Kommentar: KI-Firmen sammeln Daten ohne Rücksicht
Ein heise-Kommentar listet auf, wie KI-Anbieter an Trainingsdaten kommen: robots.txt ignoriert, Bücher zerschnitten, Arztgespräche verwertet.
Symbolbild: Ein Roboterarm blättert unter einer Kamera eine aufgeschlagene Buchseite um, daneben stapeln sich beschnittene Buchrücken vor einem Serverschrank mit blinkenden Statusleuchten.
Der heise-Kommentar von Wolf Hosbach vom 5. September 2026 argumentiert, dass die Anbieter großer Sprachmodelle beim Beschaffen von Trainingsdaten inzwischen jede Grenze überschreiten – von ignorierter robots.txt bis zu aufgezeichneten Arztgesprächen.
Auf einen Blick
- Kommentar von Wolf Hosbach, erschienen am 5. September 2026 in der Rubrik Meinung bei heise online.
- Vorwurf: Die Server der Datensammler setzen sich über die Vorgaben der robots.txt auf Webseiten hinweg.
- Coding-Agenten durchsuchen laut dem Text ungefragt Git-Projekte und können dabei Schadcode ausführen.
- Doctolib möchte laut einem Bericht der Zeit Inhalte aufgezeichneter Arztgespräche für KI-Training nutzen.
- Der Verlag Carlsen klagt laut dem Kommentar gegen OpenAI wegen des Stils der Neinhörner von Astrid Henn.
Der Journalist Wolf Hosbach kommt in seiner am 5. September 2026 bei heise online erschienenen WTF-Kolumne zu einem harten Urteil: Beim Einsammeln von Trainingsmaterial kennen die Anbieter großer Sprachmodelle „keine Grenzen“. Es handelt sich um einen Meinungsbeitrag, nicht um eine Nachricht – die Beispiele sind als Beleg für eine These angeordnet.
Der Ausgangspunkt: Modelle brauchen Originaltexte
Große Sprachmodelle lassen sich nur mit sehr großen Mengen originärer Texte trainieren. Material, das aus anderen Modellen stammt, ersetzt diesen Rohstoff nur begrenzt. Aus dem Bedarf leitet der Kommentar die Schärfe der Beschaffung ab: Wer neue Daten braucht, holt sie dort, wo sie liegen.
Crawler und robots.txt
Der erste Vorwurf betrifft das offene Web. Die Server der Datensammler setzen sich laut dem Text über die Anweisungen hinweg, die Betreiber in ihrer robots.txt hinterlegen. Diese Datei ist eine Bitte, keine technische Sperre – sie wirkt nur so lange, wie sich alle Beteiligten daran halten. Namen einzelner Crawler oder Messwerte nennt der Kommentar dazu nicht.
Coding-Agenten in fremden Repositories
Unter der Zwischenüberschrift „Coding-Agenten holen Trojaner“ beschreibt Hosbach ein zweites Muster: KI-Agenten durchsuchen ungefragt Git-Projekte. Der Einwand schneidet in beide Richtungen. Wer fremden Code automatisiert einliest und ausführt, holt sich unter Umständen Schadsoftware auf die eigene Maschine.
Bücher als Rohstoff
Drittens nennt der Kommentar den Ankauf gebrauchter Bücher: Bände werden tonnenweise gekauft, über Ozeane verschifft, eingescannt und danach entsorgt. Eine Firma oder eine Stückzahl steht nicht dabei. Zusätzlich führt der Text an, dass der Verlag Carlsen gegen OpenAI klage, weil das Unternehmen den Stil der Neinhörner von Astrid Henn nachahme.
Arztgespräche im Trainingsdatensatz
Das aus Sicht des Autors heikelste Beispiel steht unter „KI lauscht beim Arzt“. Doctolib möchte demnach – berichtet hat es die Zeit – Inhalte aufgezeichneter Arztgespräche für KI-Training verwenden. Die Zustimmung werde zwar vorab eingeholt, aber per App und in einem anderen Zusammenhang. Damit rutscht besonders geschützte Kommunikation zwischen Arzt und Patient in eine Verwendung, für die sie nie gedacht war.
Was offen bleibt
Für diese Meldung lag ausschließlich der heise-Kommentar vor. Die Einzelfälle – Doctolib, die Klage von Carlsen, die Buchankäufe – sind dort nicht mit Aktenzeichen, Summen oder Unternehmensangaben unterlegt und wurden hier nicht unabhängig geprüft. Sie sind als Behauptungen eines Meinungsbeitrags zu lesen.
Hosbachs praktische Empfehlung fällt entsprechend defensiv aus: Wer seine Daten schützen will, muss selbst handeln. Alles, was am Kabel hängt, gehört nach seiner Zuspitzung derzeit den Crawlern.
Häufige Fragen
Wer hat den Kommentar geschrieben und wo ist er erschienen?
Wolf Hosbach, veröffentlicht am 5. September 2026 in der Meinungsrubrik von heise online als Folge der Kolumne WTF.
Schützt robots.txt vor KI-Crawlern?
Technisch nicht. Die Datei ist eine Selbstverpflichtung; wer sie ignoriert, kommt trotzdem an die Inhalte – genau das wirft der Kommentar den Datensammlern vor.
Nutzt Doctolib Arztgespräche für KI-Training?
Der Kommentar verweist auf einen Bericht der Zeit, wonach das Unternehmen dies plant und die Zustimmung per App in anderem Zusammenhang einholt. Eine unabhängige Bestätigung liegt uns nicht vor.
