Seltene Trainingsdaten kaufen, konform (EU AI Act)

Für die Datenteams von Laboren und Annotatoren hat sich die Gleichung geändert: Der einfache öffentliche Text ist weitgehend absorbiert, und die Grenze des Trainings liegt nun im Seltenen – artikulierte Expertise, Gesten der physischen Welt, unterversorgte Sprachen, spezialisierte visuelle Inhalte. Die Beschaffung dieses Seltenen bringt jedoch eine versteckte Kostenfalle mit sich: die Konformität.

Die europäische KI-Verordnung schreibt eine Zusammenfassung der Trainingsdaten vor, und das veröffentlichte Vorlagenmodell zeigt eine entscheidende Asymmetrie (Analyse Mayer Brown, 2025). Für Web-gescrapte Inhalte müssen die größten Domänen dokumentiert werden – bis zu den größten 10 %, und 5 % für ein KMU. Für Daten, die von einem Dritten lizenziert wurden, genügt im Wesentlichen die Bestätigung der Existenz der Vereinbarung und der betroffenen Modalität. Die deklarierende Belastung ist daher für Lizenznehmer deutlich geringer als für Scraper. Hinzu kommt auf Seiten der GPAI die Verpflichtung, mehrere Quellkategorien anzugeben, Rechtevorbehalte zu beachten und die Entfernung rechtswidriger Inhalte zu dokumentieren: Die Herkunft wird zur Konformitätsverpflichtung.

Konkret bringt Ihnen lizenzierte und nachverfolgbare Daten drei Dinge: eine Lizenzvereinbarung, die den Zugang beweist, eine nachverfolgbare Herkunft, die die Rückverfolgbarkeitskette bildet, und die Einhaltung von Rechtevorbehalten, die das Streitrisiko reduziert. In einem Umfeld, in dem Rechtsstreitigkeiten um nicht lizenzierte Daten zunehmen – hohe Vergleiche und laufende Prozesse (IPWatchdog) – hat diese Entrisikierung einen direkten Wert.

Es bleibt die Frage, wo und wie man das Seltene findet. Diese Daten werden von operativen KMU gehalten, deren Nebenprodukt sie sind, nicht von Datenmarktplätzen. Der richtige Kanal ist eine geregelte Vermittlung: ein Deal Room mit Maklermandat, Vertraulichkeitsvereinbarung und Lizenz, der Käufer und Inhaber konform verbindet. Der erste konkrete Schritt: Sagen Sie uns, welche Modalität und welches Datenprofil Sie suchen, damit wir den Inhaber ermitteln können.