zapften Tech-Konzerne wie Anthropic und Meta daher den Bestand von Schattenbibliotheken an und luden Millionen Bücher von Piraterie-Seiten wie LibGen und Anna's Archive herunter, die per File-Sharing Zugriff auf Millionen raubkopierte Zeitschriftenaufsätze und Bücher bieten. Eine Art Napster für Literatur.

Doch weil diese Praxis urheberrechtlich problematisch ist und Klagen nach sich zog, verlegten sich die KI-Schmieden auf den (legalen) Ankauf von gedruckten Büchern – koste es, was es wolle. Denn Druckerzeugnisse aus dem 20. Jahrhundert sind garantiert frei von KI-Sprech und ChatGPTismen, die sich seit geraumer Zeit in Online-Texten verbreiten und mit denen sich KI-Systeme gegenseitig kannibalisieren. Wer demnächst ins Antiquariat geht, muss damit rechnen, dass ihm Big Tech die Bücher vor der Nase wegschnappt.

Lesen Sie mehr zum Thema