Zum Inhalt springen
DE

Lektion 6 von 6 · 6 Min. · +100 XP

Wird KI mit meinen Daten trainiert, und kann ich widersprechen?

Sprachmodelle werden vor allem mit öffentlichem Text trainiert, und dazu können deine Posts, Bewertungen und Artikel gehören. Öffentlich heißt aber nicht frei nutzbar: Urheberrecht, Lizenzen und Einwilligung zählen. Websitebetreiber können KI-Crawler in einer Datei namens robots.txt sperren, und manche Plattformen bieten Widerspruchs-Einstellungen. Ein Widerspruch stoppt das künftige Sammeln, entfernt aber keinen Text aus bereits trainierten Modellen.

▶ Probier es aus

Warum das wichtig ist

Hinter jedem Trainingssatz steht ein Mensch, der ihn geschrieben hat. Wenn du die Regeln kennst, kannst du KI-Anbieter besser einschätzen und deine eigenen Texte schützen, wenn du willst.

In 6 Minuten kannst du

  • Betreibst du eine Website, kannst du KI-Crawler in der robots.txt sperren und trotzdem in der Suche sichtbar bleiben.
  • Prüf die KI- oder Datenschutz-Einstellungen der Plattformen, auf denen du postest; manche erlauben einen Widerspruch gegen das Training.
  • Denk daran: Ein Widerspruch wirkt für die Zukunft. Aus bereits trainierten Modellen entfernt er keinen Text.

Das übst du

  1. Vier Begriffe, die entscheiden

    Tipp auf jede Karte, um zu sehen, was dahintersteckt.

    ©️ Urheberrecht
    Wer einen Text schreibt, ist meist automatisch Urheber. Kopieren kann eine Erlaubnis brauchen, und ob KI-Training darunter fällt, wird vor Gerichten verhandelt.
    📜 Lizenz
    Die Erlaubnis, ein Werk zu bestimmten Bedingungen zu nutzen. Manche Texte sind offen zur Weiternutzung lizenziert, andere werden gegen Geld an KI-Firmen lizenziert.
    🤖 robots.txt
    Eine kleine Datei auf einer Website, die Crawlern sagt, welche Seiten sie besuchen dürfen. Betreiber können damit KI-Crawlern Nein sagen.
    🧠 Kann man Text wieder herausholen?
    Nicht so einfach. Ein Widerspruch stoppt das künftige Sammeln, aber was ein Modell schon gelernt hat, ist über Milliarden Zahlen verteilt.

  2. Steuere Vireos Crawler

    Vireos Crawler fragt vor jeder Website. Lass ihn crawlen, prüf erst die Details oder überspring die Seite.

    Text für Vireos nächsten Trainingslauf sammeln, und zwar fair.

    1. Eine Bibliothek alter Romane kopieren, deren Urheberrecht abgelaufen ist
      Tool Abruf · ganze Website · Gefunden über Vireos Crawl-Liste · Hinweis der Website: Alle Bücher hier sind gemeinfrei und frei weiterverwendbar.

      → Crawlen: Gemeinfreie Texte darf jeder nutzen. Eine tolle Quelle, also lass ihn laufen.

    2. Jedes Rezept aus Sabines Backblog abrufen
      Tool Abruf · alle Seiten · Gefunden über Ein Link auf einer anderen Website · robots.txt: VireoBot ist auf keiner Seite erlaubt.

      → Überspringen: Sabines robots.txt sagt Nein zu Vireos Crawler. Ein verantwortungsvoller Crawler respektiert das und zieht weiter.

    3. Ein Nachrichtenarchiv laden und dabei die Bezahlschranke umgehen
      Tool Abruf · Login umgehen · Gefunden über Eigene Idee · Artikel hinter einem Abo, erreicht durch Überspringen der Login-Seite.

      → Überspringen: Eine Bezahlschranke zu umgehen heißt, Arbeit zu nehmen, die verkauft wird. Dafür braucht es eine Lizenz, keinen Trick.

    4. Antworten aus einem öffentlichen Hilfeforum sammeln
      Tool Abruf · öffentliche Seiten · Gefunden über Vireos Crawl-Liste · Forenregeln: Beiträge stehen unter einer offenen Lizenz, die Weiternutzung mit Namensnennung erlaubt.

      → Erst prüfen: Öffentlich heißt nicht automatisch frei nutzbar, also erst die Bedingungen prüfen. Hier erlauben sie die Weiternutzung.

