Künstliche Intelligenz und insbesondere grosse Sprachmodelle benötigen gigantische Mengen an Trainingsdaten. Je mehr und je hochwertiger die Daten, desto leistungsfähiger werden die resultierenden Modelle. Dies hat zu einer aggressiven Jagd nach Daten geführt, bei der die ethischen und rechtlichen Grenzen zunehmend verwischen.
Viele KI-Hersteller scrapen im grossen Stil Inhalte aus dem Internet, ohne explizite Genehmigung der Urheber oder Plattformbetreiber zu haben. Sie ignorieren dabei Nutzungsbedingungen von Websites und sozialen Medien, Urheberrechtsgesetze und teilweise auch ausdrückliche Opt-out-Anforderungen. Dieser Praktiken betreffen Blogger, Fotografen, Journalisten und Künstler, deren Werke zur Trainierung verwendet werden, ohne dass sie dafür kompensiert werden.
Das Argument der Unternehmen ist oft, dass diese Datennutzung unter "Fair Use" fällt. Doch diese rechtliche Grauzone wird immer stärker angefochten. Urheber und Content-Plattformen haben bereits Klagen eingereicht, um ihre Rechte zu schützen. Besonders im Bereich der generativen KI-Bildtools zeigt sich das Problem deutlich: Diese wurden teilweise auf Millionen von Bildern trainiert, deren Schöpfer nie zugestimmt haben.
Ein weiteres Problem liegt in der Aggregation personenbezogener Daten. Nutzerprofile, private Nachrichten und persönliche Informationen werden aus verschiedensten Quellen zusammengetragen, um umfassendere Trainierungsdatensätze zu schaffen. Dies birgt erhebliche Datenschutzrisiken.
Für Unternehmen und KMUs ist dies in mehrfacher Hinsicht relevant: Erstens müssen sie beim Einsatz von KI-Diensten prüfen, ob ihre eigenen Daten und Inhalte als Trainingsmaterial missbraucht werden. Zweitens sollten sie die rechtlichen Risiken verstehen, wenn sie KI-generierte Inhalte nutzen, die möglicherweise auf urheberrechtlich geschütztem Material basieren. Eine transparente, ethische und rechtskonforme KI-Nutzung wird zunehmend zum Wettbewerbsvorteil.