Wikipedia-Lizenzen für KI-Unternehmen
Die Diskussion um Datenlizenzen für KI-Unternehmen betrifft zunehmend auch gemeinnützige Organisationen wie Wikipedia. Jimmy Wales, Mitbegründer von Wikipedia, strebt mehr Lizenzverträge mit KI-Unternehmen an, ähnlich dem bestehenden Google-Vertrag. Dies ist eine Reaktion auf die steigenden Server- und Speicherkosten, die durch das Scraping von KI-Bots entstehen. Die zentrale Frage ist, wie ein fairer Ausgleich zwischen offenen Daten und KI gefunden werden kann, ohne das Prinzip freier Wissensquellen zu gefährden.
Quelle: Eigene Darstellung
Wikipedia und KI-Lizenzen
Wikipedia, betrieben von der gemeinnützigen Wikimedia Foundation, finanziert sich hauptsächlich durch Spenden. Die Inhalte stehen unter Creative-Commons-Lizenz CC BY-SA 3.0 und der GNU Free Documentation License, die auch kommerzielle Nutzung unter Einhaltung der Lizenzbedingungen erlauben. Diese Offenheit macht Wikipedia für KI-Unternehmen attraktiv, da die Artikel redaktionell geprüft, versioniert, mit Quellen versehen und strukturiert sind – ein ideales Fundament für Wissensgraphen und Trainingsdaten.
KI-Bots crawlen laut Wales "die Gesamtheit der Seite", was zu einem unverhältnismässigen Anstieg von Caches, RAM und Bandbreite führt. Die Spender von Wikipedia möchten freie Bildung unterstützen, nicht die Infrastrukturkosten von milliardenschweren KI-Konzernen subventionieren.
Der erste grosse Lizenzvertrag ist der zwischen der Wikimedia Foundation und Google über den Dienst „Wikimedia Enterprise“. Dieser kommerzielle API-Dienst, 2021 gestartet, richtet sich an Grossnutzer wie Suchmaschinen und KI-Firmen. Während normale Nutzer Wikipedia weiterhin kostenlos nutzen können, erhalten Unternehmen, die Millionen von Anfragen, Realtime-Spiegelungen und zugeschnittene Datenfeeds benötigen, stabile, vertraglich geregelte Zugänge gegen Bezahlung. Google zahlt für diesen Dienst, während das Internet Archive als Non-Profit kostenlosen Vollzugriff erhält.
Dieser Ansatz verschiebt die Wertschöpfung: Statt kostenlosem Scraping existiert nun ein Produkt, das auf datenintensive Anwendungen zugeschnitten ist. Parallel dazu verhandeln KI-Unternehmen mit Medienhäusern über Lizenzpakete. OpenAI hat Verträge mit Verlagen wie Axel Springer und Financial Times abgeschlossen. Reddit gab im Zuge seines Börsengangs an, rund 203 Millionen US-Dollar durch Datenlizenzen erlöst zu haben, darunter ein Vertrag mit Google über etwa 60 Millionen US-Dollar pro Jahr. Wikipedia steht somit vor der Frage, warum es weiterhin kostenlose Infrastruktur für KI-Modelle bereitstellen sollte, wenn andere Plattformen ihre Daten verkaufen.
Quelle: wikimediafoundation.org
Die Wikimedia Foundation entwickelt eine KI-Strategie, die den Menschen in den Mittelpunkt stellt.
Rechtliche Aspekte
Die rechtliche Situation für das Training grosser Sprachmodelle ist eine globale Grauzone. In der EU erlaubt die Urheberrechts-Richtlinie zum Digital Single Market (DSM-Richtlinie) Text- und Data-Mining, sofern Rechteinhaber ihre Werke nicht explizit ausschliessen. Der kommende EU AI Act verschärft die Anforderungen für „General Purpose AI“: Anbieter müssen eine detaillierte Zusammenfassung ihrer Trainingsdaten veröffentlichen und Urheberrechte sowie Opt-Out-Signale beachten. Dies dient der Transparenz, damit Rechteinhaber die Nutzung ihrer Inhalte nachvollziehen und gegebenenfalls verhandeln oder klagen können.
In den USA dominiert die Debatte um „Fair Use“. KI-Firmen argumentieren, das Training auf urheberrechtlich geschützten Werken sei eine transformative Nutzung, da keine 1:1-Kopien verbreitet, sondern statistische Muster gelernt werden. Gerichte akzeptieren diese Argumentation jedoch nicht durchgehend. Ein Münchner Gericht stellte fest, dass das Training von ChatGPT auf geschützten Songtexten gegen deutsches Urheberrecht verstösst und verurteilte OpenAI zu Schadensersatz zugunsten der GEMA. Die Lizenzierung von LLM-Trainingsdaten hängt von Ausnahmen, Opt-Out-Mechanismen, Transparenzpflichten und Gerichtsverfahren ab, was Plattformen wie Wikipedia zu planbaren Lizenzmodellen drängt.
Quelle: digitalzentrum-berlin.de
Der EU AI Act schafft einen rechtlichen Rahmen für den Einsatz von Künstlicher Intelligenz und beeinflusst Lizenzierungsmodelle.