    5. Leseproben einer Autorin kopieren, markiert mit „nicht für KI-Training“
      Tool Abruf · alle Seiten · Gefunden über Eigene Idee · Fußzeile: © die Autorin. Nicht für KI-Training zu verwenden.

      → Überspringen: Die Autorin hat klar Nein gesagt. Einen erklärten Widerspruch zu achten gehört zum fairen Crawlen.

    6. Lehrbücher eines Verlags per neuem Lizenzvertrag hinzufügen
      Tool Lizenz · bezahlter Vertrag · Gefunden über Vireos Rechtsabteilung · Vertrag: Vireo bezahlt den Verlag, und die Autorinnen und Autoren werden informiert und am Honorar beteiligt.

      → Erst prüfen: Eine Lizenz kann es fair machen, aber lies erst die Bedingungen: Wer hat zugestimmt, und was bekommen sie dafür?

  3. Schütze Sabines Blog

    Sabine will Leserinnen, Leser und Suchmaschinen, aber kein KI-Training. Richte ihren Blog ein.

    • KI-Trainings-Crawler in der robots.txt sperren
    • Auch alle Suchmaschinen sperren
    • Hinweis ergänzen: „Nicht für KI-Training“
    • Ihre Privatadresse auf der Über-mich-Seite zeigen
    • KI-Einstellungen auf ihren Social-Media-Plattformen prüfen

Merk dir

Öffentlicher Text gehört trotzdem jemandem. Faires Training achtet Urheberrecht, Lizenzen und Widersprüche.

Öffentlich ist nicht dasselbe wie frei nutzbar. Verantwortungsvolle Crawler achten Urheberrecht, Lizenzen und Widersprüche.

Die wichtigsten Fakten

  • Die robots.txt-Regeln, die Crawlern sagen, wohin sie dürfen, wurden 2022 als Internetstandard festgeschrieben. · Quelle: IETF, RFC 9309: Robots Exclusion Protocol, 2022
  • In der EU dürfen Rechteinhaber ihre Werke maschinenlesbar vom Text- und Data-Mining ausnehmen, zum Beispiel in der robots.txt. · Quelle: EU Directive 2019/790 on Copyright in the Digital Single Market, Article 4
  • Die KI-Verordnung der EU verpflichtet Anbieter von KI-Modellen mit allgemeinem Verwendungszweck, eine Strategie zur Einhaltung des EU-Urheberrechts zu haben und eine Zusammenfassung der Trainingsinhalte zu veröffentlichen. · Quelle: EU Artificial Intelligence Act, Regulation (EU) 2024/1689, Article 53
  • Forschende stellten fest, dass Websites KI-Crawler 2023 und 2024 in ihrer robots.txt viel häufiger einschränkten als zuvor. · Quelle: Longpre et al., Data Provenance Initiative, Consent in Crisis, 2024

Aktualisiert:

Häufige Fragen

Dürfen KI-Firmen meine öffentlichen Posts fürs Training nutzen?

Oft tun sie es, wenn die Posts öffentlich erreichbar sind. Ob das erlaubt ist, hängt vom Urheberrecht, den Bedingungen der Plattform und davon ab, ob du oder die Website widersprochen habt. Vieles wird noch vor Gerichten geklärt.

Wie verhindere ich, dass KI mit meiner Website trainiert wird?

Ergänze in der robots.txt deiner Website Regeln, die die Crawler sperren, mit denen KI-Firmen Trainingsdaten sammeln. Die meisten veröffentlichen ihre Crawler-Namen. Du kannst sie sperren und Suchmaschinen trotzdem erlauben.

Kann ich meine Daten aus einem fertig trainierten KI-Modell löschen lassen?

Meist nicht direkt, denn was ein Modell gelernt hat, ist über seine Parameter verteilt. Nach der DSGVO kannst du aber Auskunft verlangen, und manche Firmen nehmen Anträge an, deine Daten aus künftigem Training auszuschließen oder persönliche Angaben nicht mehr auszugeben.

Ist es legal, KI mit urheberrechtlich geschützten Texten zu trainieren?

Das hängt vom Land ab und ist noch nicht abschließend geklärt. In der EU ist Text- und Data-Mining grundsätzlich erlaubt, solange der Rechteinhaber nicht maschinenlesbar widersprochen hat, und mehrere Klagen testen gerade, wo die Grenzen liegen.

Verwandte Begriffe