Alte Bücher sind noch kein freier Trainingsbestand

Kurzfassung: Ein älterer Buchbestand kann für KI-Projekte interessant sein. Sein Alter belegt aber weder die erlaubte Nutzung noch seine fachliche Eignung. Die US-Entscheidung Bartz gegen Anthropic von 2025 zeigt, warum Beschaffung, Digitalisierung, dauerhafte Archivierung und Modelltraining getrennt geprüft werden müssen. Für den Einkauf zählt deshalb nicht nur die Textmenge, sondern ein dokumentierter, für den vorgesehenen Zweck nutzbarer Bestand.

Ein Anbieter bietet ein Archiv gedruckter Fachbücher an: vor dem Boom generativer KI erschienen, digitalisierbar und als Grundlage für ein spezialisiertes Modell beworben. Das klingt nach einem knappen Rohstoff mit besonderer Qualität. Die eigentliche Investitionsfrage lautet jedoch anders: Welche Texte darf das Unternehmen für welchen Zweck verwenden, und welche davon verbessern die geplante Anwendung tatsächlich?

Die beiden Antworten lassen sich nicht auseinander ableiten. Ein rechtmäßig beschafftes Buch kann für eine aktuelle technische Aufgabe veraltet sein. Ein fachlich wertvoller Text kann unter Bedingungen angeboten werden, die die geplante Verarbeitung nicht abdecken. Wer nur Seitenzahlen und Erscheinungsjahre vergleicht, bewertet noch kein verwendbares Datenpaket.

Ein Verfahren, drei verschiedene Nutzungen

Eine anschauliche Trennung enthält die Entscheidung im US-Verfahren Bartz gegen Anthropic vom 23. Juni 2025. Das Gericht behandelte nicht sämtliche Buchkopien als einen einheitlichen Vorgang namens KI-Training. Es unterschied die konkrete Trainingsnutzung, den Ersatz gekaufter Printbücher durch digitale Exemplare und den Aufbau einer dauerhaften Bibliothek aus unrechtmäßig heruntergeladenen Kopien.

Die dort geprüfte Trainingsnutzung bewertete das Gericht als Fair Use nach US-Recht. Auch die Digitalisierung gekaufter Printbücher erhielt eine positive Bewertung, aber aus einem anderen Grund und unter konkreten Umständen: Die Originale wurden zerstört, durch digitale Exemplare ersetzt und diese nicht außerhalb des Unternehmens weitergegeben. Das ist keine Aussage, dass jeder Buchkauf beliebige weitere Kopien oder Vertriebswege erlaubt.

Für die aus Raubkopien aufgebaute zentrale Bibliothek verneinte das Gericht dagegen die Fair-Use-Rechtfertigung. Dass einzelne Bestände später zum Training dienten, rechtfertigte nicht automatisch ihre dauerhafte Vorratshaltung. Auch ein späterer Kauf beseitigte nach der Entscheidung nicht die Haftung für die frühere unrechtmäßige Beschaffung.

Das ist eine historische Einzelfallentscheidung, keine Darstellung des heutigen Gesamtverfahrens und keine allgemeine Erlaubnis für KI-Training. Insbesondere lässt sich US-Fair-Use-Recht nicht als Freigabe für ein deutsches Projekt übernehmen. Für die Beschaffung bleibt die darin sichtbare Unterscheidung dennoch hilfreich: Zugang zum Material, Herstellung einer digitalen Kopie, Aufbewahrung und konkrete Nutzung sind verschiedene Sachverhalte.

Herkunft beschreibt mehr als das Erscheinungsjahr

Die Werbeaussage „vor generativer KI entstanden“ betrifft zunächst die vermutete Entstehungsgeschichte eines Textes. Sie beantwortet nicht, aus welcher Ausgabe die gelieferte Datei stammt, wer sie digitalisiert hat oder auf welcher Grundlage sie weitergegeben wird. Ein altes Buch kann in einer neuen Übersetzung vorliegen; ein Datensatz kann zusätzlich redaktionelle Bearbeitungen enthalten. Welche Rechte daran bestehen und welche Nutzung möglich ist, muss für das konkrete Material geklärt werden.

