OpenAI und Anthropic kaufen Unternehmensdaten für KI-Training

KI-Entwickler wie OpenAI und Anthropic kaufen zunehmend interne Unternehmensdaten, darunter Mitarbeiter-Chats, E-Mails, Videoaufzeichnungen von Konferenzen und Historien von Code-Änderungen, da der Vorrat an öffentlich verfügbaren Internet-Texten zur Neige geht. Dies geht aus einem Bericht von The Information vom 13. August hervor, der sich auf etwa 20 Quellen stützt, darunter Startup-Gründer und Brancheninsider.news.sbs

Ein boomender Markt für Unternehmensdaten

Die Nachfrage nach Unternehmenskommunikationsdaten hat in den letzten Monaten stark zugenommen, angetrieben durch den Wettlauf um die Entwicklung von KI-Agenten, die reale Aufgaben wie Kundenservice und Rechnungsprüfung übernehmen können. Bobby Samuels, CEO des Datenvermittlungs-Startups Protege, erklärte gegenüber The Information, dass das Bruttotransaktionsvolumen seines Unternehmens von 30 Millionen Dollar im letzten Jahr auf mindestens 100 Millionen Dollar in diesem Jahr gestiegen ist.news.sbs

Die Datenkäufer zielen vor allem auf Startups ab, die vor der Insolvenz oder Übernahme stehen. Warmly, ein KI-Agenten-Startup, das kürzlich von HubSpot ↘ 6.81% übernommen wurde, soll nach Unterzeichnung des Übernahmevertrags vier separate Angebote von bis zu 300.000 Dollar für den Kauf seiner internen Meeting-Protokolle und E-Mails erhalten haben, lehnte diese jedoch alle ab. Aufzeichnungen menschlicher Interaktionen, wie Entwickler, die Probleme per E-Mail lösen, Finanzchefs, die über die finanzielle Leistung diskutieren, oder Software-Demonstrationsvideos, gelten als essenzielles Trainingsmaterial für KI-Systeme der nächsten Generation.news.sbs

Die Datenmauer rückt näher

Der Kaufrausch spiegelt eine strukturelle Einschränkung wider. Epoch AI schätzt, dass der effektive Bestand an hochwertigen, von Menschen geschriebenen Texten etwa 300 Billionen Tokens umfasst und zwischen 2026 und 2032 vollständig von Spitzenmodellen aufgebraucht sein könnte. Bei aggressiveren Annahmen für das Training könnte dieser Zeitraum bereits 2027 enden. Zwar tauchen ständig neue menschliche Texte online auf, deren Wachstumsrate ist jedoch weitaus geringer als die Expansion der KI-Trainingsdatensätze.siliconcanals+3

Bücher, Klagen und steigende Kosten

Der Kampf um private Daten folgt auf eine Phase der Kontroversen darüber, wie KI-Unternehmen ihr Trainingsmaterial beschafft haben. Die interne Initiative "Project Panama" von Anthropic umfasste den Kauf urheberrechtlich geschützter Bücher, deren Einbände für das Scannen entfernt und die physischen Exemplare anschließend vernichtet wurden. Ein Bundesrichter in San Francisco genehmigte im Juli einen Vergleich in einer Sammelklage über 1,5 Milliarden Dollar im Zusammenhang mit diesem Programm. Wie die Washington Post berichtete, beschrieb ein internes Planungsdokument das Vorhaben als Versuch, "alle Bücher der Welt destruktiv zu scannen".reuters+1

Da die Anonymisierung von Unternehmensdatensätzen eine große Herausforderung darstellt, sagt Shub Sinha, CEO des Datenverarbeitungsunternehmens Integral, dass sein Unternehmen "einen strengen Anonymisierungsprozess durchführt, um den Wert der Daten zu erhalten und gleichzeitig die Datenschutzbestimmungen einzuhalten". Der wachsende Markt für private Texte signalisiert, dass die Trainingskosten, die einst von der Rechenleistung dominiert wurden, zu einem immer bedeutenderen Kostenfaktor für KI-Entwickler werden.news.sbs