Eine kompakte Einführung in die Grundfragen „Urheberrecht und KI-Training“ bietet diese englischsprachige Fachdiskussion.
Kosten des KI-Scrapings
Für Non-Profit-Plattformen wie Wikipedia entstehen durch KI-Scraping vor allem drei Kostenblöcke: zusätzliche Infrastruktur, technische Gegenmassnahmen und Governance-Aufwand. Der Bedarf an Servern, Bandbreite und Caching-Ressourcen steigt, da KI-Bots grosse Teile oder komplette Dumps des Projekts automatisiert durchforsten. Non-Profit-Organisationen müssen entscheiden, wie sie sich gegen exzessives Scraping wehren. Neben klassischen Mitteln wie robots.txt diskutiert die Wikimedia Foundation spezialisierte Lösungen wie Cloudflare „AI Crawl Control“. Zudem braucht es Governance-Strukturen, die entscheiden, mit welchen Unternehmen verhandelt wird und wann kostenloser Zugriff die Gemeinschaftsziele untergräbt.
Andere Plattformen reagieren unterschiedlich: Reddit setzt auf bezahlte Datenlizenzen, steht aber unter Beobachtung der US-Federal Trade Commission wegen des Verkaufs von Nutzerdaten. Gleichzeitig klagt Reddit gegen Anthropic wegen vertragswidrigen Scrapings, um sein Lizenzmodell zu schützen. Für Projekte wie Wikipedia ist der Spielraum kleiner. Sie können kostenpflichtige Enterprise-Modelle anbieten, müssen aber ihrer Community erklären, warum bestimmte Formen von KI-Scraping ab einem gewissen Umfang nicht mehr als legitime Nutzung, sondern als Kostenfalle gelten.
Einblicke in die Spannung zwischen freier Kultur und Nachhaltigkeit bietet Jimmy Wales in Vorträgen.
Modelle für fairen Ausgleich
Die zentrale Frage ist, wie ein fairer Ausgleich zwischen offenen Daten und KI aussieht, der Innovation und Gemeinwohl schützt. Ein gestuftes Zugriffsmodell ist ein naheliegender Ansatz: Menschen und kleine Projekte nutzen Inhalte frei unter Beachtung der CC-Lizenz. Grosse kommerzielle Akteure, insbesondere Betreiber von KI-Systemen, schliessen Lizenzverträge mit klaren Bedingungen zu Umfang, Attributionspflichten, Löschrechten und Haftung, wie es Wikimedia Enterprise oder die Deals grosser Verlage mit OpenAI vormachen.
Quelle: user-added
Zwei leuchtende Quallen, eine blau, eine grün, vor schwarzem Hintergrund mit Gitterlinien und Klammern.
Ein zweiter Baustein ist die technische Signalisierung: Rechteinhaber müssen maschinenlesbar kennzeichnen können, ob ihre Inhalte für KI-Training genutzt werden dürfen, und Crawler von KI-Firmen müssen diese Signale respektieren. Ein drittes Element sind standardisierte Vergütungsmodelle: Statt individueller Einzeldeals könnten kollektive Verwertungsgesellschaften oder branchenweite Rahmenverträge Lizenzgebühren für definierte Nutzungskategorien einsammeln und umverteilen, vergleichbar mit der Musikverwertung.
YouTube erlaubt es Creators, explizit zuzustimmen, dass ihre Videos für das Training von KI-Systemen externer Unternehmen genutzt werden dürfen; diese Einstellung ist standardmässig deaktiviert. Dies deutet auf eine Zukunft hin, in der offene Inhalte nicht mehr automatisch als kostenlose Rohstoff-Lager für KI-Konzerne gelten, sondern in der Nutzungsrechte, Vergütungen und Opt-Out-Möglichkeiten transparent verhandelt werden – auch für gemeinnützige Projekte wie Wikipedia.
Die Grundlagen der Creative-Commons-Lizenzen werden in diesem deutschsprachigen Erklärvideo vermittelt. Einen kompakten Einstieg in den europäischen Blick auf KI-Regulierung und Urheberrecht bietet dieser Vortrag.
Fazit und Ausblick
Wikipedia steht für die Idee freien Wissens, aber „frei zugänglich“ bedeutet nicht „kostenlos ausbeutbar für jedes Geschäftsmodell“. Die Entscheidung von Jimmy Wales und der Wikimedia Foundation, mehr Lizenzdeals mit KI-Unternehmen anzustreben, ist ein Versuch, die Prinzipien von Wikipedia in einer KI-getriebenen Welt zu bewahren. Offene Inhalte sollen offen bleiben, doch wer sie in industriellem Massstab kommerziell nutzt, soll einen fairen Anteil zur Finanzierung der Infrastruktur leisten.
Ob dieser Ansatz erfolgreich ist, hängt davon ab, wie Gerichte, Regulierungsbehörden und die Öffentlichkeit die Frage eines fairen Ausgleichs zwischen offenen Daten und KI beantworten. Es geht darum, die wahren Kosten von KI-Scraping nicht länger auf Ehrenamtliche und Spender abzuwälzen.