Auch als Qualitätsmerkmal ist das Alter nur ein Ausgangspunkt. Es beweist weder Fehlerfreiheit noch fachliche Aktualität. Ein historisches Maschinenbauhandbuch kann für die Erschließung älterer Anlagen wertvoll sein und zugleich überholte Verfahren beschreiben. Entscheidend ist, ob das Projekt historischen Wissenszugang, heutige technische Auskunft oder einen Vergleich zwischen beiden benötigt.

Bei der Digitalisierung kommt eine weitere Ebene hinzu. Texterkennung kann Tabellen, Formeln und Fußnoten falsch zuordnen. Selbst eine korrekte Seite verliert Nutzen, wenn ihre Ausgabe oder der Zusammenhang mit einer Abbildung nicht erkennbar bleibt. Die Herkunftsprüfung sollte deshalb bis zur gelieferten Datei reichen, nicht beim Kaufbeleg für einen Bücherkarton enden.

Eine sinnvolle Lieferbeschreibung verbindet Werk und Ausgabe, Erwerbs- beziehungsweise Bereitstellungsweg, Digitalisierungsverfahren und Nutzungsbedingungen mit einer identifizierbaren Dateiversion. Das ist eine redaktionell abgeleitete Beschaffungsempfehlung, kein vom US-Gericht vorgeschriebenes Dokumentationsschema. Sie macht sichtbar, was der Käufer tatsächlich erhält und was noch ungeklärt ist.

Zwei Abnahmen statt eines großen Datenkaufs

Ein hypothetischer Hersteller möchte alte Serviceunterlagen und eingekaufte Fachliteratur für die Instandhaltung seiner Bestandsanlagen erschließen. Der angebotene Korpus enthält viele Seiten, aber nur ein Teil betrifft die verbauten Maschinengenerationen. Einige Tabellen sind schlecht erkannt, bei anderen Dateien fehlt die genaue Auflage.

Hier wären zwei getrennte Abnahmen zweckmäßig. Die rechtliche Prüfung klärt anhand des geplanten Einsatzes, welche Beschaffung, Speicherung und Verarbeitung gedeckt sind. Die fachliche Prüfung untersucht an repräsentativen Anlagenfragen, ob die Texte die benötigten Antworten enthalten und zuverlässig erschlossen werden können. Eine positive rechtliche Bewertung ersetzt den fachlichen Test nicht; ein guter Antworttest ersetzt keine Nutzungsgrundlage.

Auch die technische Verwendungsart gehört vor den Kauf. Soll das System auf passende Textstellen zugreifen und diese mit Herkunft anzeigen, oder sollen Modellgewichte mit dem Material angepasst werden? Welche Kopien entstehen, wer erhält Zugriff und was bleibt beim Dienstleister gespeichert? Daraus folgt noch keine rechtliche Bewertung. Es beschreibt aber den Sachverhalt, den Einkauf, Entwicklung und rechtliche Beratung gemeinsam prüfen müssen.

Wirtschaftlich ist deshalb ein abgegrenzter Probebestand oft aussagekräftiger als eine frühe Zusage für das gesamte Archiv. An ihm lassen sich Sucherfolg, Erkennungsfehler und fachlicher Zusatznutzen untersuchen. Der Preisvergleich sollte anschließend die nutzbaren, geprüften Teile und die notwendige Nachbearbeitung berücksichtigen, nicht nur die nominelle Seitenzahl.

Was den Wert eines Archivs ausmacht

Ein Anbieter, der lediglich Dateien liefert, verkauft etwas anderes als ein Anbieter, der Herkunft, Ausgaben, Bereitstellungsgrundlage und Digitalisierung nachvollziehbar dokumentiert. Der zweite kann dem Käufer Prüf- und Aufbereitungsarbeit ersparen. Ob das einen Mehrpreis rechtfertigt, hängt davon ab, wie belastbar die Nachweise sind und wie gut der Bestand zur Aufgabe passt.

Für das KI-Management ist das die entscheidende Verschiebung: Nicht jedes knappe oder alte Textarchiv ist schon ein wertvoller Trainingsbestand. Wert entsteht aus der Kombination von zulässiger Nutzung und nachgewiesenem fachlichem Nutzen. Beides sollte vor dem großen Datenkauf erkennbar sein – und nicht erst, nachdem ein Modell damit angepasst wurde.